時間:2023-08-14 09:24:54
序論:速發表網結合其深厚的文秘經驗,特別為您篩選了11篇量化投資與基本面分析方法范文。如果您需要更多原創資料,歡迎隨時與我們的客服老師聯系,希望您能從中汲取靈感和知識!
今年7月中下旬以來,盡管對于未來股市究竟能沖到多高點位,市場分歧一直不斷,但一直保持較高倉位的量化產品,已經呈現出越來越明顯的賺錢效應。相關數據表明,量化基金今年以來整體業績平均回報已經占勝了主動權益產品。據Wind數據統計,自2004年國內誕生第一只量化基金以來,目前市場有24只主動量化概念基金產品,涉及19家基金公司。截至9月12日,量化基金今年以來平均收益為12.46%,而同期全部權益類產品的平均收益為9.48%。其中,華泰柏瑞量化指數今年以來收益20.37%,排名前十分之一。
此前,“量化投資”這個詞雖還不為大多數投資者熟悉,相對海外量化基金,國內公募的量化基金起步較晚,之后的發展也一直非常緩慢。但在2005年~2009年指數型基金帶動公募量化崛起之后,隨著融資融券的成熟及期權的推出以及量化基金在A股市場現今的優異表現,市場人士預計,必然將再度在中國資本市場催生第二波“量化投資”熱。
有鑒于此,《投資者報》“基金經理面對面欄目”本期特別邀請到華泰柏瑞量化指數基金的基金經理卿女士,就當下量化投資的一些熱點問題、投資技巧以及四季度行情的走勢判斷等相關問題進行交流。
卿認為,量化投資不能做加法,人為將某個個股加入買入清單;又必須經常結合基本面,對量化模型進行合理的改善。同時她還指出,A股主板市場經歷了長時間低迷,估值已經反映經濟中的問題和增長的放緩,除非經濟發生重大或系統性風險,下行空間有限。
華泰柏瑞量化初露崢嶸
《投資者報》:我們關注到,華泰柏瑞量化指數自2013年8月2日成立以來,特別是自今年2月成立滿6個月以來,已經連續5個月蟬聯海通證券超額收益榜“增強股票指數型基金”冠軍。截至9月19日,在短短一年多點的時間里取得了24%的收益,在同類產品中遙遙領先。請問是什么原因讓華泰柏瑞量化指數業績回報如此出色?
卿:我們的量化模型一年多運作下來比較成功,除了模型本身設計上的優越性之外,也歸功于我們團隊的努力。我們開發的量化模型是基于基本面的量化選股模型,并且針對A股市場的特點作了調整,加入了一些獨特的基本面因子。這些因子是華泰柏瑞團隊投資技能的體現,希望以此區別于市場中其他的量化投資策略,華泰柏瑞未來也會進一步研究新的因子,并加入到投資模型中去。
我們的投資目標有兩個,一是戰勝市場,二是提高單位風險帶來的收益。事實證明,基金成立以來的回撤數據和信息比率都十分良好。
量化投資不能做“加法”
《投資者報》:您曾稱目前業內一線的量化投資思路是做“聰明的量化投資”,即既要堅守量化投資的流程底線和投資本質,也要做必要主動決策和風險管理。請問您是如何把握這個主動的動作幅度和范圍的?換言之,這個主動的動作幅度具體是什么比例?多大范圍?
卿:這里我們所說的聰明量化是指和基本面相結合的量化。主要體現在三個層面:一是模型構建方面跟蹤市場變化做出適時調整。在有市場觀察驗證并有數據支持的情況下,調整模型不同因子間的權重,并淘汰不再適用的因子,根據反映市場獨特特點的基本面信息,開發新的獨有的因子,不斷改進完善模型。二是結合基本面信息,在投資組合構建過程中,控制組合對一些模型尚未反映的風險因素的暴露,并把個別交易標的從交易清單中剔除,以反應模型尚未捕捉的重要信息,像臨時重大信息披露、漲停板等,但決不會人為挑選個股加入交易清單,以堅守量化投資的紀律性。三是在極端情況下為保護投資人利益需要盡最大能力做出對投資人最為有利的決策,以應對市場大的轉折。主要是指危機狀態下,不會機械地固守模型,如果是只做多的策略,會相應做出減倉等應對措施,而不是為堅守不擇時的紀律而讓投資人蒙受損失。這主要是來自2008年金融危機的教訓。
同時,我們與基本面結合,不以犧牲紀律為代價。正常情況下,主要以改善模型為主,把基本面觀點通過模型反映到投資組合中。在個股層面,只能結合市場信息,從模型給出的交易清單中剔除個股,而不可以人為將某個個股加入買入清單,以堅守紀律性。
量化投資在國外被廣泛應用
《投資者報》:在您眼里,中國的量化投資才剛剛起步。您曾表示“中國的量化投資管理的資產規模至少5年內還看不到發展的天花板”。那么,時至今日,您認為中國的量化投資管理的資產規模的天花板應在什么位置?為什么?
卿:國際市場上,量化投資是區別于基本面投資的另一種主要投資模式,和基本面投資相比,有它自身的優勢。量化分析在境外資產管理公司中得到非常廣泛的應用。一些資產管理公司像過去的BGI(巴克萊旗下資產管理部門巴克萊全球投資者)和AQR(華爾街表現最突出的量化對沖基金之一)等等,全部采用量化投資策略;另外一些公司,像GMO(知名的全球投資管理公司,管理規模上千億美元),Pimco(全球最大債券基金――太平洋投資管理公司)和Citadel(美國芝加哥大城堡對沖基金公司)等則把量化分析和基本面分析結合在一起運用。 總的來說,境外幾乎所有大的資產管理公司都會或多或少依賴量化分析的方法。
目前,A股市場絕大部分投資策略都是基本面投資,真正做量化投資的資金很少,其獲得超額收益的市場機會很多,發展空間很大;并且國內市場樣本多,利用量化手段來捕捉超額收益的勝率也有保障,因此未來的前景是比較樂觀的。
量化投資能夠戰勝A股市場
《投資者報》:今年以來量化基金的杰出表現,讓不少投資人驚呼“量化的春天已經到來”,對于市場上的這種樂觀情緒,田總又是怎么看的?
卿:在國際市場,量化投資在投資領域已經占有了重要的一席之地。當前的A股市場中量化分析的運用程度還非常低,所以我們相信量化投資的市場份額一定會逐步增大,未來的發展空間是巨大的。另外,隨著市場的完善,量化投資有機會為市場提供像絕對收益等的新產品,使得市場中的投資產品更加豐富,投資人可以有更多的選擇。
《投資者報》:相對于其它主動管理的基金,量化基金在A股市場具有哪些優勢,以致其能在今年的A股市場整體領先?
卿:A股市場的特性十分適合基本面量化投資。
第一個原因是A股市場處于弱有效狀態,戰勝市場的機會較大。A股市場的發展歷史較短,市場效率相比發達經濟體低很多,因此有很多發現阿爾法因子的機會。
第二個特點是目前量化投資的市場份額小。國內目前的基本面量化產品規??傮w不大,其中嚴格遵循量化投資理念的基金更少,因此有很大的市場空間和盈利機會。
第三是A股市場容量大,而且還在快速擴容中,給量化投資提供了足夠的投資寬度和行業寬度。
國內的公募量化基金在沉寂4年之后重現江湖:2月份,嘉實量化阿爾法發行,于4月成立;5月份中海量化發行,于6月份成立。私募基金也不甘落后,中國第一只量化陽光私募產品――“山東信托•紅色量化一號”證券投資集合資金信托計劃6月1日正式成立。
據悉,國內一些公司正在積極申報量化產品不久將還會有量化基金發行。
作為“舶來品”的量化基金,其前世今生如何?
國外量化基金發展迅速
量化基金即以數量化投資來進行管理的基金,數量化投資區別于基本面投資,它不是通過“信息和個人判斷”來管理資產,而是遵循固定規則,由計算機模型產生投資決策。量化投資并不是基本面分析的對立者,90%的模型是基于基本面因素,同時考慮技術因素。由此可見,它也不是技術分析,而是基于對市場深入理解形成的合乎邏輯的投資方法。
數量化技術發源于20世紀70年代,以1971年富國銀行發行跟蹤紐約證券交易所1500只股票的指數基金為標志,此后隨著計算機處理能力的提高,越來越多的物理學家和數學家離開學校被華爾街雇傭,基金經理們開始依靠電腦來篩選股票。
1979年巴克菜全球投資成立了第一支主動數量投資基金標志著量化投資由草根實踐走到了公募基金歷史舞臺聚光燈下。
根據Bloomberg的數據,截至2008年底,1184只數量化基金管理的總資產高達1848億美元,相比1998年21只數量化基金管理的80億美元資產來說,平均增長速度高達20%,而同期非數量化基金的年增長速度僅為8%。
2000年之后是數量化基金發展的黃金時期,無論是個數還是管理規模都有了跨越式的發展。1998年數量化基金僅136只,至2002年增長一倍多,達316只,2008年底更是達到1848只,1988年至1998年年平均增長率為46%,2000年至2008年年平均增長幅度達54%。從規模上來看,1988年至1998年年平均增長率為32%,2000年至2008年年平均增長幅度達49%。
其中的原因有二:一是,2000年之后計算機技術飛速發展,為數量化的應用提供了良好的平臺。更為主要的是主動管理型基金很難戰勝大盤,于是投資指數基金以及采用數量化方法篩選股票逐漸流行起來。而且數量化基金的表現也非常不錯。2002年至2007年5年間,相比美國市場主動型管理基金每年5.93%的超額收益,那些覆蓋所有資產的數量化基金每年的超額收益可以達到6.95%。二是,有研究表明,2004年至2007年,投資美國大盤股的數量化基金產品的表現平均超越非大盤主動型基金103個基點。
量化基金的心臟
數量化基金的興起,建立在數量化投資技術的發展之上。
數量化基金最明顯的優勢之一就是計算機處理數據的能力遠遠勝過人腦,這使電腦在海量股票選擇中占有絕對優勢。例如,在嘉信證券的股票評級系統跟蹤的股票超過3000只,并且每只股票都綜合了基本面、估值、動量和風險因素進行打分,并按分數高低給A至F不同的評級。其次,量化基金是以定量投資為主,用紀律性較強的精細化定量模型,代替了基金經理或分析師在定性層面的主觀判斷,使投資業績較少受到個人“熟悉度偏好”的影響。最后,數量化基金收取的費率及管理費用比傳統的主動型基金低很多,因為他們需要的研究人員更少,成本更低。據Lipper調查,數量化基金的平均費用是1.32%,相比而言,主動型基金的管理費用平均達到1.46%。
針對不同市場設計數量化的投資管理模型,以電腦運算為主導,并在全球各種市場上進行短線交易,正是西蒙斯的成功秘訣。
然而量化基金并非在所有市場都能有效戰勝非量化基金。Lipper把基金分為4類型,將每一類型的量化投資與傳統投資進行比較,2005年量化投資基金全面戰勝傳統基金,而2006年在增強指數型基金中,量化投資落后于傳統型基金,到2007年則情況發生較大轉彎,除市場中立基金外,其余量化投資基金全部跑輸傳統型基金。在考慮了風險、跟蹤誤差后,數量化投資具有更小的跟蹤誤差和更高的回報。研究表明數量投資基金業績具有很強的輪動特點。大部分數量投資基金具有很強的價值投資偏好,因此,他們在價值型市場下表現良好,而1998-1999年是成長型市場,數量化投資基金大部分跑輸傳統型基金。2001-2005年是價值型市場,數量化投資基金普遍表現優異。
國內量化基金端倪
