049_E49.扒开量化的门缝，瞧瞧科技与狠活

[厚望] 嘿,大家好,欢迎收听面基,本期聊聊量化,因为后面想多努力聊一些量化基金经理,所以本期全当是个铺垫,介绍一下量化的世界观。不求有多深度,就像标题所说,这期只是扒开量化的门缝往里面瞧一瞧,能对这个流派有一些最基本的认知,也希望能帮到大家吧。以后再看到量化相关的内容的时候,能大概了解到对方在说什么。欢迎收听本期节目。我们首先来聊几个非常形而上的问题,通过对这些问题的回答,大家也可以感受到量化这个流派的市场观还有投资观。第一个问题是,市场是有效的吗?这也是市场有效理论要重点回答的一个命题,所谓有效,简单说就是股票价格已经反映了所有已知信息,这句话很多人肯定都听过。那进一步的,信息是怎么影响价格的,或者说信息是如何进入价格的,总共分三步。

[厚望] 第一步是信息传递,一件事发生了你得知道,我们举个例子,比如某家公司它的业绩增速非常好,它有多种途径可以传递给市场。有一帮人可能很早就知道了这个消息,然后他们快速响应,立刻买入对应的股票。有一帮人在公司发布业绩公告以后,手机收到了一条行情软件的提醒,告诉了你这件事。那你立刻判断出这是一个超预期的利好,决定干一票,于是准备买入,结果发现股价已经快涨停了。一看这个股价的暴涨时间居然比公告还早了半个小时,你五代的摇摇条骂了一句,呵呵A股。还有一帮人,他下班的时候在地铁里面,打开了某个一天可以推送十条的某中字头媒体的公众号,标题叫爆发。这家公司业绩暴涨,十万股东今夜无眠。你看同样是一条信息,不同人收到它的顺序完全不同。

[厚望] 第二步,市场的各个主体都接收到了这条信息,大家开始对它进行分析和决策。第三步,决策以后,大家又开始基于这条信息进行交易买卖股票,但是交易也是分先后顺序的。还用前面那个例子,假设你当天买入涨了8%,你觉得这个涨幅已经非常可观了,已经把这条信息press in了,你想卖掉。但是不好意思,T加1你卖不掉。但是很多量化机构是可以实现T加0的,散户卖不掉,不意味着机构卖不掉。换言之,机构可以落袋,但你不行。那我们再回看这三步,信息、分析、交易。这三个环节就决定了市场的有效性。换言之,信息传递的越快,分析的越精准,交易的越充分,那市场也就越有效。大家可以想象一下,每一天市场里都发生着各种事儿,这些事儿变成了信息流还有数据流。

[厚望] 那被市场里面的各个主体接收,分析、交易。这一笔笔交易又变成了价格,对吧?每一笔买意和卖意的成交都留下了一个价格轨迹。那价格本身也是数据,它又变成了新的信息。再重复一遍这三步,信息、分析、交易。那我们就用这三个步骤来解释什么是量化。第一步,信息。量化就是会用各种手段去搜集各种数据流。有的拼的是搜集的速度,有的拼的是你这个数据它的稀缺性。第二步,分析。那量化主要是用各种客观的数学模型啊,集系学习,或者说人工智能,AI,你叫什么都行。用各种各样的手段去分析数据。分析的目标是从海量的数据里边能找到规律。如果某些数据它具有大数定律意义上的规律,那么这些数据就可以被称为因子。这也是量化投资里边的一个特别重要的抓手。

[厚望] 再比如,如果能通过分析找出来大概率能在线的规律,那它就可以成为一种量化策略。第三步,就是交易。量化可以通过计算机程序发出买卖指令快速交易。打个比方,散户正在这边引着毛组和凝指数长期持有能有多高的盈利空间呢。但是量化发现了一个五分钟级别的趋势机会,并且通过日内T加零快速买卖,完成落袋。以上大概就是量化在做的事儿的一个缩影。回看这三步,信息、分析、交易。那用数学模型加上机器分析决策和交易,这大概就是量化。那再举个例子,价值投资在我国已经成为某种政治正确了。价值投资的信仰图腾无疑肯定是八盲二人组。那量化投资也有它的信仰图腾就是吉姆·西蒙斯。那对西蒙斯而言,他的伯克希尔叫大奖章基金。1988年到2018年这30年间,

