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
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25