京公网安备 11010802034615号
经营许可证编号:京B2-20210330
迎接2.0时代 多维度掘金量化投资“富矿”
在“阿尔法狗”引爆人工智能话题后,量化投资也在逐渐改变着资本市场的版图。业内人士认为,数量化在A股投资上的应用趋势会远远超乎人们的想象。
截至2017年底,海外对冲基金量化规模达上万亿美元,占总规模的34%,而国内量化投资领域目前的规模占比不到5%。这意味着,量化投资在A股市场有着巨大发展空间。
正是看到了这样的机遇,夏笑峰选择回到国内,加入弘尚资产,打造一个高起点的量化投资团队。
作为威灵顿资产管理公司前副总裁,夏笑峰拥有12年全球股票量化投资经验,曾研发并管理新兴市场、全球低波动率、15个国家股指期货对冲、事件驱动4个量化基金产品,管理规模合计达到33亿美元。
多年的投资经验,让夏笑峰能够更为清晰地判断国内量化投资市场的发展趋势。在他看来,目前国内量化投资正进入2.0时代。依靠简单的多因子选股在A股赚钱的时代已经过去,而以基本面为主的多因子选股将迎来巨大发展空间。
前瞻布局 迎接量化投资2.0时代
从夏笑峰的简历来看,这是一位名副其实的“学霸”。武汉大学数学本科毕业之后,他接连攻读了北京大学应用数学硕士、艾默雷大学(Emory)数学系硕士及卡耐基梅隆大学(CMU)金融工程硕士。
熟悉他的同事这样介绍他:“马拉松和铁人三项运动爱好者。精通应用各类量化策略,对多因子量化选股、建立风险模型、投资组合构建和优化、聪明贝塔、风格轮换和事件驱动等领域有着丰富的经验,对全球宏观经济、各类金融资产长期回报和短期趋势都有着深刻的见解。”
加盟弘尚资产之后,夏笑峰打造了一个高起点的量化投资团队,将团队成员扩充至5人。谈及这个团队的特点,夏笑峰介绍说,目前市场上很多机构以高频量化为切入点,而我们选择了做低频量化。
为什么作出这样的选择?夏笑峰解释说,高频量化有两个约束条件:一是规模比较难做大;二是需要波动率比较高的市场环境。相对而言,低频量化更容易做大规模。海外量化投资资产规模主要还是在低频领域。
在经历了一波快速发展后,国内量化投资出现了波折。去年,小市值因子暴露较多的量化基金表现较差,而拥有12年海外投资经验的夏笑峰早就看到了一大趋势——量化投资2.0时代正在到来。
夏笑峰坦言,A股在2013年至2017年间,快速走过量化投资1.0时代,当前量化投资2.0时代已拉开帷幕。弘尚资产的量化团队早已开始布局2.0时代,不再使用简单的因子。
“价值和趋势因子在新兴市场都是非常有效的。”这是夏笑峰的经验之谈。他坚持认为,在任何市场,价值都应该是有效的。对价值的认识要精细化,要从各个不同角度去刻画价值,将所有看法通过因子建模的方式汇总,最终形成价值判断。
量化投资有助于克服人性弱点
如果说投资最大的天敌是投资者自身的情绪,那么量化投资注定是人类弱点的“救星”。量化投资基于现代行为金融学的投资理论,借助现代统计学和数学的方法,努力克服市场情绪的侵蚀。即便是在弱市中,如果策略得当,也能取得相对稳健的收益。
历时一年多时间的模型开发和持续调试优化,弘尚资产的量化团队所开发的多种策略均投入实盘运作,并取得了良好的实测结果,在量化多头策略和市场中性策略上都取得了领先于同类产品的收益。
据悉,夏笑峰引进了海外成熟市场的先进理念和量化投资体系,在国际经验之上融合了对A股市场的深刻理解,自主研发了多因子选股、风险模型、交易成本模型、CTA、商品期货市场中性等,建立了覆盖事前、事中、事后全流程的风险监控,并实现了量化投资全程自动化,最后形成目标优化投资组合。
夏笑峰强调,所有数据和因子的选择、模型的构建都是本土化研究的成果。此外,该量化团队还得到了弘尚资产强大的主动权益投资团队的支持。他表示,在量化因子的选择上,会经常与弘尚的主动权益投资团队进行讨论,并挖掘出一些行业特质化的因子。
产品布局方面,夏笑峰表示,弘尚量化产品目前主要有股票和期货两类,股票策略主要包括指数增强、量化多头、贝塔中性、择时对冲等,而期货策略主要涵盖统计套利、商品期货市场中性与商品期货CTA。
接下来,他还将尝试做期权方面的产品,比如期权的套利、对冲等。此外,融券对冲也在积极推进。
谈及量化投资未来的发展趋势,夏笑峰认为,以基本面因子为主的多因子选股在A股市场拥有较大的发展空间,而另类数据、“基本面+量化”是量化投资未来发展的方向,基于深度学习的AI算法在高频交易领域值得尝试。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25