[厚望] 大奖章基金的复合年化收益率大概是66%,管理费高达每年5%,业绩提成是44%,这种费用磨损和carry堪称抢钱。但是即便扣掉这些,大奖章基金的费后年化收益率依然高达39%,这是神一般的回报。当然了,这种逆天的数据背后,大奖章基金的规模连伯克希尔零头都不如。西蒙斯在征服市场之前是一个数学家,在MIT还有哈佛教书,还曾经为政府破译过密码,后来下海做量化投资。那某种程度而言,西蒙斯也破译了市场的密码。2019年华尔街日报的特业撰稿人叫Greg Zuckerman,他写了一本书叫征服市场的人,吉姆·西蒙斯如何掀起量化革命。有人就问这个作者Zuckerman,西蒙斯到底是怎么做到这么神的?大奖章的秘密到底是什么?

[厚望] Zuckerman说他们没有秘密,但是有一大堆优势,比如他们有可以回溯到18世纪的准确数据,你看这就是信息的稀缺性,信息分析交易,这将是本期节目不断重复的三个关键词。好了,我们到现在还没有回答本期节目最开始的问题,市场是有效的吗?信息流最终打入了价格流吗?我个人答案是长期看,市场是比较有效的,但是毫无疑问,信息通过交易进入价格的过程会被各种变量影响,也需要时间,所以在某些时段,某些局部,市场并不是有效的。那进一步的,其实市场有效理论更重要的点在于它有一个推论,这个推论就是如果现在的价格已经充分反映了所有的已知信息,那么从逻辑上讲,未来的价格走势就和已经price in的已知信息无关了,未来的价格走势它只会受到增量信息的影响,

[厚望] 也就是说新的信息再一次打入价格,那这个推论翻译过来就是如果市场有效,那大家就很难预测未来了,因为增量信息无法预测,市场很难预测的另一个点在于,不仅增量的信息会影响价格,人的分析交易也会和价格相互影响,比如说著名的三根阳线改变信仰,在比如索罗斯的反身信源里,哪怕面对同样的信息,人也可能做出不同的反应,从而让市场输出完全不同的结果,举个例子,现在中国的各大一线城市已经任房不仁带了,这个事儿在2016年的时候发生过,然后市场的反馈是走出了一线楼市有史以来最大的牛市,但是同样的信息再一次发生的时候,一线楼市在杀跌,所以我想说的最后的结论很简单,就是市场总是在变,而且是巨变,甚至可以说当我们加入了增量信息和人的反应这两个变量以后,

[厚望] 人是不可能两次踏进同一个市场的,那市场的这种变化也会让因子失效,会让风格切换,会让抱团瓦解,也会让去年的冠军基金经理到了今年就泯然中人意,那前面说了长期看市场是有效的,或者说市场总会在某一些时刻达成均衡的状态,但是更常态的是市场总是会阶段性的局部的无效,无论是信息层面,分析层面还是交易层面导致的无效,是这些无效才构成了alpha或者说超额收益的真正来源,我们还是用前面的例子,Zuckerman在他的书里边就说大奖章基金的模型会利用人的行为弱点去赚钱,他的很多超额收益其实来自于人的行为偏差,那进一步的越有效的市场就越难创造超额收益,打败市场的难度也就越高,那比如美股,美股现在每天三分之一的成交量基本是由量化交易贡献的,

