|
这个圈子不大，在外行看来还颇具神秘感。在国外他们被称为“黑箱投资”，用公式打败市场；在国内他们低调甚至有些边缘，模型和数据是最亲密的伙伴。他们所从事的工作，就是量化投资。 在股票投资经理津津乐道主题投资、公司调研，抑或年线、月线、周线之时，量化投资人言谈之间都是建模型、样本数据、matlab或者python（程序设计语言）。如果你认为，他们和IT码农无异，又大错特错，和所有金融圈的投资人一样，他们每天都在计算如何与资本市场博弈，如猎人一般狙击一切可能的获利机会。 想法（sense）、数学和编程，是量化投资重要的三个要素。编程，在具体的工作实践中能够不断精进；数学，靠的是多年系统性教育打下的基础；最核心也最难的，还是sense，这需要经验、灵感，以及悟性。 一位资深量化投资人这样告诉上证报记者：“我们的工作就是从海量数据中去捕捉和挖掘可能对投资产生影响的因子，并通过模型去演绎和检验。挖掘这些因子需要有思路有想法，这个因人而异。” 正因为如此，对市场有效的模型是量化投资最核心的秘密武器，而各家公司对此讳莫至深。“这个市场永远不缺模型，缺的是管用的模型和会用模型的人”。 喜欢被称为 “宽客”的量化人 工作主要是设计并实现金融的数学模型，靠数学模型分析金融市场，包括衍生品定价、风险估价、预测市场行为等 与码农相比，量化投资圈的人似乎更乐意被称为“宽客”，甚至是“矿工”。 “虽然都是写程序，但我们做的事情和码农不一样。”从事量化投资已4年的方磊（化名）向记者强调。 所谓宽客（Quant），即金融工程师。其工作主要是设计并实现金融的数学模型，靠数学模型分析金融市场，包括衍生品定价、风险估价、预测市场行为等。 初次见方磊是在一家咖啡馆。他很准时，黑框眼镜、西装革履，但举手投足之间仍有一些书生气。 方磊2005年毕业于国内某名校数学系，后赴法国继续攻读数学硕士。后来在欧洲一家科研中心运用数学模型计算和分析飞机机翼上的气旋，研究如何让飞机飞行更平稳更省油。2009年回国，目前在一家大型私募基金从事量化交易。 在量化投资圈里，方磊的履历颇具代表性。与金融圈普遍对金融、财务等专业背景颇为看重不同的是，量化投资更加青睐自然科学背景的学生，比如数学、物理、统计学，或者计算机。 虽然回国后转向了资本市场，方磊并不认为自己偏离了科研的轨道。对方磊来说，量化投资与机翼气旋的计算分析异曲同工，是类似方法在不同领域的运用。“这就是量化投资的奇妙之处。大家把各自学科领域的研究拿出来用到金融市场，试图找出一些规律。” 建模型，是方磊最着迷的事情。每天早晨到公司，方磊都会先花半个小时把最新的金融工程研报翻一遍，看看同行的思路。上午一般会和同事交流现有的模型如何改进，下午则全心投入到做模型中。“在外人看来我整个下午就是在编程。不过金融量化里的编程更多的是偏向数据分析，很多时候是在和数据打交道。”方磊称。 据方磊介绍，建模型得先有一个想法，比如“过去一个月涨幅高的股票，在未来5天跌的可能性比较大”，就编个程把这样的想法用计算机语言表述出来，然后导入外部数据源的数据演绎一遍，由此获得一个股票池。统计这些股票的收益，如果靠谱，这个模型就可以先拿来模拟，每天尝试用一小部分资金去运作。 与国内大多数还只把量化当作选股工具的机构相比，方磊供职的私募在量化投资方面已算是走在前沿。方磊所在的小组主要从事ETF、其他股票池和股指期货的对冲套利，加上另一个专门做商品期货、股指期货等衍生品的量化小组，资金规模接近20亿元。 在其公司，一个产品内部往往有十多个不同种类的策略在运行，在这十几个策略的背后，还有几百个备用的策略在同步模拟运行。研究员会对这些模型进行判断和分析，及时撤掉不适合市场或者风险太大的策略。 不过，对方磊这样的海归来说，最大的困境还是对中国资本市场不太适应。甚至有不少在华尔街表现很好的模型，拿回国内却失效。 方磊坦称：“刚回国的时候看到每家券商金融工程的报告都觉得做得很好，根本不能分辨哪些真的有效。现在给出一张图，就能看出哪些能够实施哪些不能。这需要时间和经验的积累。” 量化对公募只是辅助性工具 业绩排名压力，加上金融衍生工具对冲的限制，决定了公募量化基金要想在年度考核中表现良好，不得不增加主动管理的手段去应对这一风云变幻的市场 “公募基金并不适合做量化。”初见记者，张弛（化名）就开门见山地说。 张弛，2000年毕业于国内某名校概率论与数理统计专业，之后一直混迹资本市场。