量化投资基于其模型和算法，对大部分投资者来说十分神秘。本期“牛基有约”的嘉宾是华泰柏瑞基金的量化投资部副总监、华泰柏瑞量化优选混合（000877）基金经理盛豪，他将用深入浅出的方式为大家揭开量化投资的神秘面纱。
市场行情总体偏乐观
首先，我们对最近市场的看法总体是偏乐观的。
在目前市场环境下，大的风险事件是看不到的。所谓的大的风险事件是指黑天鹅事件，一般来说如美联储加息、英国脱欧、法国德国大选这种媒体广泛报道的事件，尽管它们对市场影响较大，但由于媒体的广泛报道，大家对其已经充分认识，最后发展为黑天鹅事件的概率较小。
股市自15年6月起已经经历过三波股灾，可以说股市已经基本调整到位，风险比较小，在这个过程中国家队已经入场进行维稳，股市从16年1月的低点反弹了已经超过百分之二十。技术上可以认为一个涨幅超过百分之二十的市场是牛市，按这个定义现在A股市场属于牛市，大家预计的慢牛市场已经开启了。
此外，今年以来，证监会以及各个监管层密集出台了各种政策，总体来说都是从保护中小投资者的角度出发，从稳定金融市场利益出发出台了各种政策，其中有一些对股市是重大利好，比如去年定增对市场资金的抽血的能力是IPO的九倍，尽管去年IPO加速放行，但IPO对市场的融资的抽血作用是远不及前两年定增所带来的负面作用，所以对定增进行加强监管对股市是有明显的利好作用的，股市资金外流的速度明显降低，这一系列监管政策加强了对中小投资者的保护。
下一点要说的是资产荒。过去两年谈论资产荒次数较多，但是随着美联储加息、QE的退出，大家谈论资产荒的次数在降低，但国内市场还是存在资产荒，主要原因是投资者对风险和收益率的预期和市场提供的风险和收益率是不匹配的。去年年底债券市场大跌，引起低风险投资人受伤严重，这部分投资人将资金转入股市，一开始他们利用低风险的股票比如高分红的大盘蓝筹股，但是随着大量资金进入高分红的大盘蓝筹股无法满足这部分资金的需要，产生了溢出效应，部分资金转投其他A股股票。
根据我们观察到的市场变化，尽管存在一些问题，但是总体来说我们对市场的看法是比较乐观的，总体来说市场应该是一个震荡向上的行情。
什么是量化投资
接下来谈一下什么是量化投资。
过去的三年里，量化投资基金业绩相当不错，今年以来部分基金表现差强人意，但大家对量化基金还是比较感兴趣。量化投资顾名思义就是使用数量化分析的手段进行投资，但这个定义比较狭隘，因为现在百分之九十以上的投资人都或多或少的利用数量工具来进行分析，比如市盈率、市净率、GDP、PPI数据都是量化指标。现在大部分投资人都或多或少使用过这些指标，但不能就说这些人用了量化投资。所以这里给出一个定义，量化研究员进行编程建模，量化模型在进行投资的过程中无需人工干涉，可以自动完成投资，这样的投资手段叫做量化投资。
接下来说说量化投资的发展历程。量化投资相对于一般意义上的主动投资（人脑分析的投资）来说是要年轻很多的。量化投资从上世纪七十年代开始发展，期间包括马科维茨的资产组合理论的发展与第四代计算机的商业化。资产组合理论目前已经得到了业内的广泛引用，但是在当时由于计算量大，且只能用手算，效率很低。第四代计算机的商业化较好地解决了这个问题，因此量化投资得以出现。
九十年代PC机普及之后，量化投资的各种策略可以高效率地实现。1998年美国长期资本公司开始运作，他们通过实现两位诺贝尔经济学家的投资策略，在短短几年内收益惊人，尽管在2001年由于高杠杆等一系列原因而突然倒闭，但其理念得到了广泛的接受，从而派生出很多新的量化基金。2007年金融危机，以高盛为首的量化基金倒闭而引发了踩踏，市场上很多量化基金都倒闭了，但美联储通过QE等政策手段快速恢复市场信心，2009年以后又有很多量化基金出现。得益于跨大西洋光缆实现的信息传播速度提升，高频交易开始蓬勃发展，量化投资策略也变得更加多元化。
