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
CDA数据分析师 出品 作者:李诗怡 题目1 一家餐厅统计顾客的性别、年龄、消费金额等信息,在进行数据分析时,发现性别这一变量在 ...
2026-10-16核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-10-16核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-10-16一、为什么要区分这两种分布 在数据分析和统计学中,拿到一组数据后第一件事通常就是看它的分布形态。分布形态决定了你能用什么 ...
2026-10-15一、问题现象 在实际使用 Excel 透视表做数据分析时,经常会遇到这样的情况:数据源表格里明明新增了一行或一列金额数据,数据源 ...
2026-10-15核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-10-15一、什么是预测式发货 预测式发货(Anticipatory Shipping)是亚马逊于2013年12月获得授权的一项美国专利(专利号 US 8,615,473 ...
2026-10-14一、SQL在金融量化体系中的定位 量化投资的本质是用数据驱动决策,而数据处理贯穿量化研究的全生命周期。从原始行情数据清洗、因 ...
2026-10-14核心资源推荐 CDA教材(2025):https://edu.cda.cn/goods/show/3151CDA模拟题(2025):https://edu.cda.cn/goods/show/2845CD ...
2026-10-14CDA数据分析师 出品 作者:李诗怡 四层结构 · 零件与房子 · 六大易错点 一、什么是指标体系 定义:指标体系是整套完整框架 ...
2026-10-13写在开头 先还原一个你大概率见过的场面。 立项会上有人说:我们得做用户画像。 于是团队关进会议室,白板写满便利贴,两小时后 ...
2026-10-13 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 ...
2026-10-13在统计学与数据分析研究中,相关性分析分为数值变量分析与分类变量分析两大类。针对身高、销量、分数等连续数值变量,通常采用皮 ...
2026-10-12在Power BI可视化分析体系中,常规表格仅能展示枯燥的数值数据,存在数据对比不直观、强弱规律不突出、维度交叉分析低效等问题。 ...
2026-10-12 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 ...
2026-10-12在传统零售行业同质化竞争激烈、大众营销转化率持续走低的背景下,依托经验与直觉的粗放式营销逐渐失效。美国塔吉特百货(Target ...
2026-10-10随着智能客服、数字化服务、用户精细化运营的快速普及,传统零散、非标准化的客户服务数据与业务体系逐渐难以支撑高效服务治理。 ...
2026-10-10 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 ...
2026-10-10CDA数据分析师 出品 作者:李诗怡 定义区别 · 场景举例 · 指标分类 · 计算方法 知识体系总览 模块 包含内容 一、核 ...
2026-10-09在数据分析工作流中,业务数据大多存储在各类关系型数据库内,例如MySQL、PostgreSQL、SQLite等。Pandas是Python生态中主流的数 ...
2026-10-09