AQF量化資訊|量化的起源沒有什么特別的疑義，主流的資產組合的投資理論都是從30年代到50年代開始的，總的來說是價值投資的基本理論加上組合管理的理論。其后的時間里，很多因素都加速了量化投資的發(fā)展。從技術上來講，計算能力的提升使很多工作變得容易。在構建多因子模型時還是有一定的計算量的，如果真的都用手工去計算的話會相對麻煩一些。計算機的出現(xiàn)和應用讓相關工作更加簡便。CPU的速度提升及硬盤成本的下降，各種數(shù)據(jù)庫的普及、商業(yè)化風險模型的出現(xiàn)(比如Barra)，使得量化投資越來越具有現(xiàn)實可能性。
在2006年12月，當時所在的團隊開始進行A股量化研究的準備工作。我回到國內拜訪了很多券商和數(shù)據(jù)提供商。在深圳調研數(shù)據(jù)提供商時，深深感受到中國人的創(chuàng)造力。我們知道當時交易所還沒有使用統(tǒng)一的格式XML來收集財務數(shù)據(jù)，還是PDF為主。當時是數(shù)據(jù)采集是手工輸入的方式，一般有兩個助理研究員輸入，再來一個人比對，如果他們輸入的數(shù)據(jù)一致就通過，不一致就需要著重檢查。這種模式需要相當?shù)娜肆Γ@就是為什么后來數(shù)據(jù)處理中心會遷到內地的大學城，人員素質較高，但成本地方相對低的地方，而商務中心仍然在一線城市。當采購完相關數(shù)據(jù)以后，2007年初，我們就有機會在全世界范圍成為較早的一兩家系統(tǒng)性地用量化的方法研究A股的機構。在其后的2,3年時間里，我們團隊從各個角度盡可能仔細地研究A股的收益風險特征。在此基礎上抽象出適合的多因子模型成為團隊每天的主要工作。
和其他很多商業(yè)模式一樣，量化投資的風格很大程度上還是客戶驅動、需求驅動的。美國市場在401K法案通過以后市場機構化的趨勢進一步加快了。其中校友基金會、養(yǎng)老金起到了很大的作用。這些配置型資金都要求基金投資風格比較固定比較透明，與量化的基本特征是不謀而合的。你會發(fā)現(xiàn)量化的整體規(guī)模在90年代以后上來很快，因為它的優(yōu)勢逐漸展現(xiàn)出來了。其實機構對底層資產的穿透也需要工具進行分析。當各種風險分析工具、分析模型更加成熟以后用起來會容易一些，這也在很大程度上促進了量化的發(fā)展。
對于量化投資策略的類型，從不同角度有不同的分類。我們嘗試用自己的理解做一下劃分。被動投資通過ETF和指數(shù)基金的方式，全復制或抽樣復制來跟蹤相應指數(shù)，爭取提供低成本和高流動性的市場平均收益。如果你想拿到市場平均收益率沒有ETF和指數(shù)基金的話工作量是非常大的，一般來說普通機構是非常難做到的。
如果從投資方向來講，我們所說的主動量化的內涵是非常廣泛的。當然很大程度上各類量化投資在框架上具有一致性，具體的風格取決于使用什么樣的因子。比如量化基本面投資更側重于基本面信息。如果你的持倉區(qū)間在3到6個月甚至更長，一年換手2、3倍，投資方向必然是偏基本面的。上市公司一年有4次季報，公布季報的時候市場的關注點在基本面信息，這時市場定價肯定是以基本面為主。如果投資偏短線，一兩天的頻繁調倉，這種和基本面關系就不大。這一塊兒關注的多半是短期的定價偏差，比如統(tǒng)計套利。其實沒有說誰一定好誰一定不好，取決于客戶的偏好和資金屬性。2008年以后，高頻交易在美國興起，它更關注市場的微觀結構。但在中國目前的市場環(huán)境里是很難出現(xiàn)真正意義上的高頻交易。不僅如此，在亞太市場上我們都很難開展大量的高頻交易，這主要是因為印花稅的存在。
