|
最近很多大型机构非常疑惑的问我，今年不是量化阿尔法的黑天鹅，所有阿尔法策略都几乎失效了吗?为什么喜岳能在阿尔法之殇的2017年创出历史新高呢?你们怎么做到的呢?我的回答 “喜岳今年没做什么特别的” 着实让资方大跌眼镜。现在想想，也许更正确或尖锐的回答是 “如果2017年有阿尔法之殇， 那一定是你一直以来错误的理解了阿尔法” 喜岳今年的阿尔法产品，指数增强，阿尔法加贝塔等所有产品净值一路走高，6月多次创下了历史新高，到底是怎么做到的呢?喜岳的四位博士合伙人，上学的年限加起来100多年，做量化投资加起来再几十年，怎样把融入血液里对量化的理解呈现给大家，我思考了很久，理了以下6个简单的要点，希望能给机构投资人对量化投资有一个正解： 01量化与对冲 是两个独立的词语，换言之，量化可以不对冲，而对冲的不一定是量化。市场上许多机构把这两个独立的词语理解成一个词语，这是错误的。 量化只是一种工具，而对冲不对冲则完全取决于资金对策略风险的偏好而已。量化投资是可攻可守的，当它不使用对冲作为一个进取型策略出现的时候，收益特征会与主动多头的权益类产品类似。比如喜岳2016年4月发行的指数增强类型产品，发行至今收益29%，最大回撤8%，年化波动率13%，这是一个纯量化的指数增强，完全不对冲，收益和风险特征就与优秀的主动多头非常类似。 而对冲的策略也不一定是量化投资，主动投资管理人也可以选择适当对冲相应的股指期货来降低风险，而这些策略是不能称为量化策略的。 02量化与主动投资 两者并不对立，可以有机的结合，这也促成了基本面量化投资的诞生，并且成就了像BGI(全球最大的资管公司)和AQR(全球最大的量化对冲基金)等著名量化投资团队的成功。 主动投资理念以及其逻辑思维方式是完全可以交给电脑去模拟和计算的。很多机构把量化投资狭隘的理解为统计套利或是高频交易，认为量化和主动投资是风马牛不相及的两种投资，这个也是错误的。 说基本面量化投资的难度是极高的一点也不为过，因为它需要对数学，经济学，金融学，会计学，甚至心理学融会贯通，还需要有深厚的计算机编程能力来将这些知识通过程序显现出来，这就不难理解为什么美国知名的量化公司Renaissance(文艺复兴)的创始人Simons (西蒙斯，数学博士)曾经是FBI(美国中央情报局)一名优秀解码人员。 03阿尔法和贝塔是什么? 对不起，这里不放公式真的不行 如图所展示，证券投资的收益率可以分解成两部分，第一部分是和市场(包括大市的收益，大盘或小盘，成长或价值，不同行业等风格)相关的，这部分收益叫贝塔(Beta)，剩下的无需承担任何以上风险的收益才叫阿尔法(Alpha)。 真正的阿尔法很难获得，所承担的风险非常低(基差风险除外)，获取的成本比较高。然而很多靠赚相对容易的贝塔收益的管理人混淆这两者的界限，让资金方分不清收益的来龙去脉。然后一旦出现系统性风险，就会说黑天鹅事件来了，阿尔法之殇。 比如今年上半年小盘股跑输大盘蓝筹股，这是个贝塔风险，绝非阿尔法的来源。一直靠买小盘股对冲大盘股是在某些情况下是可以赚钱的，但这个赚的是贝塔的钱，是风险溢价的钱，并非阿尔法。 04阿尔法从哪里来?又到哪里去? 这个问题要真正讲清楚，至少需要写100多页的篇幅。但简言之阿尔法的来源是两个条件并存：1.市场无效，某些资产在某些时刻出现错误定价;2.这些错误定价会被专业的信息使用者发现，并作科学的获利了结，至此这个资产的错误定价结束。 那为什么在中国阿尔法比较高呢，最大的原因是非理性的散户参与度比较高，所以市场的无效性比较明显。其次，中国资本市场的信息失真度较高，专业的信息使用者(比如喜岳)会用大量的科学模型来仔细斟酌和判断公开信息的质量好坏，从而使投资决策迅速而有效，在完成获利的过程中帮助市场消灭错误的资产定价，提高资本市场的有效性。 