京公网安备 11010802034615号
经营许可证编号:京B2-20210330
量化投资的正确姿势应该是这样
说到量化投资,大家了解吗?
你们的第一反应是不是和 “高冷”联系在一起?
连投资大师巴菲特也曾出现过认知偏差。1987年,巴菲特在年度致股东的信中笑称:“在我看来,晦涩难懂的公式、电脑程序或者显示股票和市场价格变化的闪烁信号都不会带来投资的成功。”
听起来高深莫测的量化投资,其实本质很简单:通过海量数据的挖掘和分析,力争找到能获取超额收益的股票群,以期获取长期超额收益!
今年以来,各类量化指数基金受到了投资者的追捧,首发和持续营销都迎来了销量高峰。今天小编为大家请到了财通基金量化投资二部负责人苏俊杰,为大家解答量化投资的正确姿势。由他掌舵的财通量化核心优鸯合型基金已获批文敬请关注!
注:中国证监会对基金募集的核准,并不表明其对基金的价值和收益做出实质性判断或保证,也不表明投资于基金没有风险。
采访文字实录如下:
1、苏总好!首先想向您请教一个最基本的问题。请问什么是量化投资呢?
量化投资,首先它是一种投资方式;其次,它是和定性投资相对应的一种投资方式,指的是采用数量化的方法,对信息进行处理并进行投资决策。量化投资主要是基于数据和模型,因此它具有纪律性和系统性的特点。
量化投资在海外已经经过了30多年的发展历史,在海外市场可以说是一种比较成熟的投资方式。而在A股市场,量化投资的起步相对比较晚,但是最近几年发展速度也比较快,涌现出了一些业绩和规模表现都非常不错的公募基金,量化投资整体的认可度和关注度也在不断地提升。
2、听您说起来,我们的量化投资(定量投资)和人工投资(定性投资),它还是有挺大区别的。那您能给我们简单地概括这两者的区别吗?
是这样的,定量投资和定性投资,其本质上都是投资的方式。它们都是通过对于股票基本面信息和技术面信息的一些挖掘,试图选出那些具有超额收益的股票,构建组合来战胜市常两者的区别主要是两者在信息处理和投资决策方面所有不同。
定性投资,主要是依赖于基金经理对于上市公司的调研,对于基本面的深度挖掘,然后基金经理基于个人的经验和个股过往表现做出判断。
而定量投资是力求采用科学的方法去处理信息,那么它是基于模型和数据的,可以帮助我们去避免一些人为因素的干扰,比如说基金经理可能自己偏好某一个或某一类股票,又或者在市场波动比较大的时候,可能会出现这种追涨杀跌的操作。
那么量化模型,在这方面有可能表现就会比较好。因为它不会受感情因素的影响,它也不会有这种骄傲或者失落的情绪,它也不会觉得累,所以这就是量化模型的一个优势,这是一方面;另外一方面,量化模型可以同时处理大量的数据,这样就增加了我们对于市场上标的的一个覆盖度。
如果说定性投资是一种追求深度的投资方式,那么量化投资追求的就是一种宽度,换句话说,我们可以同时覆盖A股市场上3000多支股票,然后我们通过对其中统计规律的挖掘来提高胜率,从而力争获得具有稳定超额收益。
3、在目前的这个量化投资领域当中,有哪些主要的投资策略呢?
量化投资在A股市场公募基金这块,主要应用的策略有三个。
第一类,是量化指数增强策略。这类策略,是用量化模型去优选个股构建组合,在跟踪某一个指数的基础上,去追求相对于这个指数的稳定的超额收益,也就是说我们的目标是要超越指数的收益率。
第二类,是量化主动选股策略。这类策略,也是采用量化模型优选个股构建组合,跟指数增强策略不一样的,它不刻意跟踪某个指数,只是去优选组合,在满足分散化投资的条件下去追求一个长期的资本回报。
第三类,是量化对冲绝对收益策略。这类策略,实际上就是在量化指数增强策略的基础上,引入了金融衍生品的对冲。我们现在用得比较多的就是股指期货对冲。我们通过股指期货对冲剥离指数收益,保留超额收益,从而力争实现稳定的绝对收益。
从历史的表现上来看,指数增强策略是有效性比较高,胜率也比较高的一类策略。同时结合目前的市场情况和点位来说,我们认为,指数增强策略也是一类比较值得配置的策略。
4、从历史数据上来看,量化指数增强策略的胜率有多少呢?
目前A股市场的整体环境,还是处于一个弱有效的状态,我们认为是比较适合量化投资的,它的胜率也比较高。从历史数据上来说,我们选取了沪深300和中证500指数,这两个比较具有代表性的宽基指数,统计所有跟踪这两个指数的量化指数增强基金的业绩表现。我们发现,这两类公募基金都取得了相对于指数的的超额收益。基于我们自己的模型和策略、我们的回撤结果来看,我们的模型的月胜率能够达到80%以上,年胜率从07年到现在,更是达到100%。因此,我们说量化指数增强这个策略,在A股市场上的胜率还是比较高的。(不代表未来表现)
5、看来量化投资在某些方面的确是有它的过人之处,那么我们作为个人投资者,参加量化投资的门槛是不是很高呢?
对于个人投资者来说,想要自己完全实现这种纯量化的投资是比较难的。
因为首先量化投资需要有一些专业的技能储备,其中包括金融学、统计学,还有一些编程技巧的储备。同时,量化投资也需要计算机软硬件的一些支持,包括网络、IT支持等等。
比如说我们财通基金从2017年就开始打造量化团队,我们引入了业内专业的量化投资人才,自行搭建专属的量化模型,同时我们也获得了后台IT比较领先的技术支持。
以上这些,个人投资者想要完全同时具备是比较难的。因此我们建议,个人投资者如果想参与到量化投资里面来,建议还是选择专业的量化团队和他们的产品来进行投资,跟随专业的量化团队来分享他们的研究成果和投资技能。
市场有风险,投资需谨慎。量化投资需关注策略模型失效风险。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09