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
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09