京公网安备 11010802034615号
经营许可证编号:京B2-20210330
盛世资产刘晓俊谈量化投资
任何单个量化策略都难以持续盈利
一般情况下量化投资收益相对更稳健,但是有些私募做到百亿规模之后却在去年业绩遭遇滑铁卢,并很快退出了百亿私募之列。究其原因,在刘晓俊看来,所谓的百亿量化私募,其实大部分并不全都是在做量化。有的私募有百亿规模,但其实真正做量化投资的部分大概只占几十亿,还有很大一部分可能来自主观多头、借壳、定增等一些项目。并且2017年蓝筹白马当道,中小票行情惨淡,如果私募做定增较多,规模很容易下滑。
此外,即使是做量化的部分,由于量化策略在不断进化,在不同的市场风格下也难以保证一直盈利。
“以股票阿尔法对冲策略为例,2013年-2015年非常流行,但是其实最多的是做多小票,然后做空沪深300股指期货来盈利,再加上当时股指期货是升水。等于这部分私募做了一部分的中小票,也就是市值的错配,再加上一些期现的套利来赚钱。但是后面市场就直接转变了,比如说去年就是大票横行,如果还是做类似小票的阿尔法策略就会输得很惨。另外整个市场从升水变贴水,本来每个月白赚升水的钱,变成白送贴水的钱。”
刘晓抗介绍,部分私募通过营销等把规模做得比较大,但是擅长的策略不多,一旦市场转变,就会因储备不够来不及转变策略,也会缩水很快。
“以商品期货CTA策略为例,2016年整个商品是大牛市,CTA策略平均收益40%-50%,有些甚至做出了几十倍上百倍的收益,导致当时很多资金投向了CTA策略。但是2016年双11之后,整个商品市场进入阴跌模式,导致整个CTA传统的趋势策略失效,到现在也都没有起色,这类私募也大量消失了。”
在刘晓俊看来,量化策略的收益是稳定,但是需要用对适合的市场,而且市场不配合的时候一定要及时去更换或更新,因为没有任何一个策略可以长期稳定做大规模并赚钱。这也是为什么很多私募从小变大,又从大变小甚至消失,新的私募又涌现出来,不断循环的原因。
2018不一定是量化大年,但肯定是量化正常的一年
很多人给2016和2017年贴上量化小年的标签,但刘晓俊持不同的看法。因为2016年商品期货的量化策略是大行其道,量化投资也是赚得盆满钵满。对商品期货来说,2016年其实是个大年,因为商品的CTA也都是赚了很多钱。刘晓俊认为到了2017年才是他认为的真正的量化小年。
“因为无论是阿尔法策略,还是传统的商品期货趋势策略和套利策略,也包括中高频策略,在2017年的5月份到10月份这段时间都非常难挣钱,这段时间非常难做,我认为这段时间是真正的小年。他们认为2016年-2017年均为小年可能是他们一开始投的阿尔法策略,阿尔法在2016年不好了,然后在2016年去追加商品,商品到2017年又不好了,让他们感觉整个2016和2017就成了小年。”
回到主观投资来说,2016年中小票好,白马股并不好。但是到了2017年的时候,白马股好,中小票又不好了,并不能说2016年和2017年是主观投资者小年,之所以有人将过去两年称为量化小年,刘晓俊认为是对市场买卖与理解认知的误差。
2018是否会是量化投资的大年?在刘晓俊看来,2017年不能算量化投资的大年,但属于正常的一年,因为以前差不多也就是这个收益。
刘晓俊介绍,今年总体来量化策略开始回暖,量化私募平均收益普遍跑赢主观投资。以盛世资产为例,今年股票阿尔法对冲策略从年头跑到现在也有8%左右收益,套利策略盈利10%以上。
指数下滑,震荡市多头私募收益不佳
2017年市场风格偏向大市值股票,以发掘阿尔法收益为主的量化策略遭遇滑铁卢。2018年已经过半,基于基本面的主观投资私募无论规模大小,大多收益不佳,量化私募成为盈利策略中分外亮眼的一抹红。
刘晓俊认为主要原因是除了量化私募之外,其它大部分私募都是多头思路。多头私募的收益来源于两部分,一部分为阿尔法,也就是打赢指数的部分,比拼的是选股能力,另一部分就来自于贝塔,也就是指数,今年指数一路下滑,而且下滑的幅度很大,远远超过阿尔法收益,所以除量化私募以外的其他私募在今年表现不好也很正常。
