量化投资 通过分析海量数据获取超额收益作者：牛牛
量化投资相对于传统的投资，可以更稳定、可靠，避免情感因素，也具有客观性和绝对的执行力 随着互联网的飞速发展，新概念在全球得以快速传播，量化投资对于国内投资者而言，也不算陌生。但是，真正的量化基金在国内还比较罕见。 量化投资是指通过数量化方式及计算机程序发出买卖指令，以获取稳定收益为目的的交易方式。如今，机器学习的发展对量化投资起了促进作用。 值得注意的是，通过拓展获取信息和决策的广度，可以从海量的历史数据中寻找能够带来超额收益的多种“大概率”策略，并运用数学模型将资金筹码分散押在这些策略上，努力克服市场情绪的侵蚀，从而“把对未来市场的预见转化为高回报”。 随着20世纪80年代以来各类证券和期权类产品的丰富和交易量的大增，华尔街已别无选择，不用这些模型，不使用电脑运算这些公式，他们便会陷于困境，自招风险。 然而，1997年-1998年的亚洲金融危机，市场暴跌，量化投资的算法交易也起到了同样的坏作用。此外，始于2007年的金融危机中，量化投资也未能幸免。时过境迁，2011年，量化基金再次表现优异。 揭开量化投资的神秘面纱 稍微接触过资本市场的人，大都听说过基本面投资和价值投资。相比之下，与价值投资同等重要的量化投资，即借助数学、物理学、几何学、心理学甚至仿生学的知识，通过建立模型，进行估值、择时及选股，则没有那么幸运，在大多数人眼里，量化投资是一个神秘的领域。 那么，量化投资与传统投资有何不同？ 传统投资，是在投资过程中使用基本面分析或技术分析，股票交易价格和市场操作依赖于人的分析方法，通过人的经验和判断来确定资产配置、股票选择和时机，并通过专业人员完成交易。而量化投资是通过现有的量化投资策略进行分析判断。 分析人士指出，如果说基本面分析是吃一整条鱼的话，那么量化投资吃的就是一碗鱼籽，投资者无法通过量化投资赚一大笔钱，但是可以赚到无数笔小钱。然后积土成山，积水成渊。 在交易实施方面，传统的投资一般由专业人员执行手工交易，而量化投资通过程序系统化机械化完成执行交易过程。传统投资方式中分析交易人员很容易受到自身情绪影响，使得最终的投资结果偏离理性的分析结果；而量化投资利用程序分析现有的数据，根据程序化投资策略完成判断，避免了分析与决策在情感方面的负面影响。 因此，量化投资相对于传统的投资，可以更客观、稳定、可靠，避免情感因素，也具有客观性和绝对的执行力。 在决策的对象范围方面，传统投资方式能够实时跟踪的股票或期货等产品数量有限，实施决策分析的技术指标有限，造成投资决策的范围很窄；而量化投资使用计算机程序执行策略进行定量的分析和判断，随着计算机运算速度的提升，跟踪的投资产品可以不受限制，分析的指标可以不断增加扩大。 不过在决策的深度方面，针对量化投资策略的使用，需要不断更新优化以适应市场的变化，使用计算机进行分析，只能维持在现有策略的决策深度；而传统投资方式，研究人员可以根据市场行情的变化，进行更深层次的投资分析。 量化投资具有四个方面的特点：纪律性、系统性、套利思想以及概率取胜。 纪律性的好处有很多，比如可以克服人性的弱点，如贪婪、恐惧、侥幸等心理，也可以克服认知偏差。纪律性的另外一个好处是可跟踪。一个好的投资方法应该是一个“透明的盒子”。它使得我们的每一个决策都有理有据，特别是有数据的支持。 系统性具体表现为“三多”：多层次、多角度、多数据。在一个很大的资本市场，比如有成千上万只股票的时候，人脑处理信息的能力是有限的，而强大的定量投资的信息处理能力能捕捉更多的投资机会，拓展更大的投资机会。 套利思想是指定量投资寻找估值洼地，通过全面、系统性的扫描，捕捉错误定价、错误估值带来的机会。 最后，概率取胜，主要表现为两个方面，一是定量投资不断从历史中挖掘有望在未来重复的历史规律并加以利用。二是依靠一组而不是一只或几只股票取胜。 数学家们扬眉吐气 量化投资看似神秘，但并不古老。它从20世纪70年代开始逐渐兴起，90年代才大行其道。之所以如此，是因为量化投资有其诞生的特定土壤，需要一系列的条件方能破土而出，这些条件其实相当苛刻。 很难想象，量化投资技术并非发端于华尔街，而是肇始于学术象牙塔里的少数“怪才”，他们长期不被正统的经济学所接受，甚至遭到排斥，因此处境艰难。 1952年3月发表“投资组合选择”论文、提出现代财务和投资理论最有洞见的马克维茨，以该理论参加博士答辩，竟然战战兢兢差点未获通过。 