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
在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27对数据分析从业者和学生而言,表结构数据是最基础也最核心的分析载体——CRM系统的用户表、门店的销售明细表、仓库的库存表,都 ...
2025-11-27在业务数据可视化中,热力图(Heat Map)是传递“数据密度与分布特征”的核心工具——它通过颜色深浅直观呈现数据值的高低,让“ ...
2025-11-26在企业数字化转型中,业务数据分析师是连接数据与决策的核心纽带。但“数据分析师”并非单一角色,从初级到高级,其职责边界、能 ...
2025-11-26