目前,國內基金市場上有4只量化基金,光大保德信量化核心、上投摩根阿爾法、嘉實量化阿爾法、中海量化策略,其中后兩只均是今年才成立,前兩只分別成立于2004年8月和2005年10月。
光大保德信量化核心一方面通過光大保德信的多因素數量模型對股票的預期收益率進行估算,個股預期收益率的高低決定投資組合是否持有股票;另一方面,投資團隊從風險控制角度,重點關注數據以來的信息,通過行業分析和個股分析形成對量化的補充;最后由投資組合優化器根據預先設計的風險構建組合。
上投摩根阿爾法基金的描述則是同步以“成長”與“價值”雙重量化指標進行股票選擇,然后研究團隊將對個股進行基本面審核,結合跟蹤誤差的緊密監控,以求不論指數高低,市場多空皆創造主動管理回報。投研團隊最終決定進入組合的股票,量化分析是輔助和基礎。
嘉實量化基金“定量投資”為主,輔以“定性投資”。通過行業選擇模型,捕捉具有投資吸引力的行業,然后再在所選行業中運用Alpha多因素模型篩選個股。定性的輔助作用表現在利用基本面研究成果,對模型自動選股的結果進行復核,剔除掉滿足某些特殊條件的股票。
受市場有效性和工具種類等因素的限制,國外一些成熟的量化對沖模型無法照搬回A股。我們將國外的模型進行了本土化的改造,4年來,這種改造已初見成效:2013年,我們的8個量化對沖專戶組合年化平均收益超過了12%。我們欣慰地看見,中國式的量化對沖投資已見雛形,且羽翼漸豐。
這些專戶組合的投資過程,也是我們驗證本土化量化對沖模型的過程。在實際運行的組合中,我們大體采取兩種模式:阿爾法策略和套利策略。所謂阿爾法策略,是專注于創造絕對收益。根據A股市場的特點,我們將理論上的阿爾法策略進行了改造,以傳統的主動型股票研究分析結果為基礎,利用多因子模型來控制組合的風險和相關性,追求超越市場平均回報的絕對收益,為投資者提供持續穩定的阿爾法回報;第二類是套利策略,即利用衍生品到期收斂特點進行套利,在國內做得比較多的就是ETF和分級基金套利。這類套利策略基于市場的廣度和速度,但囿于公募基金內部防火墻等監管規定的限制,我們采用的多為分級基金套利。這種方法繞開了高頻交易對速度的極致追求,能夠為組合貢獻無風險收益。
二、基本分析與技術分析
現資理論主要區分為基本分析與技術分析兩大領域,近年來研究偏向于技術分析居多,但事實上兩者各有其優劣,但在不同時機各有其適合發揮的空間,如同投資大師索羅斯把景氣與股價比喻為老人與狗,雖然終究價格與景氣最終會抵達相同的地方,但也代表是常會有被高估和被低估的現象??傊痉治鍪俏覀冇脕砗饬客顿Y期價內含價值的方法,而技術分析卻常是我們用來決定買賣時機的方法。因此,兩者各有其研究價值。
(1)基本分析:是指投資分析人員根據經濟學、金融學、財務管理學及投資學的基本原理,對決定投資價值及價格的基本要素如宏觀經濟指標、經濟政策走勢、行業發展狀況、產品市場狀況、公司銷售和財務狀況,評估投資價值,判斷合理價位,從而提出相應的投資建議的一種分析方法。基本分析的理論基礎建立在以下一個前提條件之下,即任何金融資產的“真實”(或“內在”)價值等于這項資產所有者的所有預期收益流量的現值?;痉治龅募軜嬁煞譃槿糠郑ê暧^經濟分析,產業分析及公司分析,總體經濟分析又可以從經濟增長率、物價指數、利率、匯率、貨幣供給額來做研究。
(2)技術分析。技術分析是通過圖表型態解析(Chart analysis),或計量化技術指標(Technical index)的買賣信號,分析過去及現在價格變化的走勢,以推演未來價格的變動趨勢(Trend),但不予深入探討其變動的理由。圖表型態解析的技術分析,是運用股價變化走勢所構成的各種圖形,以推測未來價格的變動趨勢。例如,道氏理論、波浪理論及由趨勢線所畫出的支撐線、阻力線、W底、M頭等價格型態,皆屬于此種技術指標。技術分析是以統計學為工具,發展出一些可以幫助投資人,以較客觀及科學化的市場信息,通過明確的數值及機械化的買賣信號來研判買賣時機,尋找能預測出期市買賣點及超買超賣現象的指標。因此,技術分析的目的,在決定買賣時機。技術分析在以交易資料偵測市場供需變化,掌握套利機會并借此獲取超額報酬。技術分析的基本假設如下:一是價格由供需關系決定,以形成趨勢型態變動。二是歷史將會一再地重演,投資人可利用過去價格的變動資料或趨勢,預測未來價格的變動趨勢。也就是貪婪與恐懼(或害怕)是影響投資人的主要情緒。實務上,技術分析的方法很多,主要可分為圖表型態及計量化指標分析。
三、研究設計與結論分析
本研究運用移動平均線和VIX指數結合的方法,對我國期貨市場上的農產品、能源化工和金屬三大類期貨品種的綜合表現進行分析。研究區間為金融危機之后的2008年11月至2014年7月。
主板基本面展望:上半年穩健
雖然2013年全年,自上而下的市場分析方法面臨了嚴峻的考驗,如2012年四季度經濟回升力度超出市場普遍預期,經濟拐點提前到來,但在市場一片樂觀呼聲中卻僅持續了一個季度,2013年上半年經濟迅速轉弱。下半年,在經歷了6月資金面“壓力測試”后,諸多宏觀經濟預判都對此后的經濟走勢極為悲觀,但實際情況卻再次偏離市場一致預期,7.8%的三季度GDP相對于二季度大幅回升0.3個百分點。
我們的宏觀經濟量化預測結果顯示,2013年四季度GDP在7.6%附近,且2014年一季度也保持同樣增速水平。雖然2013年市場風格差異極大,代表傳統經濟的主板指數在“三中全會經濟結構調整”、“利率市場化改革”、“地方債務平臺整治”、“美國逐漸退出國債購買計劃”、“環境保護和大氣治理”等負面信息的壓制下表現欠佳,但至少到2014年一季度經濟沒有大幅下行風險。
定性分析下,我們也認為目前處在政策敏感期,在三中全會《決議》對各改革方向提出指導性意見后,具體細則落實情況成為影響未來一年政策整體松緊的關鍵因素,例如市場比較關心的“優先股推進時點及方式”、“自貿區資本項放開程度和時點”、“注冊制IPO的推進和方式”、“房產稅收制度的推進和落實”、“利率市場化后銀行的業務范圍變化”、“資產證券化和地方融資債務的處置”等問題,其中每一個都有可能在公布和落實中成為市場進一步走強的重要催化劑。
作為量化研究,我們希望在細分數據上得到更多的邏輯驗證。圖中羅列了我們較為關心的中國經濟四大周期行業數據,分別是電力、鋼鐵、水泥、煤炭。在投資導向型經濟體中,上述指標走勢基本能夠反映經濟整體走向,圖中框選部分為2013年2-6月,可清晰看出一段顯著下行趨勢,這也是眾多宏觀經濟分析的錯判區間,在庫存周期波動干擾下,始于2012年末的經濟反彈提前終結!但從量化維度上,我們卻早在3月上旬便敏銳發現了其中的變化,這得益于眾多周期行業模型的跟蹤結果。
基于我們量化基本面預測體系的最新數據,各行業產量增速走向存在一定差異。如發電量增速未來3個月內將小幅下行,預計高點在10-11月形成;鋼鐵行業未來三個月基本面走勢或也將趨于謹慎,預計產量增速也將出現下行;水泥行業謹慎樂觀,預計原有產量、價格增速的上行趨勢仍將延續,但提升幅度有限;煤炭行業相對樂觀,預計2013年6月后的基本面回暖趨勢有望至少延續至2014年一季度,包括產量和價格的同比增速繼續改善。
綜合以上四行業走向,兩降兩升的預判若完全兌現,基本預示著宏觀經濟整體的平穩過渡??紤]到當前市場估值中蘊含了對中國經濟最悲觀的預期,因此我們判斷2014年上半年市場整體將延續估值修復特征,整體重心繼續上移,對應上證綜指參考波動區間為2100-2500點。
創業板基本面展望:或現短期指數調險
我們過去的研究結果表明,滬深300、中小板、創業板等市場板塊的業績同價格指數走勢存在顯著的對應關系,兩者高低點之間領先滯后關系穩定。
上述研究的重要意義在于,其反映出市場對于業績的高度敏感性,也進一步明確了基本面研究和預測工作的重要性。尤其是創業板上的業績與股價對應關系也沒有出現例外,這說明在故事和題材之外,在進行3個月以內的中短期投資中,業績波動仍舊是必須關注的重點因素之一。從創業板業績與股價對應關系可以看出,2011年一季度、2012年四季度兩次出現業績、股價下滑的雙重拐點,2013年全年創業板則基本呈現兩個序列同步提升狀態,我們需要關心的是下一個拐點出現的位置。
業績預測模型給出了令人擔憂的結果,雖然2013年四季度仍能看到業績的進一步提升,但2014年一季度將有可能看到較為顯著的增速下降情況即“業績低于預期”。
考慮到2013年四季度和2014年一季度的業績預測結果以及當前1200點以上的指數點位,我們對2014年上半年的創業板行情從6月中報時的樂觀轉為謹慎,預計創業板綜指波動中樞將下降到1100點附近,參考波動區間1000-1300點,超預期上行風險可能在2014年5-6月之后。
中長期角度下,我們對改革紅利釋放對于國內中小企業的正面影響也充滿信心,但中短期市場則難免受到消息和業績披露的影響,2014年一季度可能出現的業績減速將大概率上對指數產生負面影響,屆時市場的預期也將逐漸回復到一個更理性的水平上。
量化情緒面維度下的中短期市場狀態分析
量化資產配置情緒面,主板折溢價創歷史低位,否極泰來。雖然市場2013年7月便開始觸底回升,但我們監控的主板折溢價指數依舊處于歷史最低水平,反映市場情緒極度謹慎,預計2014年的情緒修復將帶來估值提升;持續跟蹤的市場“恐慌貪婪”指標目前指向大眾投資者的“羊群效應”短期內還不足以獨立引導市場走勢,建議更多關注市場基本面和政策面變化影響;最后,目前機構對創業板的相對持倉水平已從上半年的單邊增持轉變為高位震蕩,預示創業板/主板輪動關系已進入平穩期,需警惕未來業績不達預期風險下的機構減持可能對板塊帶來的負面沖擊。
二、量化投資“黑箱”中的構造與證券投資學的差異
在傳統的證券投資學中,投資組合理論、資本資產定價模型、套利定價理論和期權定價理論是現代金融理論的四塊基石。前兩者主要依靠均值-方差組合優化的思想,后兩者則主要依靠市場的無套利條件。傳統的投資方法主要是基本面分析和技術分析兩大類,而量化投資則是“利用計算機科技并采用一定的數學模型去實現投資理念、實現投資策略的過程”。從概念看,量化投資既不是基本面分析,也不是技術分析,但它可以采用基本面分析,也可以采用技術分析,關鍵在于依靠模型來實現投資理念與投資策略。為了分析量化投資對證券投資學的啟示,本文從量化投資“黑箱”的各個構成來探討量化投資與證券投資學中思路和觀點的差異。
(一)資產定價與收益的預測
