AQF雜談丨投資是藝術(shù)的，也是科學(xué)的。很多時(shí)候我們無法預(yù)測未來，可能無從判斷一家公司會(huì)不會(huì)長存百年，上市公司財(cái)報(bào)數(shù)據(jù)的作假，更會(huì)令重倉的基金遭遇滑鐵盧，我們只能戲稱為藝術(shù)的。但投資也是科學(xué)的，證券市場的運(yùn)動(dòng)，本質(zhì)上也是某一類世界的運(yùn)動(dòng)，長期的運(yùn)動(dòng)，內(nèi)在必然是符合一定的規(guī)律。正如歷史的演變、塵埃的運(yùn)動(dòng)，內(nèi)部是有規(guī)律的。
而量化投資，無疑是把投資的邏輯以數(shù)據(jù)的方式展示出來，將主動(dòng)投資的理念以及金融市場的一些行為，更理性地表達(dá)給大家。量化，不僅僅是程序化交易，或者套利，也不是天然與主動(dòng)投資相對立，它代表著一種對于問題的思考、解決方式。
在證券市場，影響每只股票的漲跌有很多因素，有系統(tǒng)因素、行業(yè)因素、基本面因素、技術(shù)面因素，而每一個(gè)因素背后都是有不同邏輯的。量化投資，跟其他投資方式一樣，我們也需要去把握背后的邏輯。理解每一個(gè)背后的邏輯，才能知道自己能把握什么，而哪些又是所不能把握的。在這些所有的因素當(dāng)中，我們本身需要去合理地、有層次地劃分這些因素。
投資是藝術(shù)的，也是科學(xué)的。很多時(shí)候我們無法預(yù)測未來，可能無從判斷一家公司會(huì)不會(huì)長存百年，上市公司財(cái)報(bào)數(shù)據(jù)的作假，更會(huì)令重倉的基金遭遇滑鐵盧，我們只能戲稱為藝術(shù)的。但投資也是科學(xué)的，證券市場的運(yùn)動(dòng)，本質(zhì)上也是某一類世界的運(yùn)動(dòng)，長期的運(yùn)動(dòng)，內(nèi)在必然是符合一定的規(guī)律。正如歷史的演變、塵埃的運(yùn)動(dòng)，內(nèi)部是有規(guī)律的。
而量化投資，無疑是把投資的邏輯以數(shù)據(jù)的方式展示出來，將主動(dòng)投資的理念以及金融市場的一些行為，更理性地表達(dá)給大家。量化，不僅僅是程序化交易，或者套利，也不是天然與主動(dòng)投資相對立，它代表著一種對于問題的思考、解決方式。
在證券市場，影響每只股票的漲跌有很多因素，有系統(tǒng)因素、行業(yè)因素、基本面因素、技術(shù)面因素，而每一個(gè)因素背后都是有不同邏輯的。量化投資，跟其他投資方式一樣，我們也需要去把握背后的邏輯。理解每一個(gè)背后的邏輯，才能知道自己能把握什么，而哪些又是所不能把握的。在這些所有的因素當(dāng)中，我們本身需要去合理地、有層次地劃分這些因素。
市場，我們總是強(qiáng)調(diào)估值以及盈利。一個(gè)合理的市場，就像沉淀百年以上的美國股市，影響市場層面的也是這兩個(gè)問題。我們的領(lǐng)導(dǎo)也一直在努力讓我們的市場變得更規(guī)范，而不是變成一個(gè)賭場，一個(gè)圈錢的地方，要讓投資者享受到國家經(jīng)濟(jì)發(fā)展帶來的收益。估值和盈利，這是兩個(gè)不同問題，它更多地需要從宏觀出發(fā)。美國經(jīng)濟(jì)數(shù)據(jù)，對于美股漲跌的解釋度可以達(dá)到很高，這也是技術(shù)分析在美股失效的原因之一。做量化投資的，在同樣分析宏觀經(jīng)濟(jì)的基礎(chǔ)上，比起其他投資者可能更注重?cái)?shù)據(jù)，強(qiáng)調(diào)自己去構(gòu)建指標(biāo)。