量化基金投资之Alpha策略简介

风险模型

---

Alpha是指超越某个标的的收益，相对应的是Beta收益。

我们已经知道，Beta收益很容易获利，而Alpha收益较难获得。

我们构建一个股票的投资组合，需要预测股票未来的收益。同时我们还要预测整个组合未来的风险。要想预测，就要先把风险刻画出来。

风险可以定义为使投资的本金损失的可能性。本金可能损失，也可能不损失，即使不损失本金，风险依然是存在的。风险是抽象的，不同的投资者对风险的感受不同。

风险对于投资的影响是显而易见的。说到投资，没有人不提风险。因为无论收益多高，一旦遭受风险，都可能在一波回撤中丢了夫人又折兵。

所以，对投资组合中的风险组合进行控制、管理是非常重要的，我们要清楚地知道暴露了哪些风险、暴露了多少风险，并对其进行管理，使其在我们的预期之内，这样才能有效地保护投资者本金，控制最大回撤。

正如前述，风险是难量化的。在投资领域，对风险的最初定义来自Markowitz：收益的标准差。

他把风险与波动性等同起来，如果我们控制风险，就是控制收益的波动，控制收益下行，它能控制回撤和亏损。

这样有了风险的定义以后，就可以把大致把风险模型分为两类：

• 简单风险模型：假设组合中只有一只股票，那么风险就是这只股票收益的标准差；如果有两只股票，就是它们各自权重组合起来的总收益的标准差；如果有N只，就用它们的协方差矩阵来刻画。
• 结构化多因子风险模型：股票的收益可以被一组共同因子和该股票自己的独特部分所解释，这些共同因子可以理解为一些能够影响一组股票的更为宏大的量，如行业、流动性等。
  • 通过考虑这样的因子，总是可以得到简化
  • 不管投资组合中的股票数量有多少，都可以转换为若干个共同因子的风险总是
  • 更具有可操作性
  • 按照著名的Barra CNE5风险模型，这些共同因子选取为行业因子和风格因子
  • 根据该风险模型，我们可以定量地得到股票组合的预测协方差矩阵，就能刻画组合未来的风险

组合优化

---

构建Alpha因子就是对股票的收益进行预测，同时对未来风险进行控制。这就需要结合预测收益和预测风险，来使我们的投资组合达到最优。

通过开发大量的低相关性的Alpha因子，然后组合起来，形成一个强大的预测收益Alpha。

通过风险模型来预测未来的风险，通过组合优化来在收益和风险之间取得平衡。

这样既能提高投资组合的夏普比率，又能降低最大回撤，从而在降低潜在风险的同时取得最大收益。

基本面多因子策略

---

基本面信息一般指账务报表中的信息，也包括宏观和行业等中观层面的信息。

基本面数据的特点是频率低、更新速度慢，因此基本面因子的一个特点是换手率较低，能容纳较大的资金规模，当然收益率也较低。

从基本面研究股票，这是一种很直观的感受和做法，从2000年左右在公募基金中逐渐普及，是国内最悠久的投资方法。

基本面研究也会存在问题：

• 当市场低迷时，基本面研究的成果很难在业绩中显示出来
• 股票的价格，特别是短期价格不仅仅受基本面的影响，更受市场情绪、心里因素、货币政策等因素影响

基本面研究一般分为两类：

• 价值型投资：关注公司当前的价值，如净运营资金、净资产、净利润等与市值之间的相对高低，来获得对公司当前价格是否便宜的判定。价值投资的始祖是格雷厄姆。

  • 拥抱正确的投资态度，投资不是投机，真正的投资行为应该把自己当成企业的所有者，关注企业的内存价值
  • 评估的企业的内存价值
  • 安全边际原则，投资时留给自己足够的安全边际，以应对不可预知的市场风险

