| 2016年6月1日17:00牛股王邀请@天弘基金做客《牛人访谈》聊量化策略以及天弘在量化基金投资方面的实践。本次做客基金经理是刘东，刘冬有十年证券行业从业经历，是天弘基金“容易宝”系列指数基金基金经理，天弘基金资产配置研究小组负责人，对宏观和策略研究有深刻的理解。 牛股王的朋友们，大家好！ 今天非常高兴和大家交流我对于量化策略的认识。说实话，我其实并不是专业做金融工程和量化研究的，我之前主要从事的是宏观研究和策略研究，这次受牛股王邀约来与大家交流量化策略的话题，更多也是站在个人理解的视角去看问题，因此，说的不对的地方也请大家包涵和见谅，并欢迎大家拍砖。 【什么是量化投资】 首先谈一下我对“量化投资”这四个字的理解。“量化”包含了两层含义，“定量”和“数量”。 定量是相对定性而言的，比如我们觉得某个公司未来发展前景很好，值得投资，这就是一种定性的描述。而如果我们说这个公司的股票未来一年的预期收益率为100%，这就是定量的描述。通过定性描述的两个事物之间可能是不可比的，比如两个都被描述为“好”的公司哪个更优秀？但通过定量的描述，就增加了两者之间的可比性，比如预期风险都相同的两个股票，我们会倾向于选择预期收益更高的那只股票。 数量是指量化投资中所用的策略都是通过大量的数据样本来进行历史回测和检验，并且体现出统计上的显著性和稳定性，这样的策略才会被应用于未来的投资。比如，1000次成功800次的投资方法与5次成功4次的方法相比，前者更加可靠。 【散户能否做量化策略，专业机构的优势在哪】 有一个问题，经常被朋友问到，只有用计算机程序来实现的策略才算量化策略，是不是不会写代码就做不了量化策略？如前面所述，量化策略在进行回测的时候需要大量的样本，而且量化投资中的很多策略也对交易速度有所要求，在这两方面，使用计算机几乎是唯一的解决方法，所以量化投资也是伴随着计算机技术的发展和统计科学的进步发展起来的。坚实的数学和计算机基础，稳定高效的开发团队，良好的硬件设施，都是进行量化投资必备的条件，也是对于普通投资者的门槛。普通投资者可以用某些交易软件中开发好的模块做一些简单的二次编辑和开发来完成自己的量化策略构建，但也只能进行交易频度比较低的投资。所以我在普通投资者与量化投资之间的观点是，“专业的事情还是应该交给专业的人去做”。 机构之间在量化投资上的差异化也比较大。这是因为量化投资的细分子类很多（比如在标的、策略、频度上的不同等），一个团队可能专精于其中的少数几个方面，但难以对所有方面都有所覆盖。再加上公司理念、投入程度、人员配置等方面的不同，所以各机构可能在某些方面更加具有优势。 【量化投资的核心逻辑和具体应用】 投资不论主动还是量化，其前提都是市场并不是完全有效的，在局部时间或空间上是弱有效或者无效的。这样一些隐藏的规律才会长期有效，而量化就是通过历史回测，用统计的方法来发现这种具有规律性的地方，并不断进行投资，从而获得其中隐含的收益。当某一规律为市场所认同，就会逐渐消失，不再具有收益空间，对其规律的投资也会失效。 要说到量化策略在A股投资实践中的应用，很多人觉得量化策略非常神秘，因为是基于市场中海量信息的挖掘和处理，方向可能是随机的，甚至连框架都是跳跃不连续的，我倒是觉得可以将A股策略研究的几个维度映射到量化策略研究上，区别在于前者偏主观，纳入政策预判等不可量化因素，而后者更偏向于用数据说话，具体来看A股策略的大势研判对应为量化选择时，行业比较对应到基本面量化&行业轮动量化，而主题策略对应到投资者情绪、微观市场行为。当然，量化策略研究还有量化选股这块是对A股策略的一个补充。量化选股的方法如多因子分析、资金流分析、事件驱动等，量化择时方面的经典模型有市场情绪跟踪、趋势跟踪、分形等，均不在此赘述，感兴趣的朋友们可以参阅相关量化投资书籍进行深入学习。当然，最后想强调的是模型不是越复杂越好，好的模型背后仍然是需要一个合理的假设在支撑的，通过过度的数据挖掘做出的模型虽然回测效果好，但对未来投资的指导意义不一定强。 【天弘在量化投资上的实践和探索】 最后，简单跟大家介绍一下天弘在量化投资上的实践和探索。天弘基金成立了专门的大数据量化研究团队，专注于以大数据指导投资，依托量化挖掘价值。 在大数据量化指数的编制上，天弘一直处于创新的前沿。15年，与蚂蚁金服合作推出了中证电商大数据指数，运用多因子量化模型根据综合财务因子、市场驱动因子、电商大数据因子等选取综合评分最高的100名作为样本股。 在探索指数基金工具的量化投资和组合投资道路上，天弘的思路非常清晰。通过布局十九只指数基金，涵盖不同的宽基、行业、主题指数，在费率上处于行业内较低水平，在转换效率上也是业内较快，非常适合作为量化投资应用实践的工具，可以用于行业/主题轮动策略或择时策略。 |
|
|
