时间:2023-07-27 15:57:53
序论:写作是一种深度的自我表达。它要求我们深入探索自己的思想和情感,挖掘那些隐藏在内心深处的真相,好投稿为您带来了七篇量化策略研究范文,愿它们成为您写作过程中的灵感催化剂,助力您的创作。
[DOI]10.13939/ki.zgsc.2015.25.083
Alpha策略最初的理论基础是套期保值,是由美国经济学家H.working提出的,随后股指期货的面市,量化研究便激发了人们浓厚的兴趣。传统的资产管理者理念的哲学基础大部分为追求收益风险平衡,然而平均市场收益与超额收益又很难达到绝对的均衡,因此将超额收益也即Alpha分离出来,建立起基于Alpha策略的量化投资,有助于指导投资实践。
1 Alpha策略在量化投资中的应用意义
量化投资指的是以现代计算机技术为依托,通过建立科学的数学模型,在充分掌握投资环境的基础上践行投资策略,达到预期的投资效果。采用量化投资方式的优点包括其具有相当严格的纪律性、系统性,并且对投资分析更加准确与及时,同时还具有分散化的特点,这使得策略的实施过程更加的机动灵活。量化投资过程使用的具体策略通常有量化选股、量化择时、统计套利、高频交易等,每一种策略在应用过程各有千秋,而Alpha策略属于量化选股的范畴。传统的定性投资也是投资人基于一种投资理念或者投资策略来完成整个投资活动的,最终的目的是要获得市场的占有率,并从中取得丰厚的利润。从这个角度来衡量,量化投资与传统投资的本质并无多大差别。唯一不同的是量化投资对信息处理方式上和传统定性投资有着很大的差异性,它是基于现代信息技术、统计学和现代金融工程理论的基础上完成对各类数据信息的高效处理,在对信息处理的速度、广度上是传统定性投资无法比拟的。在对投资风险的控制方面也具有很大的优势,是国际投资界兴起的新型投资理念和应用方法,也在日益成为机构投资者和个人投资者共同选用的有效投资方案。现阶段量化投资的技术支撑和理论建设的基础包括人工智能技术、数据挖掘、支持向量机、分形理论等,这些现代信息处理与数据统计方式为量化投资的可操作性提供了坚实的基础。
Alpha策略在量化投资中的使用优点主要是对投资指数所具有的价值分析与评定。它不是依赖于对大盘的走向变化或者不同股票组合策略趋势的分析,对投资价值的科学分析与合理评估更能吸引投资者的目光。Alpha策略重视对冲系统风险所获得的绝对收益,在股票投资市场上是一种中性的投资方式,具体的程序有选择资产、对资产的优化组合、建立具体组合方式、定期进行调整。为了促进该策略在投资市场中获得良好的收益,就必须先要重视优秀的选股策略,其次是重视期货对冲平均市场收益的时候所产生的风险控制问题。对冲系统风险时,若是能够及时地对投资组合与相关的股指期货的平均市场收益指进行精准地判定和预测,那么将会对整个投资行为产生积极的影响。
2 基于Alpha策略的量化投资具体策略和实践方法
通常情况下,Alpha策略所获得的实际收益并不是一成不变的,这与该策略本身的特定有关,具体表现在周期性与时变性上。
Alpha策略的时变性主要是指当时间产生变化时,超额收益也会随之而改变。需要清除的是Alpha反映的就是上市公司超越市场的预期收益,因此属于公司资产未来估值预期的范畴,所以上市公司自身所处的发展阶段和发展环境不同,那么就会给Alpha带来影响。由于时变性的特点,这就给策略的具体估计模型的设立带来了更多不可确定的因素,为此,参照对Alpha满足不同动态假设的理论基础,建立起一个可以获得不同种类估算的模型,同时假定在同一个时间范围内,超额收益和市场平均收益都保持恒定不变,这就极大地简化了计算的过程与步骤。也就是说在该段时间内,市场上股票投资组合基本面不会有太大的变化与波动,这就与实际的投资状况基本达成一致。对于投资策略的调整则要根据上市公司重大事项发生情况而定,那么估算的时间单位周期可以采用每日或者每周估算,对每一个季度的历史数据进行调整也可以作为一种调整方式,反映公司季度行情。对于具体证券而言,采用季度或者每周的调整频率则不是最为理想的,还要针对公司情况与市场行情综合调整。
Alpha的周期性特点在交替出现的正负号上最为突出,导致这一情况产生的原因主要是行业的周期性特征与套利效应共同造成的。具体而言,首先不同类型的证券分别属于不同的行业所有,当行业处于景气周期循环状态下会影响Alpha的符号与大小,同时景气程度的深与浅也会对此产生影响。其次一个股票组合产生非常大的超额收益情况下,市场中的其他机构投资者或者个人投资者就会不断地参与到该组合的投资中来,最后会导致Alpha逐渐接近于零。因此在建立不同策略的组合方面,要针对每一个季度的具体情况和波动率,进行综合性地评价与分析,并及时地做出必要的调整,以便最大限度地获得市场收益。
量化投资中的Alpha策略并不是一种单一类型的策略,不同的策略都在寻求获得超额收益的市场机会和可能性。现阶段市场上采用的Alpha策略主要有多因子选股策略、动量策略或者反转策略、波动性策略、行业轮动策略、行为偏差策略等,每一种策略在具体实施过程中都有其特征性,并且可以相互结合使用,发挥出综合预测和评价的作用。
多因子选股策略是必要和常用的选股方式,最大的优势是可以将不同种类和模块的信息进行高效化综合分析与评价后,确定一个选股最佳方案,从而对投资行为进行指导。该种选股策略的模型在建立方面比较容易,是量化投资中的常用方式。同时多因子模型对反映市场动向方面而言具有一定的稳定和可靠性,这是因为所选取的衡量因子中,总有一些可以把握住市场发展行情的特征,从而体现其本来就有的参考价值。所以在量化投资过程中,很多投资者都使用多因子模型对其投资行为进行评估,无论是机构投资者或者是个人投资者,都能够从中受益。多因子选股策略模型的建立重点在于对因子的剔除和选择上,并要合理判断如何发挥每一个因子的作用,做出综合性的评定。
动量策略的投资方式主要是根据价格动量、收益动量的预期与评定,对股票的投资进行相应的调整,尤其是针对本身具有价格动量的股票,或者分析师对股票的收益已经给予一定评级的股票,动量策略的应用效果会比较理想。在股票的持有期限内,某一只股票在或者股票投资的组合在上一段时间内的表现均佳,那么则可以判断在下一段时间内也会具有同样的理想表现,这就是动量效应的评价依据,从而对投资者的行为起到一定的影响作用。反转策略和动量策略恰好相反,是指某一只股票或者股票投资组合在上一段时间内表现很不理想,然而在下一个时期反而会有突出的表现,这也给投资者带来了一线希望,并对影响到下一步的投资策略的制定。
波动性策略也是Alpha策略的一种方式,主要是利用对市场中的各股运动和发展状态的细致观察与理智分析后,列出一些具有相当大的波动性的股票,同时这些股票的收益相关性也比较低,对此加以动态化的调整和规划,从而逐渐获得超额收益的过程。在一些多因子选股策略中也有机构投资者或者个人投资者将股票具有的波动性作为考察与评价因子之一,波动性策略经常和其他策略相结合来评价,这说明股票投资市场本身就具有一定的波动性,因此在投资过程中要慎重对待。
行业轮动策略和行为偏差策略的应用频率不似前面几种高,但也会和另外几种策略相互结合使用。行业轮动策略主要是为了充分掌握市场行业轮动机制与特征,从而可以获得高额的收益,对行业之间的投资也可以非常高效和准确地进行,对把握正确的时机有很大的优势。行为偏差策略目的是窥探到股票市场中存在的过度反应或者反应不足等现象,这些都属于股票投资市场的偏差,从而可以通过投资者对不同股票抱有的差异化评价来实现超额收益。
2011年7月1日,本刊正式引入《今日投资66》专栏,介绍今日投资66的选股逻辑、方法以及挑选出的股票。今日投资66(简称I66)是利用量化投资方法挑选出的一个66只股票的组合。其实早在2005年中今日投资就推出了I66,过去几年累计收益率达到16倍,远超同期市场不到3倍的涨幅。为什么直到今日我们才大张旗鼓地推出I66呢?原因其实很简单,因为市场环境。量化投资近几年在中国快速发展,其投资理念也越来越多地获得认同。
股票市场上形形的各种分析方法总结起来可以归类为三大流派:数量分析、基本面分析和技术分析。关于这三大流派孰优孰劣的争论已经持续了近百年,三方各执一词,百年争论下来也没有争出个结果来。当今世界也是这三种流派大概各占三分之一的格局。而A股市场显然尚未跟上,量化投资远远没有达到三分之一的市场占有率。
第一部分:什么是量化投资
量化投资在海外的发展已有30多年的历史,其投资业绩稳定,市场规模和份额不断扩大、得到了越来越多投资者认可。事实上,互联网的发展,使得新概念在世界范围的传播速度非常快,作为一个概念,量化投资并不算新,国内投资者早有耳闻。但是,真正的量化基金在国内还比较罕见。那么,何为量化投资?
