震荡市下量化投资备受关注 人机互补或更具保值增值优势

今年以来，A股市场5月之前调整幅度较大，5月之后市场先是经历两个多月的反弹，后从单边上涨走向了震荡分化，波动明显加大。

在此背景下，格外注重超额收益稳定性、注重回撤控制的的量化投资策略成为了近期市场关注的焦点。那么何为量化投资？量化投资如何在风格切换频繁的震荡行情下，力争实现资产保值和增值？下文，东方基金量化团队将为投资者逐一解惑。

什么是量化投资？

量化投资是一种不同于传统主观投资的投资方式。主观投资往往通过综合分析各种信息后形成主观判断，进而进行投资操作；而量化投资则用数量化的方法，通过对海量数据的统计分析来总结规律、建立模型、进行投资决策。

量化投资大量运用计算机数据、模型，通过计算机策略和算法，针对不同市场环境匹配出历史胜率相对较高的策略来落实执行，其纪律性相对较强，能在市场不断变化过程中，尽量克服人性带来的情绪上的干扰，追求实现资产的保值和增值。

基于反复验证的风控体系护航

股市整体上可以归类为混沌模型，很难被准确预测，其中可预测的规律可能只占驱动股价运行因素里非常小的一部分。而其他所有不可掌握的，或者模型不可获知的部分，在量化投资里都被认为是风险。因此，如果讲股市投资看做一场“赌局”，量化投资的过程，就是在每次下注时，不仅要准确预测手里的牌面，还要控制好外部风险。

量化投资一定程度上以客观代替主观，用历史数据的回测代替人的经验，用历史的结果对交易结果去做评价。量化投资的风险控制机制一定程度上可以帮助避免人性里的缺陷，规避主观情绪和判断对投资的影响。

因此，对于量化投资来说，大量的历史数据非常重要。因为量化投资在做最终投资决策之前，会事先通过计算机预设和模拟多种投资策略或者模型。而这些模型是基于历史的回测，也就是历史上已经发现的投资方法或者影响因子，后者能够驱动不同股票的涨跌，可以在一定程度上形成规律、解释市场，从而具有了一定的预测性。只有数据积累样本足够大，经过大量的历史数据检验，才能尽可能确保投资规律的有效性，避免因为数据样本不够而产生的“过拟合”现象。

此外，量化投资也并非完全被动依赖于机器的计算，而是需要基金经理去筛选各种因子、从各种规律中提炼经过验证的规律、设定数据模型，从而长期持续对量化模型进行优化改进，实现与机器的“互补”，尽可能避免陷入历史投资数据的陷阱。

从选股策略来看，量化投资总体持仓比较分散化，可以通过量化的风险控制体系运作更平衡的股票组合，在多个机会中进行分散投资，风格和板块依赖弱于主观，追求在不同市场风格、不同市场环境下整体波动较小、更加平滑的超额收益曲线。操作频率上，公募量化基金一般都采用低频的策略，相应地需要去寻找到比较稳定的、低频变化的驱动股价涨跌的因素，比如基本面、股票估值、盈利质量、长期动量等等，严格执行投资策略，通过统计方式一定程度上克服了观认知和情绪偏差，不容易“追涨杀跌”，力争更好地平抑投资波动。

基于大数据的选股策略助力

无论是量化投资还是传统投研，在市场不是完全有效的时候，要获得超额收益、实现资产增值，都需要发现能超越于市场平均水平的、被市场低估的股票，而这个低估就是市场不够有效的部分，然后通过某种投资手段来获取超额收益。量化投资用数量化的方法，通过海量数据和有效的模型计算力争更广泛、更准确地发现市场无效的部分，寻找被市场低估的股票。

公募量化基金一般以低频的股票阿尔法策略为核心投资策略，产品形式可以是指数增强或者类指数增强，目标是在获取指数收益的基础上，再去争取尽可能大的相对收益。

量化投资的优势是可以比人脑更有效、更快速准确地处理海量的和实时的信息。用计算机技术辅助人脑，通过对四千多家上市公司的数据跟踪和处理，挖掘人为很难发现的细微不对称信息，捕捉市场中的不确定性，进而谋取相应的超额收益。

具体而言，量化投资会通过对一系列特征打分，给股票进行优劣的划分，选出比指数成分股分值更高的股票，依据一定的规则，组成投资组合。而这些特征就包含了企业的成长性、企业的估值等等，具有这些优质特征的股票在历史上经过统计会发现它总是有比较好的超额收益。后市的量化投资团队就会把这些特征总结为因子，再把这些高因子的股票依据某些规则组合，把这个组合拿去跟指数比赛。受益于量化策略，基金在努力取得基准指数系统性收益的基础上，还能力争获得一定程度的超额收益，以期实现贝塔和阿尔法的双重收益。

同时，量化模型还会实时追踪最新的市场行情、数据、研究成果，从因子、模型等层面，根据市场变化及时调整投资计划、持续优化投资策略、改进模型，使投资更具灵活性和准确性。这不仅有助于更好地在广大的资本市场中准确及时捕捉到更多的投资机会，还能及时快速地跟踪市场变化，不断探索能够提供超额收益的新的统计模型，寻找新的交易机会，以期从中获得持续盈利。

（市场有风险，基金投资需谨慎）