2022年怎么看待量化投资

       新年伊始，私募量化投资在2021年发展极为迅猛。越来越多的人开始关注量化行业，在这里我们根据市场部同事们的反馈整理出了最常见的问题来解答疑惑，并在此展望2022。

No.1 什么是量化投资？

       量化投资是通过对历史数据进行挖掘，建立统计学模型来进行投资。市场上充斥着海量的交易信息，个人投资者的算力肯定是不及的，只有通过高效计算机配合优秀的团队才有可能捕捉到这样的交易机会。

No.2 在建立量化投资模型中会做什么研究？

       以下某股票策略研究员A提供的回答：

       A：我在研究部，主要从事股票策略的研究。工作里从数据到策略执行，各个环节的研究问题我都会参与。

在工作中，我们处理着来自整个经济体的，从微观到宏观，从证券市场到实体经济的海量信息，这些信息通过研究转化为我们对市场的认知，通过更多的研究又转化为具体的投资策略，最终转化为投资人的价值，为市场提供价格发现的服务。

       在这个过程的每个环节都有大量有趣而富有挑战性的问题。有的问题关注当下的经济现实，比如：市场参与者的结构和交易习惯正在发生什么变化？上市公司的财务分析的逻辑是否有需要重估之处？产业政策与行业盈利是否能建立定量的模型？有的问题关注一般的统计理论，比如：如何在高维和小样本前提下对某个统计模型进行参数估计？如何在小样本下检验某个随机过程的平稳性？如何把特定的先验知识应用到模型选择或正则化方法上？还有的问题关注工程上的挑战：如何实现细粒度的自动并行计算？是否能设计一个在CPU/GPU混合环境下的通用的透明缓存？在低延迟环境里如何灵活地提高计算吞吐量？

       为了解决这些问题，我需要与其他研究专长的同事紧密合作。这是我们这里研究工作的特点：我们会以问题为导向形成临时的、紧密协作的小组，发挥各个研究人员的专长来解决问题。我们会特别关注共性化的方法，每当在方法论上形成研究成果，我们会积极地推广它，使得每个研究人员都能从中获益。

       我们是一群解决问题的研究人员。在多年的研究工作中，最令我们惊讶（以及欣慰）的是，市场（以及更大的经济体）像一座问题的宝库，源源不断地对我们提出新的挑战，并且随着我们认识和研究的深入，新的挑战越来越复杂，越来越引人入胜。这似乎是一段永远不会结束的精彩旅程。

No.3 量化指数增强是什么？

       A：指数增强策略是指在跟踪指数的基础上，利用量化方式适当调整投资组合的持仓结构，以期在跟踪指数Beta收益的基础上，再获得额外的Alpha收益的一种投资策略。

No.4 如何看待极端情况下的高回撤？

       A：所有的alpha策略模型都是统计学模型，这意味着，所有的回撤与风险都是有可能被打破的，只是出现概率的大小而已。因此，所谓最大回撤，这只是一段时间出现过的最大回撤而已，而绝不意味着策略不可能出现更大的回撤。

       至于出现超额回撤,我们觉得市场的原因,比如成交量缩小、风格切换、19极端行情、策略拥挤等都会带来影响.一方面市场出现这种情况每年都会有,拉长时间看不会造成太大影响,另一方面管理人也在做模型的更新迭代,更好的适应多变的市场环境。

No.5 策略会存在失效问题吗？

       A：所有量化模型都需要持续优化，没有任何一个模型会永远有效。如果投资方式的收益来源于市场无效波动，无效波动变小了，投资收益就会下降。

       策略失效是无法绝对避免的，也没有任何机制能够保证策略的更新可以永远有效。但是，两个方面非常重要：第一，通过不断地提升投研团队的实力，可以有更大的概率保证策略的有效性，这也是为什么说核心投研团队的持续培养，是量化对冲基金最核心与最关键的竞争力所在。第二，策略有效运行的时间越长，突然失效的可能性就越小。策略更多的是慢慢出现衰减，效果逐渐变弱，而不会突然失效。