根據組合優化理論,投資者將持有無風險組合與市場風險資產組合,獲得無風險利率與市場風險溢價。資本資產定價模型則將此應用到單一證券或組合,認為證券的風險溢價等于無風險利率加上與風險貢獻比率一致的風險溢價,超過的部分就是超額收益,即投資組合管理所追求的阿爾法值。追求顯著正的阿爾法是資產定價理論給實務投資的一大貢獻?;谝蛩啬P偷奶桌▋r理論則從共同風險因素的角度提供了追求阿爾法的新思路。其中,法瑪和佛倫齊的三因素定價模型為這一類量化投資提供了統一的參考??梢哉f,在因素定價方面,量化投資繼承了資產定價理論的基本思想。對于因素定價中因素的選擇,證券投資學認為,對資產價格的影響,長期應主要關注基本面因素,而短期應主要關注市場的交易行為,即采用技術分析。在量化投資中,主要強調按照事先設定的規則進行投資,這在一定程度上與技術分析類似。但是,在技術分析中,不同的人會有不同的結論,而量化投資則強調投資的規則化和固定化,不會因人的差異而有較大的不同。另外,量化交易更強調從統計和數學模型方面尋找資產的錯誤定價或者進行收益的預測。
(二)無套利條件與交易成本
在證券投資學里,流動性是證券的生命力。組合投資理論、資本資產定價模型以及套利定價理論等都認為市場中存在大量可交易的證券,投資者可以自由買賣證券。這主要是為了保證各種交易都能實現,如套利交易。根據套利定價理論,一旦市場出現無風險的套利機會,理性投資者會立即進行套利交易,當市場均衡時就不存在套利機會?,F實市場中往往存在套利限制。一是因為凱恩斯說的“市場的非理性維持的時間可能會長到你失去償付能力”。二是因為市場總是存在交易費用等成本。但證券投資學中,對市場中套利限制與非流動性的關注較少,這是因為傳統金融理論中簡化了市場結構。市場微觀結構理論研究在既定的交易規則下,金融資產交易的過程及其結果,旨在揭示金融資產交易價格形成的過程及其原因。在市場微觀結構理論中,不同的市場微觀結構對市場流動性的沖擊是不同的。因而,從量化投資的角度看,為了降低交易帶來的價格沖擊,能實施量化投資策略的證券往往都應有較好的流動性,因為交易時非流動性直接影響投資策略的實施。從這個意義上講,量化投資時的交易成本不僅包括交易費用,更主要的是要考慮市場交易沖擊的流動性成本。
(三)風險控制與市場情緒
在證券市場中,高收益與高風險相匹配。量化投資在追求高收益的同時,不可避免地承擔了一定的風險。在證券投資學中,系統性風險主要源于宏觀經濟因素,非系統性因素則主要源于行業、公司因素,并且不考慮市場交易行為的影響。在量化投資中,較多地使用因素定價模型,不僅會考慮市場經濟因素,而且會考慮交易行為等因素,只是不同的模型有不同的側重點,在多模型的量化投資系統中自然包括了這兩方面的因素。除了各種基本面和市場交易的因素風險外,量化投資還有自身不可忽視的風險源。一方面,量化交易中,部分交易是采用保證交易的期貨、期權等衍生品交易,這種杠桿交易具有放大作用,隱藏著巨大的風險。另一方面,市場沖擊的流動性成本也是量化投資的風險控制因素,理所當然地在圖1的風險控制模型中體現出來。另外,在一般的投資過程中,市場情緒或多或少會成為風險控制的一個對象。然而,在量化投資中,更多的交易都是通過計算機來實現的,如程序交易等,這樣以來,投資者情緒等因素對投資決策的影響相對較小。所以,在量化投資的風險控制模型中較少地考慮市場情緒以及投資者自身的情緒,主要是通過承擔適度的風險來獲得超額回報,因為畢竟減少風險也減少了超額回報。
(四)執行高頻交易與算法交易
在對未來收益、風險和成本的綜合權衡下,實現投資策略成為量化投資的重要執行步驟。為了達到投資目標,量化投資不斷追求更快的速度來執行投資策略,這就推動了采用高速計算機系統的程序化交易的誕生。在證券投資學里,技術分析認為股價趨勢有長期、中期和短期趨勢,其中,長期和中期趨勢有參考作用,短期趨勢的意義不大。然而,隨著計算機信息科技的創新,量化投資策略之間的競爭越來越大,誰能運作更快的量化模型,誰就能最先找到并利用市場錯誤定價的瞬間,從而賺取高額利潤。于是,就誕生了高頻交易:利用計算機系統處理數據和進行量化分析,快速做出交易決策,并且隔夜持倉。高頻交易的基本特點有:處理分筆交易數據、高資金周轉率、日內開平倉和算法交易。高頻交易有4類流行的策略:自動提供流動性、市場微觀結構交易、事件交易和偏差套利。成功實施高頻交易同時需要兩種算法:產生高頻交易信號的算法和優化交易執行過程的算法。為了優化交易執行,目前“算法交易”比較流行。算法交易優化買賣指令的執行方式,決定在給定市場環境下如何處理交易指令:是主動的執行還是被動的執行,是一次易還是分割成小的交易單。算法交易一般不涉及投資組合的資產配置和證券選擇問題。
三、對量化投資在證券投資教學中應用的思考
從上述分析可以知道,量化投資的“黑箱”構造與證券投資學之間存在一定的差異,因此,在證券投資的教學中應當考慮量化投資發展的要求。
(一)市場微觀結構與流動性沖擊
在理性預期和市場有效假說下,市場價格會在相關信息披露后立即調整,在信息披露前后市場有著截然不同的表現。在證券投資學里,一般認為價格的調整是及時準確的,然而,現實的世界里,價格調整需要一個過程。在不同的頻率下,這種價格形成過程的作用是不同的。在長期的投資中,短期的價格調整是瞬間的,影響不大。然而,在高頻交易中,這種價格調整過程影響很大。市場微觀結構就是研究這種價格形成過程。市場微觀結構理論中有兩種基本的模型:存貨模型和信息模型。存貨模型關注商委托單簿不平衡對訂單流的影響,解釋沒有消息公布時價格短暫波動的原因。信息模型關注信息公布后信息反映到價格中的這一過程,認為含有信息的訂單流是導致價格波動的原因。無論是關注委托訂單的存貨模型還是關注市場參與者信息類型的信息模型,這些市場微觀結構的研究加強了流動性與資產價格之間的聯系,強調流動性在量化投資決策中的重要作用。一般的證券投資學中基本沒有市場微觀結構的內容,因而,為了加強證券投資學的實用性,應關注市場微觀結構的內容與發展。
(二)業績評價與高杠桿
對于證券組合而言,不僅要分析其超額收益和成本,還要考慮其風險與業績。在組合業績評價中,一方面要考慮風險的衡量,另一方面則要分析業績的來源。在證券投資學中,組合業績來自于市場表現以及管理者的配置與選股能力。對于量化投資而言,市場時機和管理者的能力依然重要,然而,量化投資的業績評價還應考慮另一個因素:高杠桿。量化交易中,部分交易是采用保證交易的期貨、期權等衍生品交易,這種杠桿交易具有放大作用,在市場好的時候擴大收益,但在市場不好的時候會加速虧損,這些與傳統的業績評價就不太一樣。在一般的證券投資學里,業績評價主要考慮經風險調整的收益,很少考慮其杠桿的作用,這不僅忽略了杠桿的貢獻,而且有可能夸大了投資者的技能水平。
(三)人為因素與模型風險
在量化投資中,非常注重計算機對數據和模型的分析,這突出了量化投資的規則性和固定性。然而,實際中,別看量化采用了各種數學、統計模型,但策略設計、策略檢測和策略更新等過程都離不開人的決策。量化交易策略與判斷型交易策略的主要差別在于策略如何生成以及如何實施。量化投資運用模型對策略進行了細致研究,并借助計算機實施策略,能夠消除很多認為的隨意性。但是,量化策略畢竟體現投資者的交易理念,這一部分依賴于投資者的經驗,一部分依賴于投資者對市場的不斷觀察與更新。實際上,人始終處于交易之中,對于市場拐點以及趨勢反轉的判斷主要還是依賴投資者的經驗。光大的烏龍指事件充分表明了人為因素在量化投資中的兩面性:決策實施依賴于人的設定,而人的設定不僅依賴于經驗,而且人還會犯錯。人之所以會犯錯,一方面是因為人們對市場的認知是不完全的,另一方面則是人們使用了錯誤的模型。經典的證券投資理論中,股票價格的變動被認為是隨機的,小概率事件出現的機會比較小,但是經驗研究表明股票收益率具有肥尾現象,小概率事件發生的機會超出了人們原先的認識,即市場還會出現“黑天鵝”。更為關鍵的是,量化投資更依賴數學和統計模型,這就使得量化投資存在較大的模型風險,即使用了錯誤的模型。為了防范模型風險,應采用更為穩健的模型,即模型的參數和函數應該適應多種市場環境。近年來,研究表明,證券收益及其與風險因素的關系存在較大的非線性,同時,市場中存在一定的“噪聲”,采用隱馬爾科夫鏈等隨機過程和機器學習等數據挖掘技術進行信息處理成為量化投資的重要技術支持。
(一)資產定價與收益的預測
根據組合優化理論,投資者將持有無風險組合與市場風險資產組合,獲得無風險利率與市場風險溢價。資本資產定價模型則將此應用到單一證券或組合,認為證券的風險溢價等于無風險利率加上與風險貢獻比率一致的風險溢價,超過的部分就是超額收益,即投資組合管理所追求的阿爾法值[4]。追求顯著正的阿爾法是資產定價理論給實務投資的一大貢獻?;谝蛩啬P偷奶桌▋r理論則從共同風險因素的角度提供了追求阿爾法的新思路。其中,法瑪和佛倫齊的三因素定價模型為這一類量化投資提供了統一的參考??梢哉f,在因素定價方面,量化投資繼承了資產定價理論的基本思想。對于因素定價中因素的選擇,證券投資學認為,對資產價格的影響,長期應主要關注基本面因素,而短期應主要關注市場的交易行為,即采用技術分析。在量化投資中,主要強調按照事先設定的規則進行投資,這在一定程度上與技術分析類似。但是,在技術分析中,不同的人會有不同的結論,而量化投資則強調投資的規則化和固定化,不會因人的差異而有較大的不同。另外,量化交易更強調從統計和數學模型方面尋找資產的錯誤定價或者進行收益的預測。
(二)無套利條件與交易成本
在證券投資學里,流動性是證券的生命力。組合投資理論、資本資產定價模型以及套利定價理論等都認為市場中存在大量可交易的證券,投資者可以自由買賣證券。這主要是為了保證各種交易都能實現,如套利交易。根據套利定價理論,一旦市場出現無風險的套利機會,理性投資者會立即進行套利交易,當市場均衡時就不存在套利機會?,F實市場中往往存在套利限制。一是因為凱恩斯說的“市場的非理性維持的時間可能會長到你失去償付能力”。二是因為市場總是存在交易費用等成本。但證券投資學中,對市場中套利限制與非流動性的關注較少,這是因為傳統金融理論中簡化了市場結構。市場微觀結構理論研究在既定的交易規則下,金融資產交易的過程及其結果,旨在揭示金融資產交易價格形成的過程及其原因。在市場微觀結構理論中,不同的市場微觀結構對市場流動性的沖擊是不同的。因而,從量化投資的角度看,為了降低交易帶來的價格沖擊,能實施量化投資策略的證券往往都應有較好的流動性,因為交易時非流動性直接影響投資策略的實施。從這個意義上講,量化投資時的交易成本不僅包括交易費用,更主要的是要考慮市場交易沖擊的流動性成本。
(三)風險控制與市場情緒
