“量化投资的未来”精英经理人闭门会

2014年12月9日，中信证券在成都召开了量化投资经理闭门会议。公募基金、保险、银行等各类机构的知名量化投资经理参加了会议。会议恰逢市场风格逆转，大量量化对冲产品发生较大回撤的时期，嘉宾们针对当前的市场风险、量化投资发展所遇到的问题，以及未来的发展方向、大数据与量化投资的结合等各类问题展开了精彩的讨论。

议题一：量化产品在投资运作中需注意的问题

1. 量化产品的边界条件：条件越清晰，效果就越好

任何一种投资策略如果没有边界条件都是不合理的。例如，巴菲特的长期持有策略、价值投资等，在中国这个投机性非常强，以及考核机制并不完善的市场中并不是十分合适的，而且巴菲特本人的交易其实也十分频繁。巴菲特投资高盛可转债时，正值金融危机下高盛濒临崩溃之时，当时高盛的股价为110美元，所发行的可转债票息高达10%。但是在2009年3月份其股价跌至53美元，如果我们的公募基金这样投资的话，基金经理压力会非常大，亏损如此之高，但是巴菲特却做到了长期持有。后来高盛股价回升后大家都说这笔投资非常好。这个例子告诉我们，量化投资同样要有非常清晰的边界条件，这样量化才能发挥优势。对量化投资最不利的就是以排名衡量业绩，因为它的边界条件很不清楚。中国市场的变化很大，而我们没有比较好的方法来以排名进行建模。

2. 量化策略要长期坚持

长期坚持很重要，例如以中证500指数为比较基准的量化基金，定义非常清晰。该指数从发布以来，每年跑赢沪深300大约9%，当然今年把12月份算上之后可能会稍微打个折扣。确定好了边界条件并坚持长期坐下来，最后结果应该还是不错的。但是，每家机构的边界条件不一样，美味投资经理人的感受也不一样，有可能还要加入很多的主观认识。甚至要经常变模型，这才是最大的障碍。那么这个问题怎么应对，办法之一就是尽量多发边界条件不一样的产品。比如南方基金的i100指数，小盘成长特性很强，虽然加入了大数据的概念，但是还是小盘股风格。这个指数本身有好的时候，也有不好的额时候，期望它一直好的做不到的。除了量化成长，量化价值长期坐下来其实也不错，但是过去一两年，特别是2013年确实不好，但是如果坚持下来的话，那么这段时间以来的表现也会非常不错。只要我们所做的因子，大部分是有逻辑的因子，比如换手率、估值等，坚持下来则定会有好的表现。

3. 多因子的处理：不建议直接叠加

目前很多量化多因子模型选择了将因子直接叠加的方法，但是很多因子叠加起来时可能没有逻辑的。建议可采取的方法是：首先使用一些因子把一部分股票过滤掉，然后再用另一些因子进行打分筛选。

4. 加权方式的选择：等权更为合理

对有的指数，在权重的选择上，可能等权更有道理。因此建议构建组合时使用等权方式加权。但还是，等权也一定会设计小市值效应。

5. Alpha和Beta：计算式需要选择同意的参照系

不是任何个股或指数可以计算相对沪深300的Beta。现在很多人可能会使用非沪深300的股票计算相对沪深300的Beta，或者计算创业板指数相对沪深300的beta等，这些都是不恰当的，因为至少到目前为止创业板股票还未调入沪深300，不是任何两个标的都可以直接计算Beta的。

以百度白发100指数为例，计算Alpha正确的过程是这样的：今年前三季度相对沪深300的超额收益为20%到30%。今年一到三季度巨潮A指涨幅大约为22%，百度白发100指数上涨了50%左右。白发100指数相对巨潮A指的Beta大约为1.13，而且沪深300也是从巨潮A指中抽样出来的，沪深300相对巨潮A指的beta大约为0.9。这样白发100指数的收益减去沪深300的收益后大约可以拆分成四个部分：奇异为1.13倍相对整个市场的Beta，其二为减去沪深300相对全市场的Beta，这样Beta贡献的倍数大约为0。23；第三和第四部分即为Alpha，沪深300前三季度跑输全市场大约9%，白发100指数本身相对市场的Alpha在10%-20%，所以相对沪深300的Alpha应该子啊20%-30%。如果选择其他的全市场指数，例如中证全指或者Wind全A指数，结果基本差不多。最近一段时间，白发100指数有些回撤，吐回了部分收益，但是从年初以来的情况来看表现还不错。

