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