CTA策略大家也相對熟悉，主要投資到各類商品和指數(shù)期貨上。過去兩年CTA在中國市場起來很快，在私募里面的運用得更多了一些。大類資產配置更多是偏長線的，通過宏觀、技術、估值等各個維度對大類資產的走勢進行預測，以戰(zhàn)術資產配置(TAA)為例，投資區(qū)間一般在12個月以內。現(xiàn)在主流的大類資產配置和FOF投資有一塊會用到量化TAA的。當然我們也可以從資產類別劃分量化投資，比如專門做股票、債券、商品的投資和跨資產領域的資本結構投資，等等。
如果對比一下量化投資其實是很有意思的。很多人認為量化投資是黑匣子，但是我認為恰恰相反，量化基本面投資是非常透明的，只不過語言和框架和傳統(tǒng)的主動投資不一樣。特別是持倉周期稍微長一點的3個月、6個月的量化主動投資，它和傳統(tǒng)主動投資是異曲同工的。從投資的基本法則大家都能了解，如果我有比較好的投資能力的話會希望怎樣做?我自然希望能夠讓我的投資技能更廣泛的應用，更多次數(shù)的應用。還有一個問題是投資技能怎么轉化到持倉組合里，很多東西看起來不錯，但不一定可以實現(xiàn)。相對于主動投資，除了投資想法，量化投資也需要相關數(shù)據(jù)來實現(xiàn)。好在現(xiàn)在有大數(shù)據(jù)以后，很多投資想法實踐起來會相對容易一些，特別是對非結構化的數(shù)據(jù)，比如文本、語言、圖像的數(shù)據(jù)識別會比以前好很多。
其實量化投資和傳統(tǒng)主動投資是互補的，可以互相取長補短。傳統(tǒng)主動投資的基本做法是基金經理結合研究員的想法進行篩選和投資。比如核心股票池200只，二級股票池400只。對這些股票進行調研，結合宏觀、行業(yè)、管理層、公司基本面等信息，深入了解后集中持倉20只~30只。對量化來講，雖然在個股層面上很難做得那么深入，但只要平均每只股票有55%~60%的把握，可以通過更廣的投資來分散風險，提高整個組合的贏面。持倉100只~200只的股票組合每年換手3倍左右，相當于一年的時間里獨立投資300次~600次，這樣整個基金的穩(wěn)定性就會上來。量化選股模型相當于一個研究員團隊。全市場30來個行業(yè)，每個行業(yè)里肯定是有非常TOP的研究員，使用模型來擊敗頂尖的研究員(比如前20%)是有難度的。量化投資的目標是爭取在每個行業(yè)里擊敗后面60%的人。這樣一來會有什么好處?雖然在每個行業(yè)都不是最頂尖的，但都是中上的，避免木桶的短板。如果量化模型在30個行業(yè)的執(zhí)行是非常有效率的話，就能夠形成一個整體的優(yōu)勢。
我們每個人因為自己的職場背景、教育背景，會在做投資決策的時候有不同的判斷。比如一個TMT或者醫(yī)藥背景的基金經理面對保險股行情的時候，即使金融研究員看的很準,告訴你保險不錯，你多半還是會猶豫。因為你以前的經驗和保險是有一定距離的，但量化模型沒有這樣的距離。這是它的比較優(yōu)勢，可以把模型的觀點有紀律性地執(zhí)行到組合里去，通過這樣的方式不斷地爭取領先市場形成收益。
我們簡單比較一下各種量化策略在國內的適用性?；久娑嘁蜃恿炕Ｐ驮谥袊\用的還是很廣泛的，至少有接近10年的歷史。相對來說這種策略適用范圍比較廣，換手率是相對比較低的，投資期限可以短期可以長期。CTA在國內市場起來的也非?？?，風險收益比還是相當不錯的。CTA的主要好處是加杠桿是比較容易的，也許它的信息比率不一定比主動量化多因子的模型高，但收益率可以通過杠桿放大。相比較而言，大類資產配置更多是偏中長期的配置，多頭為主，基本面為主，雖然國內資產類別不夠豐富，但基本方法的適用性也不錯。
