主动量化投资的春天已到

       以农历春节为分水岭，一季度的A股市场可谓“冰火两重天”，随着市场出现巨震，过往一些持股过度集中在核心抱团股上的基金遭遇净值大幅回撤，而通过量化选股模型选择性价较高的投资标的、严格控制行业及个股暴露的主动量化基金收益逆势上涨。以华泰柏瑞基金为例，截至3月31日，公司旗下成立满6个月的9只量化基金（非对冲）过去半年收益均超过5%，其中华泰柏瑞港股通量化基金更是斩获25.91%的收益，业绩表现十分突出。

       在华泰柏瑞基金副总经理田汉卿看来，未来随着市场风格趋于均衡，核心白马股性价比不再占优，主动量化基金业绩有望继续“乘风破浪”。

主动量化基金迎来“好时光”

       过去两年的A股市场，结构性牛市行情演绎得淋漓尽致，一些紧紧抓住白酒、医药等核心白马股的主动权益基金业绩大幅领跑市场，一度在市场上炙手可热。而强调行业中性、持仓分散的主动量化基金的业绩相对中庸。

       不过，随着今年核心白马股抱团趋势出现逆转，两类基金的业绩分化逐渐收敛，部分主动量化基金业绩开始超越一些主动权益基金。

       “春节以来，主动量化基金投资业绩明显改善。”田汉卿介绍，华泰柏瑞旗下量化基金主要基于上市公司基本面进行量化选股，在她看来，过去两年，这类基金相比市场上优秀的主动权益基金总收益上相对落后，不过，随着市场风格转向，主动量化基金的春天再次到来。

        “这不是偶然现象，几大方面因素将支撑主动量化基金走出持续行情。”田汉卿表示，首先，主动偏股型基金前二十大持仓占比从2016年的15%上升至2020年末的40%，这在一定程度上反映出公募基金持仓集中的趋势，随着抱团效应减弱，当资金开始流向市场上的其它股票时，强调分散投资的主动量化基金优势就会相对明显。

       其次，从市场风格角度分析，过去很长一段时间市场偏向大盘风格，无论是中盘还是小盘股涨幅都比较落后，去年更是被称为“少数股票的牛市”。从目前阶段看，中小盘股未来投资性价比提升，覆盖面广、强调全市场选股的主动量化基金也更容易筛选出这类中小市值的股票。

      此外，过去几年，部分领跑的主动偏股型基金，很大一部分超额收益来自于行业暴露，而主动量化投资更强调行业配置中性，未来市场风格大概率偏向均衡，这也意味着主动量化投资更有“用武之地”。

当前更看好两类主动量化基金

       主动量化基金包括量化对冲、指数增强等不同类型，站在当前时点，哪类主动量化基金更有机会？在田汉卿看来，短期市场还有诸多不确定因素，对于不愿意承担较大市场波动风险的投资者而言，比较适合配置一部分不论股市涨跌，都有可能获得一定正收益的量化对冲类基金；而对于愿意并能够承受一定股市波动风险的投资者来说，当前以中证500指数为基准的主动量化基金，是主动量化基金中一个相对较优的配置选择。

       量化对冲类基金是通过构建指数增强组合，然后利用股指期货对冲贝塔风险，追求纯阿尔法收益的市场中性策略产品。

       “华泰柏瑞基金旗下的量化对冲基金有一个特点，就是完全对冲，市场中有的绝对收益基金或多或少会有多头暴露；从过往市场数据分析，华泰柏瑞量化对冲基金与beta的相关性处于市场同类基金偏低水平。此外，从阿尔法的来源分析，华泰柏瑞量化对冲基金的阿尔法也不是通过持有抱团股获得，中长期也更加稳定。”田汉卿表示。

       “除了量化对冲类策略，量化多头类基金中，当前时点，我更看好以中证500为基准的主动量化基金。”田汉卿称，“相对沪深300指数，中证500指数中包含了不少二三线龙头股，这些股票投资性价比相对更高，且由于市值偏小，市场对其投资价值的挖掘不够深入，因此目前阶段也相对更看好跟踪中证500的主动量化基金。”

       除此之外，田汉卿还看好港股的投资机会。“尽管全球流动性的边际变化或对权益类资产的价格形成压力，美股可能的回调会短暂拖累港股市场，但港股的低估值板块可以说是全球的估值洼地。估值相对有优势的港股板块，大概率上可以率先反转，接下来的表现有望好于其他估值较高的市场。”田汉卿说。

来源：证券时刻

基于托宾q理论的传导机制在人工智能技术选股中的应用

一、引言

       金融学专业或者金融投资相关专业的朋友们，应该还能记得，西方经济学中，有关货币政策的章节里，有一个著名的“托宾q理论”。

       这个理论思路，其实在谷鸟智能开发的前期，我就已经借鉴过来，作为谷鸟智能选股的核心模块之一，应用于谷鸟智能人工智能技术选股系统中。

       目前看，应用效果也是十分理想的，今天就来个总结，以后续继续加深该理论指导在谷鸟智能中的应用，并与人工智能技术爱好者们探讨交流下。

二、托宾q理论的核心思想

托宾q理论其基本思路是：货币**量股价托宾q投资总产出 。

       当q值大于1时，企业的市场价值将会大于重置成本，此时企业很容易以相对较高的价格来发行较少的股票，并买到较多的新投资品，这会导致投资增加，最终会提高社会总需求和总产品。

三、托宾q理论应用价值

      虽然托宾q理论实质上，并不是描述股票价格，不是关于股票上涨的理论，而是关于上市公司投资并购决策方面的，但是，我发现，这个理论，其实就是我们日常生活中随处可见的“传导”现象，大家最熟悉的“近朱者黑”、“热传导”、“声音传导”、“正能量传导”.......等等，我们身边无处不存在着“传导”现象。

       回到我们关心的股票上面，传导现象在股票的价格波动中，也是无处不在：

       板块龙头股出现了，后续带动整个板块的一大波个股上涨；

       板块龙头下跌了，板块其他个股也会受到波及；

       大盘行情好 了，个股也或多或少上涨一些;

       更有甚者，你在一只股票上面大赚了，你的情绪，会传导到你的思维上，影响你的思维决策，走向更大胆、更冒险的决策方向；你遇到了大幅亏损，情绪会传导到你的思维决策上，使得你步步小心-----即使面对着一只好股，大牛股，你也不敢下手........

