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
在实验检测、质量控制、科研验证等场景中,“方法验证”是确保检测/分析结果可靠、可复用的核心环节——无论是新开发的检测方法 ...
2026-03-04在数据分析、科研实验、办公统计等场景中,我们常常需要对比两组数据的整体差异——比如两种营销策略的销售额差异、两种实验方案 ...
2026-03-04在数字化转型进入深水区的今天,企业对数据的依赖程度日益加深,而数据治理体系则是企业实现数据规范化、高质量化、价值化的核心 ...
2026-03-04在深度学习,尤其是卷积神经网络(CNN)的实操中,转置卷积(Transposed Convolution)是一个高频应用的操作——它核心用于实现 ...
2026-03-03在日常办公、数据分析、金融理财、科研统计等场景中,我们经常需要计算“平均值”来概括一组数据的整体水平——比如计算月度平均 ...
2026-03-03在数字化转型的浪潮中,数据已成为企业最核心的战略资产,而数据治理则是激活这份资产价值的前提——没有规范、高质量的数据治理 ...
2026-03-03在Excel办公中,数据透视表是汇总、分析繁杂数据的核心工具,我们常常通过它快速得到销售额汇总、人员统计、业绩分析等关键结果 ...
2026-03-02在日常办公和数据分析中,我们常常需要探究两个或多个数据之间的关联关系——比如销售额与广告投入是否正相关、员工出勤率与绩效 ...
2026-03-02在数字化运营中,时间序列数据是CDA(Certified Data Analyst)数据分析师最常接触的数据类型之一——每日的营收、每小时的用户 ...
2026-03-02在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28在数字化时代,“以用户为中心”已成为企业运营的核心逻辑,而用户画像则是企业读懂用户、精准服务用户的关键载体。CDA(Certifi ...
2026-02-28在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27在数字化时代,企业积累的海量数据如同散落的珍珠,若缺乏有效的梳理与分类,终将难以发挥实际价值。CDA(Certified Data Analys ...
2026-02-27在问卷调研中,我们常遇到这样的场景:针对同一批调查对象,在不同时间点(如干预前、干预后、随访期)发放相同或相似的问卷,收 ...
2026-02-26在销售管理的实操场景中,“销售机会”是核心抓手—— 从潜在客户接触到最终成交,每一个环节都藏着业绩增长的关键,也暗藏着客 ...
2026-02-26在CDA数据分析师的日常工作中,数据提取、整理、加工是所有分析工作的起点,而“创建表”与“创建视图”,则是数据库操作中最基 ...
2026-02-26在机器学习分析、数据决策的全流程中,“数据质量决定分析价值”早已成为行业共识—— 正如我们此前在运用机器学习进行分析时强 ...
2026-02-25在数字化时代,数据已成为企业决策、行业升级的核心资产,但海量杂乱的原始数据本身不具备价值—— 只有通过科学的分析方法,挖 ...
2026-02-25