有客戶曾經問到過回撤是怎么事前估計的?我跟他說如果能夠事前估計的話就不叫回撤了，既然有回撤肯定是超預期的。傳統(tǒng)的均值方差優(yōu)化雖然有很多不盡如人意的地方但大部分人還在用，雖然實際的分布有尖峰厚尾的問題，但好處是比較簡單，比較容易做。我們自己多年的觀察是雖然策略的波動性和回撤不是一一對應的，但基本上風險越大回撤越大。另一方面，如果信息比率較高，回撤會相對小一些。目前中國的情況選股策略做到年化3到4的信息比率是有可能的，最大回撤大致相當于年化主動風險或波動率的一半左右。如果信息比率在1到2的話，最大回撤大致相當于年化主動風險或波動率。
.jpg)
量化多因子框架還是強調在收益、風險和交易成本之間取得平衡，比較而言傳統(tǒng)主動投資更多強調收益。量化投資本身還是偏機構、偏定投客戶， 工具化的管理。當然模型構造的最核心部分是在收益預測這一塊兒，各家做法不一樣。我們要做的是找到自己的定位。每個人的成長背景不一樣，有不同的比較優(yōu)勢，怎么樣通過一個框架把自己的比較優(yōu)勢最大化。有些東西你可能做不好可以不做，完全可以通過模型區(qū)分出來。有些方向做得好一點可以放大一點，比如說在價值投資方向有優(yōu)勢，完全可以把價值敞口給放出來。長期來說，如果有一個靠譜的框架，能夠不斷地積累自己的比較優(yōu)勢，而不是關注短期的3到6個月的收益。這樣更有可能做得好一些。
我們看到量化作為一個新興事物在發(fā)達國家市場上過去30年經歷了一輪重新出發(fā)的過程。在中國市場的輪回可能來得會更快一些。1979年量化主動投資開始起步，以多頭為主。量化市場中性和量化宏觀策略1990年以后逐漸出現(xiàn)。2000年以后量化債券投資也開始起來。2007年2008年的時候量化經歷了一輪危機，規(guī)?？s水很多，經過了幾年才逐漸恢復過來。最近幾年，Smart Beta、人工智能、大數(shù)據(jù)慢慢地進入大家的視野。
介紹一下Alpha和Beta的分離。在美國市場，80年代以后機構客戶的影響力開始上來，定價權也隨之上來。如果你能擊敗基準，你的Alpha的定價可以較高。如果不能的話那就定價較低。其實在70、80年代，美國的基金業(yè)投資限制也很少，美國主動管理的基金甚至可以投20%到海外去。當時也是主要看收益，而不太注重基準。機構占比起來以后，基準的約束力越來越強。在指數(shù)基金和ETF出現(xiàn)的同時，與市場低相關的市場中性基金也在逐漸地興起。在低費率的beta(比如各類基準的ETF，指數(shù)期貨和SWAP)的基礎上疊加(overlay)alpha成為各類機構青睞的配置方式。
金融危機以后全球的資產管理有一段時間是比較艱難的。低利率甚至負利率環(huán)境，alpha越來越稀缺都讓這種方式受到一定的挑戰(zhàn)。強調總收益(total return)的傳統(tǒng)方式出現(xiàn)了一定回流。當然，中國以后一段時間里還是在Alpha和Beta分離的階段。
量化債券投資國內也有非常廣闊的未來。這一塊的很多機會隨著中國信用風險的定價越來越合理而出現(xiàn)。本質上來說，債券和股票都是一個上市公司在不同市場領域里的映射。
多元資產投資在2008年金融危機以后越來越興起，管理規(guī)模增長很快。這方面主要面對的挑戰(zhàn)是在宏觀層面上隨著系統(tǒng)風險的加劇各大類資產的相關性增加，導致配置的困難。國內的債券、股票、黃金、其他大類資產之間的相關性不高，大類資產配置的空間還是很充裕的。
