
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
如何考取数据分析师证书:以 CDA 为例 在数字化浪潮席卷各行各业的当下,数据分析师已然成为企业挖掘数据价值、驱动决策的 ...
2025-07-15CDA 精益业务数据分析:驱动企业高效决策的核心引擎 在数字经济时代,企业面临着前所未有的数据洪流,如何从海量数据中提取有 ...
2025-07-15MySQL 无外键关联表的 JOIN 实战:数据整合的灵活之道 在 MySQL 数据库的日常操作中,我们经常会遇到需要整合多张表数据的场景 ...
2025-07-15Python Pandas:数据科学的瑞士军刀 在数据驱动的时代,面对海量、复杂的数据,如何高效地进行处理、分析和挖掘成为关键。 ...
2025-07-15用 SQL 生成逆向回滚 SQL:数据操作的 “后悔药” 指南 在数据库操作中,误删数据、错改字段或误执行批量更新等问题时有发生。 ...
2025-07-14t检验与Wilcoxon检验的选择:何时用t.test,何时用wilcox.test? t 检验与 Wilcoxon 检验的选择:何时用 t.test,何时用 wilcox. ...
2025-07-14AI 浪潮下的生存与进阶: CDA数据分析师—开启新时代职业生涯的钥匙(深度研究报告、发展指导白皮书) 发布机构:CDA数据科 ...
2025-07-13LSTM 模型输入长度选择技巧:提升序列建模效能的关键 在循环神经网络(RNN)家族中,长短期记忆网络(LSTM)凭借其解决长序列 ...
2025-07-11CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-11数据透视表中两列相乘合计的实用指南 在数据分析的日常工作中,数据透视表凭借其强大的数据汇总和分析功能,成为了 Excel 用户 ...
2025-07-11尊敬的考生: 您好! 我们诚挚通知您,CDA Level I和 Level II考试大纲将于 2025年7月25日 实施重大更新。 此次更新旨在确保认 ...
2025-07-10BI 大数据分析师:连接数据与业务的价值转化者 在大数据与商业智能(Business Intelligence,简称 BI)深度融合的时代,BI ...
2025-07-10SQL 在预测分析中的应用:从数据查询到趋势预判 在数据驱动决策的时代,预测分析作为挖掘数据潜在价值的核心手段,正被广泛 ...
2025-07-10数据查询结束后:分析师的收尾工作与价值深化 在数据分析的全流程中,“query end”(查询结束)并非工作的终点,而是将数 ...
2025-07-10CDA 数据分析师考试:从报考到取证的全攻略 在数字经济蓬勃发展的今天,数据分析师已成为各行业争抢的核心人才,而 CDA(Certi ...
2025-07-09【CDA干货】单样本趋势性检验:捕捉数据背后的时间轨迹 在数据分析的版图中,单样本趋势性检验如同一位耐心的侦探,专注于从单 ...
2025-07-09year_month数据类型:时间维度的精准切片 在数据的世界里,时间是最不可或缺的维度之一,而year_month数据类型就像一把精准 ...
2025-07-09CDA 备考干货:Python 在数据分析中的核心应用与实战技巧 在 CDA 数据分析师认证考试中,Python 作为数据处理与分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的有力工具 在数据分析的广袤领域中,准确捕捉数据的趋势变化以及识别 ...
2025-07-08备战 CDA 数据分析师考试:需要多久?如何规划? CDA(Certified Data Analyst)数据分析师认证作为国内权威的数据分析能力认证 ...
2025-07-08