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
金融行业的运营风险贯穿业务全流程,涵盖交易欺诈、操作违规、流程漏洞、合规偏差、客户信用异常等多元场景,是银行、保险、证券 ...
2026-07-17财产保险作为金融行业的核心板块,涵盖车险、家财险、责任险、企财险等多元品类,是个人与企业抵御财产风险、经营风险的重要保障 ...
2026-07-17 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 ...
2026-07-17【核心关键词】模块、餐饮、客户、门店、企业、订单、供应链、多样化、产品、生产计划、数据分析、生产管理、物料管理、业务分 ...
2026-07-16在数字化分析时代,原始数据本身不具备业务价值,只有通过科学的统计学方法加工、拆解、验证与解读,才能挖掘数据背后的规律、差 ...
2026-07-16 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 ...
2026-07-16在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中,箱线图(Box Plot)是应用最广泛的可视化与统计工具之一。 ...
2026-07-15在企业数据存储、业务统计与数据分析工作中,绝大多数业务数据都带有时间维度属性,例如订单创建时间、用户注册时间、支付完成时 ...
2026-07-15 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-07-15【核心关键词】产品、经营、客户、调研、销售额、宏观、会计行业、客户满意度、发展趋势、经营状况、数据分析、竞争对手、数据 ...
2026-07-14问卷调查是市场调研、用户研究、社会调研与产品分析的核心数据采集方式。问卷数据大多以分类数据为主,例如用户性别、年龄分层、 ...
2026-07-14 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 ...
2026-07-14在数据分析、业务效果验证、AB实验扩展、行业对比等场景中,我们经常需要对比三组及以上样本的均值差异,例如不同区域的客单价对 ...
2026-07-13在互联网产品运营、用户生命周期管理与商业化数据分析中,留存指标是判断产品价值、用户满意度与商业模式健康度的核心基准。常规 ...
2026-07-13 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 ...
2026-07-13【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 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 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09