量化投资策略如何分类呢？按照做法来说，可以分为两大类，一类是基于算法，一类基于基本面。对于前者而言，现在人工计算很难战胜量化，因为在相同的算法下，计算机的速度远远快于人类，所以在算法的领域很大程度上淘汰了人工计算。不过，在特定市场环境下，个别策略仍有人和计算机算法共存的现象。
根据交易频率的不同，算法可以分为高频交易、中频交易和低频交易。其中大部分算法使用统计套利，还有的使用逻辑套利。以高频交易为例，有策略通过分析订单来估计市场涨跌情况，如果判断市场涨就提前买入，等市场涨后再卖出。还有些策略是跨市场，比如A股停牌，但是欧洲有投资A股的ETF还在交易，这时市场上没有足够的信息来对ETF进行定价，但是可以通过一些统计原理来预判明天A股是高开还是低开，在此基础上对欧洲ETF进行定价和交易，这就是利用不同市场交易时间不同来进行套利交易。此外，统计模型多种多样，所以交易反馈信息的速度也各不相同，有的高频有的低频，持仓时间可能是微秒级的，也可能是几天。
基于基本面的模型与非量化模型原理大致相同，自上而下可分为宏观配置择时，行业轮动，选股。现在市场上纯做宏观配置和择时的模型比较少，因为市场千变万化，如果用一个统计模型来预测，就需要一个强假设：历史上发生的事今后也会发生。然而，每一次金融危机作用的原因不同，政府应对的手段也千差万别，所以通过纯定量分析是比较难完成的，一般经济学家会对经济数据进行分析，做出一些定量的判断预测经济下一步宏观指标的变化，基于此对今后的政府政策进行预判以及对市场进行预判，但政府不一定会按你的预判行动，因此需要通过采访政府官员的方式提高自己宏观配置的胜率。行业轮动也是类似的，不仅要对整个经济进行预判，还要对行业数据进行预判。
华泰柏瑞怎么做量化投资
华泰柏瑞的量化多因子模型是一个选股模型，在行业内进行选股，模型还包括风控模型和交易成本模型，结合起来通过优化器可以选出符合风控条件且预期收益最大化的组合。
上图是我们团队管理的公募基金的排名。前三只基金跟踪沪深300指数，中间两只跟踪中证500指数，后两只对冲了市场的beta，是绝对收益型基金。前五只都以指数为基准，在此基础上加强，使用alpha选股模型。具体来说，就是找出行业内预期收益率较高的股票来替代指数成分股在这个行业里预期收益率较低的股票，达到稳定战胜股票指数的方法。构建模型使用了07-17年的历史数据，回测也是针对各种市场环境，模型实际运行结果符合我们预期（即回测结果）。
沪深300指数大概有40%的权重在金融股上，行业比较集中，但是市场上金融股票数不多，而量化模型的样本数越多统计规律就越有效，所以金融股的选择模型的有效性不高，这三只基金的年化超额收益在10%左右；中证500指数行业相对均匀，做增强比较容易，所以这两只基金的超额收益在15%左右；把增强策略加上对应的股指期货做对冲做套保形成绝对收益策略，在不考虑负基差的情况下年化收益率预计8%左右。因为具体利用股指期货套保时有20%-25%的现金作为股指期货的保证金，所以对于alpha是10%绝对收益率基金来说，收益会在7%-8%。现在股指期货负基差比较大，并且股指期货的限制还没有完全放开，流动性也不太好，所以对绝对收益策略的施展比较困难，策略预期收益年化5%左右。
华泰柏瑞创优基金是基于创业板指数进行增强，基于华泰柏瑞多因子选股模型进行了适当的调整。由于创业板的创新型企业比较多，模型有效性会比传统行业差一些。量化模型都是由历史数据预测将来，如果市场在变化，模型有效性就会降低，我们在研究模型时会考虑到这一点并做出调整。
为什么现在推创业板增强？因为创业板符合国家战略，政府在税收等各方面都在扶持创新型企业，创新型企业成长速度会比较快。创业板上市公司营收增速在30%左右，而主板和中小板差不多在10%左右。创业板在股灾后三次接近1800点（或跌破1800点），从市盈率来看从接近140倍的高点降到39倍的低点，进一步降低的可能性较小，所以我们认为现在是配置创业板的好时点。
