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
在实验检测、质量控制、科研验证等场景中,“方法验证”是确保检测/分析结果可靠、可复用的核心环节——无论是新开发的检测方法 ...
2026-03-04在数据分析、科研实验、办公统计等场景中,我们常常需要对比两组数据的整体差异——比如两种营销策略的销售额差异、两种实验方案 ...
2026-03-04在数字化转型进入深水区的今天,企业对数据的依赖程度日益加深,而数据治理体系则是企业实现数据规范化、高质量化、价值化的核心 ...
2026-03-04在深度学习,尤其是卷积神经网络(CNN)的实操中,转置卷积(Transposed Convolution)是一个高频应用的操作——它核心用于实现 ...
2026-03-03在日常办公、数据分析、金融理财、科研统计等场景中,我们经常需要计算“平均值”来概括一组数据的整体水平——比如计算月度平均 ...
2026-03-03在数字化转型的浪潮中,数据已成为企业最核心的战略资产,而数据治理则是激活这份资产价值的前提——没有规范、高质量的数据治理 ...
2026-03-03在Excel办公中,数据透视表是汇总、分析繁杂数据的核心工具,我们常常通过它快速得到销售额汇总、人员统计、业绩分析等关键结果 ...
2026-03-02在日常办公和数据分析中,我们常常需要探究两个或多个数据之间的关联关系——比如销售额与广告投入是否正相关、员工出勤率与绩效 ...
2026-03-02在数字化运营中,时间序列数据是CDA(Certified Data Analyst)数据分析师最常接触的数据类型之一——每日的营收、每小时的用户 ...
2026-03-02在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28在数字化时代,“以用户为中心”已成为企业运营的核心逻辑,而用户画像则是企业读懂用户、精准服务用户的关键载体。CDA(Certifi ...
2026-02-28在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27在数字化时代,企业积累的海量数据如同散落的珍珠,若缺乏有效的梳理与分类,终将难以发挥实际价值。CDA(Certified Data Analys ...
2026-02-27在问卷调研中,我们常遇到这样的场景:针对同一批调查对象,在不同时间点(如干预前、干预后、随访期)发放相同或相似的问卷,收 ...
2026-02-26在销售管理的实操场景中,“销售机会”是核心抓手—— 从潜在客户接触到最终成交,每一个环节都藏着业绩增长的关键,也暗藏着客 ...
2026-02-26在CDA数据分析师的日常工作中,数据提取、整理、加工是所有分析工作的起点,而“创建表”与“创建视图”,则是数据库操作中最基 ...
2026-02-26在机器学习分析、数据决策的全流程中,“数据质量决定分析价值”早已成为行业共识—— 正如我们此前在运用机器学习进行分析时强 ...
2026-02-25在数字化时代,数据已成为企业决策、行业升级的核心资产,但海量杂乱的原始数据本身不具备价值—— 只有通过科学的分析方法,挖 ...
2026-02-25