[厚望] 这就意味着几件事,首先信息打入价格的速度很快,在微观层面,在高频的层面,博弈相当激烈,市场相当有效,那这种高度有效就意味着实现超额收益的难度很高,那在这样的环境里面,你想做出alpha就很困难,反倒是跟上市场本身的beta,同时降低费率,降低波动,帮大家结税才是更有吸引力的,那反之在越无效的市场,创造超额收益就会越容易,因为信息分析交易层面的无效,才是真正的超额收益的来源,因此一个很扎心的结论就是,必须得说散户是国有资产,在信息获取层面,真正有价值的数据早就被构建了价格壁垒,变成了一门不断涨价的生意,拿我自己举例啊,我想找一些言报,那我每年要为此花2000多块钱去买惠博投研的账号,Choice的数据,

[厚望] 万德终端,还有价格已经非常亲民的李幸仁这个网站,试问哪个数据他不收费呢,这还只是信息的壁垒,那在信息的广度分析层面,这里正是量化最擅长的领域,那在信息深度的分析层面,普通投资者肯定干不过机构的专业投研团队,在交易层面,T加零的权益从来没有给予过散户,散户只能坐替,但是T加零是镰刀的标配,你问就是保护投资者,大家也不用不服,市场本身就有很多作用,比如它是居民部门的财富储存器,但是同时它也兼具着财富再分配的功能,就是把那些情绪不稳定,经验不丰富,交易工具少的人的钱,通过波动慢慢转移到在这些方面做得好的人的手里面,所以在任何市场里边,谁能贡献无效性,谁就在贡献超额收益,谁就是真正的韭菜,而主观投资也好,

[厚望] 量化投资也好,就是在用人的大脑和经验,以及机器的模型算法,在这个市场里面寻找,到底哪些事情是会长期终将有效的,以及市场又会在何时何处无效,别人贪婪我恐惧是一种方法,反转策略又是一种方法,对于这些市场上的无效性,谁捕捉的更多,谁捕捉的更快,哪怕只是分钟级别的,谁就能赚到一些超额收益,以上就是量化的市场观之一,那量化流派坚信的另一个底层假设施,大家相信历史会重复,这个逻辑是这样的,历史上已经发生过的事,被记录成了数据,我们前面说了,价格本身也是一种数据,而量化会基于这些数据,用各种模型和手段去进行归纳,还选出来能带来超额收益,或者说市场无效的各种大概率事件和规律,形成策略,那当现在的数据和过去的数据类似的时候,

[厚望] 模型就会给出交易指令,对他所发现的那个大概率事件进行下注,我们还是举西蒙斯那个传记的例子,在量化的早期阶段,就有交易者开始使用不同的频段,去划分每天的市场波动,从较长的频段开始,最后细化到五分钟一段,我随便下举个例子,比如大家发现,每周五的第十个频段上涨的概率高,第十二个频段下跌的概率高,这就是量化眼中的市场,而且这还是相当早期的分析水平了,放到现在这种频段的间距肯定会更短,包括AI的加持,都会让这种归纳的效率变得更加极致,尤其是在处理那些海量的,比如高频量价数据方面,AI的效率非常高,还有对那些非线性规律的挖掘,AI给出的判断可能会在我们人脑看来,会非常的反直觉,非线性本身就意味着反直觉,对吗?

[厚望] 但是这个概念,它是相对于人脑而言的,对AI来说,反直觉从来不是它需要克服的困难,所以某种程度而言,量化理解的历史和我们理解的历史并不一样,量化眼中的历史更多是指数据,当现在的数据和历史数据相似的时候,对量化而言,历史就再现了,哪怕只是在几分钟级别的再现,也可以对这种再现去进行下注,可以说量化在归纳这个身上是吊达人脑的,它在广度的覆盖上也远非人力所能及,这种特点就让量化非常擅长去搞那些没有什么关注度,研究也不充分,交易也不充分,不效性也比较高的公司,这类公司普遍有几个特点,第一,它们绝不是传统意义上的好公司,否则也不会没有人去研究它,第二个特点就是它普遍是小市值,而且这一类公司它的数量是很多的,也覆盖不过来,