在證券市場中,高收益與高風險相匹配。量化投資在追求高收益的同時,不可避免地承擔了一定的風險。在證券投資學中,系統性風險主要源于宏觀經濟因素,非系統性因素則主要源于行業、公司因素,并且不考慮市場交易行為的影響。在量化投資中,較多地使用因素定價模型,不僅會考慮市場經濟因素,而且會考慮交易行為等因素,只是不同的模型有不同的側重點,在多模型的量化投資系統中自然包括了這兩方面的因素。除了各種基本面和市場交易的因素風險外,量化投資還有自身不可忽視的風險源。一方面,量化交易中,部分交易是采用保證交易的期貨、期權等衍生品交易,這種杠桿交易具有放大作用,隱藏著巨大的風險。另一方面,市場沖擊的流動性成本也是量化投資的風險控制因素,理所當然地在圖1的風險控制模型中體現出來。另外,在一般的投資過程中,市場情緒或多或少會成為風險控制的一個對象。然而,在量化投資中,更多的交易都是通過計算機來實現的,如程序交易等,這樣以來,投資者情緒等因素對投資決策的影響相對較小。所以,在量化投資的風險控制模型中較少地考慮市場情緒以及投資者自身的情緒,主要是通過承擔適度的風險來獲得超額回報,因為畢竟減少風險也減少了超額回報。
(四)執行高頻交易與算法交易
在對未來收益、風險和成本的綜合權衡下,實現投資策略成為量化投資的重要執行步驟。為了達到投資目標,量化投資不斷追求更快的速度來執行投資策略,這就推動了采用高速計算機系統的程序化交易的誕生。在證券投資學里,技術分析認為股價趨勢有長期、中期和短期趨勢,其中,長期和中期趨勢有參考作用,短期趨勢的意義不大。然而,隨著計算機信息科技的創新,量化投資策略之間的競爭越來越大,誰能運作更快的量化模型,誰就能最先找到并利用市場錯誤定價的瞬間,從而賺取高額利潤。于是,就誕生了高頻交易:利用計算機系統處理數據和進行量化分析,快速做出交易決策,并且隔夜持倉。高頻交易的基本特點有:處理分筆交易數據、高資金周轉率、日內開平倉和算法交易。[5]高頻交易有4類流行的策略:自動提供流動性、市場微觀結構交易、事件交易和偏差套利。成功實施高頻交易同時需要兩種算法:產生高頻交易信號的算法和優化交易執行過程的算法。為了優化交易執行,目前“算法交易”比較流行。算法交易優化買賣指令的執行方式,決定在給定市場環境下如何處理交易指令:是主動的執行還是被動的執行,是一次易還是分割成小的交易單。算法交易一般不涉及投資組合的資產配置和證券選擇問題。
二、對量化投資在證券投資教學中應用的思考
從上述分析可以知道,量化投資的“黑箱”構造與證券投資學之間存在一定的差異,因此,在證券投資的教學中應當考慮量化投資發展的要求。
(一)市場微觀結構與流動性沖擊
在理性預期和市場有效假說下,市場價格會在相關信息披露后立即調整,在信息披露前后市場有著截然不同的表現。在證券投資學里,一般認為價格的調整是及時準確的,然而,現實的世界里,價格調整需要一個過程。在不同的頻率下,這種價格形成過程的作用是不同的。在長期的投資中,短期的價格調整是瞬間的,影響不大。然而,在高頻交易中,這種價格調整過程影響很大。市場微觀結構就是研究這種價格形成過程。市場微觀結構理論中有兩種基本的模型:存貨模型和信息模型。存貨模型關注商委托單簿不平衡對訂單流的影響,解釋沒有消息公布時價格短暫波動的原因。信息模型關注信息公布后信息反映到價格中的這一過程,認為含有信息的訂單流是導致價格波動的原因。無論是關注委托訂單的存貨模型還是關注市場參與者信息類型的信息模型,這些市場微觀結構的研究加強了流動性與資產價格之間的聯系,強調流動性在量化投資決策中的重要作用。一般的證券投資學中基本沒有市場微觀結構的內容,因而,為了加強證券投資學的實用性,應關注市場微觀結構的內容與發展。
(二)業績評價與高杠桿
對于證券組合而言,不僅要分析其超額收益和成本,還要考慮其風險與業績。在組合業績評價中,一方面要考慮風險的衡量,另一方面則要分析業績的來源。在證券投資學中,組合業績來自于市場表現以及管理者的配置與選股能力。對于量化投資而言,市場時機和管理者的能力依然重要,然而,量化投資的業績評價還應考慮另一個因素:高杠桿。量化交易中,部分交易是采用保證交易的期貨、期權等衍生品交易,這種杠桿交易具有放大作用,在市場好的時候擴大收益,但在市場不好的時候會加速虧損,這些與傳統的業績評價就不太一樣。在一般的證券投資學里,業績評價主要考慮經風險調整的收益,很少考慮其杠桿的作用,這不僅忽略了杠桿的貢獻,而且有可能夸大了投資者的技能水平。
(三)人為因素與模型風險
在量化投資中,非常注重計算機對數據和模型的分析,這突出了量化投資的規則性和固定性。然而,實際中,別看量化采用了各種數學、統計模型,但策略設計、策略檢測和策略更新等過程都離不開人的決策。量化交易策略與判斷型交易策略的主要差別在于策略如何生成以及如何實施。量化投資運用模型對策略進行了細致研究,并借助計算機實施策略,能夠消除很多認為的隨意性。但是,量化策略畢竟體現投資者的交易理念,這一部分依賴于投資者的經驗,一部分依賴于投資者對市場的不斷觀察與更新。實際上,人始終處于交易之中,對于市場拐點以及趨勢反轉的判斷主要還是依賴投資者的經驗。光大的烏龍指事件充分表明了人為因素在量化投資中的兩面性:決策實施依賴于人的設定,而人的設定不僅依賴于經驗,而且人還會犯錯。人之所以會犯錯,一方面是因為人們對市場的認知是不完全的,另一方面則是人們使用了錯誤的模型。經典的證券投資理論中,股票價格的變動被認為是隨機的,小概率事件出現的機會比較小,但是經驗研究表明股票收益率具有肥尾現象,小概率事件發生的機會超出了人們原先的認識,即市場還會出現“黑天鵝”。更為關鍵的是,量化投資更依賴數學和統計模型,這就使得量化投資存在較大的模型風險,即使用了錯誤的模型。為了防范模型風險,應采用更為穩健的模型,即模型的參數和函數應該適應多種市場環境。近年來,研究表明,證券收益及其與風險因素的關系存在較大的非線性,同時,市場中存在一定的“噪聲”,采用隱馬爾科夫鏈等隨機過程和機器學習等數據挖掘技術進行信息處理成為量化投資的重要技術支持。
“股市在絕望中落地,在歡樂中升騰,在瘋狂中結束”,這是索羅斯先生的不朽名句之一。以滬指6124點區間的交易量均值為“瘋狂系數”,以滬指1664點區間的交易量均值為“絕望系數”,二者的比值為1:0.20。以此為參數,2009年7-8月滬指3478點區間的交易量均值為瘋狂,今年5-6月的交易量均值為絕望,二者相比的比值為1:0.24,因此可判斷股市大幅下跌的空間有限,得出結論是6月就是底部。
股市的絕望與瘋狂指標具有雙重參考意義。第一,參考其他基本面分析數據,預測超跌企穩。第二,參考其他基本面分析數據,防范股市的過度瘋狂。具體說來,如果滬深兩市的合計成交量連續數日為底部區間交易量的4-5倍之時,股市的“情緒性頂部”可能形成。從長期趨勢看,具體的量化數據如交易額的數量將逐步提高,但瘋狂與絕望之間的交易量比例則大致不變,因此可作為輔的股市預測工具。股市分析有三大流派,基本面研究的優點在于選股,技術面研究的優點在于選價,行為面的研究則重于看“勢”,三者缺一不可,分別對應于股市的“三駕馬車”,即業績增長、資金流量和情緒狀態。
2011年以來,隨著投資者對股指期貨、融資融券等做空工具認識的深入,對券商自營參與股指期貨不俗表現的考察,基金專戶、信托、券商資管甚至有限合伙制的“量化對沖”型產品不斷發行。但是由于“量化”相對來說對于數學、計算機等技能要求比較高、模型化程度較高,往往產品管理人或營銷渠道還故意渲染其“黑盒子”特征,讓它們產生更多的神秘感和高深度。事實上“量化對沖”并不復雜,其中量化是獲取收益的方法,是和基本面、技術分析相并列的幾個證券投資分析方法之一;而對沖才是關鍵,它是管理風險的手段,通過對沖來規避市場系統性風險,從而在市場整體下跌過程中還能獲利。
由此可見,量化和對沖并非同一回事情。量化不僅可以管理對沖型產品,也可以在公募基金中很好的運用。比如,2012年8月底成立的交銀阿爾法核心股票基金就是以量化的方法進行管理的,在成立不到三個月的時間中就超越滬深300指數1.5%。同樣,對沖基金可以用量化的方法來管理,比如文藝復興科技公司的大獎章基金等;也可以用基本面方法來打造,比如鮑爾森基金、索羅斯的量子基金等。運用基本面方法進行管理的對沖基金同樣有不俗的表現,美國市場1998-2008年十年間基本面中性對沖基金平均年收益9.1%,遠超過很多共同基金、量化的對沖基金。本文希望能夠通過對對沖基金策略邏輯及原理的分析,為投資者和學術研究人員進一步了解市場及新興的資產管理模式提供幫助。
共同基金與對沖基金――低利率高波動環境下的專業化分工選擇
(一)共同基金
共同基金早于對沖基金誕生,它起源于英國,盛行于美國。在美國,共同基金的發展得到了法律的支持與推動(如1933年的《證券法》、1934年的《證券交易法》、1940年的《投資公司法》和《投資顧問法》),形成了完整的制度體系與運作流程。在長達數十年的發展過程中,共同基金為投資者帶來了豐富的回報,但同時也暴露了自身的缺陷,即共同基金無法規避系統風險,它們在熊市來臨時只能減少但不能消滅損失。也就是說,共同基金的收益率與股票、債券等基礎市場的相關性較高。而且,并不是所有的共同基金都可以跑贏基準(即所謂的相對收益),先鋒基金公司鮑格爾研究發現,1942-1997年間,主動型共同基金平均落后標普500指數約1.3%,即主動型共同基金在平均意義上無法跑贏比較基準。
(二)對沖基金
在出現低利率、高波動性與低證券投資收益的背景下,投資者需要尋找另類的投資工具,以滿足其追求絕對收益的需求。對沖基金投資范圍廣、投資策略靈活,既可以在經濟繁榮時獲利,也可以在經濟蕭條時獲利,因此獲得了較好的投資效果。對沖基金(Hedge Fund)又稱套利基金或避險基金。對沖(Hedge)一詞,原意指在賭博中為防止損失而采用兩方下注的投機方法,因而把在金融市場既買又賣的投機基金稱為對沖基金。美國的對沖基金是隨著美國金融業的發展、特別是期貨和期權等交易的出現而發展起來的。對沖基金起源于20世紀50年代初的美國,原意是指廣泛利用金融衍生產品進行風險對沖的一類基金。然而,對沖基金后來的發展大大超出其原本含義。如今人們普遍認為,對沖基金是利用各種金融衍生產品的杠桿效用,承擔高風險、追求高收益的一種投資模式。
那么,對沖基金到底是什么呢?實際上,對沖基金具有十分豐富的內涵,很難進行精確定義。不過,通過考察和比較各類對沖基金,依然可以發現以下共同特征:
采取有限合伙制,多為私募形式。由于操作上要求高度的隱蔽性和靈活性,因此,對沖基金采取有限合伙制且以私募形式募集資金,這樣可以避開針對公募基金的監管需求例如信息披露、投資組合限制等。投資者以資金入伙,但是不參與投資活動;發起人同樣以資金入伙,但負責基金的投資決策與銷售管理。一般來說,合伙人的數量受到嚴格控制,例如美國要求控制在100人以下。
追求絕對收益。追求絕對收益是對沖基金的典型特征,這一點與共同基金明顯不同。共同基金的業績評價一般采取“相對收益”,以跑贏市場、獲得高于市場基準的收益為目標,而對沖基金則以“絕對收益”為目標,不強調與市場基準的關聯度。
發起人放入自己的資金,采用激勵管理費率。對沖基金的發起人會將自有資金放入所管理的基金中,管理費率則采取“固定費率+業績提成”的方式,這便使得對沖基金的發起人與投資者建立起“風險共擔,收益共享”的關系。