對于純理科出身的人來說，我們可以以更貼近市場的角度來學(xué)習(xí)，同樣常用的基礎(chǔ)數(shù)據(jù)，我們可以構(gòu)建出有效的指標(biāo)，不僅能去解釋前面這兩個(gè)問題，也能解釋債券市場的走勢，在大類資產(chǎn)配置上做一個(gè)比較良好的宏觀指導(dǎo)。下圖展示了某兩個(gè)常用數(shù)據(jù)的復(fù)合指標(biāo)對于債券的領(lǐng)先性。也許每個(gè)宏觀分析師都疑惑的問題，每一次違反之前的歷史規(guī)律，恰是領(lǐng)先于市場的投資良機(jī)。
行業(yè)層面，每個(gè)人的知識結(jié)構(gòu)、資源稟賦都不一樣，對于做量化的，暫時(shí)無法把握，但我們不排斥對各個(gè)行業(yè)研究和宏觀債券的學(xué)習(xí)。初時(shí)會(huì)顯生澀，但量變引起質(zhì)量，當(dāng)我們不再奉為金科玉律，不再心動(dòng)時(shí)，也許已經(jīng)發(fā)生變化了。
比如消費(fèi)股，無論是A股，還是美股，消費(fèi)行業(yè)都是可以穿越市場周期，長期都是跑贏其他行業(yè)的。但其他因素，則是量化投資所能把握的，尋找到股票投資的alpha因子。如果在設(shè)定消費(fèi)行業(yè)的情形下，下圖中的凈值走勢是東方紅睿豐(169101)和消費(fèi)ETF(159928)的對比圖，其實(shí)兩者相差并不大。
投資需要信仰，巴菲特、格雷厄姆的信仰是價(jià)值投資，而量化投資的信仰表面是alpha，背后支撐的邏輯同樣是符合股價(jià)長期投資理念的價(jià)值投資以及人們的金融行為、心理缺陷。主動(dòng)投資者每天看財(cái)報(bào)，演算財(cái)務(wù)數(shù)據(jù)，我們也每天看財(cái)報(bào)，可以去粗略了解幾乎每只股票的基本面，我們也善于從資產(chǎn)負(fù)債表、利潤表、現(xiàn)金流量表構(gòu)建自己的指標(biāo)，我們可以公平地對待每家企業(yè)，不帶任何偏見。我們也可以從數(shù)據(jù)本身，去更快地發(fā)現(xiàn)一家企業(yè)的變化，做投資。雖然我們不會(huì)重倉，但我們不會(huì)錯(cuò)過牛股京東方等，我們也敢一直把海康威視、萬華化學(xué)等股票在2017年的組合里一直配置其中。我們也可以看著股票隨著基本面的變化，感受著它們的起起落落。
每個(gè)做量化投資的都可以給出一個(gè)很好的組合回測，但有些可能是跟隨著別人，有些或者是利用機(jī)器學(xué)習(xí)，輸入一堆數(shù)據(jù)，而不是去想背后的邏輯。構(gòu)建組合最通用的做法是多因子，在國內(nèi)，景順長城、華泰柏瑞等一批基金，則以海外巴克萊銀行的barra模型為基礎(chǔ)。這些模型背后都有很扎實(shí)的數(shù)理基礎(chǔ)，而采用統(tǒng)計(jì)學(xué)模型最基本的一個(gè)條件是，獨(dú)立正態(tài)分布。但A股數(shù)據(jù)，正如美股市場一樣，存在于市場的是大量的小市值公司，這帶有很強(qiáng)的右偏性。
再者在剛開始的十幾年里，A股是一個(gè)高市盈率的市場，高市盈率導(dǎo)致投資價(jià)值變低，于是大家更愿意相信炒作，聽消息。這使得A股的反轉(zhuǎn)效應(yīng)顯得特別明顯，以此構(gòu)建的股票收益會(huì)很高。
