
大数据时代量化投资大有可为
5月25日,由中国证券投资基金业协会和上海陆家嘴管委会联合举办的量化对冲论坛在陆家嘴金融城举办,来自公私募一线的量化投资人围绕国际量化对冲的新趋势、国内量化对冲行业的规范发展等话题展开了讨论。与会嘉宾表示,大数据和互联网技术的发展将推动量化投资在资管行业大有可为,量化对冲基金也是市场重要的长期资金来源,建议能够松绑对股指期货的投资限制,给予政策的正向激励。
信息爆炸赋予量化用武之地
富善投资总经理兼投资总监林成栋表示,量化和大数据在投资中已然崛起,根本原因是大数据时代信息的爆炸和计算效率的提高导致成本的下降,从而支撑起大量创新的投资方法。比如利用网络数据支撑新的财务模型从而来获得更有效的投资决策,利用第三方网站和移动APP公司的数据可以帮助投资公司更高效和精准地从短期和长期等角度来判断目标公司的趋势。
他进一步表示,未来量化方法将从主动管理(获取绝对收益、超额收益)领域渗透至被动管理(Smart beta)、资产组合配置领域(FOF)、机器人投顾等各个层面。投资标的方面量化方法将由股票期货类扩展至固定收益类资产(利率和信用债券)甚至相关场外衍生品(CDS、MBS等)。围绕量化方法开发新的投资产品或投资标的成为一个非常有潜力的发展方向。
南方基金数量化投资部总监刘治平也具体分析,大数据时代量化投资的逻辑性在于,中国A股有近2700个上市公司,2015年有1139只个股其收益率超出全A指数30%以上,深度调研的主动投资管理组合一般管理30—50只股票,主动选股难度大大增加;移动互联网时代每天股吧、微博 、微信等信息铺天盖地,人类过去4年信息的积累量等同于之前的总量,信息大爆炸大大增加了主动处理信息的难度;此外,受内幕交易打击的影响,基金经理调研公司可以得到的信息越来越有限。因此,靠市场广度获取超额收益的投资方法将会有更好的市场份额上升机会。
他表示,量化对冲投资在当前的政策环境中受到了一定限制,但量化多头策略拥有广阔的发展空间。中国公募量化基金占比和发达国家相比,还非常小,除了量化对冲产品被机构广泛接受之外,机构投资者在灵活配置权益类上几乎没有任何配置给量化投资管理人,这与量化基金的业绩表现并不匹配。
量化对冲基金带来长期资金
博道投资董事长莫泰山则从另一个视角提出,量化对冲基金是市场重要的长期资金来源,对资本市场能够产生积极作用。量化对冲基金可基本回避市场波动的影响,收益来源于模型驱动的阿尔法,收益区间稳定、可预期,呈现出穿越牛熊的稳健风格。这种产品特性决定了其必须长期、持续投资于股票市场,必须精选优质的“胜者”型上市公司进行投资,客观上发挥了优胜劣汰的作用,是市场的重要稳定力量。
林成栋也表示,相信在中国资本市场发展的剧目中,未来量化投资的发展会是个关键的角色。量化投资会像一个高目筛,筛选二级市场的参与者,降低中国市场的散户力量,提升机构投资者的力量,平衡机构和散户比例,促进中国资本市场的长期健康发展。
在去年市场异常波动、股指期货投资收紧之后,量化对冲产品的运作受到了一定的影响。实际操作中,部分产品采取了补充新策略、寻找替代性的对冲工具如海外市场期货、增加风险敞口等措施,部分产品则选择了离场观望。
莫泰山特别建言,在加强监管的同时,尽快解除对股指期货的投资限制,站在引入长期投资资金的高度,对长期稳健投资于资本市场的量化对冲基金,给予政策的正向激励。他估算认为,如果政策能够得以松绑,预计现有量化对冲产品的“复活”能够为市场带来2000亿-3000亿的资金规模。与此同时,在当下的市场环境下,大量资金面临投资压力,收益稳健的量化对冲基金的吸引力凸显,除了现有产品之外,短期还可以再吸引2000亿—3000亿的资金。长期而言,则预计能有1万亿元左右的资金流入。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29