使用杠桿,多頭/空頭,操作非常靈活。對沖基金的投資范圍非常廣,涉足利率、匯率、股市等多個市場。對沖基金的投資策略非常靈活,不僅建立多頭頭寸,也會根據市場判斷和策略需要建立空頭頭寸。而且,由于追求絕對收益,因此對沖基金常常使用杠桿,包括杠桿借貸(利用銀行信用放大資金倍數)、杠桿投資(利用衍生品放大投資系數)等,以追求最大程度的高回報。由于操作上的高度隱蔽性、靈活性以及杠桿效應,對沖基金在現代國際金融市場的投機活動中擔當了重要角色。
綜上所述,對沖基金經過幾十年的不斷演變,已經成為一種新的投資模式的代名詞―即采取有限合伙人制和激勵管理費率,基于前沿的投資策略與復雜的投資技巧,充分利用金融衍生品的杠桿效應,追求絕對收益的投資模式。
(三)共同基金與對沖基金的比較
對沖基金與共同基金的比較如表1所示,其本質區別是法律結構的差異。共同基金具有更加透明的信息披露,更加嚴格的監管環境。而對沖基金由于其私下募集性質,因此具有更加靈活的操作方式。從風險管理水平來看,共同基金通過組合分散來管理風險,但是無法規避系統性風險;而對沖基金則通過對沖來規避風險。
對沖策略原理與實證分析
對沖策略通過構建多空頭寸進行風險規避,是最常見的獲得準絕對收益的手段。最傳統的對沖策略是套利策略,通過尋找市場錯誤定價的機會,建立相反方向的頭寸來獲取收益。最典型的對沖策略是Alpha策略,通過構建相對價值策略來超越指數,然后通過指數期貨或期權等風險管理工具來對沖系統性風險。另外,中性策略也是比較典型的對沖策略,通過構造股票多空組合減少對某些風險的暴露,可以分為基于基本面和基于統計的兩種類型,配對交易就屬于后者。第四類對沖策略是事件驅動型策略,通過尋找可能進行重組、收購、兼并、破產清算或者其他事件的公司,買入股價受事件正面影響的公司,賣出股價受事件負面影響的公司。
(一)套利策略:最傳統的對沖策略
套利策略包括轉債套利、股指期貨期現套利、跨期套利、ETF套利等,是最傳統的對沖策略。其本質是金融產品定價“一價原理”的運用,即當同一產品的不同表現形式之間的定價出現差異時,買入相對低估的品種、賣出相對高估的品種來獲取中間的價差收益。因此,套利策略所承受的風險是最小的,更有部分策略被稱為“無風險套利”。
A股市場發展最為成熟的套利策略應該是ETF套利,雖還不能稱產業化,但是已經有專業化從事ETF套利的投資公司。套利者通過實時監測ETF場內交易價格和IOPV之間的價差,當場內價格低于IOPV一定程度時,通過場內買入ETF,然后執行贖回操作轉換成一籃子股票賣出,來獲取ETF場內價格和IOPV之間的價差。反之,當IOPV低于場內價格時,通過買入一籃子股票來申購ETF份額,然后場內賣出ETF來獲利。除此之外還有ETF新發階段、成份股停牌等情形都可能出現套利機會。當然,隨著套利資金的參與,ETF套利機會在不斷收窄,因此,即使是專業從事套利的投資公司也開始向統計套利或延時套利策略延伸。
股指期貨、融資融券等衍生品和做空工具的推出創造了更多的套利機會。2010年和2011年套利收益最大的來源是股指期貨和現貨之間的套利機會。滬深300股指期貨上市以來大部分時間處于升水狀態,因此通過買入滬深300一籃子股票同時賣出期貨合約,當期貨合約到期時基差收縮就能獲利。除了買入滬深300股指期貨之外還可以通過上證50、上證180和深證100等ETF來復制股票現貨,這也是這三支ETF在股指期貨推出之后規??焖僭鲩L的原因之一。當然隨著滬深300ETF的上市,期現套利便利性進一步得到提升,這或許也是最近滬深300指數期貨升水水平快速下降的原因之一。
當前市場中比較熱的套利機會來自分級基金。分級基金是國內基金業特有的創新產品,它從出現開始就受到廣泛投資者的追捧。比如2012年截至三季度末,在上證指數下跌5%,大量股票基金規模萎縮的情況下,股票型分級基金場內份額增長了108%。其主要原因是分級基金在將傳統的共同基金拆分成穩定收益和杠桿收益兩種份額的同時,給市場提供了眾多的套利機會―上市份額和母基金之間的套利機會、穩定收益份額二級市場收益套利機會、定點折算和不定點折算帶來的套利機會。部分基金公司已經在發行專門從事分級基金套利的專戶產品。
(二)Alpha策略:變相對收益為絕對收益
Alpha策略成功的關鍵就是尋找到一個超越基準(具有股指期貨等做空工具的基準)的策略。比如,可以構造指數增強組合+滬深300指數期貨空頭策略。這種策略隱含的投資邏輯是擇時比較困難,不想承受市場風險。圖1和圖2是根據一個定量增強策略對沖系統性風險之后的月度Alpha收益和滾動年Alpha收益。通過對沖策略,組合63.16%的月份獲得正的收益,而從年滾動收益來看,獲取正回報的概率是89.32%。從收益來看,2000年以來平均每個月高達0.98%,2006年以來月收益達2.18%,而2000年以來滾動年收益平均為16.05%,2006年以來滾動年收益平均為36.73%。其中獲取負收益的時間主要集中在2005-2006年股改期間,定量策略失效,未能成功戰勝滬深300。在國內基金運行的這幾年中,基金表現出卓越的選股能力,通過Alpha策略可以成功地放大基金公司這方面的專業技能。
(三)中性策略:從消除Beta的維度出發
市場中性策略可以簡單劃分為統計套利和基本面中性兩種,中性策略表現數據相對有限,主要是這一類策略數據常常包含基本面多空、波動率套利等策略的表現。中性策略和多空策略很多情況下方法和思想比較類似,只是中性策略嘗試在構造避免風險暴露的多空組合的同時追求絕對回報。因此,多頭頭寸和空頭頭寸的建立不再是孤立的,甚至是同步的。多頭頭寸和空頭頭寸嚴格匹配,構造出市場中性組合,因此其收益都源于選股,而與市場方向無關―即追求絕對收益(Alpha),而不承受市場風險(Beta)。
基于統計套利的市場中性表現往往優于基于基本面的市場中性,主要原因是統計套利的信息來源更加廣泛,換手率也較高。在市場中性策略方面,中信證券金融工程及衍生品組研究也分兩個方面進行,一方面是研究境外市場中性策略的發展及其最近的進展,另一方面也在做本土化的嘗試。尤其是融資融券推出之后,在國內市場開發中性策略產品已經成為可能。圖3和圖4分別給出基于組合的統計套利策略表現和基于配對的統計套利交易案例,可以發現,在融資融券標的中運用統計套利能夠獲得非常穩定的收益,這和境外市場表現很相近。
(四)事件驅動策略:分享事件沖擊的“紅利”
在任何一個市場,事件發生在影響企業基本面之前首先影響的是市場參與者的預期,然后就會直接沖擊股價,A股市場也不例外。事件驅動策略通過關注正在或可能會進行重組、收購、兼并、破產清算或其他特殊事件的公司,當股價受到這些事件沖擊時,就能從中獲利。股改時期尋找下一個股改的公司、司空見慣的尋找具有重組題材的公司等都是事件驅動策略的體現。中信證券金融工程及衍生品組針對A股市場上分離債發行、分紅送配、股權激勵、成分股調整等都進行過事件研究,通過捕捉事件在不同環節對股價的沖擊節奏來獲取超額收益。
圖5和圖6分別給出白酒行業和鋼鐵行業過去發生的兩個可以運用事件驅動策略的案例。2009年9月8日水井坊公告全興集團中外雙方股東自2009年9月9日起舉行正式會談;2001年3月2日DHHBV將持有全興集團53%的股權,并將間接控制全興集團現時持有的公司39.71%的股權,從而觸發要約收購義務。這個事件本身對于水井坊而言應該屬于利好,市場預期應該是會強于行業。因此可以選擇公告出來之后做多水井坊賣空其他白酒公司來對沖風險,比如貴州茅臺、五糧液等行業比較有代表性的公司。從圖5可以發現,水井坊公告之后,股價走勢明顯強于貴州茅臺等同業公司。水井坊2009年9月16日股價復牌之后三個月內上漲了20%,而貴州茅臺股價基本沒有發生大幅波動。同樣,2008年12月28日唐鋼股份與邯鄲鋼鐵、承德釩鈦簽署換股吸收合并。唐鋼股份(吸收合并完畢后為河北鋼鐵)在短短的2個月時間內股價就從4.1元上漲到6.30元,漲幅超過50%;到2009年8月份股價最高達到11.32元。而同期鋼鐵行業代表性公司寶鋼股份表現相對落后。在這兩個事件中,買入受事件刺激的股票、賣出行業代表性公司,可以不承受市場系統性風險獲取事件影響帶來的超額收益。
當然,事件驅動策略收益和事件發生頻率密切相關。從CS/Tremont并購套利策略表現來看,當全球并購事件交易量較高時,并購驅動策略表現會更好。根據花旗集團和湯森路透等機構等的統計,近幾年并購事件多發區域從歐美市場向亞太等新興市場轉移,預計擅長事件驅動策略的資金也會隨之轉移,并且強化事件對于股票價格的沖擊。并購事件也是A股市場永恒的主題之一,尤其是近幾年央企整合在加速。同時,融資融券業務的試點,各個行業的代表性大公司大多數是屬于融資融券標的,買入具有事件發生的公司賣出行業代表性公司來獲取事件驅動收益是切實可行的。
結論
迄今,互聯網對各傳統產業的顛覆性影響已得到廣泛認知。與一些業態被完全改寫的行業相比,互聯網對金融領域的沖擊才剛剛開始――公募基金首當其沖;而在整個證券投資領域,互聯網在資訊、研究、產品、銷售等各方面,都在推動市場轉型;甚至連銀行這樣的金融領域“巨無霸”都險些被余額寶撼動。
隨著互聯網金融方面的創新不斷涌現,金融機構與互聯網公司合作的深度、廣度將極大拓展,創新能力將決定金融機構在未來行業中的競爭地位。
量化“投資者情緒”成創新熱點
按照宣傳,“新浪-南方”指數是“在南方基金量化投資研究平臺的基礎上,通過對新浪財經頻道和微博財經大數據予以分析,找出股票熱度預期、成長預期、估值提升預期的關系,構建策略因子,精選出具有超額收益預期的股票,編織成最終指數”;而“百度-廣發”指數,是“以百度網頁搜索和百度新聞搜索為基礎的數據分析應用指標,可以反映不同關鍵詞在過去一段時間的用戶關注度和媒體關注度,也是利用互聯網大數據挖掘投資者金融行為的工具。”兩者皆指向互聯網上投資者情緒的量化應用。
投資者情緒受到重視有內外兩方面的因素:一方面,傳統、教科書式的投資理論沒有納入對投資者非理的分析,因此,對股價的解釋力差強人意。這在過去數年A股市場表現得特別明顯。股價很大程度上是被“事件――情緒”所驅動,A股投資者越來越意識到了非基本面的市場情緒因素的重要性,迫切需要對其進行分析。另一方面,互聯網進入大數據時代,為投資者情緒的挖掘和量化準備了技術條件。
股市中有一個說法,叫做“唯一確定的事情就是不確定”。而股市之變幻莫測,外部事件沖擊固然紛至沓來,但投資者對事件的理解和反應,其復雜性往往更勝一籌。面對類似事件,投資者反應甚至截然相反。其中一些財經政策和數據的,市場反應還可以用預期來說明;而更多事件的反應脫離了當時市場心理狀態則完全無從解釋。