       所以，传导机制理论，在股票投资上的研究，具有十分大的应用价值，对我们在选股、持仓等各方面有着指导意义。

四、托宾q理论在人工智能技术选股中的应用初探

       在股市投资活动中，人的思维心态，往往会影响你的投资行为，回想下，你是否存在着这样的问题：

       1.面对2只股票，你会潜意识地自我暗示这种股票更好，然后出现悲剧---二选一也选错了，你最终选择的大跌，而没选择的另外一只却大涨。

       2. 明明是一只好票，自己选择之前，已经进行了充分的研究并认可，但是买入后，一两个点的震荡回撤，就吓得你割肉离场-----然后，这只股票就开始飞起来了。

-------------以上两点，是关于投资者的情绪问题，人工智能技术系统，比人类更优的一个方面，就是避免这种人的情绪影响问题。

       3. 明明知道，目前涨得最好，最热门的板块是医美概念，可是你今天却还是去选择一只偏冷门的、日落西山的碳交易板块

       这一点，是关于股票价格上涨与下跌的龙头股传导到整个板块的问题。人工智能技术，就可以更好的避免这个问题。

       谷鸟智能系统中，其中一个核心的选股算法，就是首先要分析板块热点，分析龙头走势，这也就是我们所说的提前预测资金流动趋势问题。

       只有热门板块的个股，才会更有机会，君不见，前段时间的碳交易板块，在长源电力的情绪传导下，整个板块都是“一人得道，鸡犬升天”？君不见，在金发拉比、华东医疗等医美龙头的带领下，医美板块，目前也是“千军万马奔腾前进”的磅礴气势之中？

       托宾q理论只是谷鸟智能应用的著名理论之一，还有非常多的著名经济学家的理论，谷鸟智也都有去应用、测试、加以** 和创新当中。

来源：腾讯网

量化投资可系统化地跟踪全市场上市公司

       随着金融市场的成熟，出现了更多标准化和数量化的研究。通过将理论应用于实践，计量经济学家们开创了量化投资的新领域。易方达量化投资部的资深投资经理杜才鸣认为，量化投资通过计算机和模型，可以系统化地同时跟踪和覆盖全市场4000多家上市公司，这在投资上是一个非常重要的优势，也就是投资的广度。

       据了解，量化投资起源于海外。巴菲特的老师格雷厄姆，在上世纪30年代的时候就通过指标选股的方式进行投资，比如PE、PB等等。很多人把他当成量化投资的鼻祖，当然做价值投资的人也有很多人觉得价值投资是从他开始的，从这点上看，其实量化投资和价值投资有很多共通之处。经过这些年的发展，量化投资在海外已经成为一种非常主流的投资策略了，管理着超过2万亿美元的规模，量化投资在海外对冲基金行业管理的规模占比超过30%，诞生了很多量化对冲基金巨头。

       杜才鸣指出，量化投资的四个关键词是“数据、统计、概率、策略”。量化投资在国内发展起来有个大的背景，就是股票市场一直在扩容。二十年前，A股只有800多家上市公司，到现在已经有4000多家上市公司了。每个人的精力都是有限的，一个基金经理能充分有效跟踪和了解的公司数量有限。这就是为什么很多主动投资的基金经理都会提到“能力圈”这个概念，他们只会在每个人擅长的领域做投资，而尽量少地触碰他不熟悉的股票。而量化投资则不同，量化投资通过计算机和模型，可以系统化地同时跟踪和覆盖全市场4000多家上市公司，这在投资上是一个非常重要的优势，也就是投资的广度。

       从时间上看，国内量化投资起步比较晚，21世纪初大家对量化还比较陌生，以公募基金为例，易方达基金2004年就发行了指数增强基金。2009年市场反弹行情启动，出现了一波量化投资热潮，除了指数增强产品外还出现了主动量化的产品，紧接着2010年推出了股指期货，量化工具更加丰富了，之后量化受到的关注度逐年增加，量化基金的规模整体呈现上升态势。如今，截至2020年底，市场上公募量化基金数量已经有300多只了，规模突破了1500多亿。值得一提的是，易方达基金自2009年就开始组建了量化投资团队，并于2012年发行了我们的第一支公募量化产品——易方达沪深300量化增强(代码：110030)，自2012年成立以来至2020年底，每一年组合的收益都战胜了合同基准，累计超额收益超过130%，具有较好的投资价值。

       杜才鸣表示，由于基金公司的交易制度约束，易方达的团队主要从事的是中频量化投资和低频量化投资，他个人比较偏好低频量化投资。低频量化投资，其实就是量化圈内常说的“基本面量化投资”，具体而言，就是借助统计模型、金融经济理论、计算机等工具，在对海量数据进行分析之后，刻画出上市公司的基本面特征，并在此基础上设计出高胜率的投资策略。在投资方法上，杜才鸣和他的团队是以多因子模型为载体，坚持基本面分析与量化分析的结合，兼顾质量、成长和估值等选股维度，追求投资策略的多元化和分散化。通俗一点，就是选择“好公司”，然后要有较大的成长空间，最后是估值水平要合理。

来源：中国网财经

读懂量化投资，把握2021年A股投资机会

       如果说用“不凡之年”来形容过去的2020年最为合适的话，那么用“扑朔迷离”来预判2021年，从目前看来，怕是再恰当不过了。在过去的三个多月里，资本市场行情跌宕起伏，投资者在如此动荡的市场行情中投资体验并不好。在这样的迷思时刻，恒天基金首席策略分析师兼投资研究中心负责人张雷受邀接受深度对话，就2021年A股投资机会、量化投资等方面展开专业解读，为投资者拨开眼前迷雾，探寻投资机会。

      笔者：从去年开始，股票、基金、资产配置，这些东西好像一下子在大众中火热了起来，买了哪只股票、定投了哪只基金，都成了茶余饭后的话题，想问一下您对这种全民热衷投资的现象怎么看?

