随着业绩和规模的双双爆发,量化投资成了2021年最火热的焦点之一。如何理解量化投资的逻辑?量化投资在操作时考虑哪些因素?对于量化投资,有哪些常见的策略呢?
因子不能涵盖量化投资门类
我们经常会在量化产品或量化基金经理的路演报告中看到“因子”一词,其之所以出现频率如此之高,最主要的原因是多因子模型是所有做量化投资的鼻祖。
众所周知,量化投资是用程序化交易,进行机器选股投资,比如指数增强,就是除了赚贝塔收益(β,即市场收益)以外,还追求阿尔法收益(α,即超额收益)。
我们把市场上所有构成阿尔法的因素,抽象成了一个个因子,比如说它的估值高还是低,业绩增速快还是慢?股价的波动率是高还是低?这些都可以把它因子化,也就是标准化。随后我们就可以按照这一标准对市场上的股票进行排序,择优购买,所以三因子模型本质上是一个排序模型。
但事实上,因子并不能涵盖所有量化投资的门类。例如一些偏程序化交易,更有赖于用机器学习的偏中高频交易的模型,它们往往因为不同指标的组合方式产生极大变化。而且很多时候,该模型关注的是发掘某一支股票的买点和卖点,本质上是一种时间序列的模型,而多因子模型是在一个时间截面上做横向比较的模型,所以这两者之间存在着很大差异。因此,在实际操作中会使用到多因子模型,但很多时候,更多考虑到的是基本面的数据,判断这家公司未来半年到一年,基本面的趋势是向上还是向下。
总体而言,多因子模型其实更主要用于公募基金中的指数增强,但私募基金和一些选股比较集中的偏混合型基金,可能并不是以多因子模型为主。
持股较为分散的指数增强型基金,以及在某些股票上持仓较高的基金,也属于量化的范畴,其做法也被称为“基本面量化”。它的具体逻辑是:首先,基金管理者已经形成一套已经比较固定或者成熟的投资理念,就像我们会先选择抓取基本面趋势向上的公司,这就是一个理念。在持股比较集中的情况下,然后再去了解数据背后的故事、企业的商业逻辑、影响业绩的原因、对长期趋势的判断等等。通过上面这些定性信息,再结合模型当中的定量信息,就可以相对更完整地了解一家公司,然后再来判断它是否符合我们所要求的基本面趋势向上,这整个过程就是主动加量化。
筛选公司要考虑四因素
首先需要关注的是公司的财务数据,包括利润增速、毛利增速、收入增速等,包括财务质量方面的指标、现金流方面的指标等等,这些都属于财务报告相关的数据。
其次,结合所处行业的一些特殊相关数据,也可以帮助我们判断它所处的行业集中度是向上还是向下。
此外,就是另类数据,比如说很多互联网上的数据,也可以帮助我们去了解某些上市公司的基本面变化趋势。
掌握了这些数据之后,可以再搭建一个模型。比如在操作的时候可能会使用基于机器学习的分类模型,判断它的增速是会提高还是会下降,或者现金流的增速是会上升还是会下降等。
最后,在面对不同类型的成长股时,选择的侧重点也有所差异。简而言之,对于大白马,追求的是它增速的提升,对于潜在的小黑马,更看重它整体的稳定性,当然这些侧重点在模型当中会有一些体现。
由于金融行业周期属性比较强,如果在偏成长的方向上去寻找指标,那筛选出来的标的一般会有类似特征,或者说风格比较集中。从实际情况来看,在近几年的经济环境中,筛出来的或者说最终敢于下手买入的大多数都是白马型的成长股。
另外,由于这两年行业的景气度相对低迷,预测小盘成长股真正能成长起来的概率是很低的,所以相对而言对小盘成长股的配置也会比较少,大盘成长股则更多一些。总体来看,整体持仓就会集中在医药大白马、计算机白马中。
港股具备配置价值?
我们看到不少优质的公司在香港上市,比如银行、地产、生物医药、云计算、互联网等,这其中存在很多优质或者是稀缺标的,可供选择。
与此同时,港股和A股又是各自独立的估值体系,可以有效地规避掉单一估值体系市场下的系统性风险。
另外,港股已经走弱两年多了,目前已经具备了配置的价值,未来两年优质个股的性价比会越来越高。
需要补充的是,在我看来,估值在筛选个股时是一个相对比较次要的因素。因为我们希望获取的收益是上市公司成长或者说它基本面趋势向上的利润,无论估值贵贱。当然,如果某公司在没有太多现实因素的基础下,估值达到历史上90%以上的中位数,会选择卖出。
同时,我认为博弈、情绪、量价这些因素都不是目前主要关注的点。从个人在2013年-2017年的投资经验看,技术面的因子,或者基于量价情绪或博弈这方面的因子,基本上有效期都会比较短,每过半年到一年,甚至每过一个季度可能会失效。因为从本质上看,这些因子赚的都是博弈的钱,A赚B的钱,但是B赔多了策略自然会变,那么A的策略也会失效。即使B的策略不变,钱赔完后A的策略也会失效。因此所有偏博弈类型的策略,有效期都会非常的短。市场涨到什么时候是一个头,博弈或者说情绪发酵的转变点是哪儿,这些都是很难提前做判断的。我认为,主要的关注点还集中在它是不是一个好公司,未来的趋势是否向上。
来源:中新经纬