No.6 为什么可以获得超额收益？

       A：负α在市场都普遍存在，指数增强策略恰恰是针对市场的负α现象，只要市场不是随机波动，那么就可以被统计规律所捕捉。通过量化模型选股，承担指数的β波动，赚取增强收益α，最终获取的收益是（α+β）。

由于中国市场无效波动较大，因此存在着超过美国等成熟市场的Alpha收益。所以，2022年以及未来一段时间里，指数增强投资还存在着较为可观的超额收益。

来源：财经头条

量化选股

　　量化选股是指利用数量化的方法选择股票组合，期望该股票组合能够获得超越基准收益率的投资行为。

　　1、多因素模型（Multiple-factor regression）

　　Ross(1976)建立了套利定价理论 （Arbitrage Pricing Theory，APT） 。在投资实务中，多因素定价（选股）模型可以看作是APT理论最典型的代表。多因素模型将那些引起证券价格联动的因素直接加入到收益率公式之中，然后开发基于这些因素的模型，简化投资组合分析所要求的关于证券之间相关系数的输入。模型效果的好坏主要取决于因素的选取，即那些被选定的因素是否足以证明，证券收益率之间联动效应的根源在于那些因素对各证券的共同影响。对于因素的选取可以采用逐步回归和分层回归的方法进行筛选，然后进行主成分分析，从众多因素中找出解释度较高的某几个指标，尽可能反映原来所有的信息。另外，多因素模型进一步提出，证券之间的联动性，除了源于市场因素的影响之外，还取决于其他一些非市场因素。

　　2、动量反转选股

　　动量反转策略的起源可以追溯到有效市场理论的起源。1900年法国数学家Bachelie首先发现股票价格的变化服从布朗运动，但这一发现当时并没有受到广泛的关注。 直到1950年Kendall在经济时间序列分析中强调股票遵循随机游走的模型之后，现代资本市场理论体系才得到了长足的发展。这一理论一经问世，很多学者对其进行了大量的研究，其中包括Samuelson、Mandelbort和Fama。有效市场假说分三个层次，分别为弱有效市场、 半强有效市场、 强有效市场分别代表价格反映了历史信息、公开信息和全部信息。学术界对有效市场假说的检验分为两类：一是股价收益率分布的检验；二是市场有效性的检验。正是对市场弱有效的检验产生了动量反转策略。

　　动量效应(Momentum Effect)指的是投资策略或组合的持有期业绩方向和形成期业绩方向一致的股价波动现象；而反转效应(ContrarianEffect)则指的是投资策略或组合的持有期业绩方向和形成期业绩方向相反的股价波动现象。对于动量和反转效应，学术界有很多解释，其中比较具有说服力的是行为金融学的解释：反应不足和反应过度。如果在市场上发现了动量效应，说明股价对信息反应不足，股价在消息公布后不是第一时间上涨或下跌至其应有的位置，而是较为缓慢的移动至其应有的位置；同理，如果在市场上发现了反转效应，则可说明股价对信息反应过度。由此可见，动量效应与反应不足、反转效应与反应过度，这两组概念是紧密联系在一起的。动量效应和反转效应可以看作是反应不足与反应过度的实证支持。在使用动量反转方法选股的时候，需要考虑以下几个问题：样本选择的区间、不同策略在不同市况下的表现、持有期的长短、显著性检验等。

　　3、分类和回归树（Classification and regression tree）

　　分类和回归树是数据挖掘技术的一种，以递归分割技术为基础（常用于制药学的研究），包括分类树和回归树：分类树产生定性输出，回归树处理定量输出，分类和回归树可以用来提取规则和输入和输出变量之间的映射关系。输入数据通过与分裂节点的分割条件作比较，决定其属于左节点还是右节点。不断重复上述过程，就可以得到该输入数据的分类结果.从根节点到叶节点的所有分割条件则指明了输入变量对应输出结果之间的规则。 分层决策树采用替代变量的方法解决缺失数据问题，不要求数据的分布，可同时利用各种类型的数据。