       张雷：全民投资，这是一个好现象，说明大家的理财意识被充分激发了。从时间周期来看，大众投资标的也是在不断变化的。过去这十年，全球市场有两大最赚钱的资产，一个是美国股市，一个是中国楼市。如果你踏上这两大风口的话，资产可能就会有10倍，甚至几十倍的增长。有的时候，赚了大钱，不是自己有多牛，而是赶上了好时代。

       伴随着打破刚兑、房住不炒等政策出台，居民财富在慢慢发生转移，从地产、信托等蓄水池慢慢流向权益市场。尤其是过去两年，公募基金给投资者赚取了不错的收益，这样就形成了投资者买基金赚钱后，继续买基金的正向循环。

       但是历史规律也告诉我们，当投资者情绪爆棚，市场阶段性过热的时候，往往也会出现不小的调整，那些高位买了基金或者股票的投资者投资体验就会差一些，所以这个时候，投资策略就显得尤为重要。

      笔者：的确是，进入2021年以后，市场风格变化很快，去年年底的收益回吐和开年的“跌跌”不休让不少投资者，尤其是年轻的投资者苦不堪言，在这种情况下您有什么好的投资策略给到广大的投资者吗?

      张雷：确实是这样的。基金经理赚钱了，就会封神，赔钱了，就会被大家纷纷吐槽，实际上我们应该换一种心态，把目光放长远些。市场调整很正常，关键是我们以什么态度去看待市场的调整。

       我们可以从战略和战术两个维度进行理解。战略上，我们对市场长期持有乐观看法，投资中应该奉行长期主义**观主义。战略上，我们要对市场持有敬畏之心，市场不可能只涨不跌。当下的市场不是大水漫灌推升的市场，是居民 资产配置转换、房地产功能转换及基金配置意识树立的拐点期，大量居民长期配置的资金将在股市和房市的跷跷板效应下，逐步进入权益市场，资金配置的进程并不是一帆风顺的，一定会受到很多利空的扰动，但这种预期中的震荡恰恰是较好的逢低布局时点。

       如何去逢低布局，我觉得可以重点关注量化策略，这也是恒天基金一直以来看好的一个投资方向。比如在美国，有两位投资大师，他们是价值投资和量化投资的代表人物，分别是巴菲特和西蒙斯。巴菲特的伯克希尔公司，在过去50多年中，年化收益20%，而西蒙斯在过去20多年，年化收益则高达35%以上。

       量化投资在成熟的资本市场，已经证明是行之有效的。量化策略中的指数增强、量化对冲、CTA、多策略等涵盖了不同的波动区间，适合不同风险承受能力的投资者。我们认为，目前是较好的量化策略配置时点。

       笔者：听了您上面的分享，量化投资确实是绝佳的投资策略，但是我估计很多普通投资者对于量化投资还处于一知半解的状态，想请您给详细解释一下，到底什么是量化投资?

       张雷：量化投资通俗点儿可以理解为借助信息技术、大数据等客观手段将投资这件充满主观因素的事情尽可能量化，将我们的投资之路，量化成一个个小格子，在每一个格子里进行合理的规划，从而形成一个有规律的、长期的投资生命周期。如果用一句话解释，就是量化投资的本质就是通过计算机捕捉市场及资产的运行规律，将投资策略模型化，让程序帮你完成投资和交易。

       美国的前五大对冲基金全部都是量化投资，美国量化策略在股市中的占比超过了70%，中国的量化策略占比也在20%左右了，随着时间的推移，我们认为中国的量化策略市场规模仍然有非常大的提升空间。从策略的分类来看，可以分成指数增强、量化对冲、CTA管理期货和多策略四种主要的投资赛道。

       笔者：您刚才讲到了量化投资有四条主要赛道，包括指数增强、量化对冲、CTA管理期货和多策略，您能否简单介绍一下这些赛道?

       张雷：指数增强策略，就是通过挖掘影响股票走势的各种因子，再运用量化模型组合有效因子，最后选出一揽子优质的股票。市场中主流的指数增强产品对标的指数主要是沪深300、中证500和中证1000指数。对于沪深300指数来说，投资者更看好成分股的龙头属性和业绩稳定性;对于中证500和1000指数来说，投资者更看好指数的估值水平以及科技类成分股未来的成长性。

       量化对冲策略，是指一边拿着优质股票，一边做空股指期货，通过做空股指期货，把市场下跌的风险全部对冲掉。这么听下来，一边上涨，一边对冲，似乎收益率是零，这么做有什么意义呢?这里有个前提，就是选出的股票会比指数更好一些，能够跑赢指数。

       如果选出的股票组合，长期能够跑赢指数，这样的话，量化对冲产品，大概率可以穿越牛熊了。牛市赚钱可能不如指数，但是熊市大概率也不亏钱，正是这种产品的魅力所在，可以在资产配置中起到压舱石的作用。

        CTA策略，也叫作管理期货策略，是一种运用于商品等**资产上的投资策略，利用期货价格上升或下降的趋势去获利，本质是做多波动率。很多人觉得期货投资的风险一定很大，其实把杠杆控制住，把波动控制住，风险就是可控的。CTA策略比较灵活，可以做多，可以做空。CTA策略与股市的相关性很低，无论A股还是美股，在股市大跌期间，CTA很多时候都是正收益。总的来说，CTA和量化对冲产品，往往承担着资产配置的角色，组合里面不能都是它们，也不能没有它们。

       最后一个多策略，就是把前面几种策略，结合资产配置模型做有机的结合，争取达到一加一大于二的效果。

       笔者：是不是可以理解为只要做好量化投资，我们的投资者就可以做到无往而不利呢?

       张雷：量化投资不是万能的，准确的说投资不是“优化”问题，投资是“预测”问题，是要预测市场的下一步应该怎么走。“预测”问题可以说极其困难。而量化投资可以帮助我们依托海量数据和科学的模型，去做出投资预判，这点能够帮助我们提高投资胜率。

       笔者：都说投资市场没有常胜将军，那您认为在投资中保持长期盈利的秘诀是什么呢?量化投资在这其中又起到了什么作用呢?

       张雷：其实没有什么所谓的秘诀，因为不管是做主动投研，还是做量化投资，想要长期持续盈利，一定要抓住市场的本质规律。而量化投资，就是从大量数据中找到规律，然后建立并不断更新模型。

        我们以过去这一年的行情为例，市场经历了抱团股大涨，然后抱团股高位筹码松动，部分股票又大跌的过程。“成也抱团，败也抱团”，很多主观型基金因为抱团股大涨大跌，净值起伏就会比较大，但是如果采取量化的办法，尤其采取量化多策略的方法，净值的回撤就会比指数小很多，投资者的持有体验就会更好。

       总的来说，主观和量化没有孰优孰劣，主要看投资者个人的选择。

       笔者：好，最后一个问题，想问一下您对2021年打算做量化投资的投资者们有什么建议吗?

