
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
数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28PCU:游戏运营的 “实时晴雨表”—— 从数据监控到运营决策的落地指南 在游戏行业,DAU(日活跃用户)、MAU(月活跃用户)是衡量 ...
2025-08-28Excel 聚类分析:零代码实现数据分群,赋能中小团队业务决策 在数字化转型中,“数据分群” 是企业理解用户、优化运营的核心手段 ...
2025-08-28CDA 数据分析师:数字化时代数据思维的践行者与价值推动者 当数字经济成为全球经济增长的核心引擎,数据已从 “辅助性信息” 跃 ...
2025-08-28ALTER TABLE ADD 多个 INDEX:数据库批量索引优化的高效实践 在数据库运维与性能优化中,索引是提升查询效率的核心手段。当业务 ...
2025-08-27Power BI 去重函数:数据清洗与精准分析的核心工具 在企业数据分析流程中,数据质量直接决定分析结果的可靠性。Power BI 作为主 ...
2025-08-27CDA 数据分析师:数据探索与统计分析的实践与价值 在数字化浪潮席卷各行业的当下,数据已成为企业核心资产,而 CDA(Certif ...
2025-08-27t 检验与 Wilcoxon 检验:数据差异比较的两大统计利器 在数据分析中,“比较差异” 是核心需求之一 —— 如新药疗效是否优于旧药 ...
2025-08-26季节性分解外推法:解锁时间序列预测的规律密码 在商业决策、资源调度、政策制定等领域,准确的预测是规避风险、提升效率的关键 ...
2025-08-26CDA 数据分析师:数据治理驱动下的企业数据价值守护者 在数字经济时代,数据已成为企业核心战略资产,其价值的释放离不开高 ...
2025-08-26基于 SPSS 的 ROC 曲线平滑调整方法与实践指南 摘要 受试者工作特征曲线(ROC 曲线)是评估诊断模型或预测指标效能的核心工具, ...
2025-08-25神经网络隐藏层神经元个数的确定方法与实践 摘要 在神经网络模型设计中,隐藏层神经元个数的确定是影响模型性能、训练效率与泛 ...
2025-08-25CDA 数据分析师与数据思维:驱动企业管理升级的核心力量 在数字化浪潮席卷全球的当下,数据已成为企业继人力、物力、财力之后的 ...
2025-08-25CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22