[厚望] 但是它们天然适合量化,因为量化能去做下沉,它在广度层面非常擅长,虽然你公司的质量不高,但是在基本面以外仍然有非常多的因子,可以作为量化的交易抓手,量化天然爱小盘,所以你看A股的量化指增策略,主要战场其实都在500指数啊,1000,2000,微盘这些中小微指数上去做,量化它可以实现分散选股,持仓也很灵活,可以中高频的交易,它最终是靠概率去赢的,量化不追求赔率,它追求的是微小盈利的积累,而不是单一的下重注,那与之对应的,人脑当然也不是一无是处,量化是和广度层面的覆盖,但人的投研是可以深度挖掘的,这些研究实地调研,其实对大公司的投资尤其重要,大家在听很多金经理的访谈,包括我们上一期的节目的嘉宾,大家都在强调,

[厚望] 要挑那些兼具概率和赔率的机会出手,所以我们可以笼统地说,人主导的主动投资,它的战场更多在深度和赔率层面,去赚企业增长的钱,而量化投资,它的战场在广度和胜率层面,是积小胜为大胜,那此外呢,量化善于归纳,而人脑在演绎和预判上,仍然有不可替代性,在微观的层面,量化的优势特别巨大,甚至可以说那些几万块入市,做到几个亿身家的游资大佬,他们的脑袋也是一种,特别善于处理微观的策略模型,但是在宏观层面,量化还是比较动感的,它对很多大的拐点并不敏感,有些我们前面也说了,量化眼中的世界,一定是历史上发生过的事,量化会记录历史,但是它绝不会解释历史,一旦遇到了历史上没发生过的事,或者说好几个Sigma的尾部事件发生了,

[厚望] 量化就很难应对,比如刚刚过去的2月份的量化危机,这个拔网线,应该不在绝大部分量化模型的设计当中,那我依然以西蒙斯的大奖章基金为例,2007年8月份,美国量化基金大地震,你可以理解为,跟今年2月份,国内的量化危机类似,这也是一个维部风险事件,当时大奖章基金也大亏了,西蒙斯在内部的演讲上就强调说,我们不能凌驾于模型之上,这说明文艺复兴依然是以机器决策为主导的,虽然嘴上这么说,其实西蒙斯一直都保留着交易员,模型是模型,现实是现实,西蒙斯已经80多岁了,他见过太多大风大浪,知道很多关键的时刻,或者说遭遇到了维部风险的时候,是需要人顶上去,用人去取代程序去做交易的,西蒙斯认为这也是文艺复兴基金,和长期资本公司的区别,

[厚望] 想必很多人都听过长期资本公司的故事,这家基金天才云集,但是他被尾部风险搞死过两次,所谓尾部风险就是,在你模型的概率上,可能要上万年才发生过一次,但是现实就是,哪怕是长期资本,他打造出来的一种天才模型,每五年就被市场干死了一次,所以还记得我们开头说的吗,市场的不可预测和随时改变,某种程度上,这就是市场的惩罚,它惩罚的手段,就是塔勒布所说的肥伪风险,那在量化交易中,越是高频的战场,就越依赖技术和模型,也越需要量化机构们进行军备竞赛,比如囤卡,比如频交易速度,而越是低频的战场,就越需要人脑和经验的判断,让策略失效的并非是策略本身,而是市场状态的变化,这也是我很想和大家说的,价值投资作为一种策略,就一定有它的代价,

[厚望] 还有它所适应的市场环境,价值投资绝对不是万金油,我们对待自己,对待策略,对待我们玩耍的市场,真的需要实事求是,像量化或者油资,其实大家真的很实事求是,他们都是典型的不争论派,市场当前的状态就是最大的尺子,所以这些人没有什么依购的,他不会去赌市场对了,还是我错了,无所谓,因为市场变动最终都会告诉我结论,今天我看到的所有的交易价格,最终都会变成调整我自己模型的数据集,所以你看那些炒短线的也好,还是量化也好,大家追求的都是概率,而不是赔率,也不是每次都赢,另一个市场观也是非常形日上的,物虚的问题,对量化而言,什么是价值?这个有点触及灵魂的投资问题,其实也非常能反映量化这个流派,它的价值观,我们所谓的资产质量,

