基本面分析是AQF量化金融分析師課程中量化投資中的基礎(chǔ)，一個(gè)好的投資一定是經(jīng)過很多方面的分析以及數(shù)據(jù)分析才得出的結(jié)果，那么被稱為投資藝術(shù)的量化分析是如何與基本面分析完美整合的呢？這個(gè)就是小編今天要和大家分享的，想要去考AQF考試的朋友們可以多了解一些。

量化分析在基本面研究過程中扮演了什么角色？

旁觀者經(jīng)常傾向于將團(tuán)隊(duì)研究方法歸為一類或者另一類；一個(gè)公司要么是量化團(tuán)隊(duì)要么是基本面團(tuán)隊(duì)。他們把這兩種方法看成是截然不同的而非統(tǒng)一的。

威廉。布萊爾的量化研究過程就完全地融入到了基本面研究過程中。我們并不是僅作一個(gè)量化分析秀而實(shí)質(zhì)上卻依然使用陳舊的方法做研究。我們也不是為了客戶的利益試圖創(chuàng)造一些量化分析方法但實(shí)際上專業(yè)的投資人士并不在乎這些方法。事實(shí)上在我們這里正好是相反的。我們試圖研究出對我們自身的研究過程非常重要的量化分析方法而并這種量化分析并不需要對外界有很實(shí)質(zhì)的影響?？蛻艉妥稍儙熌軌蛑庇^地理解這些分析，但他們通常對模型建立的細(xì)節(jié)并不感興趣。

我們的目標(biāo)是創(chuàng)造能夠改善投資效果的工具，同時(shí)也能涵蓋那些我們的團(tuán)隊(duì)能夠理解其來龍去脈的因素。這在量化投資中是相當(dāng)普遍的準(zhǔn)則：如果方法有效但你不能解釋原因，那么就丟棄它。如果方法直覺上可行但實(shí)質(zhì)不奏效，也丟棄它。這就是反饋回路。

在測試目前量化工具的改進(jìn)的時(shí)候，威廉。布萊爾將投資組合經(jīng)理，戰(zhàn)略和研究人員的反饋融入到開發(fā)個(gè)體因素以及評估結(jié)果中。該團(tuán)隊(duì)每周與量化團(tuán)隊(duì)進(jìn)行數(shù)次會議去商討結(jié)果。比如，在測試質(zhì)量模型新的改進(jìn)中，該團(tuán)隊(duì)設(shè)計(jì)了能夠直觀分類質(zhì)量的框架，在思考潛在影響因素的時(shí)候考慮到幾個(gè)指標(biāo)：持續(xù)的價(jià)值創(chuàng)造，盈利質(zhì)量和財(cái)務(wù)優(yōu)勢。這個(gè)框架幫助量化團(tuán)隊(duì)將他們的重點(diǎn)放在測試這些指標(biāo)上并且保證他們的計(jì)算能夠與該團(tuán)隊(duì)的哲學(xué)思考過程匹配。許多的改進(jìn)是從一個(gè)宏觀的地區(qū)，行業(yè)和規(guī)模的角度出發(fā)來進(jìn)行評估從而證明這些改進(jìn)的持續(xù)性和有效性，同時(shí)也能夠使其與前一版本的質(zhì)量模型對比。這個(gè)分析方法被推廣到了公司層面，用于察覺任何在更廣的層面上不能察覺的異常現(xiàn)象。只有在激烈的討論和反饋后這些改變才能真正被實(shí)施。雖然很費(fèi)時(shí)間，但是我們相信一直以來這種持續(xù)改進(jìn)模型的過程以及不斷融合各個(gè)團(tuán)隊(duì)思想的方法對于確保未來工作的持續(xù)良好預(yù)期是非常重要的。

由于量化研究團(tuán)隊(duì)了開發(fā)這些工具，而且他們與我們的思維邏輯匹配，該團(tuán)隊(duì)已經(jīng)將這些工具融合到我們評價(jià)各個(gè)公司特征甚至評價(jià)整個(gè)行業(yè)和部門的層面中，從而幫助我們優(yōu)化研究，突出投資機(jī)會與風(fēng)險(xiǎn)，同時(shí)也為我們提供了部門戰(zhàn)略的框架。

》》點(diǎn)擊進(jìn)入學(xué)習(xí)量化金融分析師AQF實(shí)訓(xùn)項(xiàng)目

在純粹量化的團(tuán)隊(duì)如何創(chuàng)造一個(gè)模型的途徑上，以上的方法有重大的不同。不管一個(gè)基本面投資者是否認(rèn)為這些結(jié)果是直觀的，我們相信這個(gè)量化團(tuán)隊(duì)會變得更有經(jīng)驗(yàn)。

如何在構(gòu)建投資組合，頭寸規(guī)模以及交易中應(yīng)用量化工具

這個(gè)過程不同于選股研究中的模型。在提出利用定量研究進(jìn)行投資組合管理這個(gè)想法后，下一個(gè)問題是：“我們該怎樣做呢？”我們不能僅僅簡單地創(chuàng)建一份公司名單，而是應(yīng)該設(shè)計(jì)一個(gè)圍繞模型的投資組合管理流程。通過我們設(shè)計(jì)的算法得到的頭寸規(guī)模應(yīng)該與市值的自由浮動(dòng)水平和股票交易量成一定比例，因?yàn)檫@是模型告訴我們的。但是問題是“為什么不將它應(yīng)用在所有策略中，并用它評價(jià)我們的準(zhǔn)確性呢？”這樣的流程對在交易中評估流動(dòng)性限制時(shí)也適用。它對整個(gè)投資過程都是十分有用的輸入變量，不僅僅在系統(tǒng)性的（量化）策略之中。