       张雷：如果说在2021年大家要做量化投资的话，我们想给大家四点忠告。第一，一定要重点关注头部管理人。很多头部管理人每年的研发投入都在几亿以上，更多的投入更容易换来超额收益。头部机构在研发支出、人才激励方**有绝对优势，未来强者恒强的格局较难打破。第二，就是要注意市场风险，比如说，量化对冲产品和低杠杆的CTA产品，理论上是赚取绝对收益的，但是并不是稳赚不赔的，要对产品预期的波动做好足够的思想准备。第三，就是一定要有长期投资理念。很多头部管理人已经在基本面量化上开展布局和应用，未来不但要赚取技术面的钱，也争取赚到公司长期基本面的钱。对于投资者来说，时间的玫瑰不仅适合于主观，同样也适合于量化。第四，如果资金量有限，希望同时考虑CTA、中性、指数增强等产品，不妨关注一下多策略产品，没准比你买单策略会有一个更好的投资感受度。

来源：***

量化投资不是空中楼阁丨金基访谈

       海富通基金杜晓海：量化投资不是空中楼阁丨金基访谈_《财经》客户端

       “量化投资不是去抢风口浪尖的东西，而是在构建好安全边际的前提下聚沙成塔”。

       1998年，杜晓海从***国立大学研究生毕业，进入Man-Drapeau Research做金融工程师。这是一家做CTA（商品交易**）策略的投资公司，当时也是全球最大上市对冲基金英仕曼旗下的子公司。

       数学系出身的杜晓海，选择这份工作的初衷很简单，“给专业找一个应用场景，先养家糊口才能再谈理想”。

2003年，海富通基金在上海成立。远在***的杜晓海受邀回国，加盟这家中外合资的公募基金，从量化期货投资转向量化权益投资之路。

       从研究方法的角度，转型对杜晓海来说，并不困难。CTA是把期货做历史回测，量化选股是把股票做历史回测。不同点在于，商品期货以价量为主，股票研究以基本面为主。

       杜晓海更喜欢量化权益投资的原因是，和做CTA相比，股票投资有更明确的信仰，就是给社会创造价值。

       18年过去，杜晓海从中后台走向前台，从定量分析师到量化投资总监，一路成长为国内公募绝对收益产品的领军者之一。理想的轮廓也日渐清晰，他志在做“量化版的价值投资”。

投资目标清晰且克制

       和国内早期的公募量化团队不同，在指数增强产品为主流的2014年，海富通基金就开始做绝对收益产品。前者以跑赢指数为目标，后者以获取正收益为目标。

       2018年，资管新规打破刚兑之后，以绝对收益为目标的“固收+”产品站上风口。由于布局时间早、市场诉求大、过往业绩较为稳健，截止到2020年底，海富通基金管理的公募“固收+”产品规模已经接近200亿元。

4%-5%的目标波动性，是他对“固收+”产品的风险定义。不追求抓眼球的业绩，而是用尽可能小的风险，去实现或超越基准。

       “固收+”的确定性在于：只要不突破历史上的统计规律，考虑到历史上的资产配置情况，包括股债跷跷板效应，就可以算出来波动性的幅度。

       杜晓海测算过，20%的股票仓位，波动性一般在5%左右。他很少做择时，除非市场出现极端情况，他管理的股债策略绝对收益产品的股票仓位，通常在20%以下。

       仓位的控制源自产品的风险特征。作为目标波动性产品，除非有极强的择时能力，否则股票仓位越高，就越难控制回撤。

       管理指数增强产品，杜晓海的目标同样清晰且克制：每天比指数好一点。

        一方面，他不太能容忍长时间跑输指数；另一方面，如果基金经理追求的是排名，会导致投资行为的不可测，就意味着要承担更多的风险，“量化投资不是去抢风口浪尖的东西，而是在构建好安全边际的前提下聚沙成塔”。

        杜晓海看好沪深300增强策略的长期价值，“沪深300成分股的质量越来越高，对中国经济的代表性越来越大。2020年是主动基金的大年。但很多人还没有意识到，沪深300指数增强基金已经有半年多的时间表现非常出色了”。

        事实上，从2020年下半年至今，很多主动基金经理没有跑赢沪深300指数。

做“量化版的价值投资”

        在杜晓海的认知里，量化投资不是空中楼阁，而是把优秀投资人的方法，用纪律化的投资方式和投资流程融合起来。这既需要好的投资理念，也需要经过数据的验证。

        他在选择投资策略之前，会把过去十五年里，逻辑比较通顺的因子，全都在市场上跑一遍，“模型做出来效果好，实操的信心会更强一些”。

        从2016年开始，成长因子显著跑赢价值因子。尤其是去年12月到今年1月，这一趋势演绎得淋漓尽致。

根据历史数据回测，价值和成长两个因子都有长期阿尔法收益。相比之下，价值因子近两年表现欠佳，而成长因子在A股市场一直有效。

        在投资中，杜晓海会把成长因子排在前面，价值因子放在后面。他的理想是，做“量化版的价值投资”。

        成长价值和价值成长听起来像是一回事，但在杜晓海的衡量标准里，创造价值和低估值是两码事，两者有一个先后次序。首先，必须是一个成长性比较高的公司，再通过估值进行风险控制，拉回到一个合理的价格水平。

        “单纯看估值不叫价值投资，只能叫估值投资。”估值的另一端就是创造价值的一端，杜晓海倾向于中间地带，既要选择能创造价值的企业，又要在估值上有一定的保证。

       杜晓海在挑选标的时，非常看重企业的盈利能力、资产负债表的健康度，以及能否持续创造自由现金流，“拉长时间周期来看，市场还是喜欢创造价值的企业，只要估值不要过于离谱”。