康晓阳:量化就是符合投资常识的投资逻辑和策略
接下来会发生什么?
深圳市天马资产管理有限公司是国内最早开发量化投资模型的资产管理公司,致力于量化投资工作接近十年。作为国内量化投资的“开山鼻祖”,深圳天马的董事长康晓阳先生如下介绍量化投资:
大家看到这个图,鱼跳起来了,风在刮,接下来会是什么?日本发生的9级大地震!2011年3月7日我看到一个报道,有50条鲸鱼在搁浅沙滩,就在发生地震那个县东部的海岸,有的死了,专家解释这些鲸鱼集体迷路了。作为一个地震专家或者学者,其实他们的经验没有告诉他这50条鲸鱼搁浅沙滩跟地震有什么关系。到底有没有关系呢?我们知道5•12四川大地震之前发生了同样的事情,很多癞蛤蟆过马路,这跟地震有什么关系?
投资做股票有两类,讲很多种策略,无外乎就是买你自己喜欢的和买市场喜欢的,买自己喜欢和买市场喜欢的背后逻辑就是找影响股价的要素。
量化是什么?做投资,最终的分析停留在数据上,既然是数据,就可以标准化、固化。从你自己的角度买自己喜欢的东西,其实也可以量化,每个人都有对美的标准,但并不是符合这个指标,你就一定喜欢。如果有一个海选,把符合你喜欢特征的人放在你面前你去选,就可以量化。
鲸鱼搁浅在沙滩上,根据历史数据统计就会发现这个事情跟接下来要发生的事情有什么关联。把人的行为逻辑影响股价所有的要素进行综合分析,预测下一个市场喜欢的东西或者喜欢的策略是什么,简单一句话,量化就是符合投资常识的投资逻辑和策略。就股票来讲,投资标的的数据和因素量化,再用一些模型统计的方法把选出来的标的进行优化,最后成为投资组合,这就是量化的基本逻辑。用数理的方法把你的投资逻辑或者市场的投资逻辑固化,只要有投资逻辑的思想或者策略,都可以量化。
就股票而言,有很多种方法,有价值型股票,分析方法无非是那几种,只是大家的标准不一样,量化的东西可以设一个相对宽松的东西,初选之后再优化,比如成长型股票,肯定关心盈利、收益。选出来10个、20个、50个甚至100、200个股票,然后配比重,怎么优化组合,根据你的风险和预期收益率反推回来怎么优化,最后得出一个比重,哪只股票应该投多少。有些是成本交易,比如套利,什么情况下出现一定条件的时候提示你。
要真正做到量化,首先要有一个基本的理论模型。你要觉得什么样的股票表现好,什么样的股票你愿意投资,这就是量化的基本逻辑。但是,有了这个逻辑之后还不够,还要有复合型人才,因为量化投资不光要懂得投资股票,还要懂得数理分析。打个比方,虽然我很懂股票,但我不懂数理分析,很多计算机模型也不懂,更不懂编程序,要真正做到量化投资,就必须有复合型团队。为什么这么多年华尔街学金融工程、数理、物理的人大受欢迎?因为他们可以用统计工具。前段时间我在英国的一所大学和一些专门做模型分析的教授交流,我发现他们想的东西更加复杂,基本上把市场上任何的东西都想要量化。
我理解,就是去跟踪你的投资逻辑,它只是帮你实现你想法的一种工具。另外还要有高质量的数据,因为,你通常看到的东西和市场本身存在的东西可能并不一样。如果把鲸鱼放到海滩上,这作为数据化,统计过去2000年有多少次鲸鱼搁浅在海滩发生,假如有真实的数据,就可以研究出跟地震的相关性。要懂数理统计工具,建立模型就是纪律,不能改变,改变就不是模型。有人说看到今天不行,换一下,那就不是模型了。我们看过一个电影,造出来的机器人最后自己都控制不了,那就是模型。如果造出来的机器人自己能控制,那不是模型。人为什么能挣得到钱,为什么还要量化?传统是靠个人经验的,而且你看到、听到的东西都是有限的。量化有什么好处?它可以把你知道的东西在整个森林中搜索。计算机是不知疲倦的,晚上你在打鼾,计算机还可以工作。你的模型是你建的,你很理性的情况下建的模型,市场情绪变了,它不会变,那时候你不可能去改模型,所以它不会受情绪的影响。
华泰联合:实现投资理念与策略的过程
国内研究机构中涉足量化投资较早并多次获得新财富最佳分析师评选金融工程第一名的华泰联合证券金融工程团队如是说:
数量化投资是利用计算机科技并采用一定的数学模型去实现投资理念、实现投资策略的过程。与传统定性的投资方法不同,数量化投资不是靠个人感觉来管理资产,而是将适当的投资思想、投资经验、甚至包括直觉反映在量化模型中,利用电脑帮助人脑处理大量信息、帮助人脑总结归纳市场的规律、建立可以重复使用并反复优化的投资策略(经验),并指导我们的投资决策过程。
本质上来讲,数量化投资也是一种主动型投资策略,其理论基础在于市场是非有效或弱有效的,基金经理可以通过对个股、行业及市场的驱动因素进行分析研究,建立最优的投资组合,试图战胜市场从而获取超额收益。然而一些定性的投资者却并不太认可定量投资,他们认为,定性研究可以将把股票基本面研究做得很深入,从而在决策深度上具有优势。然而,在当今市场上,信息量越来越大且传播速度极快,单个分析师所能跟踪的股票数量开始显得越发有限,也因此错过了许多优秀的投资机会,可谓是拥有深度的同时错失了广度。量化投资正好弥补了这一缺失,通过使用强大的计算机技术,它能够实时对全市场进行扫描,并依仗其纪律性、系统性、及时性、准确性以及分散化的特点最大概率的捕获战胜市场的投资标的。
事实上,在海外市场,我们看到越来越多的定量与定性完美结合的成功案例。通过向量化模型中加入分析师对未来主观判断的观点(定性的观点),再结合来自于历史规律检验的观点(定量的观点),定量与定性的优势便能得到充分的发挥和融合。我们相信,这也将是未来量化产品发展的主流方向和趋势。
结论
量化研究作为一种研究方法,其本质是使用统计学、数学和计算机工具改进研究效率,使得我们能够在更短的时间、更大的视角领域下,依靠清晰的研究逻辑,获取更为有效和操作性以及复制性更强的研究成果。量化研究的本质是一类发现市场规律的方法体系,其基本功能是认识市场和解释市场,并以做到预测市场为目的。
量化投资简单来讲,它以模型为主体,使用大量数据,并且在很大程度上用电脑这样的投资方式;其以科学性和系统性著称,并将在严格的纪律化模型制约下,紧密跟踪策略,使运作风险最小化,并力争取得较高收益。
第二部分:量化投资在蓬勃发展
量化投资在世界的发展史
美国市场有200多年,从证券市场开始,也有快400――500年了,但是量化的发展是上世纪50――60年代的事。首先有一些理论模型,没有理论模型支撑很难做到量化的东西。
数理化投资于上世纪50~70年论上发芽
Harry Markowitz在上世纪50年表一系列关于投资组合“均值―方差”优化的论文,这使得投资者可以定量化风险,并把风险和预期回报放在一个理论框架下统一考虑;
WilliamSharpe在1964年发表CAPM模型,此模型显示个股的预期回报和个股的风险及市场的预期回报成正比;
Steven Ross在1976年发表APT模型,此模型显示个股的预期回报可以表示成一系列非特定因素预期回报的加权平均,此模型为量化投资者指出了很实用的研究框架;
Black-Scholes在1972年发表关于股票权证的定价模型;
Fama和French在1993年发表三因素模型,此模型显示个股的预期回报由三个因素(市场,个股的市值,个股的市净率)决定;
此后很多研究者做了非常多的实证研究,并发现了一些对个股将来回报有预测作用的因素:比如市盈率,市净率,资产回报率,盈利一致预期,中长期价格动能,短期价格反转等。