马克维茨的投资组合理论，提出了风险报酬和效率边界概念，并据此建立了模型，成为奠基之作。托宾随后提出了分离理论，但仍需要利用马克维茨的系统执行高难度的运算。 夏普1963年1月提出了“投资组合的简化模型”，一般称为“单一指数模型”。马克维茨模型费时33分钟的计算，简化模型只用30秒，并因节省了电脑内存，可以处理相对前者8倍以上的标的证券。 1964年，夏普又发展出资本资产定价模型(CAPM)，这是他最重要的突破，不仅可以作为预测风险和预期回报的工具，还可以衡量投资组合的绩效，以及衍生出在指数型基金、企业财务和企业投资、市场行为和资产评价等多领域的应用和理论创新。 1976年，罗斯在CAPM的基础上，提出“套利定价理论”(APT)，提供一个方法评估影响股价变化的多种经济因素。布莱克和斯克尔斯提出了“期权定价理论”。莫顿则发明了“跨期的资本资产定价模型”。这些理论不同程度上推动了量化投资的发展。 比较早的时候，华尔街对学术界把投资管理的艺术，转化成通篇晦涩难懂的数学方程式一直持有敌意。他们认为，投资管理需要天赋、直觉以及独特的驾驭市场的能力，基金经理可以独力打败市场，而无需依靠那些缺乏灵魂、怪异的数学符号和缥缈虚幻的模型。 在美国，20世纪70年代初期表现最佳的基金经理人从未听过贝塔值（贝塔值用来量化个别投资工具相对整个市场的波动，将个别风险引起的价格变化和整个市场波动分离开来），并认为那些拥有数学和电脑背景的学者只是一群骗子。 1973年-1974年美国债券市场和股票市场全面崩盘，明星基金经理人烟消云散，财富缩水堪比30年代大萧条。当时，颇有先见的投资顾问兼作家彼得·伯恩斯坦认为，必须采用更好的方法管理投资组合，并创办了《投资组合》杂志，一出刊便获得成功。 此后，随着80年代以来各类证券和期权类产品的丰富和交易量的大增，量化投资光彩炫目，一时间风光无限。 然而捧得越高，摔得越狠。1997年-1998年间爆发的亚洲金融危机中，量化投资的算法交易起到了一定的负面作用。此后，始于2007年的金融危机，量化投资也未能幸免。 最直接原因是，很多股份直接通过电脑而不是经由交易所交易。一些采用投资组合保险策略的公司，在电脑模式的驱使下，不问价格机械卖出股票。很多交易员清楚这些投资组合会有大单卖出，宁愿走在前面争相出逃，加剧了恐慌。针对整个投资组合而非单个证券，机械式的交易，电脑的自动操作，使得这种量化投资出现助跌之效，大量的空单在瞬间涌出，将市场彻底砸垮。 然而这些并不能将量化投资完全否定。挫折也会带来量化投资技术的更新和完善，比如在模型中设定新的变量，尤其是加入以往并未包含的宏观经济参数。 沃伦·巴菲特是投资界人尽皆知的“股神”，但可能很多投资者不知道著名数学家詹姆斯·西蒙斯。据联合证券基金研究小组日前发布的研究报告，西蒙斯管理的大奖章基金从1989年-2007年间的平均年收益率高达35%，而股神巴菲特在同期的平均年回报也不过约为20%。其超越巴菲特的秘密武器就是量化投资。 量化投资的基本策略 对于普通投资者而言，首先要弄清一个概念，什么是“量化”？ 一般而言，具备以下四个因素就是量化：1）对海量的数据进行分析；2）运用统计分析的方法；3）运用计算机、甚至大型计算机作为辅助工具，进行数据存取、统计分析和策略实证测试；4）寻找统计规律，基于大概率思想制定投资和交易策略。 同时，量化是依靠于机器来抓取套利机会，机器可以不吃不喝24小时全年无休，所以，量化的优势在于“量”。 量化投资技术几乎覆盖了投资的全过程，包括量化选股、量化择时、股指期货套利、商品期货套利、统计套利、算法交易、资产配置、风险控制等。 量化选股就是采用数量的方法判断某个公司是否值得买入的行为。根据某个方法，如果该公司满足了该方法的条件，则放入股票池，如果不满足，则从股票池中剔除。 量化择时即股市的可预测性问题与有效市场假说密切相关。如果有效市场理论或有效市场假说成立，股票价格充分反映了所有相关的信息，价格变化服从随机游走，股票价格的预测则毫无意义。 众多的研究发现我国股市的指数收益中，存在经典线性相关之外的非线性相关，从而 版权归本刊编辑部所有，如需转载请联系voice@creditease.cn
温馨提示：《宜信月刊》现已通过EMS直邮给尊享客户，电子版杂志可在“宜信财富”App和微信公众号“宜信月刊”（yixinyuekan）“在线读刊”区浏览。如客户想要退订纸刊，请在微信公众号“宜信月刊”留言或拨打95183联系我们
|
|
|