        过去两年成长因子的表现，跟他的投资理念颇为契合。这在他的基金组合上有所体现：虽然组合估值和指数差不多，但盈利能力却比指数高不少。

两个标准刻画成长性

        巴菲特曾经说过：“价值评估既是科学又是艺术”。对量化投资而言，估值可以客观判断，成长性却很难刻画。

        “如何把主流投资人认同的高成长，用一种量化的方式呈现出来，比单纯做估值判断难的多。”杜晓海认为，准确刻画企业的竞争力、超预期和成长性，是量化投资中最主要的难点，“比如即将到来的一季报，静态看，或许业绩好的公司一大把，但很多都是基数效应，一个100%增长的公司完全可能被投资人判定为低于预期。除了静态业绩之外，还需要更多其他的标准来判断”。

        一些基金经理可能会把个人偏好放在客观数据之前，容易看不到报表上瑕疵的地方。比如商誉，2015年的时候，很多人没有注意到背后的风险，随后两年就出现了大量商誉爆雷的情况。

        杜晓海更喜欢回调过后好公司的买入机会。为了提高命中率，他有两个重要的标准：

         一是关注企业超预期和长期稳定的竞争格局。“投资人真正关心的，是企业中长期可持续的盈利能力。如果光看短期景气度，很容易买在周期阶段高点”。

       杜晓海在选择一家公司时，其业务不一定要处于风口行业。在他看来，每个行业里都有优质的、能持续创造现金流、创造企业价值的公司。长期创造价值的基础上，再结合短期不错的业绩景气度，这样的公司，即便不处于风口行业，同样可以提升整个组合的进攻性。

        二是多跟行业研究员交流，吸收最新的研究成果。以医药板块为例，过去三年里，受医保政策的影响特别大，“如果单纯量化选，很容易选出一堆估值低但无人关注的股票。如果研究员找到几个子板块，跟医保政策关系不大，从这里边去按照性价比选股，命中率就会高很多”。

来源：新浪财经

量化投资如神话？A股里的量化机构会如何选股？

       1、和公募基金里的多头思维不同，量化投资机构在选择A股炒作品种时，往往选取兼具财务状况良好、业绩增长状况好、估值相对具备安全边际、题材具备市场热点追捧、技术面上符合强势特征的个股，通过一定的复合因子选股方式进入股票池，并通过机器与人工复核相结合的方式，由人工对初筛股票池进行增减（后期可能添加事件刺激、行业题材偏好等人工选股因子），根据市场情况增减因子比例或因子权重，得出量化选股的股票池，并及时进行股票池更新换代。

       2、在选股因子方面，原则上包含估值因子（包含但不限于市盈率、市净率等）、业绩增长因子（净利润增长率）、强弱因子（技术面上的均线以及各类技术指标等）、流动性因子（成交金额与换手率等）、相关性因子（与股指期货的相关性等）、题材与事件刺激因子等多个大类因子。

      3、针对每个因子的分配比例，实际上其权重的分配没有一个固定模式，完全根据市场整体情况而定，在部分时间点会侧重选择考虑市场较为看重的因子（如在每个关键节点的财务报告发布时，会更加注重业绩增长因子等与报表行情相关的因子等）。

      4、既然有了量化选股的基础，那么日常交易里的配比将会体现量化选股的结果。对此，量化机构账户常规仓位维持在0%-90%不等，剩余最少10%资金可用于逆回购或灵活应对，但完全参照产品合同规定进行管理，仓位控制的核心在于敞口的控制，一般风险敞口在正负30%之间。

       5、在相对明确的上涨市场环境中，这类账户可将敞口扩大到*多头50%以上（收盘前根据实际情况决定是否进行套期保值或卖出），在震荡市中一般会考虑把*多头或*空头比例，控制在10%以内，在相对明确的下跌市场环境中可不进行*多头操作。同样，如果先前合约约定允许，量化机构甚至可以进行*空头操作（即股指期货空单市值大于现货股票、基金等市值）。

白马股接连闪崩，量化投资“不背锅”

　　最近，市场上的白马股很不太平。A股行情持续震荡，顺丰控股、中国中免等龙头白马股被“精准狙击”，股价大跌，一方面原因是业绩不达预期，另一方面则是估值太高。如何挖掘业绩与估值相匹配的成长股是对基金经理的考验。

　　近期上市公司年报和一季报相继披露，机构调仓换股的路线图也浮出水面，引发投资者关注。

　　周末好，一周回顾又与您见面了！让我们看看这周有哪些值得关注的投资事件。

　　基金

　　白马股被狙击 基金调仓换股

　　近期，顺丰控股、美年健康、中国中免、恒瑞医药等白马股接连出现闪崩，资金似乎有意“狙击”基金经理的持仓，越来越多的抱团股因为业绩不达预期，而出现暴跌。

　　从近期披露的年报和一季报来看，部分基金调仓换股，一些股票持仓变动较大，低估值、顺周期板块被看好，而前期涨幅过高的高估值资产被谨慎对待。

　　一季报放榜：基金经理调仓换股，估值成绕不开的话题

　　白马股接连闪崩，市场震荡调整，积极调仓还是卧倒死扛？

　　抛光伏，买医药化工！刘格菘、傅鹏博、葛兰等知名基金经理调仓动向曝光

　　一季度超四成私募基金亏损，后市将重回基本面？机构看好这些投资机会

　　量化投资“不背锅”

　　近期不少白马股闪崩，量化投资也被推上风口浪尖，有市场传闻称“某头部量化私募旗下产品遭强赎600亿，爆仓导致部分股票崩盘”。尽管该机构迅速辟谣，但外界对量化投资的质疑声并未停歇。

　　分析人士认为，量化投资是分散组合投资，持仓数量较多，不会集中持仓“大白马”。最近出现的个股闪崩现象，跟量化投资的关系不大。

　　致歉后又陷辟谣风波！头部量化私募明汯引热议，量化投资还靠谱吗？

　　油气类QDII基金翻身

　　国际油价近期持续上行，去年收益垫底的油气类QDII基金脱颖而出，业绩大幅反弹。

　　由于大宗商品价格上涨，经济增长持续改善和通胀预期抬头，能源板块表现优异，同时受益于欧美等海外股市上涨，QDII基金一季度表现尤为出彩。

　　一季度最高收益39%！这类基金霸屏基金业绩榜

　　基金风格漂移引质疑

　　自成立以来，华安科创主题基金一直保持低股票仓位运作，且重仓债券类资产。该基金为灵活配置型基金，虽然比照基金合同，并未违背有关股债投资比例的约定，但由于去年业绩表现明显跑输同类产品，而且依然收取高达1.2%的管理费，引发投资者质疑。

　　名为科创主题基金，却重仓债券？众多基民不淡定了......

