京公网安备 11010802034615号
经营许可证编号:京B2-20210330
终于看透了!这才是真正的量化投资
量化投资在中国的发展时间不长,很多机构和投资者都还对量化投资非常陌生,而那时又恰逢2016、2017年的震荡市,量化对冲产品的业绩表现不是很好,使得本来对于量化投资有质疑的投资者有了更深的误解。
就像当时人们对互联网的态度一样,将其视为洪水猛兽,颠覆很多行业。可现在回过头来看看,互联网不仅没有所谓的“颠覆”行业,反而给社会提供了众多便利。所以切勿妖魔化量化投资,你所看到的量化投资不一定就是你以为的量化投资。
什么是真正的量化投资?
简单的说,量化投资就是通过对所有能公开获得的数据进行数量化分析而获得对投资标的未来价格走势进行预测的一种投资方法。但如果你认为量化投资仅仅是用数理模型来进行选股的话,那你就大错特错了!
比如大类资产配置、保险产品定价、商品期货、股指期货、国债期货、外汇、期权、可转债、信用债、利率债等等,甚至包括比特币,都是量化投资的运用范围。而量化投资的目的不是别的,而是实现超越市场平均水平(β)的超额收益(α)。在有超额收益能力的基础上,量化对冲类产品可以获得相对收益α,而量化多头类产品可以获得绝对收益β+α。
择时和选股是量化投资超额收益的主要来源
在股票市场,量化投资超额收益的主要来源分为选股与择时:
选股,就是在市场的所有股票中选出能在某段时间获得高出市场平均收益的股票。择时,又包括Beta择时和风格择时。Beta择时就是判断市场的整体走势,抓住上涨的股而规避下跌的股。风格择时就是抓住市场近期的风格取向,提高配置来获得超额收益。
明汯投资总监裘博士认为,以中国市场为例,如果能在2009年到2016年11月配置最小市值的股票,从2016年11月开始配置大盘蓝筹,即使不用精选个股,也能获得非常高的收益。
量化和对冲不是一码事
此前的对冲工具少,只有沪深300股指和中证500股指,而这两者对应的是股票市场上市值最大的800只股票,所以只要不把选股标的限制在大市值股票内,基本上都能赚一部分做多小市值股票做空大市值股票对应的股指期货的钱。但把这种收益称之为绝对收益是不科学的,因为一方面是个股本身超越大盘指数的收益,另一方面是赚了不完全对冲市值规模风险的钱(即通过对市场规模风险的暴露去赚钱)。而市场的风险其实除了包括市值规模的风险,也包括行业和风格的风险。真正的中性策略是即包括市值的中性,也包括行业和风格的中性。
量化投资在中国市场的水土不服
由于2016,2017年的震荡市,很多人开始质疑量化投资是否能在国内行得通。明汯投资总监裘博士认为主要是基于两点:
1、对冲成本高昂。除了股票市场的波动外,股指的贴水也是量化收益的一大杀手。明汯投资总监裘博士表示,股指的大幅贴水在2015年9月到2017年6月这段时间内很大程度影响了市场中性产品的业绩,这部分主要是对冲成本的高昂抵消了量化选股模型的大部分超额收益,这个是市场环境的外在客观原因。
简单说,股指的贴水就是期货价格比现货价格要低,但如果是对冲的话,则需要卖出期货。也就是说,你在对冲时卖出了低价的期货,而买入了高价的现货,因此则会大大影响量化策略的超额收益。比如基差(现货价格-期货价格)为5%,那么就意味着对冲策略要白白损失5%的收益。
2、2017年股票市场分化明显。有数据显示,代表大盘蓝筹的沪深300指数上涨21.78%,中证500指数下跌0.2%,代表小市值股票的中证1000指数下跌17.35%。因此如果你做空沪深300或者中证500的话,将面临着巨大的损失。再加上量化投资在国内的水土不服,可以说2017年的市场环境是考量量化机构选股投研实力的一个很好的标准。优秀的量化对冲私募在2017、2018年都会有不俗的表现。
某量化私募旗下的多策略旗舰基金,采用量化选股+股指期货对冲策略,并以CTA策略作为辅助,表现如下。
某量化私募旗下中性策略旗舰基金,采用量化选股+股指期货对冲策略,并以股票日内策略为辅助,表现如下。
量化私募缺乏长期的历史经验
由于国内有股指期货的时间比较短,自2012年起基本上算国内量化投资的元年,国内量化私募普遍成立时间较短,公开业绩不够长,市场对量化投资的认识和普及也不够。类似于明汯投资总监裘博士这样在国内外自营、私募机构有过基金经理从业经历、投资经验超过17年之久的基金经理更是少之又少。
投资是个长期的过程,从短期业绩上来说,在任何时候都有比巴菲特业绩好的基金经理,因此量化私募人应该更注重长期业绩,积累足够长的投资记录,才会得到机构和个人投资者的认可。
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