6. 回测业绩：国内可能会做的非常高，但外推性普遍较差

很多国内的管理人的国策数据都非常漂亮，Sharpe比率3到4是常态，高峰可能达到5，但在海外0.5到1已经非常好了。一种可能的原因是在某些方面暴露了很高的风险，另一种原因是国内的回测历史短，大约只有5年，把各种策略搭配起来，的确有可能做到这么高的绩效。国外几十年的时间，不可能找到那种业绩很高的因子。但是国内这种处理方法的外推性是比较差的。

7. 超额收益的来源：也是评判策略的重要考察点

我们在看超额收益时还是要看它的来源是什么。如果用估值因子在沪深300中选股做到年化5%的超额收益是非常不容易的，而且这非常符合价值投资的理念，坚持的是信念和原则。但如果用市值因子，就可能会有风格漂移的嫌疑，这样做在组合中增加了很高的风险。但为什么很多人都会使用市值因子呢，因为在目前这个经济发展周期，规模因子比价值因子的收益更高，但风险也会很大。

8. IT支持：国内普遍不足

目前过呃逆的额机构普遍对IT技术不是很重视，没有给交易创造良好的便利性。许多海外的管理人想把海外的交易技术直接引入国内，但发现国内的IT系统做的不好，因此好多从海外回国的管理人目前不是做量化投资，而是在做IT系统开发，而且往往这些人做无风险套利做的很好。另外还有一些在期货领域的程序化交易策略。期货交易其实有很多漏洞，做这种交易虽然不能说是无风险套利，但是风险也很小。比如股指期货，它的ticker数据波动时非常高的，在每一档的交易都反复拉锯，这个就是赚钱机会。股指期货的震荡算是比较高的，商品期货要相对少一些，但也有机会。而且不论震荡市还是牛市，即便在牛市中，指数在拉升的时候这种机会也很多。但这种策略的规模比较有限，最多可能也就只有十几亿元，但如果加入一些其他的策略，就能够混合成上百亿的大组合。

议题二：量化基金的现状与未来发展1. 量化基金的目标年化收益定位约在10%，与债券持平，但波动小于债券为好

过去几年的量化基金相对化身300的年化超额收益大约是10%左右，但它的分布式不均匀的，投资者对此的理解并不完全准确。例如债券的1年票息大约为7%，加上杠杆大约为10%。但我们看到，纯债基金的长期收益，其实也是一年赚钱一年又不赚钱。长期年化后得到的年均收益率也在10%左右。而对冲型产品，它的风险收益特性比债券要好一些，它的波动还是小于债券基金，至少量化型基金今年和去年的收益水平大致相当。

2. 中国的量化基金发展空间巨大

中国股票市场虽然投机性大一些，但在财富管理上和美国差不多。量化基金在中国其实只占很少的一部分，但是后面的发展空间巨大。在美国向smart beta这种产品在共同基金的占比已达24%，所以未来在中国推广量化基金是很有空间的。明年对冲做到10%应该还是可行的。目前只有沪深300股指期货这一种对冲工具，而且他其实不是一个很好的对冲工具。等以后的对冲工具齐全了，国内对冲基金行业可能有更好的发展空间。

目前Alpha策略最大的问题是只有Alpha不做Beta只做Alpha不做Beta，当遇到类似于近期这种Beta行情是非常吃亏。目前市场上的对冲型产品中，大约有一半在回撤，约1/3在赚钱，剩下的基本持平。过去几年量化比较好是因为的收益比固定收益高，所以资金会流入这类投资策略中，并非量化策略本身做的比较好。进入量化对冲的这些资金大多原来投资的是固定收益，它们因为能够承担一定的风险才进入量化对冲。但是如果市场风格一变这些资金就会流出，比如2015年纯Alpha的规模可能就缩的越快。2015年最大的风险就是只做Alpha不做Beta，做Beta策略的可能会吸引一部分资金。做Beta策略也分成两种，一种是被动的趋势跟踪策略，这是一般比较简单的做法：另一种就是预测趋势，例如使用数据进行预测。

3. 未来最流行的策略可能是Alpha加CTA

Alpha策略最怕的是市场暴涨，而CTA策略则在市场暴涨的时候赚钱；CTA最怕的是震荡市，但是震荡的时候往往是Alpha最能赚钱之时。这样两者就可以互相平衡，所以最近Alpha加CTA的产品比较流行。CTA策略就是做Beta，预计明年主要的方向就是Beta策略。未来比较优势在逐渐削弱Alpha策略，同样也包括非标资产和债券。资金流入Beta策略势不可挡。