• 成长型投资：通过研究宏观因素变化，行业发展趋势，企业的当前盈利、成本等，来获取对企业成长性的判断。聚焦于企业的未来价值，代表人物菲得浦费雪、彼得林奇等。

  • 费雪代表作《怎样选择成长股》，林奇代表作《彼得林奇的成功投资》、《战胜华尔街》等

注意，价值投资与成长型投资并非非此即彼，相反，它们可以很好地融合在一起，并得到了投资大师的成功实践，如彼得林奇，，在13年的时间里，年复合增长率达29%。还有就是巴菲特。

1971年，第一只被动量化基金由BGI(Barclays Global Investors)发行，1977年，第一只主动量化基金也由BGI发行。

基本面因子从分类上讲，可以分为价值因子、质量因子、成长因子、盈利动量因子、分析师因子等。

价值因子和成长因子可以从价值型投资和成长型投资中获取大量信息来源，质量因子可以指公司的质量方面是否出现问题，如账务造假等，盈利动量因子可以指公司的盈利性是否可以持续，分析师因子可以指分析师预期是否持续及变化等。

各种因子之间的相关性很多低，组合在一起就能很好地达到较好的效果，增加收益，同时也能降低策略整体的风险和回撤。

价量多因子

---

价量多因子就是指利用价格、交易量等交易信息开发出来的多因子策略。

如果说基本面多因子是基于相对宏观的信息，那么价量多因子则是基于微观的信息进行挖掘和发现。

当基本面不变时，股票价格仍然无时无刻不在进行着变动，甚至当基本面信息变化时，股票价格也可能向着相反的方向变化，因为基本面并非影响股票价格的唯一因素。

在国内股票市场中，市场情绪、内幕信息、资金流动等，都可以导致股票价格发生较大波动。而依靠交易价格和交易量等信息进行价格预测，是行的通的。

对价量信息的分析统称为技术分析，技术分析认为，一切信息都已经反映在了价格上。技术分析的分类包括：k线理论、道氏理论、波浪理论等。

1948年出版的《股市趋势技术分析》是技术分析的经典著作。

技术分析的发展过程中，也充斥着伪科学的成分，我们应该意识到即使是技术分析，也存在以下问题：

• 技术分析包含着诸多主观因素。相同的k线图，不同的分析者可以得出相反的结论
• 技术分析中的许多指标和方法，都是经验的总结，没有坚实的理论基础
• 任何单一的技术指标与技术模型，都只能适合一部分市场，没有普适性

而量化多因子模型，则可以避免上述缺点：

• 量化模型通过将技术分析转换为个体的因子，并进行检测和验证
• 将技术分析总结为技术面因子后，模型就有了确定的结果，具有检验性和可重复性，不再混杂主观感觉
• 多因子体系可以将诸多技术面因子结合起来，能够较为广泛地应用于多个市场环境
• 量化方法还可以在当前的技术分析基础上，举一反三，开发出新的更具适应性的因子

技术面因子与技术面因子的区别之处：

• 技术面因子运用价量信息，时间相对较短，但价量信息变化快、维度多，可以开发出大量低相关性的因子。技术面因子体系换手率较高、资金容量较小，但能够更快地反应市场变化，收益较高。
• 基本面因子基于基本面信息，长期有效。同时基本面信息变化较慢，因子换手率低，适合大体量的资金管理。

技术面因子与基本面因子可以很好地互补，如果能够把两者很好地融合应用在一起，就能较好地把握长线和短线信息优势，创造更好的投资业绩。

展望

---

本质上讲，量化投资，是以的科学的方法来综合各种信息，对未来的收益进行预测。

所以量化投资是海纳百川的。不同维度的信息，用法不同：

• 账务基本面信息，可以预测未来几个月的收益
• 日线级别价量信息，可以预测几天
• 日内交易价格信息，可以预测小时、分钟级别
• Tick级别信息，可以预测分秒级

除了这些结构化的数据，当然还有很多非结构化数据，如新闻、微博，甚至自媒体的一个爆料，都可以让相关股票来个涨停。

对于非结构化数据的应用目前还不是很深入及时，这也是未来发展的空间，或许人工智能技术能在此发挥重要作用。

而量化投资，就是要在深度上做的更广，在广度上做得更深。又深又广，才最无敌。