优胜劣汰,“伪量化”私募逐渐出局
众所周知,量化发端于国外,2010以后国内量化开始起步,尤其2015年股价下跌期间量化私募无惧市场震荡,不仅跑赢主观私募,还取得高低不一的收益,在此之后量化投资被更多的人接受。
同时,也有另外一种声音,那就是中国市场中的有些量化是被包装出来的,并非真正量化。在刘晓俊看来,这种情况已经在转变,并且通过市场检验,去伪存真,它不可能长期获得持续收益。“伪量化”私募经不起市场的考验,已经逐渐被淘汰掉。
“一个事情过热的时候,每个人都能赚到钱,每个人都可以说是量化,但是市场到最后是非常的理性,一旦遇到这种熊市或者说所谓的量化小年时候,量化行业也会优胜劣汰。”
就算是真正的量化私募,刘晓俊建议在投资之前也要看其长期收益。因为会存在量化私募的策略比较适合当下,所以业绩跑得好,但是不能确定过了一年,甚至更久以后突然间市场风格又转换,私募是否还有持续开发的能力。如果跟风去买私募,就要做好哪天策略失效带来的亏损风险。
海归派也需交学费,政策对量化模型冲击最大
盛世资产创始人团队从2010年在中国开始量化投资交易,创始人团队成员均拥有海外投资背景和丰富的投资经历。如何将海外投资经历与本土投资环境融合?刘晓俊介绍,从量化投资上来说,在技术方面,盛世资产将海外做过的一些模型和系统拿回来后,首先会经过技术上的融合,比如接通本地的系统、本地的交易、以及用本地的数据去重新去让这个机器进行学习。
刘晓俊也坦言,八年以来学到最大的经验是如何去运用这些技术模型,并且在适当的时候去运用适当的模型,这是非常痛苦和非常难的结合。盛世资产花了八年时间一直在摸索,得出的经验教训是在中国市场要长期沉淀下来老老实实地学习,需要实战经验、也需要教训,通过“交学费”才能达到真正的融合。
国外量化从1988年开始到至今已经有三十年历史,拥有比较成熟的技术、框架与模型,相对本土量化来说,海归派比较成体系化,风控也比较严谨。同时本土派的好处是它本身模型上可能不一定比国外的好,但是他对国内的行情政策各方面比较熟悉,本土派在运用模型的时候会有些经验。刘晓抗提出,如果海归派能与本土派能较好地结合,将取得1+1>2的效果。所以如果这两者有一个比较好的结合就会更好。
刘晓抗坦言,从量化的角度看,相较于A股市场散户化带来的非理性,最难把握的还是政策变化带来的冲击。一旦新的政策出台,整个大环境都将改变,这个时候模型不是小改,是整个要撤掉重新写。
“比如说股指期货限仓,导致从全世界交易量最大的市场变成交易量很小的市场,整个模型都是推翻重来了。”
无需过度恐慌,也无快速上涨
从今年年初开始A股已经出现过几次闪电似的快速下跌,随着国内政策,以及美国加息等,市场依旧比较震荡。6月这一轮下跌比较凶猛,也跌到一定程度,虽然后续并不需要太过恐慌,但刘晓俊认为也很难有非常快速的上涨或者修复。
从量化策略来说,在今年这种行情下,刘晓俊表示还是比较适合全对冲形式为主的策略,比如通过做多股票,同时等额做空股指期货,来达到无论上涨还是下跌都能取得比较稳定的收益。另外现在的行情也比较适合商品期货套利策略,今年以来也有非常不错的收益。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在问卷调查与社会科学数据分析中,卡方检验是最常用、最基础的非参数检验方法,广泛应用于市场调研、用户分析、行为统计、满意度 ...
2026-06-03【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-03 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-06-03逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26