4. Alpha策略一般最大的回撤只有2-3%，但近期可能达到5%甚至6%

5%的回撤对于大部分投资者来说都是比较大的，而且会给基金留下污点，这要是比较麻烦的。所以未来Alpha策略可能会冷一段时间，但是Beta策略的规模可能增长的比较快，例如不做对冲只进行量化选股，或者通过期指放一定的杠杆这样的策略。

5. 商品期货市场的Beta策略可能也会流行

近期期货市场的变化比较大，成交量上升的比较快，一批做事业、做贸易的资金，也可能会进入期货市场。原来大家可能会忽视商品期货市场，觉得资金量比较小，但最近成交的上升分畅快。目前商品期货大约有三十五只合约，日交易量已经达到100亿，这个交易量足够大多数产品的运作了。仙子阿机构做Alpha策略时换手率大多比较低，但其实换手率更有统计意义。Alpha的本质是统计套利，很多指标在逻辑上可能是无法解释的，但是统计结论在很多情况下可能会变化的很快，所以Alpha策略通常需要样本外有较长的跟踪时间。但是跟踪时间较长也不代表能够覆盖全部的情况，所以做统计套利最终可能会遇到瓶颈。目前很多资金量比较大的“牛散”都在转向Beta策略，他们对市场是有方向性推力的。此前的他们的策略时放杠杆，做劣后资金，这样年化都能赚到40%到50%，但后来发现做Beta也能做到40%到50%，所以目前的主流方向就是转向beta型策略。但是中国股市的特点是牛短熊长，过两年如果股市下来了，就是再次转向Alpha型策略的时候。

议题三：大数据指数1. 指数的逻辑：搜索存量+搜索增量

从投资者角度看，市场交易的股票数量众多，每个人的关注量是有限的：从互联网公司的角度看，他们的数据能够极大的反应投资者群体的行为。个股的搜索关注包括两类，及搜索存量和增量。其中搜索存量是指在互联网哪些股票的持续搜索量比较高，但是相对于搜索存量，增量的预测性更为突出。增量的逻辑与一致预期比较类似，例如某位分析师将某个股票的EPS调高20%，此后其他分析师纷纷相仿，最后导致全市场都产生了这样的预期，这个过程中股价就逐渐将这个信息反应出来。在搜索上的传导过程也比较类似，例如A和B是密友，A向B推荐某一只股票，B可能不假思索就买入了，并且确实获得了一部分盈利；然后B告诉C和D等其他人，如果C、D和B的关系没有那么亲密，他们就可能需要通过搜索来验证一下这个股票的基本面，考察这个公司是否有缺；此后C和D再逐渐把信息传递其他人，最终引发了一系列的行为链条，而这个过程中大家都要通过互联网进行搜索，对这个股票的搜索量也就提升了。另外，除了看个股额搜索量，还要看二级网页的跳转方向。例如某人搜索工商银行有可能是为了取现，这与股票是没有关系的。

2. 搜索数据的效果与指数构建方法

搜索数据对大盘股和小盘股的效果不完全一直。小盘股热度越高表现越高，大盘股热度最高的反而不好。可以考虑的指数构建方法是进行分组抽样，把全市场根据市值进行分组，同时剔除近期涨幅过大的股票。这个过程就是首先使用一些因子把一部分股票过滤掉，然后再用另一些因子进行筛选。

3. 业绩基准的选择要明确

如果以全市场为业绩基准，可以推荐的全市场业绩基准为巨潮A指、Wind全A指数或中证全指，其中巨潮A指是以提出了ST股和上市不足10天的个股组成。此时指数的表现基本也应该处于上证50指数和创业板指数之间。不以上证综指和沪深300为基准的原因是，这两个指数都有自己独特的风格，本质上应归结为风格指数，不代表全市场。

4. 选样的整体分布与全市场的板块基本类似

大数据选出的成分股是比较随机的，未做认为的干预，基本和全市场的板块分布差不多；上海和深圳主板的占比比较多，中小板较少，而创业板的股票数量多为几个，整体分布和市场的整体结构比较类似。

（来源：通联数据）
交易技术, 交易策略

风险提示及免责条款

市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处。如若内容有涉嫌抄袭侵权/违法违规/事实不符，请点击 举报 进行投诉反馈！