数理化投资从上世纪70年代末开始实际运用
Barclays Global Investors(BGI)于1978年创立了全球第一只数量化投资策略基金,到被BlackRocks收购之前BGI以14000亿美元的规模,高居全球资产管理规模之首。
SSgA(道富环球投资管理公司)和 GSAM(高盛国际资产管理公司)为首的一大批以数量化投资为核心竞争力的公司已经成为机构资产管理公司中的“巨无霸”。
“詹姆斯•西蒙斯创办的文艺复兴科技公司花费15年的时间,研发基于数学统计理论的计算机模型,借助该模型,西蒙斯所管理的大奖章基金,从1989 年到2009 年间,平均年回报率高达35%,较同期标普500 指数年均回报率高20 多个百分点,比“金融大鳄”索罗斯和“股神”巴菲特的操盘表现都高出10 余个百分点。
在国外。其他采用量化投资的公司没有获得惊人的表现,并非是量化方法不好,而是他们还没有构建出更好的模型以及正确的策略。作为量化投资的大行家和受益者,西蒙斯承认有效市场的套利机会极少而且会趋同小时,然而,仍然有无数转瞬即逝的很小的机会存在,在证券市场,那些很小的交易,都会对这个庞大的市场产生影响,而每天都会有成千上万这样的交易发生。这个市场看似杂乱无章,却存在着内在规律,而量化操作自从诞生以来,无疑成为捕捉这些规律的一把利器,为海外投资者屡建奇功。
CQA(教育产品内容与数据测试)数据统计:在2002年-2004年三年间,量化产品的平均年收益率为5.6%,比非量化产品的平均年收益率高出1%。从信息比率来看,量化产品为0.37,非量化产品为0.06。此外,量化基金的运作费率相对更低,例如传统产品费率为0.6%,主动量化产品费率在0.45%-5%之间。
理柏(LIPPER)数据显示,2005年到2008年之间,87只大盘量化基金业绩表现好于非量化基金,增强型量化基金在2005年和2006年更是大幅跑赢非量化基金。但2007年和2008年除市场中性基金外,所有基金业绩下滑很快,其中双向策略和大盘量化基金表现差于非量化基金,而增强型和市场中性量化基金表现则优于非量化基金。
量化投资在中国的发展现状
研究力量不断壮大
目前大部分券商研究所都配有金融工程研究小组,成员超过5个的不在少数。根据2010年11月份的《新财富》最佳分析师榜单,国信证券金融工程小组人数有12人,为目前人员配备最多的量化投资研究团队。其他入选金融工程前五名的研究小组中,申银万国8人,华泰联合、安信证券各5人,中信证券4人。
数量化方面的研究报告数量也是逐年增加。据不完全统计,2008-2010年相关报告数量分别有52、142、794篇,今年上半年就达到了633篇,逐年递增趋势非常明显。不过,和2010年研究报告10万多份的总量相比,数量化研究的广度和深度还有很大提升空间。
量化产品初露锋芒
天马旗下的产品中,现有两个信托产品采用量化投资策略,分别是新华―天马成长,和平安―Lighthorse稳健增长。
此外,上投摩根、嘉实、中海基金、长盛基金、光大保德、富国基金、南方基金等都有量化产品推出,但是量化基金的比例还是非常小。即便在2009年,全年新发基金超过100只的情况下,新发的量化基金也仅有4只,数量在2009年的新发基金市场中仅占3%。与指数基金、普通股票基金相比,量化基金可谓是基金市场上的稀缺资源。
2011年,在国内紧缩政策与国外动荡局势的影响下,A股市场呈现结构性震荡上扬的格局。随着市场轮动的提速及内在容量的扩大,精选个股的难度日益加大。在此背景下,定性投资容易受到投资者情绪影响,而定量投资则能够通过计算机的筛选,帮助投资者克服非理性因素,在充分控制风险的前提下应对市场万变。以“人脑+电脑”为主要构建的量化基金逐渐显现投资优势,今年量化基金异军突起,整体表现不俗。截至4 月6 日, 9 只具有完整业绩的主动型量化基金平均收益率为0.64%,超越同期股票型基金和混合型基金-1.39%、-3.08%的净值增长率。其中,“元老”光大保德信量化核心基金收益率达5.19%。此外,南方策略、中海量化策略、长盛量化红利、长信量化先锋、上投摩根阿尔法、华泰柏瑞量化先行基金也均取得正收益,分别达到4.12%、3.28%、2.60%、2.13%、0.77%和0.16%;仅嘉实量化阿尔法和华商动态阿尔法收益为负,分别为-4.48%、-7.94%。此外,从以往披露的公开信息可以发现,国内量化基金多侧重价值因子,也契合今年低估值大盘蓝筹股领涨的市场格局。
第三部分:解读量化投资
在西蒙斯崛起之前,判断型投资完全占据着主流地位,因为当前全球投资界的三大泰斗当中,无论是价值投资的巴菲特、趋势投资的罗杰斯,还是靠哲学思维的索罗斯,都是判断型投资的代表。但随着西蒙斯的声名鹊起,量化投资开始受到投资大众的重视并呈现出蓬勃的发展态势。但需要指出的是,世界上没有万能的投资方法,任何一种投资方法都有其优缺点,量化投资当然也不例外。定量投资成功的关键是定量投资这个模型的设计好坏,设计的好坏主要由模型设计者对市场的了解、模型构建的了解和模型实践经验来决定的。
量化投资的决策体系
量化基金的成功运作必然依托一个完整而有效的量化体系用来支撑,该体系是数据获取、数据处理、资产配置、组合管理到全程风险控制等诸多环节的有机结合。
我们借鉴海外量化基金运作架构的诸多优点,并结合华泰联合金融工程资深研究员的看法,旨在提供一个适合中国市场特点的量化基金运作架构体系。该体系综合考虑了定性及定量两大主要选股思路,在风险可控下,充分发挥量化投资的优势。
此架构包含以下几个主要层次:
1. 数据提供:量化体系的底层一般是数据接入端口,数据来源于外部数据提供商。
2. 数据预处理:由于中国A 股市场历史较短,数据质量一般,特别是早期的数据较为不规范。因此,在输入模型前必须对数据进行全面的清洗,从而增强数据的有效性和连续性。
3. 资产配置:资产配置是量化基金的核心。不同的投资者具有不同的投资理念,即不同的资产收益率看法。因此,通过构建差异化的因子配置模型来实现差异化的投资理念则充分展现了量化投资的优势和精髓。举例而言,我们可以开发针对不同市场状况(如牛市、熊市、震荡市和转折市)以及不同投资风格(如保守、激进和中庸)的量化模块。这些模块就类似于儿童手中的玩具积木,一旦投资决策委员会确定了战略和战术配置比例,接下来要做的就是简单的选积木和搭积木的过程。模块化投资严格的遵循了投资思路,从而将量化投资的纪律性、系统性、及时性和准确性展露无遗。
4. 投资决策:宏观经济政策对中国A 股市场的表现影响较大,也就是我们常说的“政策市”。针对这一现状,综合考虑定性和定量的宏观判断对于我们选择合适的基金仓位及资产组合将十分必要。一方面,结合宏观及行业分析师对于未来宏观经济的预判以及个别性事件的分析,另一方面,考察既定的一系列量化择时指标和宏观经济指标的最新动向,从而能较为全面的提出投资建议。
5. 组合管理:在对于宏观趋势、战略和战术资产配置的全面考量之后,留给基金管理人的工作将是如何实现在交易成本,投资风险以及组合收益三者之间的最大平衡。
经典量化投资模型综述与评价