A股還有一個(gè)顯著特點(diǎn)，散戶占比高，散戶更喜歡看圖炒股，而股價(jià)其實(shí)由散戶和機(jī)構(gòu)投資者的博弈達(dá)到均衡的一個(gè)結(jié)果，以散戶為主的市場，必然使得以特異度、成交量等這種鮮明的博弈特征的因子，收益也很高。股票的數(shù)據(jù)是客觀存在的，但它又帶有很明顯的傾向性，如何去尋找alpha因子，這需要改變我們已有的通用算法。正交化處理，在高等代數(shù)里，邏輯很嚴(yán)密，但大家好像認(rèn)為這樣一正交化，就能完全去除自變量的影響一樣，結(jié)果可能發(fā)現(xiàn)構(gòu)建的組合仍然受著自變量的影響。
投資本身是跟經(jīng)濟(jì)學(xué)緊密聯(lián)系在一起的，從經(jīng)濟(jì)學(xué)原理出發(fā)，我們能找到最堅(jiān)實(shí)的基礎(chǔ)，這足以去夯實(shí)我們的投資理念。我們相信每一時(shí)刻整體市場的有效性，卻又堅(jiān)持每一時(shí)刻的無效性，等待著下一時(shí)刻整體市場內(nèi)部的有效運(yùn)動(dòng)，如此周而復(fù)始。高等數(shù)學(xué)的精妙算法，又能讓我們在噪音頻出的A股數(shù)據(jù)中，尋找到堅(jiān)實(shí)的數(shù)據(jù)支撐。
學(xué)習(xí)數(shù)學(xué)也一樣，過了多年以后，也許我們會(huì)忘記如何去計(jì)算積分，但我們不會(huì)忘記支撐數(shù)學(xué)大廈的基礎(chǔ)、核心支柱。我們在探索真理，而數(shù)學(xué)不斷地讓我們接近真理。盲目地使用機(jī)器學(xué)習(xí)算法，雖然可以讓我們在已有的世界里看起來美好，卻有可能迷失在未來的世界里。
我們把股票的收益分成兩部分，一部分是alpha，一部分是beta。事實(shí)上，對于股票的影響，beta遠(yuǎn)遠(yuǎn)大于alpha，所以人們總是喜歡忽視alpha，分析beta，因?yàn)閎eta在某個(gè)階段可以創(chuàng)造非常高的收益。獲得alpha的前提是，我們需要合理地去定義風(fēng)險(xiǎn)因子和alpha因子的區(qū)別，像市值、動(dòng)量和反轉(zhuǎn)，這種都極具beta特征，它雖然能讓我們在2013-2015年收益頗豐，但也能使我們的組合在2017年虧損巨大。
解決這個(gè)以后，其實(shí)也可以說阿爾法模型、風(fēng)險(xiǎn)模型、交易成本模型這三個(gè)所需的模型當(dāng)中，風(fēng)險(xiǎn)模型是最弱化的，我們要研究的，是比別人更好的阿爾法模型和交易系統(tǒng)。Barra模型提供了一種看待股票收益的角度，但是也限制了看問題的角度，如同協(xié)整條件限制了做配對交易的角度。我們總講究創(chuàng)新，我們也要變化角度去看待事物，然后，我們可以構(gòu)建更好的、在未來一直有效的模型。
可以確切地講，在現(xiàn)有的構(gòu)建組合的過程中，每一步都有更好的方法處理。很多人去評判因子的好壞，總喜歡用高數(shù)值因子和低數(shù)值因子的股票組合相比較，這大概是國內(nèi)外教授最喜歡用的一種方法，簡單粗暴，又易于發(fā)學(xué)術(shù)文章，但這里面，到底邊際貢獻(xiàn)有多少，還是噪音多，就不得而知了。每只股票都有很多影響因素，更何況只是一個(gè)單純的股票組合，以前做理科實(shí)驗(yàn)時(shí)，我們總強(qiáng)調(diào)實(shí)驗(yàn)組和對照組，而股票組合研究也應(yīng)如此。可是我們總是去研究比較包含多種風(fēng)格因素的組合，比如滬深300和中證1000，這兩個(gè)指數(shù)在行業(yè)分布、市值大小、估值高低、成長性，多個(gè)方面都是不一樣的，而我們卻把它們作為大小盤的評判標(biāo)準(zhǔn)。世界是豐富多彩的，不僅僅只有黑與白。價(jià)值和成長也從來不是對立的，它倆是刻畫一個(gè)股票的、從基本面出發(fā)的兩個(gè)角度。