[厚望] 护城河,自由现金流,这些内生价值,在量化眼中,它们是价值吗?那我们赌国运,判断行业景气度,这些因素,在量化眼中是价值吗?前面提到过,超额收益真正的来源,是市场在某些时刻,某些局部的无效性,所以在量化的坐标系里面,我们在市场里面看到的数据流,价格流,这些信息里面都包含着数据流,价格流,它们里面都包含着世界和市场的行为轨迹,不管是高频还是低频,宏观还是微观,信息打入价格的过程,这些都是价值,价格本身就是价值,量化分析价格,分析数据,可以在各个维度上找到出手的机会,不是只有公司自由现金流的增长和可持续性才叫价值,对量化而言,也许某一个标的,它在两分钟之内的价格趋势也是价值,所以你会发现,加上时间的尺度以后,

[厚望] 价值也变得多种多样,所以我真心觉得这是量化特别有意思的一个价值观,就是价格本身就是价值,那让我们再上升一步,大家还记得达里奥的那个著名的经济机器是怎样运行的视频吗,那个视频里面说,亿万个人组成了经济系统,在系统内部各个单元就像无数个尺寸各异又互相偶合的齿轮一样,大家在相互作用中形成了很多的反馈机制,那这个经济系统的整体它是具有高维世界的特征,它极其复杂,就好像二维看三维三维看四维一样,这意味着对更低维的世界来说,那个高维的世界是不可以被直接观察和直接测量的,因为它太复杂了,但是高维系统会在很多低维平面上形成各种投影,当我们把这些投影用数据量化出来的时候,它就变成了各种各样的经济指标,GDP也好,

[厚望] MR,PPI,PMI,用电量,各种股票指数,债券指数,这些指标里面都携带了这个复杂系统的某些运行信息,我再举几个例子,一百多年前,年轻的财经记者查尔斯道分别挑选了12家工业企业,还有11家运输企业,编制出了工业指数和运输指数,用它们来观察工业时代的经济形势,大家仔细想想工业指数,运输指数,它的内在逻辑和今天的PMI没有太多差别的,那某种程度而言,查尔斯道甚至可以说是量化的奠基人之一,虽然他只是一个财经记者,但是他不太认可媒体的价值,因为在他那个时代,报纸是主流,对报纸而言,广告主才是真正的上帝,读者不是,查尔斯道认为在投资和财经领域,信息的价值是远高于媒体的,数据本身就有巨大的价值,他和另外一位记者叫爱德华·琼斯,

[厚望] 两个人成立了道琼斯通讯社,他们的媒体产品,这个数据产品叫Flameses,它的意思是几页纸,它的内容以数据为主,主要是记录各种各样的股票价格信息,这个只有几页纸的产品,在当时的功能类似于今天的行情软件,加彭博和Faxit,再加证券三大报,再加万德数据库,这么一个集合,那在1889年,这个媒体产品改名为华尔街日报,而且你要知道在1933年,美国的证券法出台之前,美国的上市公司是没有义务向散户披露他公司的财务数据的,换句话说,基本面数据在当时几乎是一个不存在的概念,那在那样的环境里,在那样的时代里面,准确而迅速的价格本身就是极其有价值的信息,那时候是利弗摩尔被奉为股神的时代,趋势策略完美地呼应了当时的时代和市场,

[厚望] 1862年,法国医生克莱门·朱格拉出版了《论德英美三国经济危机及其发展周期》这本书,他提出了十年一个循环的经济周期理论,后人称之为朱格拉周期,1919年开始,苏联经济学家尼古拉康德基耶夫连续发表文章,用大量统计资料证明了学界早就有讨论的,大概50年左右重复一轮的长波周期确实是存在的,后人称之为康波周期,1923年,美国经济学家约瑟夫基金根据对物价、生产还有就业的统计数据分析出,资本主义经济中每隔40个月左右就会出现一次有规律的上下波动,后人称之为基辛周期,1930年,美国经济学家库德聂茨出版了他的第一本重要著作,《生产和价格的长期运动》,他考察了主要资本主义国家从19世纪到20世纪初这50年间的经济数据,