目前,由于计算的复杂程度和对速度的要求,量化投资的交易过程通常是由电脑自动来完成的,可在某些方面电脑依然不可能替代人脑。投资若要取得成功,就需要顶尖的大脑来罗织数据、发现规律、编制最快最好的电脑程序;此外,量化投资所使用的模型在用了一段时间之后就会慢慢失效,因为越来越多的“山寨版”会出现,因而需要不断发现新的模型以走在这场军备竞赛的前列,而此时需要的就是配备精良、高速运作的人脑。由此可见,模型在量化投资的整个体系中居于核心地位。近几十年来,西方理论界与实务界均诞生了不少量化投资模型,大力推动了量化投资的发展,这其中又大致可分为三大类:传统的基于经济学意义的模型(structural model)、现代的基于数学、统计学意义以及计算机原理的模型(statistical model)、程序化交易模型。以下就这三者分别予以介绍。
(一)传统的基于经济学意义的模型
这种模型虽然用到了一些数学与统计学的工具, 但其核心思想与前提假设仍然是围绕经济学或金融学原理而展开的。例如,B-S 模型与二叉树模型提供了金融产品定价的新思路,因而也衍生出了所谓的以选择权为基础之投资组合保险策略(option-basedportfolio insurance,OBPI),如欧式保护性卖权(protective put)策略、复制性卖权(synthetic put)策略和一些持仓策略―――买入持有(buy-andhold)策略、停损(stop-loss) 策略、固定比例投资组合保险(constant proportion portfolio insurance,CPPI) 策略、时间不变性组合保障(timeinvariant portfolio protection,TIPP)策略、固定组合(constant mix)策略与GARP(Growth at a Reasonable Price)策略等。
(二)现代的基于数学、统计学意义以及计算机原理的模型
与上述模型相比,这种模型“量化”的倾向愈加明显―――淡化甚至忽略经济学或金融学背景,基本上只是依赖先进的数学、统计学工具与IT 技术构建模型,进而确定投资策略。模型中应用的具体方法主要包括参数法、回归分析、时间序列分析、极值理论、马尔科夫链、历史模拟法、蒙特卡罗模拟法等等。
(三)程序化交易模型
随着金融市场的日益复杂化, 越来越多的复杂交易策略被设计出来,这些交易策略很难通过传统的手工方式执行,于是程序化交易应运而生。程序化交易是指按照预先编制的指令通过计算机程序来完成交易的方式,可以分为决策产生和决策执行两个层面:前者是指以各种实时/历史数据为输入通过事先设计好的算法计算得出交易决策的过程,而后者是指利用计算机算法来优化交易订单执行的过程; 也可以从交易频率的角度,分为高频交易和非高频交易。程序化交易使得复杂的量化交易策略得以实施,优化交易指令的执行,解放人力使之把精力更多地集中到投资策略的研究上, 最重要的是能克服人性的种种弱点与障碍从而保证绝对的“客观性”与“纪律性”。然而,这种交易方式也引起了诸多争议,如对速度的过高要求会造成市场的不公平、巨大的交易量可能会增加市场的波动性、容易产生链式反应、为了盈利可能会制造人为的价格而降低市场的有效性等等。
量化投资的主要策略
增强型指数基金:策略的主要目的还是跟踪指数,希望用量化模型找出能紧跟指数但同时又能小幅超越的组合。
非指数型量化基金:能利用绝大多数好的投资机会,而不需去管组合是否能紧跟指数。
多―空对冲基金:买入模型认为能表现好的股票, 卖空模型认为会表现差的股票。有时可能净多仓, 有时可能净空仓。此策略在对冲基金中很流行。在A股市场中能卖空的股票不多,所以一般只能用期指去对冲。
市场中性的多―空对冲基金:买入模型认为能表现好的股票, 卖空模型认为会表现差的股票。在任何时候净仓位为0,同时在各行业上,大小盘风格上的净仓位都为0。此策略在对冲基金中也比较流行。此策略的波动率非常小,在国外一般会加入杠杆。
130/30基金:一般共同基金采用,即买入130%的多仓, 卖空30%的空仓。
程序化高频交易:利用期指或股价的日内波动进行高频买卖。有些策略是找价格模式,有些是利用交易所规则上的漏洞。
可转移Alpha:主要用在增强型指数基金上,具体是用期货来跟踪指数,一部分多出来的钱投资于风险比较小的能取得绝对正收益的策略上。
市场择时/行业轮动/风格轮动:用数量化模型预测市场/行业/风格的拐点
量化投资和传统投资的比较
天马资产首席数量分析师朱繁林博士表示,量化投资区别于定性投资的鲜明特征就是模型,对于量化投资中模型与人的关系,大家也比较关心。可以打个比方来说明这种关系,我们先看一看医生治病,中医与西医的诊疗方法不同,中医是望、稳、问、切,最后判断出的结果,很大程度上基于中医的经验,定性程度上大一些;西医就不同了,先要病人去拍片子、化验等,这些都要依托于医学仪器,最后得出结论,对症下药。
医生治疗病人的疾病,投资者治疗市场的疾病,市场的疾病是什么?就是错误定价和估值,没病或病得比较轻,市场是有效或弱有效的;病得越严重,市场越无效。
投资者用资金投资于低估的证券,直到把它的价格抬升到合理的价格水平上。但是,定性投资和定量投资的具体做法有些差异,这些差异如同中医和西医的差异,定性投资更像中医,更多地依靠经验和感觉判断病在哪里;定量投资更像是西医,依靠模型判断,模型对于定量投资基金经理的作用就像CT机对于医生的作用。在每一天的投资运作之前,会先用模型对整个市场进行一次全面的检查和扫描,然后根据检查和扫描结果做出投资决策。
传统的定性投资强调的是基金经理的个人经验和主观判断,相对来说强调基金经理的单兵作战能力。而量化投资主要是用来源于市场和基本面的模型指导投资。
量化投资可以最大限度地捕捉到市场上的机会。而传统的定性投资受到研究员,基金经理覆盖范围的限制。
量化投资借助模型进行投资,比较客观和理性,更不会受市场和情绪影响。
量化投资的可复制性更好。传统的定性投资易受到基金经理,资深研究员人动的影响。
其实,定量投资和传统的定性投资本质上是相同的,二者都是基于市场非有效或是弱有效的理论基础,而投资经理可以通过对个股估值,成长等基本面的分析研究,建立战胜市场,产生超额收益的组合。不同的是,定性投资管理较依赖对上市公司的调研,以及基金经理个人的经验及主观的判断,而定量投资管理则是“定性思想的量化应用”,更加强调数据。
国内量化基金投资风险分析
(一)量化模型质量产生的投资风险
投资模型本身的质量,是量化基金最核心的竞争力。专业人士以为,对于中国这样的新兴市场,量化投资的关键是能否根据市场特点,设计出好的投资模型。然而,已有的量化基金中,大多简单地利用国外已公开的模型,或是用基金公司自有的一些简单模型,在考察市场的有效性上普遍比较欠缺。如中海量化策略和南方策略优化在行业权重配置中均采用的Black-Litterman(BL)模型。这种模型现是华尔街主流模型,亦是高盛公司资产管理部门在资产配置上的主要工具。然而,在国内市场信息搜集等方面局限性较大的情况下,该系统到底是否有效,是否仅是基金公司体现其“专业性”的一个由头,还有待观察。
(二)基金经理执行纪律打折扣所产生的道德风险
好买基金研究中心的一份报告指出,大部分量化基金在择时、行业配置和资金管理等方面并没有采用量化模型,更多的是基金经理的主观判断。观察这些量化基金的契约和季度报告可以发现,基金要么不进行择时,要么根据主观经验进行择时,这在很大程度上无法体现出模型选股产生的效果。