2008年开始涉足量化研究和投资，目前为上海某公募基金金融工程总监。 和张弛的访谈是在其公司的会议室。收盘后，他夹了个笔记本快步走了进来，和记者握手坐下后，便直奔主题，谈论起量化投资。 对于奋斗在公募基金的量化投资人来说，要把量化发挥得淋漓尽致颇为困难。张弛告诉记者：“除了指数增强基金和纯指数基金是和指数赛跑，其他量化基金都要参与业绩排名。只要参与排名，那么国内没有哪个公募基金能够完全做到量化，都会掺杂主动管理的成分。这和私募做绝对收益不一样，完全是另一套游戏规则。” 张弛打了一个比方，这就像玩德州扑克，你不需要最好的牌技，只需要找到比你更差的对手。要用到数学方法算牌，更要揣摩对方的手牌。做量化也不能只看数学模型，还要多观察市场，依靠经验和嗅觉来避险、获益。 还有一点令公募量化基金甚感无奈，无法实现股指现货和期货的完全对冲。他们只能在股票现货端玩花样，比如择时策略、事件性策略或者多因子选股策略等。 “我们做量化的方法和私募的现货端一模一样，但私募能运用得更充分。比如同样是多因子选股，在市场出现大幅波动或者下跌时，私募可以用衍生工具去做完全对冲，而且换仓自由灵活。公募则不行。”提到这样的困境，张弛无奈地耸了耸肩。 事实上对量化投资来说，金融衍生工具必不可缺，而且衍生品越丰富越有利。日内做空和对赌的工具更多，交易方式更多，量化投资就能设计出更多的策略来对冲风险博取收益。而这一点，公募量化基金恰恰可望而不可及。 但对私募来说，这些都不是问题。方磊告诉记者：“我们每天都会保持一个较高的仓位，追求的不是选对了波段，而是每天持仓操作都比指数高那么一点点，同时通过做空工具对冲。年化收益率可能就只有8%、9%，但是比较稳定而且持续。” 业绩排名压力，加上金融衍生工具对冲的限制，决定了公募量化基金要想在年度考核中表现良好，不得不增加主动管理的手段去应对这一风云变幻的市场，量化则更多地扮演辅助性工具的角色。比如通过量化的各种策略筛选出一个股票池，再结合行业研究的方法从中选出一部分个股；又或者是承担现金风险管理的功能。 刚刚起步的国内量化投资 “中国人在国外做量化只是做衍生品开发和定价，真正的投资很少能够参与。国内量化刚刚起步，起步就是机会，还是早点回来占坑比较好。” “不要太迷恋自己做出来的模型。A股市场瞬息万变，很多因素都不在意料之中。”对此，顾川（化名）有深切的感受。 顾川2009年硕士毕业于国内某名校数学专业，之后进入上海一家公募基金从事金融工程分析师工作，今年开始接管一只2个亿规模的指数增强型基金。 在今年3月份的那波下跌行情中，顾川的模型发出信号大盘可能会有一定的反弹，小盘的银行股是买入的时机。按照模型指令顾川买进了兴业银行。但是不久，银监会发布“8号文”叫停银行间债市线下交易，银行股应声下跌，兴业银行连续两个跌停。 政策性因素扰动、历史数据不足、数据准确性差、金融衍生工具不够丰富，这些都是量化投资在国内市场的瓶颈。 对于数据的不充足以及准确性差，顾川也深受其苦。“我们的财报质量和国外压根不能比，数据商提供的数据也质量堪忧。再加上可查阅的数据只能追溯到最近的6、7年，这些都影响了模型的有效性。” 历史数据不足则导致国内量化模型过度拟合的现象非常普遍。过度拟合（overfitting），是指对样本数据描述的准确度很高，而对样本外数据描述的准确度却很差。具体到程序化交易中，就是历史行情效果很好，但在未来行情中却失效。 “比如一个模型2006年至2009年运行表现很好，但80%的收益可能来自2007年的大牛市，这就意义不大。所以需要不断调整，找到一个样本内和样本外各项指标都表现一致的模型。这样严格筛选下来，再加上几个月时间每天小部分资金的尝试运行都没有问题，才敢把这个策略拿出去用。”顾川向记者解释道。 金融衍生工具不够丰富，也是国内量化投资的重要掣肘。目前国内量化投资能够运用到的衍生工具包括商品期货、股指期货和国债期货，但限制颇多。比如股指期货，国外鼓励多挂单提升流动性，而国内相反，每天挂单不能超过500手。虽然专注期货市场的量化投资容易获得超额收益，但套利空间有限。 对此，方磊笑称：“国外甚至会设计一些策略拼命挂单，以对这个市场造成扰动从而获利。我们是每天都有一个计数器在算，很珍惜每次挂单的机会。” 尽管如此，无论是在私募如鱼得水的海归方磊，还是在公募“带着镣铐跳舞”的张弛和顾川，都表示还会继续坚持量化这条路。 方磊告诉记者：“中国人在国外做量化只是做衍生品开发和定价，真正的投资很少能够参与。国内量化刚刚起步，起步就是机会，还是早点回来占坑比较好。”