稍微聊一下Smart Beta和Factor Investing。傳統(tǒng)說來說beta是資本定價非常核心的基石，但大家慢慢地發(fā)現(xiàn)beta不能完全解釋資本市場的多元化，需要其他的變量加入，這就逐漸形成了多因子的定價。而整體的定價框架從alpha和beta，逐漸演變?yōu)閍lpha，beta和smart beta。其中有些Smart Beta因子在不是很久以前還是量化模型Alpha的核心因子之一。隨著市場的演變，單獨切割出來以更低的定價提供給機構投資者進行大類資產配置。Smart Beta和Factor Investing在市場上的宣傳是最近幾年起來的，早年是沒有Smart Beta講法的。
Smart Beta和Factor Investing有什么區(qū)別?這兩個概念很多時候是交替使用的。Factor Investing的概念更加寬泛一些，更多是以單一因子投資為主，當然也可以進行多因子投資，可以是多頭也可以是多空對沖的。Smart Beta一般情況下是指純多頭，一種指數(shù)非市值加權的方式。
Smart Beta的形式主要還是大家非常熟悉的幾類基本面因子，紅利、價值、低波動，等等。美國市場和歐洲市場的Smart Beta的管理規(guī)模分布情況看起來差不太多。大家覺得機構進行Smart Beta的配置原因主要是不是因為便宜?其實不一定，根據(jù)相關的問卷調查，很大的因素還是風險控制。在核心持倉基礎上加衛(wèi)星的時候，smart beta提供了一種簡單有效的方式。
Smart Beta和Factor Investing領域里的主要管理人大家都很熟悉了，基本上都是比較出名的量化管理人，比如BlackRock、AQR、Dimensional等。MSCI和Research Affiliates等傳統(tǒng)的指數(shù)管理人也切入了Smart Beta的管理領域。
稍微聊兩句量化的發(fā)展方向，人工智能大數(shù)據(jù)最近討論得很多。我自己的觀察是作為大數(shù)據(jù)來說不管對量化主動性投資還是一般的主動投資都有非常大的幫助，形式非常多元化。前不久去香港參加量化的會議上，看到有一家海外大數(shù)據(jù)運營商可以提供各種衛(wèi)星圖片和相關信息，比如可以跟蹤到公司的倉儲和運輸情況。它的核心客戶之一是法國國防部。這里面會有很多信息，包括現(xiàn)在網上各種各樣的使用，只要信息合法能夠合法地獲取，對投資決策都是有幫助的。人工智能和機器學習更多的在高頻和髙維度能發(fā)揮作用，在中低頻的投資方面短期發(fā)揮的更多的是輔助作用。
很多人問量化會不會替代主動投資，或者之間有沒有什么長期的區(qū)別呢?這中間肯定會找到競爭的均衡點。我們看到有相關研究表明在非常長的時間里兩者產生的Alpha的均值在統(tǒng)計意義上沒有區(qū)分。但各個類別里都會有有優(yōu)秀的管理人，都有可能做的很好。另外對機構客戶來說有個好消息，兩者alpha的相關性長期看趨近于0。或者說傳統(tǒng)主動型投資表現(xiàn)好的時候量化主動投資表現(xiàn)差，量化表現(xiàn)好的時候傳統(tǒng)主動型表現(xiàn)差。在alpha方面，兩種投資方式搭配起來可以充分地分散風險。
.png)
.jpg)
完善下表，48小時內查收全套AQF備考資料
.jpg)
聲明▎更多內容請關注微信號量化金融分析師。原創(chuàng)文章，歡迎分享，若需引用或轉載請保留此處信息。
