
量化投资背后的投资理念
最近介绍了不少用量化投资去选股的方法,中间用到不少实证研究(empirical analysis),详细分析一些用既定因子(factor)去选股的投资策略;这些分析一般都会利用歷史数据,去验证某些特定的选股因子,能否真的為投资者带来额外回报。
值得注意的是︰任何量化方法如果没有合理的投资理念去支撑,其效用是成疑的。事实上,通过数据挖掘(data mining),有辉煌歷史表现(historical performance)的投资方法不难找,未来的投资表现是否合格,才是关键所在。
假设我们叫电脑胡乱地作出100个风马牛不相及的因子,如果用5%的显著性来做检验的话,根据统计学理论,检验结果很大机会显示其中五个具有预测能力,虽然这五个因子都是无厘头的,这就是在量化投资里常提到的数据挖掘陷阱。
因此量化投资一个成功关键点,就是在量化方法背后需要有良好的投资理念来支持,难怪有人说量化投资既是一门科学,但也是一门艺术。
选成长股或选价值股
最近就有很多研究,把因子投资法(factor investing)应用到smart beta上,发展了一些以跑赢市值加权指数為目标的聪明指数。
本栏读者如不是基金经理,对这些系统性的因子投资法,可能兴趣不大,但了解一下是什麼因素令採用smart beta的基金能跑赢大市,对做好选股(stock picking)这门功课,应有一定的啟发作用。
Factor investment的前身,应是所谓style investment。早在七八十年代时,便有两类的投资风格(investment styles),就是选择「成长股」(growth stocks)还是选择「价值股」(value stocks)。
所谓「成长股」,指的是上市公司的前景甚為亮丽,盈利将有所增长,公司的股价稳步上扬,投资者愿意以较昂贵的价格买入股票,期望有较好的回报。而所谓「价值股」,指的是股价被低估的一些股票,很多时候它们有较低的市盈率(P/E ratio),较低的市净率(P/B ratio),或有较高的派息率(dividend ratio)。
以上两类投资风格,其实就是后期因子投资(factor investment)的前身。以上提到的市盈率、市净率、派息率等都成了某些smart beta策略内的重要组成部分,其投资理念是选择那些不是当前最炙手可热但有潜在价值的股票,由於价值被低估,以之作长线投资应有作為。
其实选择这些价值股,是一个务实的表现。一个很好的比喻是︰光顾一间价格便宜但有优质食物供应的餐馆,应该是一个不错的选择。
至於投资於成长股,后期就演变成以「动量」(momentum)作為选股的因子。Jegadeesh and Titman於九十年代指出︰买入近期(三至九个月)表现佳的股票又同时沽出表现差的股票可以得到正回报。
「动量」之所以能成為一个成功的选股因子,其实是有跡可寻的。根据行為财务学者的分析,反应不足(under-reaction)和反应过度(over-reaction)都可以用来作為解释动能的原因。
小投资者在升市的早期,一般都会后知后觉,因而反应不足(under-reaction),到了升幅较明显时就开始关注走势,再有「从眾」的心理,当股价有相当升幅的时候买入。
挑选具有质量股票
另一方面,当很多人叫好的时候,小投资者一般都不能把持自己的判断力,容易反应过度(over-reaction),也会跟风买入,短期内可能有所斩获使得股价有升完再升的动量。
但要注意的是︰动量不能长期存在,De Bondt and Thaler指出,买入五年内表现差的股票又同时沽出表现好的股票可以得到正回报。
所以股市存在着「动量效应」的同时,也存在着「逆势效应」(contrarian effect),逆势就是来源於投资者的反应过度。股价有「短线动量、长线反转」(short-term momentum and long-term contrarian)的倾向。
其中一个不可不提的因子就是质量(quality)。採用质量因子的投资法就是要仿效传统的选股策略,挑选一些具有质量的股票。具有质量的股票又应具备什麼特质呢?
根据传统投资智慧,优质股应有以下特点:稳定盈利、高边际利润、低槓桿、营运效率高。
量化投资者的目标就是要把这些定性特徵转化成可量化的因子,作為选股的指标,而年报上的资料往往成為这量化过程的重要数据。盈利可以利用年报上的股本回报率来呈现,槓桿则可以利用负债比率来表示。
持有优质股在眾多因子当中是比较容易理解和接受的一个理念,原因很简单,优质的股票谁都想拥有。话虽如此,优质的股票是不是等於跑赢市场,还需要更深入的实证。
除了以上的选股因子外,Factor investment也钟情於小型公司(small cap)的投资。市场对小型公司的研究覆盖率偏低,未能引起投资大眾的注目,很多小型公司都沦為冷门股,其价格因而偏低,但守得云开见月明,有朝一日,可能突然受到注目,亦可能被卷入併购活动,股价可以咸鱼翻生。
整个组合都用因子
另一选股因子是挑选波动率低(low volatility)的股票。有业界人士研究了1996年12月至2015年12月的股价,依其波动率的大小划分為十个等份,发觉波动率最低的三等份的回报率, 远高於波动率最高的三等份,而且不同地区的股票都有类似的结果。
投资者一般偏爱关注高波动率的股票,股价快速地上升时所带来的快感委实吸引,低波动率的股票价格不会大上大落,市场关注度也不会过高,持有它们收稳扎稳打之效。
上期提到量化投资用上股票期权的价格作為选股的一个因子,建议选择那些期权有较小波幅倾斜(volatility skew)的股票。
波幅倾斜指的是价外认沽(out of the money put)及在价认购(at the money call)的价差(波幅倾斜=IVOTM PUT-IVATM CALL)。
让我们分析一下其背后的投资理念。假如有两隻股票A和B,A的波幅倾斜较大,那就表示A的价外认沽期权比B贵,也同时表示期权买家热中於买A的认沽甚於买B的认沽。
认沽买家主要分两类︰一是為手上持有股票作套戳、二是预期股价大跌期望以小博大的投机者,两者都是看淡A的前景,既然A的前景比B来的黯淡,B未来的回报应比A高。
以上的选股因子,很多都是操作smart beta 基金经理的宠儿,当读者试图利用相同工具去选股时,要切记的是基金经理是对整个组合都用上这些因子,效果会比较明显,但如果只针对组合的其中一两隻股票用上以上的因子,那麼功效就会有很大的局限性了。
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