附文： “黑箱投资”能给资本市场什么著名量子物理学家薛定谔有一个广为人知的实验设计，将一只猫置入黑箱，将其生死与黑箱中的某种放射性元素是否衰变关联起来。通过一系列的装置设计，微观的概率事件被放大到了宏观尺度，造就了一只被观察前“既生又死”的“薛定谔之猫”。 同样的哲学内涵也出现在了量化投资这一似乎与物理学风马牛不相及的领域中。当量化投资从业者津津乐道于其模型的高效安全时，其复杂精巧的程序也如同一个神秘莫测的黑箱，以及其中生死难料的猫：很有可能是有效的，但下一刻会怎样，谁也不知道。 在光大证券8·16事件之后，量化投资这一外人难以看透的“黑箱”一夜之间似乎又被国内投资者视为潘多拉的魔盒，稍有不慎就会释放出灾难。 “黑箱”之中究竟藏着怎样的精灵，它给资本市场带来究竟是可怕的梦魇，还是全新的希望？ 离不开电脑的量化投资 从广义上看，量化投资包括指数化投资、量化纯多头投资以及市场中性策略等几大投资范畴。 而狭义上的量化投资，则可理解为借助现代统计学和数学的方法，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，用数学模型检验及固化这些规律和策略，然后利用计算机严格执行已固化的策略来指导投资，以求获得持续的、稳定且高于平均的超额回报。 上海高级金融学院副院长严弘在接受上证报记者采访时称，量化投资的本质在于建立数学模型捕捉市场运行过程中出现的交易信号，从而指导具体的交易行为。 量化交易与计算机技术的结合有其必然性。目前常用的量化投资模型对交易的时间精度以毫秒计，远远超过了人类所能具备的反应速度，只有计算机能够胜任。交易者甚至会希望缩短终端与交易主机之间的物理距离来寻求更快的交易。离开计算机，量化交易就只是一纸空谈。 “人性”依然至关重要 业内流行这样一种表述：模型是数量化投资的灵魂，流程是数量化投资的命脉，系统是数量化投资的骨骼。因此，模型化、流程化、系统化是量化投资最重要的三个特征。根据模型进行投资决策，排除人为主观因素的干扰，也是量化策略强调的基本原则之一。但是否可以就此简单地认为，量化投资是一项主要依靠机器的投资方式？ “量化投资最重要的仍然是投资理念，包括对市场、对投资的理解，建立数据模型本身就暗含了人的主观能动性。因此，量化投资不是被动投资，模型的设立、选择和调整都可以理解为一种主动的过程。”一位常年从事量化交易的业内人士如此评述。 据其介绍，通常情况下，量化策略会采用多种数据模型，有时不同模型得到的结论也会出现矛盾，这时就需要投资经理去理解各个模型之间的内在逻辑及其使用环境，从而在相互验证的基础上做判断。 实际上，量化投资也是一种投资方法。引用某资深业内人士的表述：“其精髓和优势在于，它是人脑的延伸和发展，可以让投资人更全面、系统地看到所需要的东西。” 模型黑箱存在各种风险 业内人士表示，通过建立数学模型描述市场运行的规律在实践中固然高效，但也存在多种风险。其中包括依赖计算机带来的操作风险、市场无法容纳交易需求的流动性风险，以及数学模型中因子失效的模型风险。其中，数学模型失效可能是量化投资者常面对的风险。 一位主营量化投资的私募机构负责人表示，一条成型的交易策略中往往包含上百个变量因子，对应市场运行中表现出来的不同特征。编写这样一组策略大致需要2个月的时间，之后则是几乎同样耗时的优化过程。所谓优化，就是将策略纳入历史数据进行仿真测试，同时对策略中因子的数学关系进行微调，直到该策略在历史数据中得到令人满意的回报。 但该负责人坦言，这种被称为数据挖掘的策略形成方式可能存在“过度拟合”的问题，即数学模型被刻意调整成尤其能在历史数据中获利的形态，而在普适程度上有所减弱。当市场规律与历史数据发生某种变化时，模型就面临失效的风险。 也因为量化投资的核心竞争力隐藏在其数学模型黑箱中，在营销实践中，从业者很难像立足于基本面分析或是行业研究的职业投资人一样讲出令客户信服的故事。他们赖以获利的法宝尽管被实践证明有很大的概率是有效的，但为何有效可能连自己都难以说清，也就更难打动客户。量化投资基金管理者唯一能够打出的王牌，就是其历史业绩，这也在一定程度上强化了量化投资基金通过数据挖掘形成策略的意愿。 而严弘教授则称，从海外市场的发展动向来看，具有实体经济原因支持的量化数学模型正在越来越得到市场的肯定，有望成为未来量化投资基金的发展方向。 |
|
|
