京公网安备 11010802034615号
经营许可证编号:京B2-20210330
量化投资,2018年不可或缺的配置策略
量化投资,在海外已有30多年的发展历史,因其业绩稳定,市场规模和份额不断扩大,得到了越来越多投资者的认可。量化投资以先进的数学模型代替人为的主观判断,强调投资的纪律性和系统性,克服贪婪、恐惧、侥幸等人性的弱点,克服认知偏差,借助系统强大的信息处理能力获得更大的投资稳定性,减少非理性的投资者情绪对于投资决策的影响。
VISIONTMT
魏刚 农银量化智慧混合拟任基金经理
简单来说,量化基金是用计算机和数学方法来实现人类投资的一种方式,并实际指导投资。它的核心就是通过计算机或是数学方法建立模型,并把这些归纳成客观规则,通过历史数据进行回测计算,选出在历史上表现比较好的策略,最后进行投资。
举个简单的例子:过去几年A股市场小盘股表现是非常好的,可以借此构建一个简单的策略:选择市值最小的100只股票进行投资,同时滚动调仓,这就是量化投资策略。
量化投资还有一个比较核心的投资逻辑,就是所应用的最后投入实战的量化模型或量化策略。这一模型是在历史较长时期进行了数据验证之后筛选出的模型,所验证的数据时间跨度可能会比较长,贯穿几轮牛熊。所以说在市场环境不发生强烈变化的情况下,量化策略能发挥相对比较好的表现。
其实量化投资也有它的盲点,首先量化投资、量化策略,它是基于历史数据形成的,也就是说当市场环境发生剧烈变化的时候,历史规律不再起作用的时候,这时候量化策略往往就会失效,或者量化策略就会表现比较差。还有就是当市场运行环境监管环境变化或是出现黑天鹅事件时,这些突发事件在历史上没有出现过,历史上没有规律可以循,没有规律可以验证,这时候量化策略也是表现比较差的。
因此,在建立模型时,模型构建人或是基金经理人可以对某些因素进行预案,当出现这些情况时需要如何应对。而且,量化策略的持股和行业集中度比较低,持股比较分散,即使出现黑天鹅事件的时候,损失也会在一个相对可控的范围内。如果应对得当的话,基金净值甚至能回到前期的高点。
农银量化智慧混合基金(认购代码:005638),是农银汇理旗下“纪律部队”的第三只产品。农银汇理前两只“严守纪律类”产品,农银区间收益混合和农银区间策略混合基金都收益不俗,其中农银区间收益混合基金自成立以来收益率为133%,(数据来源:晨星;截至2017.12.31)。与这两只产品不同,农银量化智慧混合基金是通过量化模型来进行“纪律选股”,来克服因基金经理个人喜好、认知偏差等带来的风险。
农银量化智慧混合主要选股因子包括价值因子,质量因子,成长因子,这些因子都是基本面因子。我们认为,基于基本面的选股因子有效性较强,适应性较强,对业绩表现有决定性作用。我们希望,通过这种策略找到比较优秀的公司,最终基金产品实现较好的投资回报。
此外,本产品的特色和优势就是这些选股因子都是由我们自主开发的,包括价值因子,质量因子或是竞争力因子等,我们通过这些因子综合打分,最后选出一些股票进行投资。
关于量化投资的具体操作方法,首先要收集数据,比如财务数据、市场行情数据、分析师预期数据,把这些数据归纳整理规整化;其次构建选股因子,比如市盈率、市净率,并测试这些因子在历史上表现是否有效,筛选出比较有效的因子;第三步,通过组合筛选出的有效因子构建出多因子选股模型,用这些模型对所有股票进行综合打分。最后,结合组合优化模型和风险控制模型,加上之前建出的多因子选股模型,优化出各个股票的权重,执行下单。其中,量化选股模型是一个核心,能从价值,质量,成长多维度衡量个股价值,做到以历史规律为实证,筛选出有效的投资策略。
农银量化智慧混合基金尊崇理性、纪律选股,不会因为市场的波动而产生较大的波动。因此,无论市场好坏,投资者都可以考虑作为个人资产配置的一部分
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在实验检测、质量控制、科研验证等场景中,“方法验证”是确保检测/分析结果可靠、可复用的核心环节——无论是新开发的检测方法 ...
2026-03-04在数据分析、科研实验、办公统计等场景中,我们常常需要对比两组数据的整体差异——比如两种营销策略的销售额差异、两种实验方案 ...
2026-03-04在数字化转型进入深水区的今天,企业对数据的依赖程度日益加深,而数据治理体系则是企业实现数据规范化、高质量化、价值化的核心 ...
2026-03-04在深度学习,尤其是卷积神经网络(CNN)的实操中,转置卷积(Transposed Convolution)是一个高频应用的操作——它核心用于实现 ...
2026-03-03在日常办公、数据分析、金融理财、科研统计等场景中,我们经常需要计算“平均值”来概括一组数据的整体水平——比如计算月度平均 ...
2026-03-03在数字化转型的浪潮中,数据已成为企业最核心的战略资产,而数据治理则是激活这份资产价值的前提——没有规范、高质量的数据治理 ...
2026-03-03在Excel办公中,数据透视表是汇总、分析繁杂数据的核心工具,我们常常通过它快速得到销售额汇总、人员统计、业绩分析等关键结果 ...
2026-03-02在日常办公和数据分析中,我们常常需要探究两个或多个数据之间的关联关系——比如销售额与广告投入是否正相关、员工出勤率与绩效 ...
2026-03-02在数字化运营中,时间序列数据是CDA(Certified Data Analyst)数据分析师最常接触的数据类型之一——每日的营收、每小时的用户 ...
2026-03-02在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28在数字化时代,“以用户为中心”已成为企业运营的核心逻辑,而用户画像则是企业读懂用户、精准服务用户的关键载体。CDA(Certifi ...
2026-02-28在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27在数字化时代,企业积累的海量数据如同散落的珍珠,若缺乏有效的梳理与分类,终将难以发挥实际价值。CDA(Certified Data Analys ...
2026-02-27在问卷调研中,我们常遇到这样的场景:针对同一批调查对象,在不同时间点(如干预前、干预后、随访期)发放相同或相似的问卷,收 ...
2026-02-26在销售管理的实操场景中,“销售机会”是核心抓手—— 从潜在客户接触到最终成交,每一个环节都藏着业绩增长的关键,也暗藏着客 ...
2026-02-26在CDA数据分析师的日常工作中,数据提取、整理、加工是所有分析工作的起点,而“创建表”与“创建视图”,则是数据库操作中最基 ...
2026-02-26在机器学习分析、数据决策的全流程中,“数据质量决定分析价值”早已成为行业共识—— 正如我们此前在运用机器学习进行分析时强 ...
2026-02-25在数字化时代,数据已成为企业决策、行业升级的核心资产,但海量杂乱的原始数据本身不具备价值—— 只有通过科学的分析方法,挖 ...
2026-02-25