[厚望] 发现农产品和工业品的价格存在着平均长度20年左右的周期规律,库泽涅茨周期诞生,说这些例子是想告诉大家,某种程度而言,以上故事都是量化的思维,甚至成为了量化的根基之一,大家从大量的数据中找到了不同时间尺度的规律,我再用前面提到那个高维系统的例子,这些伟大先哲们通过观察数据,发现了这个复杂系统中几个不同尺寸的齿轮运转的规律,有的齿轮平均42个月转一圈,有的齿轮100个月转一圈,有的200个月一圈,有的600个月一圈,那放到现在,利用数学模型,计算机,通信技术,计量统计,AI等学科还有手段,量化既能像空间站里俯瞰地球旋转一样去观测宏观的尺度,也能像用显微镜一样去观测微观的尺度,这也是量化的一大市场观,

[厚望] 数据就是价值,价格本身就是价值,没有所谓错的价格,每一个价格本身就包含了市场还有对手的行为轨迹,它亦是经济系统的一种投影,所以我们平时投资的那些合理估值啊,还有各种经济理论所讨论的那些世界应该怎么样,各种应然,它们都不是量化的元素,价格本身就是一种实然,价格说现在就是这样,量化心中也没有那么多应该,量化相当的无我,它对市场也相当的实事求是,以上我们大概介绍了量化的市场观,对很多人而言包括我自己,这是一种全新的叙事,接下来我们聊聊量化的投资观,就像人有能力圈一样,量化的能力圈应该叫因子,你因子池里面的因子越多,能力圈也就越广,可用的策略也就越多,对市场无效性的捕捉效率也就越高,那就像人会去积累经验,

[厚望] 努力学习去拓展自己的能力圈一样,量化也需要吞入新的数据,并且结合市场,结合新的研究成果,不断地去迭代升级自己的策略还有模型,而且更残酷的是,对量化而言任何策略都有有效期,随着市场变化,前面说了这是一定的,策略一旦失效,其实在相当一段时间内就不会再变得有效了,其实这行也很残酷啊,因为它的进步速度一定比人快,任何策略都有生命周期,所以你的策略是要无止境地更新迭代的,它不太像主观投资,守着自己的能力圈,可能一生的大部分时间都在等待那些宝贵的基求机会,但量化不行,量化不进则退,只要模型停下来就会被超越,被替代被遗忘,却是带着的是新兴的策略,还有持续涌入的竞争者,那跟人一样,那人会犯错,量化当然也会犯错,

[厚望] 比如错误的数据输入,错误的模型输出,再比如代码写错了,这也很正常,人会生病,量化也是,比如系统没有备份,比如被拔网线了,这些可能更像是量化的风控部分,量化的投资流程大体上可以分为这些环节,你首先得有一个想法或者洞察,然后去做数据采集和分析,最后形成一个因子,然后把这些因子优化成一个组合或者说模型,然后再进行风险优化,最后交易落地去厌重你的想法是否有效,模型跑起来之后开始不断的迭代,这是个循环的过程,这其中因为你的策略是明确的,你的代码也是明确的,所以量化的一个特别大的优点就是它可以归因,而且是逻辑层面的可归因,它具有很强的可解释性,比如大家遇到了一个量化产品,其实你的逻辑,你适用什么样的市场状态,

[厚望] 你的收益来源,风险来源,阅度胜率,超额胜率,调仓胜率,因子贡献,每个频段的收益贡献,不同持仓周期靠什么营,其实都能解释的比较清楚,这是量化的一个特别大的优势,那就和人有不同的精力,秉赋,还有能力圈一样,不同的量化团队也有各自擅长的策略,而且这个事比表面看上去更加复杂,比如两支量化基金,大家策略的收益来源是相同的,相关性也很高,但是不同团队它跑出来的回报率差异就会很大,这说明虽然表面上看是非常类似,但是实际上在底层的模型上,大家还是有很多差异的,在另一方面,随着我们自己对市场,对策略,对产品的跟踪,还有认知的加深,我们会发现就是我们理解的量化策略会越来越细分,越来越垂直,就好像比如说我们熟悉的一些主动型的基金经理,