一家高增長的公司當(dāng)然是有價(jià)值的。只不過很多時(shí)候，低估值的股票往往是大市值的，而高增長的股票往往是小市值的，市值大小是處于對立面的，大多數(shù)投資者也就把價(jià)值和成長對立起來了。今年很多量化基金可能獲取的是負(fù)的超額收益，這其實(shí)是因?yàn)檫@些基金本身配置了很多beta，而多種風(fēng)格在今年都發(fā)生了切換。如同CTA組合里，當(dāng)策略相關(guān)性變得高時(shí)，組合的波動(dòng)率必然增大。有人說國家隊(duì)操縱市場，但它影響的只是局部，整體市場，或者是長期的有規(guī)律的運(yùn)動(dòng)，從來不是某個(gè)人所能操縱的。
即使我們自認(rèn)為能找到很好的alpha以后，由于之前所說的A股市場特征，在因子構(gòu)建、因子選擇、因子加權(quán)，在使用barra模型的過程中，我們既需要大膽，又需要小心處理，我們要對模型改變算法，合理地改造，才能構(gòu)建出我們想要的組合。很多人在構(gòu)建組合的時(shí)候，目的是去構(gòu)建一個(gè)基本面組合，但業(yè)績歸因，其實(shí)發(fā)現(xiàn)組合并不是純粹的基本面組合，那組合的收益走勢，當(dāng)然非預(yù)期所想。
像景順長城、華泰柏瑞的量化基金，所做即是所想，歸因發(fā)現(xiàn)，他們都純粹是一個(gè)基本面組合，幾乎不帶有任何技術(shù)類因子，所依賴的因子也就幾個(gè)因子，兩家基金最大的區(qū)別可能是股票行業(yè)分類的不同(比如非銀金融)。長信量化先鋒和申萬中小盤都是2016年的量化?；撬麄兊臉?gòu)建有相同點(diǎn)，也有不同點(diǎn)。長信量化先鋒的基準(zhǔn)應(yīng)該是中證1000，而且由于技術(shù)面因子在A股歷史的有效性，股票組合也不斷地向技術(shù)面因子偏移。申萬中小盤的基準(zhǔn)是中證500，但是會(huì)暴露小市值，技術(shù)類因子很少暴露，重于基本面。
構(gòu)建組合，因?yàn)樾杩刂葡嚓P(guān)風(fēng)險(xiǎn)，必然是用到組合優(yōu)化模型，組合優(yōu)化以最大化風(fēng)險(xiǎn)和交易成本調(diào)整后的收益為目標(biāo)，公式如下：
很多時(shí)候，我們相信因果循環(huán)，我們相信均值回復(fù)，所以在經(jīng)濟(jì)觸底的時(shí)候，我們相信會(huì)有企穩(wěn)反彈，也會(huì)有經(jīng)濟(jì)的復(fù)蘇。而被低估的股票，未來也一定會(huì)價(jià)值回歸。從基本面出發(fā)，構(gòu)建盈利性高、成長性高、估值低的組合，將在未來收益一直豐厚。下圖就展示了這個(gè)組合在剔除了市場、行業(yè)、市值、風(fēng)格等因素的情形下的超額收益走勢，它的年化超額收益達(dá)到16%。滬深300，這只是整體股票市場的一個(gè)局部世界，量化可以去超越每個(gè)有一定穩(wěn)態(tài)的、有規(guī)律的局部股票組合，比如上證50、行業(yè)指數(shù)。