　　公募积极布局“碳中和”

　　“碳中和”成为今年市场关注的焦点，也是未来长期投资的主题。不少基金公司想抢占“碳中和”风口，积极布局相关基金产品，以“碳中和”命名的公募基金如雨后春笋般涌现。

　　拥抱最热主题！公募抢占“碳中和”风口

　　市场

　　一季度中国经济“开门红”

　　中国经济持续复苏、韧性强劲，一季度GDP同比增长18.3%，创21世纪以来单季新高。预计下半年增速放缓，逐步回归到5%-6%左右的增速区间，全年经济有望稳中向好，或将实现8%-10%的增长。

　　券商分析人士指出，A股市场风格发生转变，低估值、顺周期、中小市值风格预计在今年会更加占优。

　　一季度GDP增幅创纪录！“十四五”开局良好，专家看好这些投资机会

　　券商

　　券商自营占比大幅提升

　　去年券商业绩同比大增，这得益于自营、经纪、投行等业务的支撑。绝大多数券商去年自营投资收入同比增长，自营业务占全年营业收入的比重增加，成为券商的第一大收入来源。在开展自营业务时，大券商投研力量、资金量等方面更具优势，中小型券商可以基于自身投研力量较强领域进行突破。

　　靠天吃饭？券商去年炒股买债水平分化，中信证券自营收入居首

　　券商计提减值主动“排雷”

　　近期披露的2020年上市券商年报显示，大额信用减值计提对券商业绩产生较大影响。比如“券商一哥”中信证券，2020年计提信用减值损失65.81亿元，减少净利润49.32亿元。分析人士认为，在金融去杠杠大背景下，“踩雷”的券商大额计提减值也是正常现象，发展中介业务也应当防控信用风险。

来源：网易新闻

量化交易策略机器人开发的前期学习实践

　　量化投资就是利用计算机技术并且采用一定的数学模型去实践投资理念，实现投资策略的过程。

　　价值投资和趋势投资（技术分析）是引领过去一个世纪的投资方法，随着计算机技术的发展，已有的投资方法和计算机技术相融合，产生了量化投资。

　　二 量化投资的优势

　　量化投资的优势在于纪律性、系统性、及时性、准确性和分散化。

　　纪律性：严格执行投资策略，不视投资者情绪的变化而随意更改。这样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。

　　系统性：量化投资的系统性特征包括多层次的量化模型、多角度的观察及海量数据的观察等。多层次模型包括大类资产配置模型、行业选择模型、**个股模型等。多角度观察主要包括对宏观周期、市场结构、估值、成长、盈利质量、市场情绪等多个角度分析。此外，海量数据的处理能力能够更好地在广大的资本市场捕捉到更多的投资机会，拓展更大的投资机会。

　　及时性：及时快速地跟踪市场变化，不断发现能够提供超额收益的新的统计模型，寻找新的交易机会。

　　准确性：准确客观评价交易机会，克服主观情绪偏差，从而盈利。

　　分散化：在控制风险的条件下，量化投资可以充当分散化投资的工具。表现为两个方面：一是量化投资不断地从历史中挖掘有望在未来重复的历史规律并且加以利用，这些历史规律都是较大概率取胜的策略；二是依靠筛选出股票组合来取胜，而不是一只或几只股票取胜，从投资组合的理念来看也是捕捉大概率获胜的股票，而不是只到单个股票。

　　三 量化投资策略

　　什么是策略？

　　策略，可以实现目标的方案集合；在****中，策略是指当预先设定的事件或信号发生时，就采取相应的交易动作。

　　什么是量化策略？

　　量化策略是指使用计算机作为工具，通过一套固定的逻辑来分析、判断和决策。

　　量化策略既可以自动执行，也可以人工执行。

　　一个完整的量化策略包含哪些内容？

　　一个完整的策略需要包含输入、策略处理逻辑、输出；策略处理逻辑需要考虑选股、择时、仓位管理和止盈止损等因素。

　　选股

　　量化选股就是用量化的方法选择确定的投资组合，期望这样的投资组合可以获得超越大盘的投资收益。常用的选股方法有多因子选股、行业轮动选股、趋势跟踪选股等。

　　1 多因子选股

　　多因子选股是最经典的选股方法，该方法采用****因子（比如市盈率、市净率、市销率等）作为选股标准，满足这些因子的股票被买入，不满足的被卖出。比如巴菲特这样的价值投资者就会买入低PE的股票，在PE回归时卖出股票。

　　2 风格轮动选股

　　风格轮动选股是利用市场风格特征进行投资，市场在某个时刻偏好大盘股，某个时刻偏好小盘股，如果发现市场切换偏好的规律，并在风格转换的初期介入，就可能获得较大的收益。

　　3 行业轮动选股

　　行业轮动选股是由于经济周期的原因，有些行业启动后会有其他行业跟随启动，通过发现这些跟随规律，我们可以在前者启动后买入后者获得更高的收益，不同的宏观经济阶段和货币政策下，都可能产生不同特征的行业轮动特点。

　　4 资金流选股

　　资金流选股是利用资金的流向来判断股票走势。巴菲特说过，股市短期是投票机，长期看一定是称重机。短期投资者的交易，就是一种投票行为，而所谓的票，就是资金。如果资金流入，股票应该会上涨，如果资金流出，股票应该会下跌。所以根据资金流向就可以构建相应的投资策略。

　　5 动量反转选股

　　动量反转选股方法是利用投资者投资行为特点而构建的投资组合。索罗斯所谓的反身性理论强调了价格上涨的正反馈作用会导致投资者继续买入，这就是动量选股的基本根据。动量效应就是前一段强势的股票在未来一段时间继续保持强势。在正反馈到达无法持续的阶段，价格就会崩溃回归，在这样的环境下就会出现反转特征，就是前一段时间弱势的股票，未来一段时间会变强。

　　6 趋势跟踪策略

　　当股价在出现上涨趋势的时候进行买入，而在出现下降趋势的时候进行卖出，本质上是一种追涨杀跌的策略，很多市场由于羊群效用存在较多的趋势，如果可以控制好亏损时的额度，坚持住对趋势的捕捉，长期下来是可以获得额外收益的。