　　4、神经网络（Neural networks）

　　因为股市的建模与预测所处理的信息量往往十分庞大，因此对算法有很严格要求，它的非线性动力学特性也非常复杂，所以一般传统的方法对于股市的预测往往难如人意。人工神经网络不仅具有大规模并行模拟处理、网络全局作用和非线性动力学等特点，而且有很强的自适应、自学习以及容错能力，具备传统的建模方法所不具有的许多优点，其可以不必事先知道有关被建模对象的参数、结构以及动态特性等方面的知识， 对被建模对象经验知识要求不高。 而只需给出对象的输入和输出数，通过网络本身的学习功能即可实现输入和输出之间的映射。人工神经络模型具有巨量并行性、存储分布性、结构可变性、高度非线性、自学习性和自组织性等特点，可以逼近任何连续函数，目前作为非线性函数的逼近模型被广范应用。神经网络目前在国际上已广泛用于金融分析和预测，并取得了较好的效果。人工神经络模型已在多变量非线性系统的建模方面取得了惊人的成就，成为一种新兴的预测时间序列方法。

数量化评价法

　　数量化评价法是指对事物发展过程和结果从数量方面进行描述、分析，采用数学的方法取得数量化结果的评价方法。

　　运用数量化方法评价的特点是侧重于事物的量的方面。

　　数量化评价法的优点：

　　统计分析科学、精确，具有较高的客观性和可靠性，能使一些含糊概念精确化，使主观随意性的程度减弱；可操作性较强。

　　1．评语定量法

　　评语定量法首先要确定评价的若干评语。

　　例如，对某教师课堂教学效果进行评价，其评语是：教学目标、教学内容、教学方法、教学语言、课堂结构、板书设计。然后对该教师的课堂教学按上述评语逐项打分。如非常满意打4分，基本满意打3分，一般打2分，不满意打工分，极不满意打0分。

　　计算公式：

　　F（课堂教学效果）＝F1+F2+F3+F4+F5十F6

　　由此得出总分，满分为40分，设定34分以上为优，30～33分为良，24～29分以下为差。

　　2．加权定量评定法

　　加权定量评定法是为了弥补评语定量法不考虑各因素之间实际存在差别的缺点而提出来的。其主要特点是给每一项评价因素加权。

　　此外，还有其他一些数量化方法。例如，模糊数学法，模糊数学法是指运用模糊数学的理论对一些模糊事物以数量化的描述和运算做出连续性评价结论的方法。

战略量化管理的必然性

　　在上世纪七八十年代，在国际上仅有很少的大公司依靠非财务和非运作的指标进行量化管理的实践。例如美国联合包裹服务公司，他们通过开发劳动力满意指数，使得经理人员可以识别劳动力最不满意的工会选区。这在当时是十分少见的，而今天量化管理已经成为管理的一种趋势，许多《财富》500强的一流公司在进行量化管理的实践。例如希尔斯·罗巴克公司(Sears Roebuck)、联邦快递公司(Federal Express)、通用电气公司、宝洁公司等等，他们利用一套平衡财务和非财务运作的量化措施来帮助管理业务。在这个过程中，已经把量化转变成为平衡的战略量化--一个新的重要实施企业战略的管理工具。例如，运用战略量化管理，1988—1991年强生公司的矫型诊断系统公司(Jonhson & Jonhson’s Ortho Diagnostic Systems Inc.)在总裁威廉·克劳斯(William Crouse)的带领下，实现了销售和利润的增长。如《管理评论》所说，改变的关键是公司的量化系统，这包括雇员的调查过程，它为公司带来了新生。

