京公网安备 11010802034615号
经营许可证编号:京B2-20210330
都在说量化投资,可是你知道基金的量化怎么玩吗
上半年以来,A股的“漂亮50”行情持续走强,这与中小创形成了冰火两重天的景象。极端分化的市场风格对基金的业绩影响尤为明显。特别是去年业绩表现较好的基金,在小市值股票上的投资比例过高,难免会在市场风格转换时策略失效。
不过,随着下半年行情的企稳,不少量化基金业绩开始回暖。根据私募排排网数据中心统计,今年以来,目前市场上221只股票策略量化基金的平均收益率为0.4%,领先同期全部A股平均收益率0.75%。其中有111只股票策略量化基金取得正收益,占比50.23%,其中112只跑赢上证A股平均收益率,占比50.68%。
市场风险捉摸不定,基金收益扑朔迷离
今年以来,货币与财政政策双双趋紧,金融监管更加严格,加上美联储缩表预期以及外部地缘政治风险等因素,对国内的资金面和股市都产生了不利影响,其中A股交易量在一二季度有所萎缩。上半年一些超级大盘蓝筹股出现了显著的上涨,股票策略的量化基金收益率频频创新高。
|
但进入年中后,一线蓝筹开始扩散,上半年一些表现较好的政策性板块,如雄安概念、一带一路概念、京津冀概念、沪深港概念和粤港澳概念股在近期都偃旗息鼓,板块轮动将更加频繁,收益的不确定性逐渐增加。主观性投资可操作性降低,量化投资山雨欲来。
当前量化投资的几大趋势1小市值因子的失效
尤其是在2016年底和2017年3份以来,市值因子方向发生扭转,由偏向小市值变为偏向大市值。简单说就是,大中小盘指数在2016年底走势基本相同,同时小盘股波动大于大盘股。但在2017年之后,指数走势开始明显偏离,超大盘和大盘指数获得了正收益,中盘和小盘指数则明显下跌。
|
2014年以来,如果持有的股票出现显著上涨将其卖出,如果出现下跌将其买进持有,会带来非常好的超额收益。但从今年3月份以来,发生了显著的反转,即强者恒强,弱者恒弱。
3 价值因子在崛起
在2017年之后超额收益表现的很明显,价值因子在凸显。关注市净率低的股票的同时,也要关注市盈率低的股票,如茅台(600519,股吧)、美的、格力等白马龙头股,都取得了不错的收益。
4 获取超额收益的难度越来越大
一面是价值股的“漂亮50”表现靓丽,另一面是“要命3000”的市场下跌,使得量化投资的分散投资以降低个股风险的原则受到挑战。较大的分散持仓会加大选到下跌股票的概率。
量化投资正在进行时
过去由于制度不健全,信息流通不畅,优先获得信息的优势很明显,同时这也是当时获利的主要手段。但现在,获得信息的渠道越来越多,信息逐步透明化,如何去伪存真,辨别有用的信息越来越变得非常重要。另一方面,金融监管加强,对内幕交易、操纵市场行为打击力度也越来越大,使得获得所有信息的难度和风险大大提高。这个难题如何解决?就算获得了海量数据,难道就真的能利用数据优势获取收益吗?量化投资似乎能给出答案。所谓量化投资,就是从海量的数据中发掘出规律,进而制定有效的投资策略,把策略变成一系列明晰的投资规则,并由计算机自动化、有纪律地执行。
量化投资主要的目标就是获取超额收益。一般来说,股票策略量化基金的收益主要来自于股票的超额收益,而股票收益来源又分为两部分:一是市场收益,我们称之为β;二是个股的超额收益,称之为α。
|
中国市场由于具有牛短熊长、大起大落的特征,以沪深300为例,其10年年化收益为3.9%,因此如果要想获得更高的收益,就要在个股的超额收益上下功夫。
目前,基金的量化投资参与者在逐步增加,策略同质化现象也越来越严重,要想获得长期的较好的收益,如何扩展数据源并获得独特的超额收益,是每个量化投资团队获得竞争优势的努力方向。
基金量化投资:完善的数据源是基础,分散风险是前提
提到基金的量化投资,除了超额收益、程序化高频交易外,你还想到了什么?没错,还有大数据。正是量化投资的基础,其实本质上是系统性投资。而这种系统性则是建立在完善的数据源基础上。
融智数据中心的数据一直被业界及媒体广为引用,是行业数据收集最全和数量最多的机构之一。截至2017年7月,组合大师数据库覆盖私募基金近十五万,其中不含单账户、海外基金及其他,基金经理近万个,对冲基金公司近2万家(不含审计机构等公司)。
作为一款专属于私募基金投资者大数据智能投顾软件,银行、券商、信托、公募基金、保险等机构投资者均可在私募排排网“组合大师”的数据库中对私募市场进行分析和挖掘,找出收益与风险、融智测评、价值成长持仓偏好、选股择时能力、行业配置特点等市场非常有效的因子,然后通过因子的组合选择股票,形成选股模型,弥补传统投资方式的不足,更好地帮助投资者控制风险并取得最大收益。
在分散和控制风险方面,私募排排网“组合大师”通过组合录入、组合的分析与管理功能,跟踪组合业绩表现,分解组合业绩来源,分析组合风格、组合构建等方式,进行高效的大类资产配置, 构建FOF投资组合, 并进行组合管理,有效分散并控制风险,实现收益最大化。
结语
李开复曾公开表态,未来十年,80%金融从业者会被人工智能(AI)取代,纯数字领域的金融,是AI最好的应用领域之一。
其实,严格意义上的量化投资,是从数据库的建立、到因子挖掘、Alpha选股策略形成、到风险分解与控制、到模拟交易与业绩归因、到持仓与自动交易,形成系统化的投资方式,量化大数据贯穿于全程。而基金的量化投资正是基于完善的数据源,利用科技进行投资风险的对冲与分散,做到收益最大化。
市场在不断变化波动,多数投资者既不具备敏锐的市场洞察力,也不具备根据市场变化调整资产配置的能力。而随着未来科技水平的进步和量化投资的普及,将会涌现出更多的类似组合大师这样的“金融+科技”的创新产品,为基金量化投资者提供更多高品质的私人财富管理服务。
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