例如,“上海自貿區”概念股走出了一波大幅上漲的行情,同為區域經濟政策題材的“京津冀一體化”概念股卻表現一般。再比如,近一年多來驅動軍工股、信息安全概念股的熱點事件不斷,兩類股票總體上也表現強勢,但若試圖將事件強度與股價表現做一一對應,則難免失望。從某種程度來說,投資者的反應比事件的發生更難預料。
簡而言之,在事件和股價之間,并不必然存在按圖索驥的對應關系,必須考慮到投資者情緒所帶來市場反應的復雜性。按事件分類,少數事件重要到足以成為股價變化的充分條件,投資者情緒無法不被引爆,這就像是一個物理反應;而多數事件對股價的影響可看做一個化學反應,投資者情緒就是催化劑――情緒爆發就發生反應;沒有情緒就悄無聲息。
風險偏好頻譜
從理性角度看,A股市場上存在著太多無厘頭的“因果關系”。例如,文章出事,網民支持馬伊,伊利股份(600887.SH)上漲;奧巴馬兩次當選美國總統,澳柯瑪(600336.SH)均漲停;局勢緊張,名字中帶“日”的股票下跌;李某某出事,ST天一(000908.SZ)跌?!鲜霈F象用一種極端方式凸顯了投資者情緒對股價的影響力,而與基本面完全無關。
市場情緒其來有自,所謂“投機如山岳般古老”,揭示的是人性不變。市場情緒來自于人性,很多投資者不完全由意識層面的理性做主,來進行分析判斷和選擇,而是屈從于潛意識的驅使,潛意識起作用的表現是激素水平激增,導致放縱情緒、任性而為。
很多投資者在買賣股票時,自認為有著合乎理性的訴求,例如,財務需要;以及恰當的操作理由,例如,基本面、政策、消息等。但真正的推動力來自潛意識層面,是激素水平的作用。其行為于是背離了財務需要的初衷,表現出賭徒心理或娛樂心理(尋找刺激)。這種非理性情緒時刻在尋找宣泄突破口,借助某個事件,再憑借意識層面的借口(比如以往經驗),走向非理性操作。絕大多數投資者沒有意識到上述情況,或者意識到了卻無法自控,在股市中成為自身情緒的俘虜,即使建立了交易系統也難以執行。
A股基本盈利模式主要是做多,個股做空實現難度大,所以投資者情緒的宣泄在買股票方面體現得更加淋漓盡致,各種炒作類型應有盡有。在真實的A股市場中,恪守基本分析原則的理性投資者固然是極少數;看見奧巴馬當選就去買澳柯瑪的也并不多。如果建立一個A股投資者風格的頻譜,那么按照“炒名字”、“炒代碼”、“炒題材”、“炒概念”、“炒地圖”、“炒行業”、“炒業績”的次序,風格由完全的非理性而漸入理性。
而在總體上,市場風格也在理性和情緒之間搖擺。價值投資占主流的2002年-2007年,投機炒作依然不斷;而在投機氣氛甚囂塵上的近兩年,事件和股價的因果關系上也非全無邏輯。
只不過由于近兩年極端投機行為屢屢得逞,市場情緒愈發肆無忌憚、不顧邏輯。相對應的是,投資者對于情緒的重要性也愈發重視。
尤其是市場短期內大幅波動、而基本面并沒有巨變時,情緒影響顯然是更好的解釋。諾貝爾經濟學獎得主羅伯特?希勒對1987年10月19日美股大暴跌的問卷調查中問到“哪一個理論更能描述你對股市的看法:關于投資者心理的理論,還是關于基本面的理論(例如企業利潤和利率影響股價)?”調查樣本中67.5%的機構投資者和64%的個人投資者選擇了投資者心理理論。
不過,以時間為軸,假如A股出現風格轉變跡象,則風格頻譜也將發生相應改變。
把時間拉得更長,不同時資者身上也可以看到巨大的風險偏好差異。
1949年后,中國第二次人口高峰出現在1962年-1976年,2007年大牛市出現之際,這批人是購買股票和基金的主力軍。大致上說他們的成長期,無論中國經濟還是個人際遇,總體上處于上升。這難免助長個人盲目自信和過分樂觀,這也是2007年A股達到驚人估值的因素之一。
其中很多投資者其實是抱著娛樂態度在炒股,表面上是為了財務原因,但實際上是在尋求刺激。他們所生活的時代娛樂還遠沒有產業化和專業化,股市漲跌帶來的刺激還相當有吸引力。
80后、90后就完全不同了,他們擁有豐富、較高質量的娛樂服務,根本沒必要在股市中“找樂子”,因此,對股票投資的訴求更多基于財務上的需求。當股票不能提供年化的穩定收益時,干脆去買余額寶。
雖然80后、90后的絕對生活水平肯定高于前一代人,但由于連續遭遇了升學、就業、買方等方面的激烈競爭,因為對世界的相對感受不如前一代人樂觀,所以對待投資將會更理性一些。
也就是說,若對未來A股投資者風險偏好變化做預測,較大可能是情緒化和風險偏好的降低。這也被很多成熟市場已走過的歷程所驗證。
情緒化炒作
投資者情緒不但在“馬伊”、“奧巴馬”這樣的人名炒作中發揮著作用,也從根本上影響著市場結構。
首先,從現象來看,股市中或多或少存在著索羅斯所稱的“主流偏向”,即有別于事實的投資者帶有傾向性的認知。假如投資者整體上表現理性,就可以自行糾偏,使得股價不至于過分偏離基本面。可事實上,由于情緒(比如貪婪和恐懼)的作用,投資者不但未能糾偏,反而任由“主流偏向”越走越遠,嚴重地偏離了基本面,形成股價泡沫??梢哉f,在各類資產泡沫中,市場情緒有著比基本面更強的影響。而且不乏推波助瀾的“主動投機者”,即看到了市場情緒可以利用,于是制造輿論、影響情緒、操縱股價,從中牟利。
其次,在上述現象中,投資者之所以無法冷靜面對市場波動,能力不足是根本。主觀上懶惰是能力沒有得到提高的重要因素,而懶惰也是一種任性而為的情緒化表現。對于多數投資者來說,由于驅動買股票的是激素水平,根本沒耐心、沒能力做出基本面的研究和判斷,只能隨著情緒妄動,追逐短線強勢股。能力需要培養,“低能力”之下的冒險操作,與缺乏培養能力的主動意識和意志力,二者都是懶惰的任性之舉,并有可能形成惡性循環――越缺乏能力就越情緒化,以及越情緒化就越無法提高能力。
最后,造成上述現象的,除了懶惰的主觀因素外,信息爆炸的沖擊也不可小視。面臨各種觀念和海量資訊沖擊時,如果認知體系沒辦法將所有這些信息包容消化,就必須采取一些自我保護措施,將絕大部分信息屏蔽在外,以免認知系統陷入矛盾和混亂。這是一般人的正常反應。但這樣一來,就不可能保留較高的開放性,而錯失了學習知識、整合信息、提高綜合判斷能力的機會。
可以說,人的記憶力、注意力,乃至心智模式的有限性,是提高能力的根本性客觀約束,如果再與主觀上的懶惰疊加,走向情緒化操作不可避免。在此情況下,當投資者產生買股票的需求時,就只能在有限認知和無意識選擇性接受的信息中尋找目標。此時起作用的信息,一定簡單、易得、易懂,股票名字的炒作就是一個例子。
綜上,情緒驅動下的操作必然與簡化粗陋的認知判斷相伴,導致投機盛行。炒人名是情緒化炒作的極致。
投資者情緒研究
傳統投資理論精確化的數學模型是建立在“理性人假設”基礎上;而在真實的投資行為中,潛意識層面難以自控的情緒驅動,是很多買賣操作的深層原因,是根深蒂固內在人性的外在表現。由是,如何將“非理性主導”的“行為金融學”作為起點,對投資者情緒進行量化分析、建立模型、挖掘商業價值,成為迫切任務。
以往投資者對市場情緒影響的重要性也有定性認識,并且發展出一些草根調研式的調查方法,例如,在營業部數人頭等。此外,也發掘出了一些相對專業的投資者情緒研究方法,卻各有缺陷。一是對特定對象的問卷調查,調查對象包括媒體、機構投資者、個人投資者(以及上述的綜合),樣本多在幾百個上下。存在的問題除了樣本太小,還有受調查者是否誠實作答,以及知行是否一致等。
二是通過“交易類型指數”和“衍生品交易指數”來分析,例如,保證金借款變化(Change in Margin Borrowing)、未補拋空差額變化(Change in Short Interest)、認沽認購比率( PU T/ CALL)、期望與當前波動率比(VOL)等。從邏輯關系上看,這是一個“結果指數”,是用交易后的數據來預測未來,與大數據技術可能實現的前瞻性研究不同。此外,這也取決于金融市場衍生品發達的程度,這樣才能從“做空”、“加杠桿”等操作行為中提煉數據。
三是市場價格所反映的“隱形投資者情緒”,例如,封閉式基金折價率、IPO上市首日收益率等。這受到特定因素的影響較大,比如封閉式基金折價率可能與封閉式基金的投資者結構有關,中國的新股不敗神話讓IPO上市首日收益率也沒有那么大的差異。
總之,固有的分析方法受到技術條件限制,無法對投資者情緒進行高質量的研究。而大數據時代這個局面有望打破,近年來國外一系列相關應用多取得了很好的預測效果,例如,2012年美國總統大選、Facebook上市首日表現等。
構建前瞻指標
與既往的投資者情緒研究方法相比,大數據預測在表征上有著采樣數據龐大、樣本多維等差別。更根本的,是大數據預測在邏輯上確實有可能找到前瞻指標。
2012年5月18日,Facebook(NASDQ:FB)上市,社交媒體監測平臺DataSift監測了當天Twitter上的情緒傾向與Facebook股價波動的關聯:在Facebook開盤前,Twitter上的情緒逐漸轉向負面,25分鐘之后,Facebook股價便開始下跌;而當Twitter上的情緒轉向正面,Facebook股價在8分鐘之后也開始了回彈;接近收盤時Twitter上的情緒再度轉向負面,10分鐘后Facebook的股價又開始下跌。該機構得出結論:Twitter上每一次情緒的轉向都會影響Facebook股價的波動。
過去的投資者情緒研究和一些股市技術分析(例如波浪理論)事后解釋有一定作用,卻很難在邏輯上被證明是前瞻指標。而大數據技術,通過采集投資者在互聯網上留下的痕跡,按照“情緒表達――買賣操作――股價變化”的邏輯順序,將投資者情緒量化,從而完成對股價的預測。
如前文所述,激素驅動、難以自知和自制的情緒,深深埋藏于基因中,是根深蒂固的人性表現。因此,投資者情緒邏輯上有成為股價的前瞻指標。
不但投資者情緒的量化有一定內在邏輯性,在大數據應用的其他領域,同樣有著較直接的因果關系。
例如,淘寶上的不同類別商品的詢價行為,按照一定轉化率,準確地導向購買行為。詢盤數在邏輯上和事實上是購買數的前瞻指標。
馬云曾表示其提前8-9個月預測到了金融危機。海關要實際出貨后才能獲得數據,而阿里提前半年從詢盤數急劇下滑推斷出世界貿易情況將變盤。這才有了2008年7月馬云給阿里員工的公開信,預言“冬天來了”。
最近一年備受關注的打擊基金老鼠倉,同樣是證監會、交易所通過數據挖掘來發現的異常操作。在缺乏其他手段和證據的情況下,僅憑借大數據和基本的邏輯推斷,就挖出了不少老鼠倉。
看到市場的“底牌”
當然,上述前瞻指標特征是從總體來說的。對個人而言,不但理性投資者(能夠控制情緒)不屬于這個研究范疇,就是不用互聯網發言的人(有情緒但不在網上表達)也沒法研究。好在大數據之“大”,就在于挖掘能力不一般,例如Datasift每秒可實時挖掘12萬條Twitter內容,足以找到所需的樣本數量。
還有,以往的量化投資方法在因果關系上也缺乏明顯的邏輯性,特別是僅以交易數據進行的挖掘,當市場結構發生轉變,參數只能是后知后覺地跟隨調整。
