京公网安备 11010802034615号
经营许可证编号:京B2-20210330
坚守量化投资的工匠精神
“量化模型能在短时间内覆盖几千只股票,其核心在于大数定律,即只有选股的次数足够多,胜率才有意义。因为持股数目较多,相对分散,所以,组合的收益也会比较稳定。”
在量化投资领域,成功不仅源于投资管理人对于数据和逻辑的运筹天赋,更源于其勤奋,即对投资工匠精神的追求。
细微之处显精益。建信基金金融工程及指数投资团队对自主研发的多因子量化投资模型精雕细琢,不仅让建信基金的指数和量化产品投资业绩大放异彩,也成为建信基金金融工程及指数投资部副总经理叶乐天的制胜法宝。在第五届中国基金业英华奖评选中,叶乐天荣获“三年期量化投资最佳基金经理”称号。
数学系科班出身的叶乐天,出于对数学和金融的兴趣,选择将两者结合的金融工程领域作为就业方向。叶乐天的职业生涯从中金公司的衍生品定价开始,这为他后来在建信基金做量化投资打下了坚实的基础,也让他的投资可操作范围更为广泛。
对于量化投资的前景,叶乐天持乐观态度。他认为,随着A股市场股票数量渐趋增多,可作为投资依据的数据量日渐增大,量化投资的优势也会愈加凸显。
打造多因子量化模型
追求投资“长跑”取胜
谈及自己管理的多只基金业绩良好的原因,叶乐天表示,建信基金金融工程及指数投资团队开发的多因子量化投资模型起到了决定性作用,整个团队从多因子量化投资模型的筹划、搭建到应用以及调整,齐心协力、精雕细琢,力求将多因子量化投资模型做强做优。
据叶乐天介绍,建信多因子量化投资模型分为两部分,一是阿尔法模型,二是风险模型。阿尔法模型用来提高收益,风险模型用来控制跟踪误差,两者缺一不可。具体而言,阿尔法模型采用涵盖质量、动量、成长、情绪、大数据等100多个因子的维度去精选个股,并从市值、行业、风格等多维度严控风险。权重则由程序根据过往因子和收益的相关性来自主调整,完全自动化。风险模型进行严格的控制,整体的风格和基金所跟踪的指数特别接近,以降低跟踪误差和换手率。“这就相当于给每只股票出一张100余道题的卷子,然后让每只股票的市场数据去作答,个股得分决定其最终能否被纳入股票池中,并最终落实到投资组合里。”
谈及建信多因子量化投资模型的独特之处,叶乐天说,因子是量化投资模型的灵魂,“因子如何选择,因子权重如何分配,基本是模型中最重要的东西,每个多因子量化投资模型的独特之处取决于各基金管理人对于因子的理解,以及自身所擅长的领域”。建信基金金融工程及指数投资团队也尝试了很多方法,但万变不离其宗,控制风险的总体原则一直没变。
叶乐天说:“首先,在模型因子的选择上,追求整体的逻辑性、科学性。在因子具体的挖掘过程中,我们不是依靠历史数据来挖掘因子,而是先通过各种渠道寻找到逻辑上可能有效的因子,再通过回测做进一步确认。举个例子,如果仅仅看回测,可能由某些不合理的模型因子筛选出的个股构建的投资组合的业绩结果更好,但在处理数据或者给因子赋权上,不符合常识或者不符合数学规律的因子我就放弃。其次,建信多因子量化投资模型追求精益求精,更注重对细节持续性的改进和打磨。这些细节上的差异正是建信多因子量化投资模型的优势。”
据他介绍,建信多因子量化投资模型运作部分实现了自动化,“一开始是用外面的商业软件,虽然做得很好,但我们无法控制,也无法做到自动化”。所以,建信基金金融工程及指数投资团队花了很长时间实现模型投资运作本土化,除了达到很好的可控性,也大大提高了风控能力。
虽然量化投资在交易的大部分时间不需要人为干预,但叶乐天坦言,要创造出有效的操作模型并不容易。从数据到因子,从因子到投资组合,都有很长一段路要走。
建信基金金融工程及指数投资团队多年专注构建与修正多因子量化投资模型,从2012年至今,历时6年多的时间验证,建信多因子量化投资模型已成为建信基金金融工程及指数投资团队的核心竞争力,海通证券数据显示,由其支撑运作的建信基金旗下多只指数增强基金超额收益率位居同类产品前列。
“对于指数增强产品,我们的投资目标不仅是着力获取超额收益,更希望获得的超额收益是持续而稳定的。”叶乐天说,“因为指数增强产品是高仓位的基金,业绩的可持续性非常关键。我们希望投资者在任何一个时间点买进产品并持有一段时间后都可以获得超越指数表现的收益。”
“量化投资的特点是通过‘长跑’取胜,长期业绩一般要比短期业绩突出得多。”在叶乐天看来,量化基金能够在量化投资模型的支撑上获取持续稳健的投资业绩,且风险控制较好。
“我们比较追求胜率,即追求超额收益的稳定性。所谓胜率,即跑赢指数的概率。”叶乐天说,“业绩稳定很重要,因为投资者看到的都是过往业绩,而他们想要的却是未来业绩。也就是说,投资者想要的,实际上是看不到的。如果有一个很好的胜率,就意味着业绩有了稳定性,‘所看即所得’,投资者就会有信心。”
国内量化投资发展前景乐观
对于量化投资在国内的发展前景,叶乐天持乐观态度。他认为,随着A股股票数量越来越多、质地越来越好,以及数据越来越全面,量化投资的优势也会越来越明显。
“量化模型能在短时间内覆盖几千只股票,其核心在于大数定律,即只有选股的次数足够多,胜率才有意义。因为持股数目较多,相对分散,所以,组合的收益也会比较稳定。”他说。
什么样的市场更能发挥量化投资的优势?叶乐天给出了自己的答案:“首先,市场要有足够的广度和深度,投资标的可选择范围足够大。现在A股市场有几千只股票,表面来看可选范围较大,但实际上可投资的股票并不多,这和港股比较接近。所谓‘可投资’,是指流动性够好,市场对它的信息挖掘和关注度也足够。其次,数据量一定要大,保证可以获取到可靠的数据。可靠的数据,包括交易量是可靠的,成交的数据是可靠的,且分析之后还是可靠的。第三,市场要有一定的无效性。量化投资赚取的相当于是人性弱点的钱,如果市场完全有效,就很难获得超额收益。”
他举了一个简单的例子:投资者在亏损的时候往往不愿意卖,而在赚钱时则倾向于获利出局。“理性来说,买卖的操作是要看市场未来的涨跌,这和投资者本人是亏损或赚钱没有关系,但大部分人做不到这一点。”
叶乐天同时表示,制约量化基金优势发挥的因素也有几点:“一是市场波动率。对于量化基金而言,市场波动率非常重要,超额收益和波动率基本上是成正比的。在2015年和2016年,由于市场波动较大,阿尔法收益很好做,量化基金也因此大放异彩。二是市场出现极端行情。由于量化基金持股分散,因子设置比较均衡的量化基金在全市场走势趋于一致的行情中更容易有所表现。三是市场风格。量化投资属于非常右侧的一种交易,只有趋势形成了才会去跟上,因此,不可能提前预测因子的有效性。如果风格经常变化,模型往往来不及调整。例如,今年1月沪深300表现较好,2月、3月、4月中证500表现较好,5月、6月又是蓝筹股占优,风格的变化增加了量化基金投资的难度。
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