京公网安备 11010802034615号
经营许可证编号:京B2-20210330
量化投资超越市场必须具备哪三个条件
量化基金收益情况近年来有较大波动,从2016年的大获全胜,到2017年主动策略风光不再,令投资者难以信服其具有长期稳定的盈利能力。事实上,选择长期持续稳定的量化基金确实是非常重要的。
一般而言,量化策略要能够持续稳定地超越市场的平均水平,是需要具备一些特定的条件的。这一点,在景顺长城量化及ETF投资总监黎海威看来,量化投资不是靠简单的电脑选股就可以脱颖而出的,要长期超越市场,需要三个核心要素。
1 超额收益来自比较优势
采用多因子量化选股,是否能够长期获得超额收益?黎海威表示,关键在于是否有成熟的超额收益模型。而建立超额收益模型的关键点就是:比较优势!
在做基本面量化投资时,大家切入点是差不多的,比如定价误差、大股东的情况、公司供应链管理、现金流管理等。但在这个过程中,不同人在不同的方向上,可能有比较优势。
比如,有人擅长价值股的投资,在模型里对应的价值因子权重就比较高;有人擅长成长股的投资,对成长股的波动、生命周期阶段等的把握就更有优势,组合中的成长性因子的比重就比较高。很难找出一个全能基金管理人,在各方面都非常牛。
基于此,量化投资就需要将自己的比较优势放到最大,比如不擅长做行业轮动,那么就集中力量做选股,在管理某个基金的投资组合过程中,可以选择将某个行业的股票(比如银行股)一直保持在一定的比例(比如20%的权重),在选股上做到优中选优。
“这样下来,相较于竞争对手,就能够形成长期稳定的比较优势,这是最核心的地方。”黎海威说。
2 风险控制先行
基金投资是个“量入为出”的过程,不仅要计算超额收益的输入,还要计算投资过程中因市场风险带来的损耗。只有风控做得好,基金的业绩才能脱颖而出。
为什么风险控制如此重要?黎海威首先举了一个生动的例子。
Ø 投资时间越长的人,会像老司机一样越来越强调风控。为什么?因为只有风控做的好,才能存活时间比别人长,存活时间比别人长,才能在市场上把本金做出更多收益,才能发展起来。
之后,黎海威从实际投资的角度,谈到控制回撤的作用。
Ø 有些策略年化收益率25%,有些策略年化收益率为10%,其实只要波动控制得好,第二种策略效果会更好。因为从1元钱跌至0.5元时,亏损是50%;但从0.5元升值1元时,却需要100%的增长。所以,当波动性越小,长期净值的稳定性会更好。
在黎海威看来,风控意识是贯穿于投资全过程的,做量化投资时有几个层面必须要考虑。首先,要选择好的股票,这是投资收益的来源;其次,好公司也要有合理的估值,这样安全值更高;最后,要把收益预测做得比较透明、分散,能够预见和抵御风险。
3 控制交易成本让收益更胜一筹
收益、风险之后,黎海威认为需要重点考虑的还有:交易成本!
对于基金的最终收益,将交易成本控制到最低是十分必要的。为了说明这一点,黎海威举了一个例子:
Ø ETF长期来说为什么会击败长期的管理,除了Alpha是比较稀缺的,交易费用非常低也是一个原因。对于规模庞大的量化基金而言,如果频繁地进行交易,长期积累起来的费用支出还是不少的。
黎海威介绍,控制好交易成本,就要讲求交易执行效率,避免不需要的换手,当然换手率也会和投资策略有关。
总结来说,量化基金想要长期战胜市场,“超额收益、风险控制、成本控制”一个要素也不能少。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25