(三)数量化模型滞后产生的风险
量化基金效果如何,无法脱离资本市场环境的成熟度。量化模型的运用有重要的前提条件,是必须在一个相对成熟稳定的市场中运行,这种市场环境下基于历史数据设计的模型才可能延续其有效性。国内股市曾经大起大落,市场结构和运行规律都发生过质变。在这种情况下量化模型有可能跟不上市场本身的改变,严格的量化投资也难以适应变化。这或许是这种舶来品水土不服的一大原因。可以说,早期的A股市场并不适合量化投资理念,而随着市场逐渐成熟,量化投资的优势才开始逐渐显现。近两年量化投资基金数量成倍增加,也是对这一趋势的反映。
量化投资重在风控
近几年,国内基金公司都在积极推出量化投资产品。但市场人士认为,目前国内的常见“量化”基金,实质上大多是“量化选股”基金,从量化的风险控制到量化的交易,整个决策流程依然靠传统的方法。
国内著名投行宏观策略研究员的工作积累,华尔街量化投资的历练,使华商大盘量化拟任基金经理费鹏对量化投资的A股应用有着自己的心得。他认为,量化投资最大的优势在风险控制上。与传统的价值投资“越跌越买”的理念不同,他认为量化投资应该是主动对市场风险进行判断,通过技术分析、量化模型分析等判定风险,在确定风险之后,及时对仓位进行控制,及时止损。
费鹏认为,目前市场上的量化产品将研究的重点放在择股和行业配置上,缺乏有效及时的风险响应体系,而从国外的经验看,量化的一大特点就是对风险的预判。因此,华商基金量化投资团队在吸收国内外先进经验的同时,在模型设计之初,便将核心定为风险控制。
在设计中,华商基金量化投资团队借助了包括从统计信息学角度出发的信息熵值(Entropy)的变化、从分形理论出发的市场模式(P atter n)的变化、从金融物理学角度出发的金融泡沫统计指标的变化、从市场微观结构出发的分析师一致预期分歧的变化和趋势等,构建风险模型,对中短期系统风险进行定量分析,依靠基金经理和研究员对宏观经济发展状况、人口与社会的结构性特征、经济产业周期等因素的分析,对长期风险进行定性分析。
量化投资坚持追求绝对收益
提及量化投资,人们就会想到西蒙斯用公式打败市场的经典案例。但这一投资工具在被引入国内投资市场之后,并没有展现其神奇的威力。根据wi n d数据分类显示,目前市场上有19只量化基金,2 012年可统计的15只量化基金平均收益率仅为2 . 5 5%(同期沪指上涨3 .17%),国内发行的量化基金的表现不尽如人意。
在费鹏看来,国内的量化基金仅仅是“量化选股”,追求相对收益。他认为,量化投资的核心应该是风控,坚持追求的则应该是绝对收益。
相比而言,目前国内公募量化基金多采用多因子模型,而多因子模型的设计原理是把价值投资理论通过数字模型加以表达。在实际测算中,华商基金量化团队每日涨幅居前的股票中,会有所谓投资价值较少的“垃圾股”,很难通过价值投资理论解释。
对此,华商量化投资团队在设计选股模型时,更多的是通过捕捉市场的异常波动,寻找股价波动的非基本面的因素。通过对数据挖掘,建立初选股票池,然后按照行业分类,结合基本面研究,通过行业研究员调研,寻找相互印证支持依据,在分析手段上更多了对隐性信息的补充。
10月27日以来,不到半个月时间里,银行板块指数从4772点最高上涨到5498点,涨幅高达15%。
事实上,银行股的这波上涨,可以回溯到年初3月份4152点最低点,照此算来,银行板块指数年初至今也上涨了32%。即便如此,与市场上的军工、医药等板块相比,这个涨幅并不突出。随着银行股低估值被逐渐发现以及沪港通的影响,未来有可能还会继续上涨。
有鉴于此,《投资者报》特别找出了三季度末仍然重仓银行股的基金名单,希望通过对其的详细梳理,能够对投资人借道基金坐享银行股牛势行情有所助益。
《投资者报》统计发现,三季度末仍重仓银行股的基金一共有230只。其中,持有仓位比例最高的是国泰上证180金融ETF、华夏上证金融地产ETF、华宝兴业上证180成长,均持有7只银行股,仓位全在40%以上,持有仓位分别是46%、44%、42%。
从近6个月净值增长来看,宝盈策略增长、工银瑞信金融地产、招商大盘蓝筹、新华钻石品质企业、诺安中小盘精选、新华优选分红、华泰柏瑞上证中小盘E、南方策略优化、大摩量化配置、易方达上证中盘ETF等10只基金位列净值增长前十。值得一提的是,这10只基金近6个月的净值增长均超过了30%。
工银瑞信金融地产暂时领先
从今年以来净值增长情况来看,工银瑞信金融地产在上述230只重仓银行股的基金中暂时领先。其今年以来的净值增长为45%,近一个季度净值增长19.83%,均位居230只重仓银行股基金第一。
从持仓股票来看,工银瑞信金融地产持有3只银行股,分别是318万股浦发银行、500万股光大银行、250万股交通银行。
从这3只银行股的涨幅来看,其年初至今的涨幅分别为24.5%、23.2%、29.5%。均未能跑过银行类板块指数年初至今32%的涨幅,显然向上空间还很大。从10日涨跌情况来看,上述3只银行股的近10日涨幅分别为11.52%、8.9%、8.41%。据此测算,这三只个股近10日分别为工银瑞信金融地产的净值增长供献了320万元、113万元、83万元,合计516万元的浮盈。
从同类排名来看,工银瑞信金融地产今年以来在365只同类基金中净值涨幅排名第7。这对于成立一年多、又是新人基金经理管理的基金来说,这样的成绩还是相当可以的。
公开资料显示,工银瑞信金融地产为双基金经理制,基金经理鄢耀,6年证券从业经验,先后在德勤华永会计师事务所担任高级审计员,中国国际金融公司分析员,2010年加入工银瑞信担任研究部研究员;另一基金经理王君正,5年证券从业经验。曾任泰达宏利基金公司研究员,2011年加入工银瑞信任研究部研究员。尽管两位基金经理均拥有多年证券从业经验,研究经历丰富,不过,该基金仍然是他们管理的首只基金。
与工银瑞信金融地产持有三只银行股不同,在上述230只重仓银行股中同样表现优异的宝盈策略增长,则仅持有了一只银行股――中信银行。对比其近一年来的持仓可以发现,截至去年年末,宝盈策略增长的前十大重仓股中没有中信银行的身影,到了今年一季度末,宝盈策略增长的前十大重仓股中已持有5000万股的中信银行,上半年加仓至5800万股。
从盘面来看,中信银行在2014年2月7日这周筑底完毕,随后展开了一波强势上攻,由3.57元每股一路上攻到2月28日这周的最高5.58元,上涨了56%。据此算出,宝盈策略成长在中信银行这只股票的建仓成本价应在4.5元附近。值得一提的是,截至今年三季度末,宝盈策略成长在中信银行股票上的持仓重新回到了5000万股,从盘面上来看,这期间中信银行一直处于横盘状态,宝盈策略成长的减持,更大可能是前期部分获利盘的落袋为安。
相关量化、ETF基金可高度关注
哪怕知道银行股要走出牛市行情,但要在16只上市银行股中选中涨得最高、涨得最快的龙头并不容易,特别是对于消息滞后、缺少时间的工薪族,经常是“只赚指数不赚钱”。这时,直接投资指数型基金或量化基金也就成为了更加实用的投资选择。
