京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在数据仓库与数据分析体系中,维度表与事实表是构建结构化数据模型的核心组件,二者如同“骨架”与“血肉”,协同支撑起各类业务 ...
2026-01-16在游戏行业“存量竞争”的当下,玩家留存率直接决定游戏的生命周期与商业价值。一款游戏即便拥有出色的画面与玩法,若无法精准识 ...
2026-01-16为配合CDA考试中心的 2025 版 CDA Level III 认证新大纲落地,CDA 网校正式推出新大纲更新后的第一套官方模拟题。该模拟题严格遵 ...
2026-01-16在数据驱动决策的时代,数据分析已成为企业运营、产品优化、业务增长的核心工具。但实际工作中,很多数据分析项目看似流程完整, ...
2026-01-15在CDA(Certified Data Analyst)数据分析师的日常工作中,“高维数据处理”是高频痛点——比如用户画像包含“浏览次数、停留时 ...
2026-01-15在教育测量与评价领域,百分制考试成绩的分布规律是评估教学效果、优化命题设计的核心依据,而正态分布则是其中最具代表性的分布 ...
2026-01-15在用户从“接触产品”到“完成核心目标”的全链路中,流失是必然存在的——电商用户可能“浏览商品却未下单”,APP新用户可能“ ...
2026-01-14在产品增长的核心指标体系中,次日留存率是当之无愧的“入门级关键指标”——它直接反映用户对产品的首次体验反馈,是判断产品是 ...
2026-01-14在CDA(Certified Data Analyst)数据分析师的业务实操中,“分类预测”是高频核心需求——比如“预测用户是否会购买商品”“判 ...
2026-01-14在数字化时代,用户的每一次操作——无论是电商平台的“浏览-加购-下单”、APP的“登录-点击-留存”,还是金融产品的“注册-实名 ...
2026-01-13在数据驱动决策的时代,“数据质量决定分析价值”已成为行业共识。数据库、日志系统、第三方平台等渠道采集的原始数据,往往存在 ...
2026-01-13在CDA(Certified Data Analyst)数据分析师的核心能力体系中,“通过数据建立模型、实现预测与归因”是进阶关键——比如“预测 ...
2026-01-13在企业数字化转型过程中,业务模型与数据模型是两大核心支撑体系:业务模型承载“业务应该如何运转”的逻辑,数据模型解决“数据 ...
2026-01-12当前手游市场进入存量竞争时代,“拉新难、留存更难”成为行业普遍痛点。对于手游产品而言,用户留存率不仅直接决定产品的生命周 ...
2026-01-12在CDA(Certified Data Analyst)数据分析师的日常工作中,“挖掘变量间的关联关系”是高频核心需求——比如判断“用户停留时长 ...
2026-01-12在存量竞争时代,用户流失率直接影响企业的营收与市场竞争力。无论是电商、互联网服务还是金融行业,提前精准预测潜在流失用户, ...
2026-01-09在量化投资领域,多因子选股是主流的选股策略之一——其核心逻辑是通过挖掘影响股票未来收益的各类因子(如估值、成长、盈利、流 ...
2026-01-09在CDA(Certified Data Analyst)数据分析师的工作场景中,分类型变量的关联分析是高频需求——例如“用户性别与商品偏好是否相 ...
2026-01-09数据库中的历史数据,是企业运营过程中沉淀的核心资产——包含用户行为轨迹、业务交易记录、产品迭代日志、市场活动效果等多维度 ...
2026-01-08在电商行业竞争日趋激烈的当下,数据已成为驱动业务增长的核心引擎。电商公司的数据分析师,不仅是数据的“解读官”,更是业务的 ...
2026-01-08