　　择时

　　量化择时是指采用量化的方式判断买入卖出点。如果判断是上涨，则买入持有；如果判断是下跌，则卖出清仓；如果判断是震荡，则进行高抛低吸。

　　常用的择时方法有：趋势量化择时、市场情绪量化择时、有效资金量化择时、SVM量化择时等。

　　仓位管理

　　仓位管理就是在你决定投资某个股票组合时，决定如何分批入场，又如何止盈止损离场的技术。

　　常用的仓位管理方法有：漏斗型仓位管理法、矩形仓位管理法、金字塔形仓位管理法等

　　止盈止损

　　止盈，顾名思义，在获得收益的时候及时卖出，获得盈利；止损，在股票亏损的时候及时卖出股票，避免更大的损失。

　　及时的止盈止损是获取稳定收益的有效方式。

　　策略的生命周期

　　一个策略往往会经历产生想法、实现策略、检验策略、运行策略、策略失效几个阶段。

　　产生想法

　　任何人任何时间都可能产生一个策略想法，可以根据自己的投资经验，也可以根据他人的成功经验。

　　实现策略

　　产生想法到实现策略是最大的跨越，实现策略可以参照上文提到的“一个完整的量化策略包含哪些内容？”

　　检验策略

　　策略实现之后，需要通过历史数据的回测和模拟交易的检验，这也是实盘前的关键环节，筛选优质的策略，淘汰劣质的策略。

　　实盘交易

　　投入资金，通过市场检验策略的有效性，承担风险，赚取收益。

　　策略失效

　　市场是千变万化的，需要实时监控策略的有效性，一旦策略失效，需要及时停止策略或进一步优化策略。

　　量化在金融领域的重要性不容小觑，在区块链领域更是对交易所app平台的K线起到了很大的作用。#量化机器人#

       来源：网易

人工智能如何推动金融行业的数字化转型

       回顾过去五年，从AlphaGo开始，人工智能得到了飞速的发展。在算法、数据等各个领域都有很多应用。包括像传统的大公司，谷歌、亚马逊、微软等，都在迅速的把基础设施做大。同时，我们在过去几年也看到过一些明星级的项目，像IBM的沃森医疗停摆。另外，在很多金融机构中最开始应用人工智能客服时，体验也不是特别好。在金融机构，实际上是需要一些客户关怀，人工智能很难做到很专业或者人气味非常足。在证券行业，利用AI技术来做投资决策，其实一直没有得到很好的突破。这些都是目前AI应用中遇到的挑战。

      在这里，我也想提出一些困惑，等会请吴军博士给我们一些建议：未来，对于我们这样的CIO来说，在AI落地的方式上***才能更快速地应对市场的变化？怎样才能够更好的和市场上的专业资源做有效的对接？

吴军博士精彩观点摘要

      大数据和AI技术，金融科技正迎来最好的时代，数字化转型下的金融行业正在发生巨变，我们该如何把握机遇？

针对这一议题，知名计算机科学家，《浪潮之巅》、《全球科技通史》等畅销书作家吴军博士与我们分享了如何在人工智能快速发展的当下，把握机遇，推动金融行业的数字化转型与变革。

01 未来经济发展与科技应用趋势

      吴军博士介绍，未来20年的科技时代离不开人口老龄化、绿色经济、虚拟经济这三个基准点，其中虚拟经济是未来全球经济发展趋势的重要基准点之一，像金融服务的远程化、虚拟化等都属于虚拟经济范畴。金融服务虚拟化的背后，是多种技术的综合应用。

      在吴军提到的未来20年最重要的12项科技应用，像GPT-3生成式预训练的变形器、数据信托、数字化接触和跟踪、多技能的人工智能等，都与金融领域应用息息相关。

02 关于人工智能

      GPT是一种自然语言处理工具，相当于功能非常强大的人工智能系统，靠数据数量取胜，提供准确的预测，这代表人工智能的一个发展方向。

      多技能的人工智能代表了未来AI应用的一个重要趋势。它不是集中式的，而是向着大规模分布式的发展，产生聚沙成塔的效果。其中，吴军提到蚂蚁和蜜蜂的技术路线，即靠数量取胜和网络效应，将庞大数量的数据连结起来，形成网络，便形成一个基于群体智慧的超级智能，结合到金融领域，它可以理解用户更复杂、动态的语意和需求，并具备一定常识，提供更精准、更差异化、定制化的高端服务。

03 关于数据资产、数据安全

      金融数字化绕不开大数据这一主题。吴军提到业界需关注数据资产问题，数据资产的价值比我们想象中更巨大。而经济的虚拟化、数字化趋势也同时产生了诸如数据隐私、数据安全的问题。尤其是在具有风险本质的金融领域，其相关的数据资产价值更大，但数据隐私问题也更加值得重视。当前，在数据使用方面，行业还是存在一些乱像。

      如何解决这些问题？吴军提出，需从法律和技术两方面着手。在技术方面的解决方案，吴军认为区块链技术的应用非常重要，它能理清三种关系：数据的所有者（制造者）；数据管理者；数据的使用者。而当前区块链应用存在效率低，成本高的问题，吴军认为解决这些问题的一个比较现实的技术方案是用区块链的方式实现逻辑上的去中心化、物理上的中心化，把数据所有权还给大家。

金融行业大咖对话吴军

      本次研讨会还邀请了华为EBG全球金融业务首席数字化转型官陈昆德、招商银行信息技术部副总经理兼零*研发中心总经理夏雷、安信证券CIO兼信息技术部负责人许彦冰、索信达控股首席科学家张磊博士。

      围绕如何全面提升金融机构的AI能力、什么样的AI技术适合金融机构、Al技术可与哪些金融业务相结合这三个维度展开交流、探讨。

陈昆德

华为EBG全球金融业务

首席数字化转型官

AI技术，最重要的就是要有数据。

      以往的数据就是越精准越好，梳理得越干净越容易。但随着AI技术的进步，可以进行无监督的学习，可以深度学习。数据量越多就越有机会把人工智能或机器学习的模型做好。

      在金融行业中，本身有非常多的数据。比尔·黄的投资爆仓事件，就凸显出银行风险管理的问题，能不能以最快的时间发现风险并且快速避险。整个银行的前、中、后台风险管理全部都是基于数据在运作的，最新的数据效果也最大，当然也需要有庞大的数据才能建出模型。