[厚望] 他是什么风格,他这个风格适合什么样的市场状态,其实一支量化基金和一个主动型的基金经理没有太多区别的,在本质上,那量化策略的分类方法也很多,我可以像包裁名一样,比如选股策略,T加零策略,趋势策略,反转策略,相对价值策略,做事策略,各种套例,统计套例,跨境套例,跨品种,跨期限的套例,事件驱动,多因子策略,再比如你的策略基于什么样的数据类型,是基于行情量价数据呢,还是基本面数据呢,还是另类数据呢,再比如你的持仓周期,短至秒级,长制阅度级别呢,说实话,我并不认为在这里面给大家罗列各种策略有什么意义,就是你听到一个策略名,找一个全HGBT,找Kimi问一下,其实得到的答案都会比从我这得到的要更好,我们在节目里面去说这些,

[厚望] 终归是走马观花,可能连前长泽指都谈不上,但是关于量化策略,我觉得有几个重点,大家在初接触一支量化产品的时候,可以重点关注一下,第一是要搞清楚,它是一个单策略还是多策略,理论上讲,只是理论上你的策略越多,其实你能适应的市场状态也越多,第二是搞清楚它的收益来源是什么样的,它适应什么样的市场状态,反之第三点,我们也要搞清楚哪些市场状态对它不友好,以及它的风险来源是什么,因为肯定不存在可以hold住全场的天才模型,就像不存在可以持续跑运市场的基金经理一样,任何产品,哪怕你是多策略的,肯定都会有阶段性失效的可能,前面说了,超额收益的真正来源是市场的无效性,所以从逻辑上讲,你的市场状态是因,超额收益是果,是市场状态给了策略机会,

[厚望] 那类似的是市场状态选择了当年最牛的行业,表现最好的风格,而恰巧市场上那么多基金经理,还就有一些人他重点压住了这个当年跑赢的行业或者是风格,于是他成了当年的冠军基金经理,第二年市场状态变了,然后对待量化策略还要几个思路,比如我们投资时候不都经常说大类资产配置吗,其实隐身一下量化投资它的内部也有很多的策略,它足以撑起一个大类策略配置,其实它和大类资产配置很像,但是可能这点离很多人都比较远,因为目前为止量化公募的策略类型肯定要远少于量化私募,但是私募的门槛又摆在那里对吧,第二个思路就是其实面积的第一期节目,它的核心思想就是大家可以把自己的基金账户看作一个基金组合,所以从这个角度出发的话,当我想新买入任何一支基金,

[厚望] 无论它是量化的也好,指数的也好,还是主动型的也好,其实我都是把这支基金纳入到了我自己的组合里,那最理想的情况就是能找到一支有稳定超额收益的,而且它与你组合里其他的基金的相关性较低,如此就可以实现有效分散,那最后我们来聊聊量化的风险,量化的第一个风险就是你的策略模型失效了,而且前面已经不止一次的提到过这点了,这场非常残酷,绝不是大家想的对吧,代码写完策略开发出来就可以躺着等着你的小镰刀去割韭菜了,不可以的,迭代是你永恒的任务,不进则退,永远要卷,你不知道策略什么时候会失效,因为你不知道市场什么时候会变,那另一方面虽然训练出一个模型,要远比培养出一名基金经理快得多,但是一个模型可能它从开发到落地的时间,