　　实施战略量化管理并不意味着量化更多的事情。真正有效的战略量化管理并不意味着量化指标的多少，而在于把量化指标瞄准“做正确事情” 。学术研究的成果也进一步证明了上述的结论。例如卡普兰和诺顿认为，最有效的量化包括4个关键部分：财务、内部业务流程、消费者、学习和成长。这4个部分构成一个“平衡计分卡”。卡普兰和诺顿强调，每个一方面对组织的长期战略成功都是关键的，因此，组织需要不断考察这4个领域中少数期望结果和促进因素，实践领域的应用将这4个方面进行了修正，随着虚拟组织数量的增加导致战略联盟和供应商对实施战略重要性的增加，关键绩效量化范围增加了“伙伴／供应商”。

什么是量化资产

　　量化资产，是指如果原所在的企业原来是集体所有制，后来进行股份制改造，作为企业的一员，自然会得到一些企业的股份，然而这些股份不能以现金的方式发给企业员工，而是把企业的所得资产，如地皮、厂房、设备等，划分成股，然后分配给每名职工的资产。

　　对职工个人以股份形式取得的量化资产，暂缓征收个人所得税。只有在股份转让出去后，才需要缴税，缴税方法与财产转让方式一样。

　　国有资产的产权要体现国家的利益，但同时也要考虑实际操作、控制、掌握这个资产的劳动者利益。是劳动者在运作、保证国有资产的保值增值，上交各种税费，保证地方稳定，促进一方经济稳定，劳动者在运作资产时也是排他的，但他们一直处在无产者的地位，这是很不公平的。企业的资产是国家赋与的，但国家的财力也是人民创造的，这里应有一个全体人民与特定群体的人民之分，资产赋与时是全体人民的，创造时就是特定群体的人民，企业作为一个特定群体对财力的贡献是非常大的，尤其对本企业的资产积累的贡献是独一无二的，这个贡献不应只体现为国有资产无穷无尽的鸡与蛋的全转化关系，也可以拿一部分鸡蛋出来蒸“鸡蛋羹”改善伙食。因此，企业的劳动者应对企业的资产有一定的所有权，企业资产所有权应从两个方面来进行理解，一方面是国家赋与的资产，这理所当然应有产权的归属，这种归属的体现是通过所得税、社会价值及资产积累来实现的。另一方面劳动者的创造应得到尊重，国有企业的长期低工资、低福利、多种费用，使很多利润转化成了所得税和承担的社会功能费用。可由两个数据进行比较，一是当年国家投资的现值，二是国有企业多年所交纳的所得税复利现值，对这两个数据进行比较，选择一个合理点，即国有资产价值已被收回了多少，这部分资产相应地应量化给特定群体的国有企业的劳动者，剩下的国有资产可由社会人出资购买。这个特定群体所作的贡献的体现，当然是按贡献的大小来予以分配的，并承担今后的风险。

　　由于国有企业职工多年辛苦奉献，并一直是处在无产者地位，正因为这部分无产者的存在，造成了国有资产的保值增值，资产的积累，以及高额税收。按照党的“十六届三中”全会的精神，产权要归属清晰，流转通畅，我们把这部分资产合理地流转到职工手里，使我们的产权名义上由国家负责，实质上无人负责，变成人人负责，人人监督，这样资产的使用就会被有效地监督。

年终奖怎么花 阿牛智投“连年有余”成股民新选择

       快过年了，今年挣了多少钱、年终奖怎么花，成为社交平台的热门话题。

       现如今很多年轻人已不满足于工资储蓄，而是把目光投向了股票投资，希望通过这样的理财方式让自己的生活水平有所提高。现实情况是，每一批涌进股市的新股民都往往变成了新一轮的“韭菜”，面对海量的股票不知如何选择，选中的股票常常在雷区。大部分股民并没有专业的投资知识，更多的是凭“感觉”，可靠谱的股票投资不仅需要专业的知识，还需要更多精力去实时盯盘。