當(dāng)我們在評估一個(gè)市場或者行業(yè)時(shí)，往往是通過各個(gè)部分的加總。策略團(tuán)隊(duì)?wèi)?yīng)用量化策略為基礎(chǔ)的研究方法來決定公司數(shù)據(jù)累加的信息。這些數(shù)以千計(jì)的公司和幾十個(gè)因素聚集產(chǎn)生的信息告訴團(tuán)隊(duì)這個(gè)行業(yè)和歷史正常水平相比是否或多或少有吸引力。它是重組策略概述的另一種方法。不過這個(gè)過程的復(fù)雜之處是以相等權(quán)重和以市值為權(quán)重兩種方法評價(jià)公司是不同的。公司的評價(jià)也可以通過投資組合的貢獻(xiàn)或者通過對模型組合和實(shí)際組合的比較。

我們試圖構(gòu)建一個(gè)流程能夠有效使用這種定量戰(zhàn)略分析方法來定義投資組合結(jié)構(gòu)，然后用我們的思想來構(gòu)建這個(gè)結(jié)構(gòu)。不幸的是，我們不能這樣做的。盡管我們通過分析這些數(shù)據(jù)已經(jīng)有很多深入地了解。它只是不能轉(zhuǎn)化為實(shí)際的投資組合結(jié)構(gòu)的公式。這個(gè)流程仍然必須在投資組合經(jīng)理級別進(jìn)行。

如前所述，使用這些定量研究工具是有益的。它們提供給我們研究大數(shù)據(jù)和大投資組合總體樣本的信心。試想一個(gè)純量化投資的過程，投資組合中往往有數(shù)百種股票，因?yàn)樗哪繕?biāo)是在大約5000家公司中選出較好的20%。一個(gè)純粹的定量模型只對提高模型表現(xiàn)的概率感興趣。一個(gè)投資組合經(jīng)理一般擁有30至70只股票。如果它小于30 ，那么有可能有多樣化的擔(dān)憂。雖然如果投資組合超過70只股票，這不一定再是問題，但另一個(gè)問題出現(xiàn)了。在這一點(diǎn)上投資經(jīng)理可能開始不適應(yīng)，因?yàn)樗拖袷且粋€(gè)老師在一個(gè)擁擠的教室，有太多的學(xué)生需要看管。一個(gè)投資組合經(jīng)理在監(jiān)管太多公司后可能會開始思考：“嗯，我可以跟蹤那個(gè)公司，還有這邊這個(gè)……”但很快，這就變成“我不記得為什么我買那一個(gè)公司。”一個(gè)用定量分析工具的投資組合經(jīng)理更適應(yīng)于較大的研究范圍和投資組合總體樣本。

這種方法演變的下一步是什么？

在接下來的幾個(gè)月內(nèi)，我們將完成對模型結(jié)構(gòu)背后基本原理的檢驗(yàn)。當(dāng)項(xiàng)目完成后，我們將進(jìn)一步研究如何使該模型更敏感、更具交互式、更靈活。

比如說，我們目前有（公司）質(zhì)量、估值、收益趨勢及價(jià)格動(dòng)能模型；而我們的目標(biāo)是要使這些變量之間產(chǎn)生交互作用。在估值模型中，（公司）質(zhì)量是一個(gè)輸入變量，因?yàn)閮?yōu)質(zhì)股總是享有更高的估值，但我們目前并不考慮這點(diǎn)。同時(shí)，估值并不明確直接地根據(jù)公司質(zhì)量進(jìn)行調(diào)整，同樣也不直接地根據(jù)周期性來調(diào)整。

又比如，目前我們將盈利及價(jià)格動(dòng)能看作是兩個(gè)不同的因素。然而，他們并非完全不同，因?yàn)樵谠S多情況下，價(jià)格動(dòng)能已經(jīng)提前反映了盈利勢頭?？梢哉f，它們僅僅是顯示相同信息的兩種不同的方式。我們試圖將這兩個(gè)因素合二為一，用來表示對周期性的不同反應(yīng)。之所以這么做，是為了使主要模型、子模型以及之前提到的輔助模型，更有效地產(chǎn)生交互作用，并把這些因素之間復(fù)雜的交互作用引入模型中。這是一個(gè)艱巨的任務(wù)，可能需要幾年來完成。

目標(biāo)是建立一個(gè)定量分析框架，量化金融分析師可以從各種信息及任何邏輯出發(fā)，來評估該模型，但都幾乎無法拒絕。他們看到模型就會清晰地明白各變量都代表什么以及為什么要這樣構(gòu)建模型。在某些特定的情況下，該模型也可以用來比較公司、行業(yè)以及同類公司。在威廉布萊爾的研究體系中，有一個(gè)涵蓋公司量化變量的工具。理想狀況下下一代模型將包含這些因素及其它各種相關(guān)因素，以展現(xiàn)一個(gè)整體的、完全成型的公司的量化特征。其目標(biāo)是調(diào)整輸出結(jié)果，使模型不僅能夠獨(dú)立地顯示各公司的情況，而且能夠?qū)π袠I(yè)中的競爭者進(jìn)行比較。這樣，研究團(tuán)隊(duì)就能迅速確定哪些（公司的）特征比較好。模型將更好地構(gòu)建得到一個(gè)已經(jīng)完全成型的統(tǒng)計(jì)分布，并將成為一種真正意義上的定量與定性相結(jié)合的方法。那么，結(jié)果將充分吸收了整個(gè)研究過程中的量化工具，并充分利用這些輸出結(jié)果更快并且更準(zhǔn)確地做出決策。