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
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09