       专业的人做专业的事，因而不少投资者选择跟着持牌的投资咨询公司和专业投资顾问去理财。

       阿牛智投作为中国证监会核准开展证券投资咨询业务的83家证券投资咨询公司之一，成为一些投资者选择的对象。阿牛智投投资顾问余兆荣联合投研团队打造了一个投资组合“连年有余”，受到一些投资者欢迎。余兆荣表示，“连年有余”优势在于锁定社保重仓股为永恒主题，帮助用户避雷识险；寻找高潜力组合，改善账户收益曲线；智能量化交易抵御人性弱点；资深投顾团队全天盯盘、调仓指令多种渠道通知，比较适合注重账户长期表现的股民朋友。

       据了解，余兆荣曾就职于银河证券等多家金融机构，担任过点掌财经、第一财经等媒体的嘉宾；在知名私募担任过首席操盘手，从业经验丰富，熟悉主力机构交易的习惯和手法，擅长解读游资交易风格和盘口，重视相对确定性和资金安全边际。

量化交易的风险性

　　量化交易的风险首先是一二级市场“级差”风险，其次是交易员操作风险，最后是系统软件的风险。

　　一二级市场的“级差”是整个套利交易的核心。在现有规则下，ETF套利模式分为两种：一种是通过购买一揽子股票，按照兑换比例在一级市场换得相应的ETF份额，然后在二级市场上将ETF卖出；另一种则与前者相反，是在二级市场上购买ETF份额，通过兑换比例换得相应数量的股票，然后在二级市场卖出股票。交易的顺序视股票价格、兑换比例、ETF份额交易价格的变动而决定。

　　由于股价的变动，ETF套利级差转瞬即逝，因此纷繁复杂的计算过程，目前业内由计算机完成，交易员通过设定计算程序并按照结果决定策略，又或者完全自动让系统在出现套利空间时自动交易，后者便称之为程序化交易。

　　又因为套利的空间非常小，通常只有万分之几，因此套利交易为了获取适中的收益，参与的资金量都比较大。如果交易员把握不当顺序做反，则投资将出现亏损，这便是级差风险。而为了控制这样的人为风险，券商一般提倡自动化交易，方向由计算机把握，交易员输入交易数量即可。

　　第二种风险是交易员操作失误，比如光大这次的乌龙指事件，有可能是交易员在输入数量的时候出现了失误。这同时也牵扯到第三种风险，系统软件风险，每个交易员在系统中都有相应的交易权限，包括数量、金额。光大本次涉及的金额坊间一度传闻为70亿元，而数量如此巨大的金额是如何绕过系统权限完成交易的?这个问题的暴露，也导致业内质疑光大风控并未做足。

什么是量化交易

　　量化交易是指借助现代统计学和数学的方法，利用计算机技术来进行交易的证券投资方式。量化交易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，用数量模型验证及固化这些规律和策略，然后严格执行已固化的策略来指导投资，以求获得可以持续的、稳定且高于平均收益的超额回报。

　　量化交易起源于上世纪七十年代的股票市场，之后迅速发展和普及，尤其是在期货交易市场，程序化逐渐成为主流。有数据显示，国外成熟市场期货程序化交易已占据总交易量的70%-80%，而国内则刚刚起步。手工交易中交易者的情绪波动等弊端越来越成为盈利的障碍，而程序化交易天然而成的精准性、100%执行率则为它的盈利带来了优势。

量化交易的优势

　　1. 严格的纪律性

　　量化交易有着严格的纪律性，这样做可以克服人性的弱点，如贪婪、恐惧、侥幸心理，也可以克服认知偏差。一个好的投资方法应该是一个“透明的盒子”。我们的每一个决策都是有理有据的，特别是有数据支持的。如果有人质问我，某年某月某一天，你为什么购买某支股票的化，我会打开量化交易系统，系统会显示出当时被选择的这只股票与其他的股票相比在成长面上、估值上、资金上、买卖时机上的综合评价情况，而且这个评价是非常全面的,比普通投资者拍脑袋或者简单看某一个指标买卖更具有说服力。

