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
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24