[厚望] 也是以月甚至以年为单位的,第二个风险就是尾部风险,像2007年8月份的美国的量化危机,还有刚刚过去的2月份的A股的量化危机,其实绝大部分尾部风险,它都是流动性的风险,流动性风险说白了,就是没有人去接你的盘了,而量化它客观上是要求有高换手率的,所以一旦策略同质化,就类似于公募基金抱团一样,这种情况一旦遇到减量的环境,流动性不足,就很容易交易踩踏,镰刀护砍,大家快速大幅的亏钱,尾部风险还意味着一些政策风险,比如把网线,其实我们再把这个问题上升一下,就是政策风险它属于现实世界里的问题,它并不是数据层面的风险,前段时间某个知名私募,他给持有人报告被曝光出来了嘛,他把2月份的量化危机定性为5个Sigma级别的小概率事件,

[厚望] 那前台词就是这个事不太可能发生,说实话,我认为量化流派整体肯定要比那些油资群体厉害得多,但是在处理一些既复杂又现实的问题上,老练的油资可能比量化模型厉害得多,这里面的核心差别在于,我们做投资不能只从数据层面去认识市场,尽管量化模型能捕捉一些行为偏差带来的机会,但是人心远比这个复杂,大家可以想想我国的资本周期,可以想想舆论对那些量化大佬买别墅啊,还有各种花边新闻的反应,可以想想前段时间市场对量化的讨伐和围攻,可以想想量化这个事儿,它的基础到底是精英们的天才模型,还是说它也只是一种商业模式,它有它自己的规则范式,包括现在两万多亿的量化规模,对A股流动性的影响,以及我们这个市场对它的容忍度,其实仔细想想本来量化是一个很有前景的细分行业,

[厚望] 尤其还是金融业,在楼市冰冻存款归缩的这三五年时间里面,快速爆发成为一个大众认为它有原罪的行业,这剧本好像怎么看也并不陌生对吧,我刚才说那些可能听起来都很玄乎,但是它确实是那些尾部的政策风险的上一层,量化第四个风险就是道德风险,这点量化公募会小很多,毕竟基金经理上面还有基金公司,基金公司上面还有监管,但是量化私募确实在这方面的约束就会少很多,典型的比如,相信大家可能都听过很多量化私募都有自己的核心自营策略,那你要看这个策略,这个净值那真的跟话出来似的,低回车高收益,对不同市场状态的适应度都非常的高,你如果去看这个核心自营策略的话,就会觉得哇这个团队太牛了,但是这个产品只对内你买不到,其实这种所谓的核心自营策略它未必有多牛,

[厚望] 而且很有可能就是自营策略和对外的策略是一致的,但是呢我跑这个自营策略的自有账户规模很小,而持有人的产品账户它规模很大,我不需要任何猫腻,我不需要太复杂,我只需要先交易自己的自有账户,然后再去交易我的产品账户,其实就能把我的自有账户保得特别漂亮,因为我的接盘侠是确定的,所以我相当于我用产品账户去接我的自有账户,而且你想量化四目的低透明度,极度分散高换手率,这些并不是很容易被发现,当然我并不是说大家都这么干,只是说有这种可能,也希望大家以后看到一些四目的核心自营策略的时候,也不必太过神化它,那另一个道德风险就是策略的一致性问题,就是嘴上说一套,实际做又是另外一套,又因为你的低透明度和高换手,其实外人也看不太出来,

[厚望] 尤其普通投资者如果去想要,要到一家量化私募,它的四级估值表也并不容易,对吧,这东西相当于量化私募的底库,它会穿透到量化它的股票明细,交易的建仓成本,还要每一笔的损益,所以这些道德风险确实量化私募会更大,而且很多量化私募它的业绩非常亮眼,但是考虑到提出到你的业绩提成,其实也未必比量化公募要好很多,尤其在考虑到你的资金门槛,还有潜在的分散程度,虽然可能量化公募看起来差一些,不像私募那么灵活,但是也未必差多少,所以以上就是关于量化投资在市场观和投资观层面,给大家做的一些铺垫,我不求多深入,其实大家有个大概感受就行,全当抛砖引玉了,后面我争取会多访谈一些量化基金经理,把更多具体的问题和回答呈现给大家,感谢大家的收听,

[厚望] 下期见。