沪指八连阳重回3000点附近,但最近市场里最热闹的新闻不是反弹,而是很多买了私募量化巨亏的人找管理人要说法。
春节前两周是量化圈的噩梦。大批私募量化产品出现多米诺式下跌,有的甚至在一周之内跌了20%,抹掉了过去两三年的收益。
好不容易熬过了年关,还没在市场反弹中喘过气来,监管的大棒也随之而来。
2月20日,沪深交易所表示,未来私募量化交易中的高频交易、过度运用信息优势、加剧信息不对称性等问题将会被重点整治。
曾被贴上“砸盘元凶”、“助涨杀跌”、“割韭菜”等标签的量化基金又站上了风口浪尖,关于量化的讨论再次变得激烈。
量化投资是什么?今天我们就来一探究竟。
01
莫得感情的投资机器
传统的主动管理,都是由基金经理和研究员主导,在市场上发掘机会,并对感兴趣的企业进行研究、进行同行比较,并评估选择出他们认为最具竞争优势和性价比的公司进行投资。
但这个过程和最终决策都是由人主导的。
比如,很多基金经理都说他们做基本面投资,挑选好公司、好赛道、并在一个相对低估的价格买入。但是什么样的公司是好公司、到底估值多少才是低估,什么时候卖出,都受到基金经理主观判断的影响。
相比之下,量化依靠的是数据和科技的手段,把投资行为模式中用来决策的判断依据数字化,形成一套自动化流程。
传统投资所需要的技能,包括宏观经济分析、财务会计分析、资产估值、风险管理等等。但比起谁更会算数,想要在传统投资中脱颖而出,实际更考验的是你对市场的敏感度和感知,对产业趋势、商业模式和报表的认知和理解。
而量化团队每天的工作,是对海量历史财务、交易、市场数据进行演算并寻找规律,找到可以预测未来走势的变量,然后输入到模型中,作为选股和决策的标准。
比如,为了克服自己人性的弱点,做出追涨杀跌的错误操作,你可以设置一个自动的交易程序:每上涨10%则自动卖出一笔,每下跌10%则自动买入一笔。
算法没有七情六欲,只要触发了模型中的设置的条件,该出手时就出手,比人为判断要果断百倍。
不过,这只是量化中最简易的交易部分。
量化真正的含金量,是通过数据挖掘,在过往市场的规律中找到可以赚钱的有效法则。在上面的例子里,这个法则可能就是“上涨10%卖出、下跌10%买入”。
然后把这个规则输入到模型中,利用计算机进行自动交易。这才是一个完整的量化投资流程。
所以,量化投资其实就是数据摸索出来的有效的策略+计算机高度纪律性地执行。它是数理统计工具在金融领域的运用,是投资者的定性分析与判断的数量化体现。
02
自动化的镰刀和拥挤的交易
有人说,量化投资是一台可怕的全自动韭菜收割机。

这个印象可能主要来源于量化投资中的“高频交易”。
高频交易是量化投资中的一种策略,它基于对未来短期股价走势的判断,低位买入,高位卖出,以此来获得价差收益,买入卖出交易在日内完成。
这种以博取短线差价来赚钱的策略,也是招致“量化交易薅股民羊毛”和不公平交易等质疑观点的引火点。
最近量化交易监管重点,其实也是在高频交易上。从海外经验来看,境外市场也普遍对高频交易实施更为严格的监管,以防范对市场秩序造成负面影响。
然而,高频量化主要是一些私募基金采用的策略,并非所有量化投资都是高频交易。
国内公募量化大多采用的是基本面量化策略。
基本面量化策略和传统基金经理价值投资类似,基本面量化模型会收集处理企业的所有公开信息,包括财务数据、经营数据、行业信息等等,然后挖掘数据背后的市场规律。
由于基本面数据更新频率低,基本面量化策略持仓周期短则数月,长则几年。
因此,量化投资不能直接和高频交易以及套利画等号。传统投资与量化投资都可以是价值发现者,两者并不是对立的关系。
另外,尽管量化交易看似是舰船利炮,但它也并不是稳赚不亏的游戏外挂。
量化投资是利用数量化手段,制定和执行投资策略。它的成功与否,取决于策略是否有效。
虽然现在量化策略机构采用的量化模型里的因子日新月异,投资和交易策略在不停地迭代,但是历史总是一再重复。
每当新的因子被发掘,所有人都觉得自己练的是独一门武功、找到了可以战胜对手的法宝,但事实证明,拥挤交易总是很快会到来。
比如说在去年,中国很多量化机构的机器学习了半天,不约而同的发现了小盘股还存在了创造超额,前后脚买入。
结果你发现,最后这些自诩掌握了“黑科技”的人的智慧其实高度雷同,一有风吹草动就会出现踩踏,最后一地鸡毛。
虽说这些操着量化利刃的机构掌握了散户难以拥有技术和资源,但从结果来看,最后也是均值回归,水平也没比散户高多少。
03
走下“神坛”的量化
在人脑和机脑比拼的较量中,量化投资者其实面临两个挑战。
挑战一:他们的远大抱负有时超出了他们的能力。
任何成熟、成功的量化交易,需要具备的核心要素就是能通过获取的信息和数据推测,预估股票、债券、外汇等资产的价格走势。但只有当未来代表了对过去的重复时,预测才有可能实现,可是这样的假设在很多时候都不成立。
挑战二:更大问题是上面提到的拥挤交易。
每年都有大量拥有数学、计算机、金融工程等背景的高材生进入这个行业。想要在这个领域成功,必须找到和你有相同知识和背景的人找不到的机会。
花哨的模型和复杂代码很难拉开人与人之间的差距,想要在量化领域出众,决定差距的还得是信息和认知上的优势。而在当下,经济和金融市场的每一个细节都在互联网上快速传递,要实现这一目标是非常困难的。
就像在人工智能刚刚出现时,很多人认为它会给投资圈带来一轮洗牌。
然而,至少从现在来看,这种情况还没有发生。虽然人工智能已经可以在国际象棋、围棋、扑克和其他需要多种策略才能获胜的游戏中击败了顶级人类玩家,但是我们的市场和这些一板一眼得棋牌游戏不同。
只要知识是进步的,只要信息是变化的,我们就不可能完全预测市场,大数据和AI不能改变这一点。
和人类的智慧一样,哪怕有再惊天动地的科技力量,也要在信息和认知的基础上才能成功。
