
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
数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28PCU:游戏运营的 “实时晴雨表”—— 从数据监控到运营决策的落地指南 在游戏行业,DAU(日活跃用户)、MAU(月活跃用户)是衡量 ...
2025-08-28Excel 聚类分析:零代码实现数据分群,赋能中小团队业务决策 在数字化转型中,“数据分群” 是企业理解用户、优化运营的核心手段 ...
2025-08-28CDA 数据分析师:数字化时代数据思维的践行者与价值推动者 当数字经济成为全球经济增长的核心引擎,数据已从 “辅助性信息” 跃 ...
2025-08-28ALTER TABLE ADD 多个 INDEX:数据库批量索引优化的高效实践 在数据库运维与性能优化中,索引是提升查询效率的核心手段。当业务 ...
2025-08-27Power BI 去重函数:数据清洗与精准分析的核心工具 在企业数据分析流程中,数据质量直接决定分析结果的可靠性。Power BI 作为主 ...
2025-08-27CDA 数据分析师:数据探索与统计分析的实践与价值 在数字化浪潮席卷各行业的当下,数据已成为企业核心资产,而 CDA(Certif ...
2025-08-27t 检验与 Wilcoxon 检验:数据差异比较的两大统计利器 在数据分析中,“比较差异” 是核心需求之一 —— 如新药疗效是否优于旧药 ...
2025-08-26季节性分解外推法:解锁时间序列预测的规律密码 在商业决策、资源调度、政策制定等领域,准确的预测是规避风险、提升效率的关键 ...
2025-08-26CDA 数据分析师:数据治理驱动下的企业数据价值守护者 在数字经济时代,数据已成为企业核心战略资产,其价值的释放离不开高 ...
2025-08-26基于 SPSS 的 ROC 曲线平滑调整方法与实践指南 摘要 受试者工作特征曲线(ROC 曲线)是评估诊断模型或预测指标效能的核心工具, ...
2025-08-25神经网络隐藏层神经元个数的确定方法与实践 摘要 在神经网络模型设计中,隐藏层神经元个数的确定是影响模型性能、训练效率与泛 ...
2025-08-25CDA 数据分析师与数据思维:驱动企业管理升级的核心力量 在数字化浪潮席卷全球的当下,数据已成为企业继人力、物力、财力之后的 ...
2025-08-25CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22