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
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