中国市场总体的阿尔法什么时候会逐渐消失呢?这一定是个漫长的过程。因为只有随着散户参与度的减少(excuse me, are you kidding me?)和上市公司信息披露质量的提高(I have a dream)的情况下逐渐消失。 05机器学习在量化投资里的应用 AlphaGo汇聚了所有的智慧和效率，是成千上万个人类工程师的心血之作，最终打败了人类围棋高手。将机器学习引入量化投资也是很多量化团队的梦想，但现阶段还仅仅是梦想，离成为最终的现实还差得很远。 和许多量化团队一样，喜岳在这方面也投入了巨大的力量，但远未到收获果实的秋天。所以简言之，机器学习/人工智能在量化投资领域的应用中还有很大的上升空间，未来让人充满了遐想。 06收益与风险 收益和风险永远是并存的，任何投资离开风险来谈收益都是不现实的。评估一个量化投资策略的好坏只能通过夏普比率(Sharpe Ratio)或是信息比率(Information Ratio)。一个收益20%的和一个收益8%的策略，不一定是前者好，因为前者可能是承受了比后者高好几倍的风险得来的，所以收益和风险要一并考虑才全面。 比如喜岳旗下的指数增强产品和择时对冲产品，两者的夏普比率(Sharpe Ratio)或是收益风险比是非常相近的，收益却可以完全不同，这说明这两类策略的风险非常不同，而需要配置是什么策略完全取决于资金对风险的偏好和需求。以下图表数据截止至2017年6月30日。 编者语--喜岳的邀请 喜岳投资作为中国量化投资的领军团队，与中国多家大型保险和银行机构合作，覆盖了全对冲纯Alpha、择时对冲和Beta指数增强等一系列风格的产品。在今年以来市场风格分化明显和负基差的行情下，多数量化基金遭遇了回撤，市场上量化复合策略的平均收益为负，而喜岳依靠对Alpha的正确理解和坚实内功，旗下各类产品悉数获得了正收益，并且显著跑赢行业平均水平，6月更是数次创下净值新高。 喜岳的四位合伙人在2014年创立喜岳之前已经相识相知十多年，对彼此的风格，特长以及人品非常熟悉。CEO周欣和首席风控官岳衡均于美国杜兰大学获得博士，周欣曾任加州大学伯克利商学院的讲座教授，岳衡曾任北京大学光华管理学院的会计系主任;CIO唐涛和首席衍生品研究官陈晖两人都是芝加哥大学金融学博士，唐涛曾受聘于加州大学伯克利分校商学院教授期权定价课程，而陈晖则为麻省理工大学商学院金融系终身教授。 作为带着学术基因的团队，喜岳的科学量化投资逻辑不仅在过去三年的中国A股市场的血雨腥风中得到印证，并成功申请到香港证监会颁发的资产管理牌照(9号牌照)，顺利发行第一只海外产品。四位海归博士归国创业几年，终于又开启了从国内到国际化资管的道路。 喜岳见证了疯牛般的2014，过山车般的2015，监管严格的2016，以及风格轮动的2017，在风雨过后依然能在舞台上发出光彩，并创出历史新高，为客户们的信任交出了一份满意的答卷。近期喜岳还与业内领先的互联网私人银行深圳市慢钱网络科技有限公司(以下简称“慢钱”)宣布达成独家战略合作，双方成立的合资公司——“慢钱喜岳”，以金融科技为方向，在量化投资、智能投顾等领域开展业务，结合喜岳团队在量化投资领域的科学算法与慢钱丰富的数据基础、领先的大数据挖掘分析能力，将进一步满足投资者的多元化资产配置需求。 小小透露一个情报，喜岳即将举办三周年庆典活动。届时除了智商和颜值双爆表的四位合伙人同台分享量化投资的干货以外，还有重量级神秘嘉宾到场。 敬请期待：继周欣(图中)发表本文“2017年阿尔法之殇?”，近期内岳衡(图左)会发表纯干货“基本面量化的事前风控的那点事”，紧接着还会有唐涛(图右)发表“贝塔择时，真知识乎?伪科学乎?”届时欢迎指正。大名鼎鼎的麻省理工金融教授陈晖则会在年中策略会上给大家带来耳目一新的量化另类投资分享。喜岳投资，量化超越。 |
|
|