運用大數據進行的投資者情緒量化挖掘,因果關系清楚,一旦模型成熟,就等于看到了市場的“底牌”。
如果說以往的量化投資是金融學和數學的結合,那么通過大數據,新的量化投資可以實現金融、數學、心理學的跨學科應用。
大數據甚至可能對社會學研究構成顛覆。哲學家卡爾.波普爾曾經指出,與自然科學不同,社會學不能稱之為一門科學,自然科學的研究方法也不能用于社會學。原因之一,是人的行為會影響社會演進的結果,當人的行為不可預測時,社會演進的結果也不可預測。
但是,就像一些科幻電影所表現的那樣,當機器足夠強大時,通過人群生活痕跡的高度互聯網化,機器預測人群的整體行為特征和影響就成為可能。這甚至會顛覆社會學研究的某些既有觀念。
如何量化投資者情緒
大數據有各種定義,研究機構Gartner Group給出的定義是:大數據是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。
要具備發現規律和預測未來的核心能力,大數據要具備四個典型的特征:1.數據量巨大;2.數據類型多樣;3.數據中富含價值;4.在盡可能短的時間內發掘出價值。
大量、多維、價值、高速同樣是對投資者情緒挖掘和量化所需數據的要求。所以投資者情緒量化的第一步是擁有滿足上述要求的數據資源。
第二步,通過對互聯網上文本、圖片、色彩等非結構化數據進行賦值定義,來完成數據結構化。目前相關技術模塊日趨成熟,與其他行業相結合的應用已有若干案例。對于投資者情緒研究來說,只需要將與金融投資有關的特定語義與其他行業的語義加以區分,對互聯網上的有效文本信息按照“悲觀――樂觀”的維度給予“1-10”的賦值,變為可計算數據。同樣,也可以從別的情緒維度來研究。
第三步是用傳統量化方法建模,先達到對過去股價能夠事后解釋的效果,再看未來實踐中是否具有真實的預測能力。這個過程中需要不斷調整模型。
兩個指數的異同
以上述數據標準和研究過程來看“百度-廣發”和“新浪-南方”兩個指數,兩者有較多的相似性。
首先,從數據質量來看,大量、高速毫無疑問;國內最大搜索引擎的網頁搜索和新聞搜索,以及微博數據也肯定能保證數據價值;唯一的缺憾是數據維度單薄,“百度-廣發”指數的數據僅來自百度,“新浪-南方”指數的數據僅來自新浪。這可以理解――兩家都希望實現閉環應用,而無需借助自身之外的數據資源。但缺乏多維數據計算結果的互相印證,無論如何是一個遺憾,這將對研究結果的有效性造成損害。
其次,在建模方面,兩個指數拋棄了過去單純用市值、成交量、財務指標等基本面和交易數據做因子進行選股的思路。
據媒體報道,中證指數研究公司開發部總監宋紅雨透露,“百度-廣發”指數在選取樣本的時候綜合考慮了多種指標,基本上可以分為財務因子(基本面因子)、動量因子(交易數據因子)和金融大數據因子。在因子分析框架下,將金融大數據信息與股票信息進行綜合測度,采用量化算法構造基于百度互聯網金融大數據的綜合情緒模型(BF Sentiment Model)進行指數選樣。其中的金融大數據因子來自百度,即“分別計算每一只股票最近一個月內在百度金融大數據里所體現出來的搜索增量或者搜索的總量?!?/p>
“新浪-南方”指數主要是將基金公司股票研究優勢與互聯網“大數據”結合,在南方基金量化投資研究平臺的基礎上,通過對新浪財經頻道和微博“財經大數據”予以分析,找出股票熱度預期(大數據因子)、成長預期(基本面因子)、估值提升預期的關系,構建策略因子,精選出具有超額收益預期的股票,編織成最終指數。其中的股票熱度因子來自新浪,成長因子和估值提升因子來自南方基金。
由此可見,兩個指數都是將大數據因子納入金融機構原有的量化模型中,作為新的重要因子加以考慮。其邏輯是投資者情緒只是影響股價的部分因素。
作為專業投資機構,基金當然不會完全拋棄傳統因子,不過大數據因子與基本面因子和交易數據因子也不乏重疊之處,例如投資者情緒很可能也反映了一部分對基本面的預期。隨著互聯網公司在金融領域專業化程度的加深,未來不排除大數據因子和傳統因子地位互換的可能,甚至出現純粹大數據因子的量化模型。
最后,兩個指數的既往業績都不錯,具有較好的事后解釋能力。模擬數據顯示,“百度-廣發”指數自2009年以來年化收益為40.9%,遠高于同期滬深300以及中證全指;據媒體報道,南方基金內部人士稱,“做了相關數據的回溯測算,收益率和廣發的不相上下?!?/p>
兩個指數的差別在于,合作中互聯網公司和公募基金的地位不同。在“新浪-南方”項目中,互聯網公司方面參與進來的只是一個財經頻道,因此在模型構建上是以南方基金為主導,宣傳中也一再突出了南方量化平臺的重要性。相比之下,百度作為“BAT”巨頭之一,在合作中明顯強勢。至于上述差別對兩者收益率方面的影響,目前還無從判斷。
量化“投資者情緒”產業鏈
大數據技術投入實際運用的時間還不長,在國內的相關行業應用更少。盡管有各種嘗試,但該項技術與傳統行業融合仍需要一定過程。
以投資者情緒的量化為例,如前文所述,一旦模型構建成功,等于是看到了市場的底牌。如此巨大的利益必將驅使眾多互聯網公司和金融機構進行相關項目的開發;同樣是巨大利益,決定了這項研究的艱巨,沒那么容易翻開市場的底牌。
投資者情緒量化需要實現金融學、心理學、數學的跨學科研究應用,而且產業鏈很長,這就決定了其收入模式的多元化和階段化,階段化是指在不同研究階段和市場階段,取得收入的側重點不一樣。
如果把組建對沖基金作為投資者情緒量化的終極目標,那么在整個產業鏈上,也有著若干階段性目標。
首先,大數據是在互聯網時代應運而生。中國80后-90后的新一代股民同時也是網民,他們的行為習慣都互聯網化。對于老股民(60后-70后)來說,當他們情緒化時,買股票的根本原因是激素驅動,但仍有著意識層面的“借口”,比如看K線、技術指標、聽消息、跟隨股神等等。新一代股民在情緒化上沒有根本不同,但他們意識層面的買股票理由一定會更新。從認知來看,互聯網技術以及互聯網塑造的神話,才更能契合他們的思維模式。因此,大數據技術所產生的投資預測,即使不夠準確,也很能吸引新一代股民的眼球。從而使得投資者情緒量化的初級產品可以提供互聯網平臺上大眾化的免費服務,例如點擊個股,可以看到簡單化的“個股情緒指數”為平臺貢獻流量。
其次,金融機構看到新一代股民的明顯特質后,必然促使其服務和技術更加互聯網化,以適應客戶的習慣,快速開戶、極速交易等固然可以提升用戶體驗,但咨詢、投資建議等相對專業化領域更有必要互聯網化。而這些領域很難進行形式上的觸網,以互聯網技術重新搭建研究咨詢和經紀業務體系才是出路。所以,當投資者情緒的量化模型達到一定水平后,就將成為經紀業務和投資咨詢的重要賣點。
第三,接下來順理成章的,更好的研究成果,包含預測結果和基本分析框架,可以成為獨立的賣方研究報告、或者作為策略報告的重要組成部分。
第四,金融機構可以根據研究模型發行產品,比如“百度-廣發”和“新浪-南方”兩個指數可以發行公募產品,至于收益率是否能驗證其對投資者情緒的量化研究已經達到了很高水平,目前還不得而知。
第五,作為單獨或者附加的價值,從大數據中發現不同偏好的投資人群,可以提供數據給第三方機構,供后者進行針對性極強的個性化營銷之用。
第六,通過建立投資者應用平臺,實現數據閉環,構建應用模型的獨特和不可替代性。
最后,成立對沖基金。一旦技術成熟到這一步,機器通殺機構和散戶的時代將會到來。
概念先行??效果難料
基于產業鏈長、研究型開發耗時曠日持久等理由,進行投資者情緒量化的機構不必要求技術完美后再進行商業應用,而應該邊研究邊應用。
眾多機構顯然看到了這項研究的顛覆性和巨大商業價值,紛紛投身其中。
2014年4月1日,雪球“情緒寶”,稱“當某只股票首次進入雪球熱股榜后,它的股價在短期內會出現劇烈震蕩。統計數據顯示,買入2013年81只首次進入雪球熱股榜的A股股票,統一兩周后賣出,最后平均收益率達到驚人的7%”。將由此構建“情緒寶”股票組合。
事后得知,“情緒寶”是一個愚人節玩笑。但在當時,很多投資者都信以為真,因為這在邏輯上是成立的。直至三個月后,還有人跟帖要“預約購買”。而雪球受到的最主要質疑,也是認為其百萬級的數據不足以完成高質量的量化研究。
借助“情緒寶”這個“探空氣球”,雪球賺到了眼球,探明了投資者對此類產品的興趣高低。兩個月后,招商證券就推出了研究報告《基于雪球情緒指標的擇時模型》。三個多月后,“百度-廣發”和“新浪-南方”兩個指數。
以互聯網思維來看,雖然關于投資者情緒的研究還遠未成熟,但先占據這一概念,邊研究邊應用,是“磨刀不誤砍柴工”的有效策略。至于實現最終的完美模型確實困難不小。
首先,盡管有金融人才、大數據人才的鼎力合作,但要在紛繁復雜的互聯網文本中發掘出有效信息,將是一項艱巨的工作。而且需要理論研究的相應推進,才能避免重復挖掘。
其次,即使找到了效果較好的模型,使用者仍處于“知其然不知其所以然”的狀態,要把握模型的原理,還需要整合心理學資源,從行為金融學的視角,對投資者情緒與相應行為之間的聯系進行解碼,這其中又有天量的工作要完成。
第三,投資者情緒的量化模型反映了人性的因素,其參數穩定性要好于基本面數據和交易數據構建的模型。但時代變遷、市場結構轉化依然會影響到模型的效果,所以要將對市場結構的變化也納入到大數據量化的研究中,以做出預判。
最后,投資者情緒再重要,也不能完全解釋股價走勢,大數據因子與基本面因子、交易因子在不同市場結構下的比重如何調整也是一個課題。
機構各取所需
不同類型的機構,在投資者情緒量化的研究和實踐中,其側重點與所得不同。
互聯網公司的長項是占有數據和流量資源、對用戶體驗的敏感和對創新的渴望,短板是金融業務方面專業性不足。用大數據實現對“投資者情緒”的量化,可以讓互聯網公司強勢切入金融市場中高端的投資和研究領域,全面顛覆原有的投資研究模式。并且最大限度地貼近其用戶(新一代股民也是網民),反映他們與上一代截然不同的思維模式和選擇標準。技術驅動的產品和服務手段對互聯網公司來說沒有接受上的障礙,其創新沖動和占有“大數據”、“投資者情緒”兩項心智資源的前景,比較容易促成互聯網公司對研究的投入。
國內券商目前的品牌只是規模品牌,缺乏差異化的定位。從低端的經紀業務到高端的賣方研究,區別度都不大。一旦有券商能夠轉型為“大數據驅動的創新型投資、研究和服務”機構,將成就其獨特定位和殺手锏,在全方位的業務(特別是經紀業務和賣方研究)競爭中占據主動。
股票型基金的投資能力是公募基金立足的核心能力。2007年以來,公募基金的整體股票投資能力并不出色,難以支持基金的持續銷售。通過與互聯網公司的合作,將“投資者情緒”量化的研究成果投入實踐,有可能找到股票型基金銷售的突破口。一直以來,相比擇股,公募基金的擇時能力較差。而且從基本面出發,也難以為擇時行為找到理論依據。而“投資者情緒”量化的成果,將為公募基金提供擇時的理論依據和現實幫助。
