01期
谈及量化投资，在资本市场并不是新鲜事物。它兴起于90年代的美国，至今已有30多年的历史。由于不了解背后的原理，而且常跟 AI、人工智能、机器学习等高深莫测的词汇一块出现，所以对于很多投资者而言，“量化”一词天然有一种距离感。
其实，量化投资没有大家想象的那么玄乎。《中欧量化解码社》推出量化科普系列第一期，为大家揭开“量化投资”的神秘面纱。
在传统投资中，从收集信息、制定策略、到最终交易的执行，每个环节都是由人来完成的。而如果计算机参与到投资决策环节，这种交易就获得了量化的加持，量化投资简单来说就是一种通过数量化方式及计算机程序化发出买卖指令的的交易方式。
通俗地讲，量化投资就是股市里的一场“编程比赛”，它依赖各种复杂的数学算法，通过数学和编程工具作为抓手来预测投资标的未来表现，从而赚取超额收益。
量化投资这个大江湖里，又可以根据投资理念策略分成不同的“门派”，囊括了诸如高频交易、因子投资、期货CTA、基本面量化等众多领域。
最主流的量化策略之一是多因子投资，这个很好理解，就比如在电影特效中，如果要把某个演员的动作变成动画，方法是在这个演员身上的不同位置安装尽可能多的传感器，通过这些遍布全身的传感器来捕捉演员的动作信息，达到复刻演员姿态的效果。
类似的，多因子投资中的因子就像演员身上的传感器，用来复刻一家好公司该有的样子。比如最简单的基本面三因子， 用PB低（便宜）、ROE高（有护城河）和净利润增长率（成长性强），这三个因子去刻画传统主观投资眼中的基本面好的公司。其实就是把优秀的主观基金经理口述的好公司，通过抽象成，构建了多因子量化模型。这种方法通过快速处理大量公开数据，选出有投资价值的投资标的，使得这一策略在20世纪90年代后的美国大行其道。
2015年前后，中欧基金开始探索量化投资的本土化路径，希望找到真正适合中国公募基金的量化投资方式。
和美国市场不同，A股作为发展中国家市场，不同阶段所呈现的风格截然不同。这就导致从2015年开始，A股的传统多因子投资每隔几年就会迎来一次较大的波动。比如，2016年微盘股表现好，2017、2018年，价值PB表现更好；2019、2020、2021年， ROE高、具有行业壁垒、盈利能力好的公司表现更好。
这就导致传统多因子在中国的本土化过程中，从因子投资变成了一种风格投资，也增加了alpha的波动性。
站在公募基金的角度，除了传统的因子，我们还可以挖掘基本面的逻辑来丰富因子库，这也是公募基金所擅长的。作为权益研究大厂，中欧基金权益投研团队基于基本面深度研究，贡献了很多主观基本面投研老将眼里判断公司质量的一些“审美标准”，指明了应如何看待A股的好公司、如何寻找行业的景气度的基本面思路。中欧量化团队站在巨人的研究肩膀上，得以不断优化适合A股的本土化量化模型。
我们也由此摸索出了一条具有中欧特色的量化投研路径——通过主观基本面投研经验与大数据系统的融合，中欧量化团队不断积累更有针对性的数据因子库。除了基本面因子库还积累了多元另类数据，从微观的公司层面到中观的行业景气趋势层面，再到宏观的消费、投资、就业等维度，助力全方位搜寻投资机会与拐点。基于此，通过量化工具进行实时密切跟踪，发挥先发优势抓住上市公司的一些盈利指标，去预测上市公司的未来表现。当然，在这过程中，会需要持续迭代模型构建，否则模型就可能会失效。
在团队架构上，中欧基金量化团队在过去一年间，做了行业内创新性的实践。曾斩获金基金大奖的主动权益老将王健作为投资总监，加入了中欧量化投资部门，主导基本面量化组，进一步把量化工具与主观研究相结合。中欧量化团队将传统基本面投资和量化投资融合在一起，同时具备主动分析的逻辑性和研究深度，又能发挥量化投资的速度和广度优势。
在工作流程上，我们依托于公司专业化、工业化、数智化投研体系，打破了量化团队和主观研究之间的玻璃墙，把AI（人工智能） 和HI（人类智慧）相结合，一方面通过基本面老将丰富的经验、前瞻性的判断来提升量化投资的壁垒，另一方面也以数字化赋能拓展投资研究的范围和速度并助力避免心理偏差。在这种打破研究壁垒、各自发挥所长的协作框架下，力争达到“提高投资的胜率，又保留弹性的赔率”的1+1>2，促使双方在互补优势的基础上共同前进。
点赞在看
留言评论
红包口令已通过公众号私信发送，请于有效期内进行领取，避免过期失效。
滑动查看完整风险提示
点亮“赞+在看”
截图并私信发给公众号后台
抽10位朋友送8.8元红包