對于各種風(fēng)格切換，如大小市值的切換，與權(quán)益投資者聊天，能發(fā)現(xiàn)他們比做量化的把握更好，當(dāng)一些基金仍死守小市值時(shí)，他們早已切換到核心資產(chǎn)。當(dāng)我們把問題切割以后，我們也可以去研究宏觀。正如債市有領(lǐng)先指標(biāo)，風(fēng)格切換也有領(lǐng)先指標(biāo)。而風(fēng)格切換，某種程度上，都是一個(gè)較長期的結(jié)果。
舉個(gè)例子，上圖是我們設(shè)計(jì)的市值強(qiáng)弱圖，可能與申萬的大小盤指數(shù)不太一樣，因?yàn)槲覀兪莿冸x掉其他beta和alpha，純粹研究市值這個(gè)beta的結(jié)果。多年的投資從業(yè)者應(yīng)該會(huì)有直覺，2013年到2015年，對沖基金比2009到2011年要好做。
而我們的其中一個(gè)模型則表明，大小盤風(fēng)格切換早已注定，而未來何時(shí)切換，仍未可知。所以在這個(gè)時(shí)刻，去賭小市值的反彈，結(jié)果未必是好的，雖然它已經(jīng)比大盤走弱了很長時(shí)間，可能在未來某個(gè)時(shí)候會(huì)回歸，但這并不是一個(gè)很好的理由，它其實(shí)并沒有很強(qiáng)的數(shù)據(jù)支撐?？赡苓€不如賭量價(jià)因子的回歸，當(dāng)我們?nèi)ベI貴州茅臺時(shí)，可能我們并不僅僅只出于價(jià)值投資。
此外，相對于主動(dòng)投資者，我們懂得何時(shí)去固守價(jià)值投資，何時(shí)去放棄部分價(jià)值投資，也許一個(gè)做主動(dòng)投資的，很難讓他去改變自己的投資理念?；蛘咴诨久嫱顿Y弱勢時(shí)，他很難采取其他有效的措施。而明年的市場，將可能會(huì)證明這一點(diǎn)。
當(dāng)我們構(gòu)建還算可以又異于市場的alpha模型，能把各類beta問題一一解決時(shí)，我們可以以整體的視角更好地看待證券市場。再去看每只股票的漲跌時(shí)，我們會(huì)淡然處之，也無需聽消息而心動(dòng)。對于銀行、券商的FOF基金配置，只要所選的基金風(fēng)格不發(fā)生變化，我們可以去模糊地預(yù)測基金的超額收益走勢，以配置適應(yīng)未來市場的基金，或者可能我們自己也能構(gòu)建各種類型的股票組合。
2018年，對于股市風(fēng)格而言，由于今年的價(jià)值投資演繹到極致，估值低的股票獲得了非常好的超額收益，但模型顯示，在明年一季度前后，這個(gè)方面的風(fēng)格有可能會(huì)有所切換。今年經(jīng)歷“alpha之殤”的量化基金，只要在市值上不太暴露，有可能會(huì)獲得比基本面模型更好的收益。而對于小市值，展望明年，雖然對于大小盤風(fēng)格，目前還沒跡象表明小市值在一段時(shí)間內(nèi)會(huì)回歸，但也可能在明年某個(gè)時(shí)候發(fā)生變化。而隨著今年股指期貨貼水的逐步修復(fù)，明年的量化對沖基金將會(huì)迎來春天。
>>>點(diǎn)擊咨詢量化金融分析師AQF實(shí)訓(xùn)項(xiàng)目
.png)
完善下表，48小時(shí)內(nèi)查收全套AQF備考資料
.jpg)
金程推薦： AQF考試 AQF報(bào)名 量化金融分析師
聲明▎更多內(nèi)容請關(guān)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(zhuǎn)載請保留此處信息。