《投资者报》统计得来的数据也对上述观点形成了较为有力的支撑。据《投资者报》测算,230只重仓银行股的基金中,持仓仓位前十的基金分别为国泰上证180金融ETF、华夏上证金融地产ETF、华宝兴业上证180成长、海富通上证周期ETF、信诚中证800金融、华宝兴业上证180价值、建信上证社会责任ETF、国投瑞银沪深300金融、汇添富中证金融地产E、嘉实中证金融地产ETF。
其中,除了嘉实中证金融地产ETF持有银行股的仓位占比为29.63%外,另外9只基金持有银行股的仓位占比均超过30%。显然,如此高的仓位占比,一旦银行股板块大幅齐涨,这些基金的受益程度也将明显超过其他同类基金。
事实上,从净值增长率来看,上述10只基金今年以来净值增长率平均为16.8%,近6个月净值增长率平均为22.5%,显然,随着银行板块的不断上攻,上述基金的收益能力也在不断提升。
中国金融业飞速发展,尤其是2010年股指期货的推出,量化投资和对冲基金逐步进入国内投资者的视野。目前,量化投资、对冲基金已经成为中国资本市场最热门的话题之一,各投资机构纷纷开始着手打造各自量化投资精英团队。同时,中国拥有数量庞大的私募基金,部分私募基金利用国内市场定价较弱的特性转化成对冲基金也是必然的趋势。
量化投资是将投资理念及策略通过具体指标、参数的设计,融入到具体的模型中,用模型对市场进行不带任何情绪的跟踪;简单而言,就是用数量化的方法对股票估值,选取适合的股票进行投资。
量化投资的鼻祖是美国数学家西蒙斯(James Simons)教授,从1989年到2006年间,他管理的大奖章基金平均年收益率高达38.5%,净回报率超越巴菲特。
对冲基金(hedge fund)是指运用金融衍生工具,以高风险投机为手段并以盈利为目的的金融基金,采用各种交易手段(卖空、杠杆操作、程序交易、互换交易、套利交易、衍生品种等)进行对冲、换位、套头、套期来赚取巨额利润。
犹抱琵琶半遮面
上海交通大学金融工程研究中心陈工孟教授表示,2010年股指期货推出后,量化投资和对冲基金渐成热门话题,并正在逐步萌芽和发展,但因为是新事物,社会各界还不是很了解。
目前国内约有12只公募量化基金,而深圳和上海也已有不少对冲基金;量化投资和对冲基金离中国投资者如此之近,但又是如此神秘。
长期以来,国内投资者一直存在着一些疑问,例如,量化投资和对冲基金是不是金融业发展的必然?量化投资和对冲基金对金融安全问题会产生什么影响?上海建设国际金融中心,量化投资和对冲基金应该扮演怎样的角色?量化投资和对冲基金为何能取得超额收益?量化投资和对冲基金如何进行规范和监管?对冲基金如何募集、运作和壮大?如何开发策略、如何进行交易如何控制风险?
对于上述问题,国内缺乏进行深度探讨和专业研究的有效途径。近日,国内领先的量化投资和对冲基金专业研究机构,上海交通大学金融工程研究中心主办了2011第一届中国量化投资高峰论坛。众多国际投资家、知名学者、优秀对冲基金经理、量化投资领军人物、交易所研究代表等,与300多位来自于证券、基金、私募、信托、银行、保险界的专业人士、信息技术服务商和民间资本代表,共同分享最新的量化投资和对冲基金的宏观视点及微观技术,以解决金融业发展迫切需要解决的问题。主办机构表示:“我们相信此次高峰论坛的召开,将开创中国量化投资和对冲基金的新纪元。”
无限风光在险峰
上海交通大学安泰经济管理学院院长周林教授在论坛致辞时表示:“通过引进各种各样的产品、各种各样的金融工具,特别是量化投资的方法,逐渐把过去的投资艺术转化到投资科学,这是我们共同关心的问题。”
周林认为,在中国开展量化投资、设立对冲基金将来有可能的空间,当然,可能也会有问题和风险。即使像美国、英国这样的成熟市场也会产生风波,比如金融危机,不能归咎于量化投资、对冲基金,但一些投资手段、金融工具运用不好,也可能对市场带来一些风险。“对于一系列未来可能产生的问题,我们一定要做非常好的分析。”
中国金融期货交易所副总经理胡政博士谈到,由于量化投资导致程序化交易和国外流行的算法交易等,这些新的交易方式是市场发展的基本趋势。通过研究后他认为,有四方面问题值得关注。
第一是对市场公平性的冲击。有人用“大刀长矛“,有人用“导弹、机关枪”,有专家理财,有一般的投机炒家,各种各样的风格构成了市场,投资手段的不平衡,有可能会带来市场交易的不公平。
第二,对市场本身运行的冲击。量化投资的产品,有可能会对市场价格造成冲击。当采用类似的风险止损点或者类似理念时,市场发生某个方向的变动,有可能加剧这种变化。
第三,对市场价格信息的冲击。很多量化投资工具需要收集信息,需要有很多试探性的报价去测市场的深度。大量的试探性报价,不以成交为目的的报价信息,会对市场产生冲击和影响。
第四,对交易系统的冲击。量化投资快速发展的核心因素是计算机技术的发展,现有交易系统都基于计算机系统,各种各样的工具会对交易系统造成冲击。
第一财经传媒有限公司副总经理杨宇东建议,希望媒体把目前机构、专家学者、管理层正在研究的成果报道出来,让更多的人了解;他还呼吁更快地完善有关对冲基金方面的监管政策和法规,并给予量化投资更多的扶持和技术支持。
上海银监局副局长张光平探讨了人民币国际化的话题。湘财证券副总裁兼首席风险官李康的观点鲜明生动,而中国社科院研究员易宪容在演讲时则激情四溢。
韶华休笑本无根
量化投资把资本市场的投资行为从以往定性化的“艺术”升华为数量化的“科学”,运用到高深的数量工具。国外从事量化投资的研究人员和基金经理大多是学金融、计算机和统计学出身,很多物理、数学专业等理工科背景的优秀人才也加入这一行列。野村证券亚太区执行总监周鸿松就是哈佛大学空间物理博士,曾获2011亚洲银行家峰会最佳算法交易系统团队奖。
在美国留学获计算机硕士的刘震现任易方达基金管理公司指数与量化投资部总经理,1995年进入华尔街工作,在与国内父母通电话时,他感到很难解释清楚自己的职业性质,便说跟“投资倒把”差不多,这可把他父母给弄晕了。
国泰君安证券资产管理公司总经理章飙是统计学博士,早在2006年就开始用量化投资工具做ETF套利,最初很难被上司和同事理解,直到做出几个成功案例后,才有了较大的发言权。他曾向公司申请投5000万元做“攀钢钢矾”,还放出“狠话”:如果公司不让做他就辞职,两年后这笔投资为公司赚了3.5亿元。
量化基金表现不俗
2011年,在国内紧缩政策与国外动荡局势的影响下,A股市场呈现结构性震荡上扬的格局。随着市场轮动的提速及内在容量的扩大,精选个股的难度日益加大。在此背景下,定性投资容易受到投资者情绪影响,而定量投资则能够通过计算机的筛选,帮助投资者克服非理性因素,在充分控制风险的前提下应对市场万变。以“人脑+电脑”为主要构建的量化基金逐渐显现投资优势,今年量化基金异军突起,整体表现不俗。
截至4月6日,9只具有完整业绩的主动型量化基金平均收益率为0.64%,超越同期股票型基金和混合型基金-1.39%、-3.08%的净值增长率。其中,“元老”光大保德信量化核心基金收益率达5.19%。此外,南方策略、中海量化策略、长盛量化红利、长信量化先锋、上投摩根阿尔法、华泰柏瑞量化先行基金也均取得正收益,分别达到4.12%、3.28%、2.60%、2.13%、0.77%和0.16%;仅嘉实量化阿尔法和华商动态阿尔法收益为负,分别为-4.48%、-7.94%。此外,从以往披露的公开信息可以发现,国内量化基金多侧重价值因子,也契合今年低估值大盘蓝筹股领涨的市场格局。
短期or长期?
