行业、学术与优矿视角下的量化投资丨量化实战训练营北京站全记录

会员服务 ·

行业、学术与优矿视角下的量化投资丨量化实战训练营北京站全记录

2017 年 11 月 6 日 优矿量化实验室 充满智慧的👉

11月4日，通联优矿量化实战训练营北京站活动如期开展，本次活动特地邀请了行业、学界、优矿的量化大咖为矿友们带来多元化视角的分享。

1量化投资的现状与发展思考

来自华泰证券金工首席分析师林晓明先生从横向的中外对比和纵深的历史沿革带来了量化投资的现状、量化投资的发展和公募业务角度看量化三个维度的内容。

量化投资的现状：公募产品的规模从2004年的0.33万亿发展到了今天的10.1万亿，权益类产品增长缓慢，增长主要集中在债券和货币类产品，同时存在人均管理规模降低、基金产品同质性强的情况。

他认为未来的机会存在于股票型基金-FOF和量化之中。在量化这个方向上，指数类产品还会继续增加，更大的空间在指数增强型产品和量化主动型产品。

如果横向与发达国家对比，国内的量化公募基金占比还很低。

量化投资的发展思考：2017年初以来，对于量化投资的观点分歧很大，A股量化投资遇到了比较大的困境，他总结了三个主要的原因：

一九行情持续时间长，沪深300很强，两级分化严重；
大部分价量因子失效，同时产品风险控制不到位；
行业中性控制失效、市场波动率屡创新低、量化产品同质化严重等潜在因素。

但同时也要看到，以华泰柏瑞和景顺长城为代表的量化产品收益也很好。按他10年从业经验来看，每年量化投资都有问题，但都是正常的，不可能一直顺风顺水，有危机也有机遇。量化模型的暂时失效并不表明量化投资失效，没有永远不失效的模型，关键是要能及时作出应对。

量化不是产品形态而是投资理念。有的基金经理喜欢成长，有的喜欢价值，业绩会有分化，风来了多赚一点，没风了少亏一点，回撤并不可怕，顺风的时候多跑，逆风的时候做好风控，要知道，量化投资是追求长期收益的，量化很难在公募基金中排第一，因为基准很宽，市场上永远有人在赌一个很窄的Beta。

关于Alpha策略，他表示，任何一个模型都是一个起点，你可以通过这个模型去观察市场，投资的本质是区分波动，是随机波动还是趋势性波动，随机波动过滤掉，趋势波动选择做跟随还是做反转；而Alpha策略的进化方向在海量生成因子、策略高频化、人工智能这三个方向。

同时Beta策略的业务也是相当重要的，Beta定位为工具性的产品，大公募基金公司被动类产品规模都很大，产品线都比较丰富，大公司不能偏科。

林先生还接着分享了关于SmartBeta、FOF、业务管理的观点和看法，他始终认为，实践是检验真理的唯一标准，在量化投资领域，在市场中的实践非常重要，如何将量化投资的各种方法，根据本土市场的特征，推出适合本土客户需求的量化产品，这需要一个长期的探索过程。

2基本面量化投资：理论与前沿

来自北京大学光华管理学院的张然老师以如何赚取Alpha为主题，分享了学术前沿的剩余收益模型和团队最近的一些研究工作，以及量化投资领域的新趋势。

剩余收益模型：斯坦福大学教授Charles Lee研究发现：如果用Vf/P策略代替B/P策略，长期会取得超额收益。在此基础之上，由于分析师容易变得激进从而高估公司股价，把分析师预期偏差和Vf/P策略结合起来，会取得一个长期更高的超额收益，近期国内券商的研究展示在A股市场也适用这一结论。

张老师团队建立了一个利用剩余收益模型分析公司股价的网站：www.Rimvalue.cn ，致力于建立一个更加公平、有效的市场。

研究工作：国外的估值模型放到国内是否适用？为什么不适用？什么情况下适用？

Richard Sloan和Charles Lee一样，都是基于公司基本面做一些交易策略。Richard最知名的是应计异象：投资者看净利润不会拆解来看，有些公司的净利润由强劲的现金流支撑，而有些公司利用应计操纵净利润，造成净利润虚高的表象，利用这种现象构建一个相应多空的策略，在美国市场长期来看可以取得超额收益。

但在国内市场，应计异象却不显著，为什么？

上方的是美国上市企业的ROE分布，下方是中国上市企业的ROE分布。

由上图可以看出，中国企业的ROE分布明显不符合正态分布。由于资本市场的一些制度安排（如ST股票制度），中国上市企业存在“不敢亏损”的现象，亏损之后企业会选择对财务报表“洗大澡”。因此策略选取了一些不想选到的公司，剔除掉“洗大澡”企业之后，基于应计异象搭建的策略还是会有超额收益。

另一项研究是关于Technological Links，即企业之间的技术关联。企业之间的技术关联体现在：第一，不同企业应用同一领域的技术，如基因编辑公司；第二，企业得益于技术进步带来的外溢效应，如著名的“Steve Jobs Patent“，即多点触控技术，这项技术也可以使特斯拉等诸多公司公司受益。

最后，张老师介绍了一些量化投资领域的新趋势，如：

人脸画像与面部表情识别：路演中董事长情绪与IPO后业绩变脸；
卫星数据与股票收益；
与通联合作的本福特定律与公司财务造假。

3量化投资在股票市场中的应用

来自优矿量化金融分析师魏江魏老师，从应用的角度，与优矿平台相结合带来了量化投资实践过程中的大量细节。

对于投资，先从收益的角度去归纳，从“行业”、“风格”、“特有”三个方面归纳收益。例如中国中铁涨了，同时中国铁建也在涨，这就是“行业”归因，可以比较直观的观察出来。这些直观的称之为现象，从数学的角度，利用模型可以进一步去研究它，简单来说就是通过现象找到收益的来源，通过风险模型，用数学的方式去构建这一套理论体系，然后去演绎这套收益，寻找核心的alpha。归纳、研究、构建和演绎这一过程，均可以在优矿平台实现。

而后，魏老师又为大家介绍了如何利用优矿平台强大的功能，对田汉卿女士管理的华泰柏瑞量化增强混合A（000172）进行了案例分析。

运用两种主流的归因分析：Brinson归因和Risk Model归因。Brinson归因把超额收益分解成选股收益，配置收益，交叉收益三个部分。

Risk Model 归因是与“归纳和演绎“一脉相承的，它分析的层面更细致。alpha因子是真正帮助机构盈利的部分，没有人会说自己用了怎么样的alpha因子，但是通过Risk Model归因，可以从收益的角度反解alpha部分有多少，水平又是怎么样。000172的Alpha部分带来的超额收益在20%，表现相当稳健。