對于軟件公司、第三方機構等服務商來說,可以將大數據轉化為優勢服務產品,在行業中脫穎而出。
從所需資源來看,數據是進行“投資者情緒”研究的首要、決定性的資源。因此,目前的相關研究應用都離不開互聯網公司的參與,例如雪球、新浪、百度。金融、技術、數學、心理學人才是不同研究階段所需的次要配置資源。
顛覆近在眼前
據媒體報道,在北京召開的“大數據背景下的計算機和經濟發展高層論壇”上,中國工程院院士李國杰表示:“生物信息學、腦科學、空間科學等基礎研究早就采用以PB級計的大數據,卻沒能引發大數據浪潮。大數據如今引起各方重視,主要還是因為它蘊藏著巨大的經濟價值?!?/p>
目前看來,大數據技術應用極有可能在金融投資領域引爆,金融很有可能成為繼電商之后又一個互聯網應用的熱點領域。原因一是金融業商業價值體量巨大,互聯網公司虎視眈眈;二是金融行業的互聯網化程度還遠遠不夠,可以挖掘的潛在應用領域眾多。微博客 @陳如是說 寫道:“互聯網這一教門,正從自然、多神崇拜的初級階段向一神崇拜的高級階段演化。從目前的斗爭情況看,金融神成為主神的機會最大?!?/p>
對于互聯網公司來說,此前的“余額寶階段”只是互聯網金融試水,是簡單將金融業務進行物理嫁接,互聯網僅僅作為渠道,并沒有對金融機構的專業地位造成沖擊?!皩殞殹眰兊纳嬗匈囉谥袊鹑隗w系漏洞的存在,一旦金融監管籬笆扎緊、金融機構積極應變,“美國版余額寶”Paypal的前車之鑒未必不會重演。
互聯網公司要想在金融領域具備核心競爭力,就要從渠道邁向更高端的專業化部門。以大數據技術直接切入金融機構壟斷的投資研究業務,是互聯網公司迅速提升專業化能力以及在金融領域擴張的捷徑。
另一方面,在互聯網金融新一波浪潮中,金融機構若不能立足于自身專業化的強項,而只是跟隨互聯網公司的布局而動,則只能充當配角,漸漸失去主動,甚至被互聯網公司吞噬。私募基金經理、微博客@神農陳宇寫道:“我們必須把神農投資搬到海淀區去。我們要到創業者中間去,并且離金融街那些炒股票的遠點。我們要和更多將改變中國的年輕人站在一起。”
如果說金融中的銀行業因為重要性和所有制因素還難以在短期內被互聯網根本改變,那么,互聯網對于投資領域的顛覆已經近在眼前。中國股市的一個特點,是用20年時間走過了美國股市百年所走的道路,當A股投資者還在津津樂道于巴菲特(代表個人資產管理最高水平)、彼得?林奇(代表公募基金最高水平)時,索羅斯(代表對沖基金最高水平)、西蒙斯(代表量化投資最高水平)的模仿者也將在A股出現。
互聯網顛覆投資,投資互聯網化。
一場投資領域的革命開始了。
新聞對
股價的影響
按照一般思維方式,不但認為重大新聞對股價有著決定性影響,而且也認為股價的短期巨大波動一定與重大新聞有直接關聯。
事實并非如此。
對于前者,并非每一個重大新聞都能夠引發股價劇烈波動。最近的一個例子是,8月13日中國7月份的信貸融資數據公布,存款和新增貸款大跌,M1和M2走低。貨幣政策和信貸數據所反映的流動性狀況一向對A股影響巨大,然而數據公布后,A股并沒有出現大幅波動。
對于后者,羅伯特?希勒通過研究1929年和1987年美股崩盤時的新聞,發現并沒有被公認影響了市場的重大新聞。1989年戴維?卡特勒等人列出了二戰后美股50次最大短期波動,結果發現基本沒有重大新聞可以作為合理借口,甚至得出一個極端結論:“重大價格變化日無新聞”。
這當然可以用“有效市場”來解釋,即后者是重大新聞已經在公布前被先知先覺的投資者知曉,或者被市場“聰明地”預期到了。而前者是還沒有公開的重大消息讓股市產生了反應。
與上述學究氣十足的理論解釋不同,真實情況是,無論消息(未公開的新聞)還是新聞(已經公開的消息),其內容的重要性與傳播力相對來說是兩個獨立變量――重要的新聞不一定有很強傳播力;產生“病毒式”傳播效果的未必都是傳統意義上的重要新聞。
所以,一個真正重要的新聞,無論它是否提前泄露或被預期到,如果未能形成有效傳播,就不能引發投資者“正常”的情緒反應,當然就無法擾動股價。所謂有效傳播,并不是說了就算,甚至不完全取決于被多少人看見,而是真的引起關注。殊不知有多少新聞,讀者只瞄了一眼標題就不再關注,時間、精力、心智資源的有限,決定了讀者對大多數新聞視若無睹,其中不乏一些傳統意義上的重要新聞。
反過來,一個看似很無聊的娛樂新聞,按照“正?!边壿嫞顿Y八竿子打不著的事情,卻憑借其傳播威力,挑動市場神經,造成了股價波動。馬伊與伊利股份的因果關系即在于此。
任何人都不可能掐死自己,這句話常被用來形容某一行業的從業者無法舍棄自身積累多年的認知和資源,轉而認同和遵守更合理的行業邏輯。這同樣適用于部分傳統媒體人。
一些傳統媒體人之所以抱住“內容為王”不松口,原因之一是他們的認知、能力、特質……都只適合做內容。當然,從純粹新聞學學科的角度說,內容確實最重要。一旦涉及新聞的商業價值(例如對股價的影響力),傳播才是真正的“王者”。如果說此前媒體人還可以掩目自欺,互聯網時代則完全不可能了。
雖然為了適應網絡傳播,內容也做了一些適應性改變,但并沒有真正顛覆新聞內容的一般生產規律;傳播技術則翻天覆地變化了。兩者相比較,就是內容更新方式的改變遠不及傳播技術的改變。于是,從新聞的現實效果來看,傳播的作用遠大于內容。
例如,從互聯網的去中心化來考慮,任何被專業編輯選擇提供的新聞,都不符合互聯網上的新聞傳播特質。即使是門戶網站編輯充分考慮網民閱讀偏好之后做出的選擇,也難以避免編輯(新聞信息中心)的主觀性。于是,適應互聯網的計算傳播學應運而生。
對此,豆瓣“計算傳播學”小組的解釋是:“傳播學必須走出傳統的研究套路,獲得在網絡上保存、抓取、分析、可視化大規模電子化數據的能力,也需要支持這些工作的工具。毫無疑問,傳播學因此將和計算機科學開始交匯,至少需要程序員投入到這種大規模數據的挖掘工作中來。”(Cheng-jun Wang,2012)
“今日頭條”App使用的就是計算式傳播技術,對其新聞推薦技術的描述是“更快更全更懂你”,即通過用戶反復使用留下的信息,讓后續推薦越來越接近于用戶個人的閱讀偏好,從而達到私人定制資訊的效果。盡管其推薦技術仍顯粗糙,卻被投資者認可為未來傳播技術的發展方向,獲得了5億美元的估值(2014年6月3日消息)。
而從傳統餐飲業轉型互聯網的湘鄂情(002306.SZ)進軍視頻搜索業務,使用的也是計算式傳播技術。消息公布后,股價八個交易日大漲60%。
針對美國明晟公司(MSCI)日前表示正在重新考慮將A股納入其一系列指數的方案,中歐基金認為,這表明A股相對價值并非此前市場預想得那么糟糕。未來,鑒于A股各主要指數震蕩的概率較大,市場將更看重企業的盈利能力、投資標的的穩定性和安全性。市場回歸業績和價值崇拜,說明資金的心態傾向于“穩健回報”。總體而言,延續對春季行情的樂觀態度。
展望A股走勢,匯豐晉信基金表示,從基本面來看,今年上半年,經濟有望維持穩定增長,企業盈利改善趨勢料能持續。4月份上市公司即將披露季報,預計企業業績也將為A股提供支撐。在貨幣政策方面,市場預期下半年經濟可能面臨壓力,但是出于保增長考慮,下半年貨幣政策預計不會太緊。
淡看短期博弈 聚焦長期投資
面對A股市場以結構性行情為顯著特征的窄幅波動,上投摩根核心基金經理李博指出,在結構分化行情中,要做“睡得著覺”的投資,從更長遠的視角看待投資,從更深入的基本面分析核算價值。投資的核心目標是要選出未來盈利能持續增長、同時估值不貴的標的,即PE/G小于1,這其中包括三重要求:第一,要求行業空間足夠大;第二,要求管理層有企業家精神;第三,盈利數據能與公司的發展戰略相印證。李博認為,在一些投資者越來越看重短期博弈的時候,長期投資、價值投資的優勢逐漸凸顯。
對于后市A股走勢,上投摩根基金認為,經濟和股市在2017年年初都出現向好趨勢,一方面市場對中國經濟增長擔憂情緒逐步緩解,在PPP項目、“一帶一路”、國企改革等政策措施的拉動下,投資增長開始恢復,同時在過去幾年的去產能政策讓不少行業的供求關系發生變化,盈利能力開始恢復。自2016年三季度以來,不少上市公司結束了連續幾個季度的下行趨勢,轉入增長階段。另一方面,經過較長時間的下跌之后,A股市場估值回落到歷史上較為中性的水平,其吸引力開始提高。
震蕩市業績為王 捕捉主題投資機會
國企改革東風漸起,相關主題更是多點開花。業內人士表示,盡管國企改革將是貫穿全年的大主題,但其內部板塊輪動速度快,不同行業及地區都有自己的時間表,推進執行的力度也會參差不齊,如何有效把握投資機會成為難題。泰達宏利改革動力基金經理劉欣表示,今年A股小碎步上行,但投資熱點仍比較凌亂且持續性較差,這種震蕩行情有利于量化投資的發揮。采用量化選股的方法,可以全市場捕捉國企改革的投資機會,分享國企改革紅利。未來國有企業改革、金融改革、、企業兼并重組等主題將持續不斷地為市場提供投資機會,量化基金有助于投資人全面把握這類主題。
華寶興業基金總經理助理郭鵬飛表示,A股的估值下降階段基本結束,處于震蕩市階段,在震蕩市環境中,業績最重要?;久孀兓蜆I績預期調整成為股價運行的最重要決定因素,風格板塊屬性不再重要;基本面良好、業績確定性高、估值合理的品種,都具有較好投資機會。成長對周期和消費的估值溢價已經回落到合理偏低水平,白馬成長股整體上應該有絕對收益,但小市值高估值公司仍風險較大,成長與價值并重的精選個股策略可能效果較好,白馬成長股機會更大,黑馬成長股謹慎選擇。保持謹慎態度,通過深入研究,選擇基本面良好、業績增長較快、同時估值較低的優質標的,采取靈活的交易策略適當進行逆向操作。
對于近期火熱的港股投資機會,華寶興業基金周欣表示,基本面、資金面因素支持港股繼續向好。具體來看,中國宏觀經濟數據近期表現較好,顯示中國經濟可能已經筑底回升,有助于緩解港股市場中對于中國經濟和人民幣匯率過于悲觀的預期;港股相對于A股擁有明顯的估值優勢,與港股估值的歷史數據縱向對比也并不貴;深港通的實施、港股通總額度的取消將進一步提升內地與港股的互聯互通,給港股市場帶來顯著的增量資金,并提升市場整體的估值水平。
把握結構性機會 看好“泛消費”
目前,國企改革、“一帶一路”、周期股等主題已成為A股市場上炙手可岬耐蹲駛疤狻5國聯安銳意成長基金經理王超偉卻有自己獨特的見解,堅定看好“泛消費”行業投資機會。年初至今,上證綜指呈震蕩上行趨勢,許多熱炒板塊目前仍處拉伸狀態。預計A股下階段大概率將處于橫盤整理之中。橫盤期間,重點應把握結構性機會、區間行情。家電、白酒、食品飲料、調味品、衣柜、櫥柜等低估值、穩增長的股票,將會成為市場熱點。2017年春節過后,在熱點切換頻率較快的A股市場上,消費板塊盈利能力復蘇基本確定,不斷增長的需求使得消費類股票頗有市場價值。配置消費類對于投資者的心態上會比較穩當,在整體側重比較大的市場情況下,消費類的公司從長周期來看仍是比較有優勢的。