评价一个基金业绩,通常需要放在较长的时间段进行考察,而量化基金的考察时间可能还要更长。一个优秀的基金经理如果擅长捕捉市场热点,业绩很容易在短时间内就崭露头角。对量化基金而言,它并不擅长捕捉市场热点,而是将自己的投资理念以及对市场的理解用数量化的模型固定下来,量化产品主要是根据设计的模型进行投资,根据投资喜好对个股进行海选,从长期来看会获得较高的稳定收益。
市场价格总是围绕价值波动,有时候会产生偏离,恢复价值需要一定时间。即使一个良好的量化模型也需要较长的时间才能累计超额收益,量化基金并不是一个短时间一定能见成效的基金,投资者在购买这类基金时,应该清楚地认识到这个特点。再者,量化投资追求的是“大概率事件”,其最大优势就是尽量减少犯错误的概率,获取长期稳定的业绩回报。
虽然自去年以来,大部分量化基金投资收益整体表现不俗,但还是要正确认识量化投资,不可将其过度“神化”。其实,量化投资只是一个模型,不可能短期或者一夜致富,量化基金需要坚持长期投资的理念。
以南方基金2010年3月发行的首只量化投资基金为例,专家认为该基金会呈现出“中期稳定、长期出色”的特点。所谓中期稳定,就是指以年度为周期,基金业绩跑赢股票型基金的前50%,而在3年周期中,累计收益有望进入股票型基金前30%行列。
但从短期业绩来看,因为该基金高度分散,均衡配置的特点,很少会在某段时期极为突出,而是在相对均衡的市场环境中会更具优势。若市场处于某种风格占据明显优势的阶段,则该基金业绩有可能表现平淡。从中国市场的长期历史来看,某种风格优势持续全年的情形并不常见,而在风格转换时,均衡配置的优势就凸显出来。在经历风格转换后,基金的中期业绩跑赢同类型平均收益的概率很大。
从成立以来的运作情况来看,该基金迄今为止的业绩基本符合以上预期。从基金成立到去年9月,由于市场风格高度偏离均衡,且基金处于建仓期,基金阶段业绩表现并未超越股票型基金指数(即股票型基金平均水平),而在去年10月市场风格进入转换期后,基金业绩迅速提升。在今年以来逐步回归均衡的市场环境中,该基金业绩更是进入股票型前10%以内。
从今年二季度的市场环境来看,风格均衡化的转换仍将继续,南方策略在二季度业绩有望继续明显跑赢股票型基金平均收益水平。
投资风险有哪些
投资量化基金的风险主要体现在以下几点。
量化模型质量产生的投资风险
投资模型本身的质量,是量化基金最核心的竞争力。专业人士以为,对于中国这样的新兴市场,量化投资的关键是能否根据市场特点,设计出好的投资模型。然而,已有的量化基金中,大多简单地利用国外已公开的模型,或是用基金公司自有的一些简单模型,在考察市场的有效性上普遍比较欠缺。如中海量化策略和南方策略优化在行业权重配置中均采用的Black-Litterman(BL)模型。这种模型现是华尔街主流模型,亦是高盛公司资产管理部门在资产配置上的主要工具。然而,在国内市场信息搜集等方面局限性较大的情况下,该系统到底是否有效,仅是基金公司体现其“专业性”的一个由头,还有待观察。
基金经理执行纪律打折扣所产生的道德风险
好买基金研究中心的一份报告指出,大部分量化基金在择时、行业配置和资金管理等方面并没有采用量化模型,更多的是基金经理的主观判断。观察这些量化基金的契约和季度报告可以发现,基金要么不进行择时,要么根据主观经验进行择时,这在很大程度上无法体现出模型选股产生的效果。
数量化模型滞后产生的风险
量化基金效果如何,无法脱离资本市场环境的成熟度。量化模型的运用有重要的前提条件,是必须在一个相对成熟稳定的市场中运行,这种市场环境下基于历史数据设计的模型才可能延续其有效性。国内股市曾经大起大落,市场结构和运行规律都发生过质变。在这种情况下量化模型有可能跟不上市场本身的改变,严格的量化投资也难以适应变化。这或许是这种舶来品水土不服的一大原因。可以说,早期的A股市场并不适合量化投资理念,而随着市场逐渐成熟,量化投资的优势才开始逐渐显现。近两年量化投资基金数量成倍增加,也是对这一趋势的反映。
规避风险有策略
规避量化基金投资风险并非无章可循,只要做到以下几点,就可将风险降到最低。
震荡市适合选择量化基金
量化投资以先进的数学模型替代人为的主观判断,因借助系统强大的信息处理能力而具有更大的投资稳定性,极大地减少了投资者情绪波动的影响,避免在市场极度狂热或悲观的情况下做出非理性的投资决策。在2010年A股市场的震荡市场环境之中,中海量化策略股票型证券投资基金截至2010年12月31日,基金净值增长率为7.22%,高于业绩比较基准2.32个百分点。
选择规模相对较大的量化基金公司
一般来说,量化投资模型更适合大资金运作。构建的组合视资金量的情况由30~500只股票组成,每一只股票只买少许(几千到几万股)。例如15亿元资金,300只股票,每只股票只需买500万元,平均每只股票20万股,高价小盘股才几万股。进入市场、退出市场冲击成本几乎为零,即使在跌市中也容易退出市场止损,在牛市中也容易快速低成本建仓。今年一季度南方策略优化业绩表现进入股票型基金前5%,中海能源量化基金净值增长率为2.17%,低于业绩比较基准0.47个百分点。
价值型市场下首选量化投资基金
量化基金并非在所有市场都能有效战胜非量化基金。国际知名的基金研究机构理柏(Lipper)把基金分为4类型,将每一类型的量化投资与传统投资进行比较,2005年量化投资基金全面战胜传统基金,而2006年在增强指数型基金中,量化投资落后于传统型基金,到2007年则情况发生较大转弯,除市场中立基金外,其余量化投资基金全部跑输传统型基金。在考虑了风险、跟踪误差后,量化投资具有更小的跟踪误差和更高的回报。研究表明数量投资基金业绩具有很强的轮动特点。大部分数量投资基金具有很强的价值投资偏好,因此,他们在价值型市场下表现良好,1998~1999年是成长型市场,量化投资基金大部分跑输传统型基金。2001~2005年是价值型市场,数量化投资基金普遍表现优异。
选择良好的量化基金管理团队至关重要
这是量化基金能取得优良业绩的最关键因素。就如同同样采取基本面研究的基金来说,有的基金业绩好,有的基金业绩差,量化基金也是如此,只有拥有良好量化技术的管理团队,才能获得良好的业绩。
量化基金申购赎回费用及购买注意事项
关于量化基金的申购赎回费用,以光大保德信量化核心证券投资基金为例,该基金认购采取金额认购的方式,认购金额包括认购费用和净认购金额,其中:
认购费用=认购金额×认购费率
净认购金额=(认购金额+认购利息)-认购费用
认购份额=净认购金额/基金份额面值
近年来,投资领域的众多精英纷纷投身量化投资领域,利用计算机科技并采用一定的数学模型去实现自己的投资理念、投资策略。他们以自己的智慧加数学的方法组成投资策略,设计出自己的赢利模型,来克服交易中人性的弱点,实现稳定的赢利。
不少机构和个人都赢利颇丰,然而从今年8月开始,不少量化投资者都在遇到同一个问题,以前稳定赢利的模型现在开始不灵了,屡屡大幅回撤亏损。
“好奇怪,每一次回撤都打到止损点后,再重新起来,这模型到底怎么了?”渤海证券某分析师告诉记者。
国内如此,国外量化同行也遇到同样的困惑,经常出现很大的回撤。尤其是最近,全球CTA策略都不太景气,很多传统CTA做得比较大的公司,今年都面临倒闭窘境。
倒在反向策略?