      对于银行来说，提升对AI的能力代表着背后经营能力的提升，银行也需要转变自己的商业流程，要有不同的科技，这样才能快速的使用新的技术，利用更多的数据、更大的算力，去协助自身的业务。

夏雷

招商银行信息技术部副总经理

兼零*研发中心总经理

      招商银行对外不怎么提自己是一个AI的银行。因为我们认为AI之于银行，相当于水和空气对于人的关系。在银行的领域里如果把AI拉进来，它就能产生明显的效应。我们很早就认为这已经不是一个概念的问题，而是希望把它实用化或者变现。

      在招商银行，如果把业务范围拆开来，以前中后结构化的思维来看，每一个环节里面都已经有大量的AI使用。

      招商银行是以零*见长的银行，所以我们很多是转向客户服务，不再是传统银行资金中介的概念。AI的应用场景不仅仅是局限在智能**、风险控制，还有直播的内容、评论等等，在这些方面AI都大有可为。

      反观传统银行，像智能客服这些我们觉得有点老套路。从现有的算法，搞来搞去，可能就85%和86%的区别。我们对此也很困惑，所以想咨询吴博士几个问题：

      首先， AI领域的精准性偏低。如刚才讲的客服，我们现在也就85%到86%，能不能再往上提呢？另外，在小样本领域，很难通过AI总结出规律；第三，AI缺乏推理能力，感觉总有一个绕不过去的鸿沟。

吴军博士

知名计算机科学家

      任何一个识别系统，只要是有数字的，做一段时间都会遇到天花板。

      85%到86%的差别是0.1个百分点，做产品好像也没有什么意义。因为这0.1个百分点通过其他方式也可以拿到。所以，不是要用AI代替人，只是从经济上来计算它能省多少钱。将来说AI能不能取代人，不知道，打一个问号，但是有一点是肯定的，现有基于单任务的系统肯定是解决不了这个问题的，一定是多任务系统，至少有两个最基本的功能。这也和刚提到的NLP这件事相关。

      第一条，它能够深度理解语意，如机器人能网上找一张*的图片，但*是有很多的含义的，比如说真正**的人把*当儿子，他谈到*的时候，就不是一个简单的动物了，在这种场景下，对这样一个动物的理解就和我们通常说找一张图片是不一样的。

      第二条，它有一些金融常识。比如什么样的事是可能的，什么样的事是不可行的。对于AI这件事，我有一个简单的原则，叫做上帝的归上帝，凯撒的归凯撒，有些事不用急着完全用AI取代人，因为实际上完全靠机器，有很多事情还是做不到的。

许彦冰

安信证券CIO

兼信息技术部负责人

      AI在金融领域还是有非常大的价值，这需要有定力去往前推进，比如我们企业里有两大块，一个是对数据的洞察或者叫数据挖掘、数据的深度学习；另外一点是，因为券商有些业务像研究所、投款，其实是有大量文本类的处理，像这种自然语言处理，无论是自动的生成报告，还是反向的自然语言解析，如果能应用，可以极大的提高这两块业务的产能或者提高员工的工作效率。

      AI的应用门槛比较高，依赖很多条件，比如数据质量、算法、模型等等。在推进过程中，金融行业对数据结果的准确性有习惯性认知，如果准确性不高，会认为这个东西是无法使用的。这跟人对这方面的预期和认知是不同的，在这个训练过程中需要业务人员深度参与。所以，在推进AI的工作过程中，要考虑投入产出及业务效果，对于这方面吴军博士有没有一些建议？

吴军博士

知名计算机科学家

要更好的应用AI，你的团队需要三类人。

      第一类人，就是MBA。工程师或者建模的数学家其实很难做到深入现场，去了解业务需求，所以需要对商业比较了解的人，要到一线了解业务逻辑。AI用不好，一大半原因是业务逻辑没搞清楚；第二类是要有做数学模型的人。这部分人或许可以省略掉，因为现在很多开源工具非常好用，只需要养一个能够把这些开源道理都搞懂的人就可以了。第三类就是工程师，在知道业务逻辑以后，以现有的技术条件去满足需求，实现产品。

张磊

索信达控股首席科学家

中科院计算机应用博士

      关于许彦冰问题，刚才吴军博士谈到团队人员组成，AI的能力确实需要人的支撑，我先由这个问题来切入。五年前我们给一家大型国有银行规划大数据分析的团队，当时就涉及团队需要哪些类型的人才。我们参考了很多国内外的领先实践，给出的建议是要有三类人，配置的比例是2:3:5。

      第一类人要懂业务，能把业务问题翻译成技术人员能听懂的技术语言。

      第二类人要懂数据，做数据加工和IT系统的，底层数据的加工是必须要去做的一件事。第三类的人我们叫做业务分析师。业务分析师的在整个团队建议占比是50%。实际上，这一类人是万能胶一样的角色，可以向另外两个角色去转换，当然，这类角色必须要懂算法原理，能够通过数据分析来解决业务问题。其实我一直认为AI也好、机器学习或深度学习这些新的概念也好，说白了都在做数据分析，而数据分析是解决业务问题的有效手段。

      回过头来谈AI能力，无非就做三件事情——第一是找到我们的业务问题；第二是从相关的数据里面用算法来发现规律；第三是用找到的规律去解决业务问题。我把AI能力的构建分解为四个主要的核心能力：

      第一部分是业务能力，金融行业需要解答业务问题。目前我们对银行业务问题进行了梳理，包括五大类五十多个专题，基本涵盖银行业所要解决的主要业务问题，而这些业务问题可以通过数据分析来解决。

      第二部分是数据能力，没有基础数据的话就用不到先进的AI算法，当然，我们会碰到数据质量、数据加工、特征工程等问题。

      第三部分是分析能力，我一直在跟踪一些先进的算法，看到新算法层出不穷，但是按照我们的经验和梳理，在金融行业真正用到的分析算法，其实并没有那么复杂。

      第四部分是思维能力，我们前面谈到了分析团队，实际上我发现很多人在看到问题的时候，其实没有第一步就从怎么解决问题的思维方式开始着想，而是急于把分析算法用上去。我希望AI技术能和解决问题的方法相结合，才能切实有效的解决我们的业务问题。

来源：腾讯网