思考量化投资更本质的问题 读《量化投资十六讲》

本篇文章1940字，读完约5分钟

王林峰

定量投资是投资的一个分支，但人们经常被复杂的定量方法所困扰，有“乱花钱，变得有吸引力”的感觉，因此不能正确理解。例如，人们经常寻找所谓的“量化的圣杯”，希望建立一个持久的量化模型，创造一个赚钱的机器。从投资的常识来看，风险和收益是匹配的，“只赚不赔”的交易违反了基本的投资规则。

当量化投资刚刚在中国出现时，许多人持有一个模型——即使没有对历史数据的回溯测试，也没有基本的绩效风险评估——他们可以获得大量资金来做出确定的报价。随着市场对量化投资意识的提高，这种现象不再存在。

作为投资的一个分支，定量投资有其固有的风险。《数量投资十六讲》第一章中的几位专家从各自的角度解释了这一事实。定量投资只是一种不同于传统投资的方法。“与传统不同”并不意味着量化投资优于其他投资方式，也不能保证市场涨跌时都能赚钱。由于量化投资本身的特点，其数据处理方法、思路甚至数据来源都具有一定的知识产权，这在一定程度上阻碍了量化投资者之间的公开交流。《数量投资十六讲》的作者有着丰富的投资经验，非常善于与投资者交流经验。他们根据自己的实践经验，用通俗易懂的语言描述了量化投资。许多作者分享了从投资理念到量化战略的转变过程。从本书不同作者的角度来看，读者将对定量投资有更深层次的理解。

量化投资在交易执行、风险管理和绩效分析方面具有明显优势，相关方法已经渗透到传统投资的各个领域。根据摩根大通的研究结果，大约85%的美国股票交易来自算法交易。只有贝莱德的阿拉丁平台为全球25，000家机构的资产提供了风险分析、投资组合优化、情景测试等功能，其中包括全球15%的保险公司和10%的大型资产管理公司。最近流行的智能贝塔指数、指数增强基金和fof基金，包括资产配置方法，可以找到量化投资的痕迹。在这些方面，《数量投资十六讲》中的一些观点可以起到吸引有价值建议的作用。

无论是电影《空大头》中的醉酒场景，还是畅销书《闪人》中的高频交易，都不是定量交易的日常工作。虽然西蒙斯最近披露了他的复兴基金的部分工作:300多名各自领域的优秀员工聚在一起，相互碰撞，一些成熟的想法将会迭代到公司系统中，带来更多的好处。但这与大多数定量交易公司相去甚远。大多数国内定量投资公司仍在为基本投入产出比而挣扎。例如，“你想买一个投资组合优化模型，它带来的好处能弥补成本吗？”，等等:“你是想买经过处理的新闻资料，还是自己写一份更划算”因此，大量的人在量化投资的初级工作中不断地重建自己的代码，而许多进行量化投资的人实际上是“金融农民工”和“代码农民”的综合体。《定量投资十六讲》可以引导读者绕过这些潜在的技术，思考一些更基本的问题。什么样的策略是好的？量化投资赚了多少钱。

定量投资行业的高薪和高挑战性使其具有吸引力。对我来说，投资最吸引人的部分是谈论成功或失败的英雄，尤其是量化投资。我们可以提出1000种和10000种假设来争论每一种假设的对错，但我们永远不必担心陷入无休止的争论(这在学术辩论甚至许多实验科学中都遇到过)，因为一个简单的回溯测试或一小笔钱就可以结束争论。如果传统的基金经理投资评估是基于一年或两年，那么定量模型的评估只需要基于几个月或几个季度。定量投资长于投资广度，短于投资深度。相应地，一个好的量化投资可以很好地控制风险收益率，但是超额收益很难与积极投资相匹配。这实际上提出了定量投资的目标:我们应该寻找一个更稳定的战略，而不仅仅是一个高回报的战略。

随着监管力度的加大，许多量化方法被被动地加入到投资过程中，如指数增强型基金的一系列比例限制:现金资产不得低于5%，股权投资不得低于90%至95%，指数成分不得低于80%，跟踪误差限制等。如果增加大额赎回，确保头寸调整过程中的合规性不是一件简单的事情。定量投资法引入了风格等概念，使得抽样复制误差更小。绩效归因和场景测试降低了投资组合出错的概率。

量化策略的趋同也是一件令人沮丧的事情。随着数据供应商建设的逐步完善，量化投资的数据源同质化现象越来越严重。受过正规教育的量化投资经理的数量不断增加，意味着方法、数据和方法的趋同加剧了阿尔法因子的衰减过程，导致共同战略的回报越来越低。因此，由背景复杂的人开发的策略可能会引入更多的字母。

定量投资可能意味着没有办法像传统的行业投资研究那样积累联系和深入了解行业，工作积累的代码随时可能过时；定量投资可能意味着做同样数据分析的学生可能有一个好的职位和大量的奖金，而你的策略仍然看不到曙光；定量投资也可能意味着你刚刚灵机一动的想法已经在几年前实现了，并且已经消失了。如果你意识到这一点，你仍然愿意接受它。然后，我希望《定量投资十六讲》这本书能带领你进入定量投资这个迷人的领域，并尽快获得你生命中的“大奖”。