2013年11月17日上午,清华大学深圳研究生院报告厅。第四届(2013秋季)中国量化投资国际峰会上,100多位金融界菁英汇聚一堂,交流着量化投资出现的问题。
不少同行都遇到了和渤海证券分析师类似的问题,模型失灵,行情每次回撤都打在止损位后,再重新起来,一次次止损都在亏钱,是模型出了问题吗?
“你的反向策略是如何制定的呢?”在上午的论坛上,台下的提问给嘉宾制造了些许紧张,在量化这个圈子里,大家对模型都是讳莫如深,避而不谈,更何况是反向策略的制定,这位被问嘉宾顾左后而言他,并没有正面回答。
反向策略揭开了近几个月大多数模型亏损的冰山一角。投资界有这样一种说法,投资者都是在赚犯错方钱。显然当量化投资者在逐渐增多时,在市场中这部分人群都在用类似方法,也就有了相同的属性,这时聪明者就针对这部分人群制定出了相应的反向策略,专剪这个人群的羊毛,多数模型失灵也就不足为奇了。
上述提问者没有轻易放弃,又把问题转向了本次论坛的主持人原美国骑士资本董事总经理、高频交易总监明可炜。
“反投资策略的方式我听得很少。现在的问题是很多的量化投资同时进入市场,使得市场的价格实现机制出现了偏差,反策略发现了很多的量化投资策略在做同一件事情的时候,把价格推到了不合理的位置。”如果说主持人上面的回答相对中肯,下面则有意淡化反投资策略。
“犯错误的投资人可以使别的投资人的回报变得更多,但并不是说你要有收益必须是别人犯错误的结果。就像巴菲特说,他买一只股票绝对不是因为这只股票今年便宜点,而是他认为这只股票在未来30年、50年会给他带来很高的利益。我认为量化投资者也不是在寻求别人犯错务的时机,如果是基本面,或者说发现了一个趋势,就可以获得很好的收益,这个时候谁都没有犯错误。”
策略失效另有隐情
反向策略并不是策略模型失效的唯一原因,会场嘉宾各抒己见。
中国量化投资学会理事长丁鹏认为,如果说它是有经济学原理做支撑的策略,它未来一定再次有效。比如说套利策略,平常讲的股指期货套利,它是有经济学原理做支撑的;还有大的趋势性策略,只能抓大牛市或者大熊市的,可能很多年都不会再次有效,像这种策略一旦失效的话,一定要考虑背后的真正驱动因素是什么。
“对于一些趋势策略来讲,它可能是暂时的失效,因为进入趋势振荡阶段,它必然会这样。有一些事件操作的策略,它可能因为事件的消失而长期的失效。”渤海证券金融工程部总经理何翔认为,“对于短期失效的趋势策略,从个人来讲,你要有一个风险容忍度,要清楚能不能坚持这样的策略。”
风控不容忽视
不少的量化交易者,都有过不错的收益,但亏损更甚,原因之一是没有把握住风险控制。会场几位重量级嘉宾畅谈了风控的方法。
“控制风险比收益更重要,控制风险才是投资者最核心的东西。”丁鹏认为,在银行、保险、券商和期货这几大金融行业中,期货的收益应该是最高的,但做期货往往是最穷的;而银行的收益是最低的,银行理财只有5、6个点,但银行是最富的。为什么?因为银行的风控能力是最强的,所以真正的富人敢把钱存在银行,但没人把大钱拿给期货公司玩。通常是把风险控制住之后,靠规模、放大杠杆去赚钱的。
通过多策略的方法降低风险。职业投资人、宽客俱乐部总经理冯正平认为,金融投资的策略体系一定要符合保险学原理。比如你交易200个标的,用了200个策略,其一个标的出了问题,仅影响0.5%。要从这个角度去研发策略、组合策略。
“我们公司对策略风控、模型回撤要求非常严格。” 何翔表示,“我们在策略开发的过程中,特别注重三个方面,一是时间纬度上,要在不同的时间架构上对策略进行分散,有长期、中期、短期,甚至日内的;二是在空间上进行分散;三是在策略的类别上分散,有趋势型策略,也有振荡型策略,多策略使风险最小化。”
算错成本没赢利
张华(化名)是近年从华尔街回来的博士,在国内做了一个阿尔法套利,平均每周交易4次,每次交易扣除交易成本之后可以盈利千分之三,一个月做16次,一年收益率应该是50%。做出来之后,在数据回溯和模拟上都很吻合,但是做进去之后,第一个月亏了,第二个月又亏了,第三个月还是亏损。
“这种情况是没有算清楚冲击成本和交易成本。”上海铸铭投资管理中心总裁张向阳认为,在进行历史数据回溯的时候,他应该是拿一口价格来算账,而那口价格是在买价上成交的还是在卖价上成交的,他是不知道的,只能在卖价上买。这样就形成了误差,导致设计模型时就不能赢利。
好模型如利剑
量化赢利如同一辆好车在路上跑,风险控制如同刹车,计算成本如同估计路况,遇到路况不好时踩刹车放缓速度避免翻车,而好的策略模型则如同油门,路况好时要想跑的快,必须踩油门。
和多数宽客人对自己的模型三缄其口不同,渤海证券金融工程部总经理何翔分享了团队几年来几种模型的赢利情况。“在整个量化策略开发过程中,我们以风控为前提,然后把握一些趋势性的机会,顺势而为,分析市场的行为,做好策略开发的分散,最终严格执行策略,实现了好的收益。”
何翔团队在2010年开发了MT-SVM量化预测模型,结合技术指标、宏观指标,对每个月市场涨跌的情况进行预测。市场本身混沌、非线性的,团队用人工智能的方法,预测每个月上证指数的涨跌,然后得到一个从2001年到现在涨跌方向的预测结果。这是一个比较粗糙的预测方向,给出一个市场方向的大参考。最近的预测是从10月份开始预测市场上涨。用上证指数做一个标的,用这个模型做一个简单的模拟操作,测出来一个净值,预测的效果很好。
另一个是量化定增套利策略。这是何翔和团队在去年年初开发的,他们更关注定向增发前的部分,从董事会预案公告,股东大会公告通过,然后到证监会审核通过,再到定增公告,不同的阶段去分析、统计哪些阶段会有超额收益。基于这样的思路,他们建立了量化定增套利策略模型,年化可以到10%-20%,但是波动也比较大。
最后分享的策略是基于量化均线突破策略——短线交易策略。这个策略用在所有的股票上,分析、识别均线和K线形态,在历史上满足这个形态的样本,就可以满足这个的策略,一般持有1到3天。这个策略效果还不错,只是可容纳的资金有限,如果扩大样本量,还会有比较好的结果的。
何翔对自己团队的策略如数家珍,看得出来,对策略出来的效果巨满意。
明天还能赚钱吗?
随着对量化的熟络,越来越多的投资者进入了这个圈子,“悍马定理”创始人冯正平给这些新的宽客提出了宝贵建议:
原来做主观交易的投资者有盘感、经验、好心态、能够操作大资金,建议他们组建一个团队,和一些做量化投资者结合起来,一起做市场,会少走弯路。
现货投资者,因为原来现货做的好,规模大,拥有丰富的社会资源,基于现货市场的定价机制形成了自己的一些的方式,如果做量化,建议他们先实现程序化,做一些套保或者对冲,无需高深的数学知识也会收入颇丰。
如果是纯量化投资者,因将来的发展趋势会更加智能化,所以要向更复杂的非线性的数据工具倾斜。
对于量化投资的未来发展趋势,丁鹏认为会形成两大流派,一个是策略流派,一个是工具流派。策略流派是开发出各种各样的好策略,发现更多的机会;工具流派是用传统的策略,但工具做得更好、数据更全、效率更高、数据更快。