　　2. 完备的系统性

　　完备的系统性具体表现为“三多”。首先表现在多层次，包括在大类资产配置、行业选择、精选个股三个层次上我们都有模型；其次是多角度，量化交易的核心投资思想包括宏观周期、市场结构、估值、成长、盈利质量、分析师盈利预测、市场情绪等多个角度；再者就是多数据，就是海量数据的处理。人脑处理信息的能力是有限的，当一个资本市场只有100只股票，这对定性投资基金经理是有优势的，他可以深刻分析这100家公司。但在一个很大的资本市场，比如有成千上万只股票的时候，强大的定量化交易的信息处理能力能反映它的优势，能捕捉更多的投资机会，拓展更大的投资机会。

　　3. 妥善运用套利的思想

　　量化交易正是在找估值洼地，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。定性投资大部分时间在琢磨哪一个企业是伟大的企业，那个股票是可以翻倍的股票；与定性投资不同，量化交易大部分精力花在分析哪里是估值洼地，哪一个品种被低估了，买入低估的，卖出高估的。

　　4. 靠概率取胜

　　这表现为两个方面，一是定量投资不断的从历史中挖掘有望在未来重复的历史规律并且加以利用。二是在股票实际操作过程中，运用概率分析，提高买卖成功的概率和仓位控制。

基本面VS量价，哪个量化策略更优？

       近期，量化投资比较热门。但是，对于量化选股的两条路，你知道多少？量化选股本质上也是主动投资，目的是希望通过对各类数据进行分析，获取超越市场β（贝塔）的α（阿尔法）收益。之前我们提到，根据底层数据的不同，量化策略可以有多种细分。比较常见的就是基本面策略和量价策略。这两种策略，哪个更具优势？谁才是未来的发展方向？

1、基本面量化：主动逻辑与量化工具的耦合

       基本面量化是基本面投资和量化投资的耦合，将量化投资工具与主动研究有效结合起来。主动研究更加注重研究的深度，比如对于个股的所有相关信息（包括财务数据、竞争格局、渠道等等）进行深度研究，但是只能覆盖少部分的重点个股，也容易受到研究人员主观情绪的影响，并且不会给出具体的交易信号。

       而量化工具，由于计算机可以快速的处理大量数据，更加注重研究的广度，可以覆盖全市场所有的上市公司，并且策略可回测检验，但是对于中长期的逻辑，量化可能就没办法演绎了。

       基本面量化框架针对各行业板块运行特点构建，纳入财务数据、多元的行业另类数据等，先逻辑后数据，量身定做的模型带来了更高的针对性和可理解性。
       综合来看，基本面量化结合主动投资与量化工具优势，投资比较分散，不依赖市场风格，优势凸显。

2、量价策略

       基于量价因子的量化模型主要通过对海量的量价数据挖掘，寻找投资规律。由于数据量非常大，因此主要是通过机器学习、人工智能等方法来处理数据。并且，由于量价数据每天都在变，模型的调仓换股可能会比较频繁，尤其是高频策略，可能每天都是100%的换手率。

       就目前的市场来说，私募主要采用的是量价策略，而公募由于具备比较丰富的研究资源，多数采用的是基本面量化。

3、基本面逻辑或将强化

       今年，量化基金异常火爆，尤其是私募相关产品，规模持续扩张。但是，近期也出现了头部量化机构的业绩出现较大回撤的情况。这也说明，基于量价的策略，其收益情况是受到了规模的影响。随着市场不断进化，高频交易的超额收益将不断降低，策略的有效性会随着规模的增大而降低，这也是美国等成熟市场的发展经验，近期头部私募相继封盘也印证了这一点。

       随着量化基金规模的不断扩张，量化策略必然要往策略容量更大的低频方向发展；另外，从当前市场情况来看，预计未来仍将是比较分化的结构性行情，对行业或赛道的精选将成为重中之重，量价策略对行业进行中性化处理，直接抛弃了强势行业的β（贝塔）收益，使得量化基金的收益可能很难跑赢押中赛道的主动型基金。因此，基本面量化或将是未来量化投资的重要发展方向之一。

来源：a940303378