量化基本面投资的崛起

在2000年代中期，当我第一次与投资专业人士讨论量化基本面投资(quantamental)（基本面投资和量化投资的结合）的概念时，似乎没人明白这一点：量化投资使用统计模型来获得超额收益，传统的基本面投资则会通过研究财务报表来制定投资策略，两者之间的分歧非常大。

此后发生了一些变化：

● 包括机器学习在内的数据科学开始兴起，部分由强大的开源编程语言（例如Python，R）以及令人惊叹的软件包（例如Pandas，Scikit-Learn，Caret，Tidyverse）以及机器学习框架支持（TensorFlow，PyTorch）；描述性和预测性分析比以往更加容易

● 数据本身已经变得非常丰富，以至于连分析人员都无法有效地处理所有数据，或者至少以经济上合理的方式来处理数据。

● 在人类用户参与最少的情况下，出现了替代数据，例如卫星图像或社交媒体情感评估。

● 前所未有的竞争压力正迫使投资经理寻求更多的创新，效率和规模，以寻求alpha并调整其业务模式。

● 计算能力的价格已经便宜得多，以至于功能强大的计算机或租用能够处理大数据的云非常便宜。

● 数据科学和整体数字化的影响可能会迅速扩展投资经理的所有职能，而不仅仅是投资组合管理；那些做得好的人必将获得竞争优势。

● 定量投资比以前拥有更大的市场份额，在凯恩斯选美大赛中，算法既代表了新的“面孔”，又代表了决策者。

曾经可以说许多长期投资策略已经是量化的：以最基本的形式，如果传统的经理人正在使用定量筛选来过滤掉某些证券（例如，价格/收益比高于同业平均水平的掉期证券）小组）或如果量化分析在人为干预下推翻了模型（例如，市场环境的急剧变化使模型的建议令人怀疑），则两者都可以被视为使用混合的量化方法。两者都具有能力限制：在传统的管理者方面，随着所涵盖证券数量的增加，对目标领域中所有股票进行相同研究的可能性越来越小；从数量上讲，我们还没有（观察到）两个专注于投资的AlphaZero变体之间的“完美博弈”，其中人类参与将被视为障碍（与伊隆·马斯克（Elon Musk）对自动驾驶汽车的未来看法不同）。当我经常观察到驾驶员努力遵循基本的旋转（又称为环形交叉路口）交通规则时，我可以对后者表示同情。

因此，投资管理行业的问题实际上是这样的：

虽然无法确切地说出两者之间的距离会扩大多少，但我们可以从关注投资经理的常数开始，类似于自亚马逊成立以来的战略方法，例如：

● 客户：对客户需求的更好了解和更好的服务

● 成本：在不牺牲产品和服务质量的前提下，实现最低成本

● 数据：更多，多样化（表格，图像，空间，语音，文本和网络）和更高质量

● 数据处理：更快，更准确

● 创意实施：更多工具（例如产品，技术和算法）可供选择

● 见解：更好的识别信号和快速滤除噪声的能力（并检测何时成为另一种）

● 投资过程：持续的治理和改进

● 常规和/或基于规则的流程：更高的自动化程度

● 交易执行：技术上最快的可能

数据科学是上述许多方面的推动者和贡献者之一。解决这些问题可能是显而易见的（但不一定很容易）获胜。但是，我们遇到了一个太人性化的问题- 甚至缺乏基本技能的数据科学家也普遍短缺。此外，要在应用业务环境中更有效，我们将需要他们具备实质性的领域知识，并且理想情况下还必须是CFA持有人，这本身就要求通过三门非常困难的考试以及具有相关的专业经验。

组织内部的文化变革也不应被低估，尤其是在数据科学的引入非常活跃的情况下-有时围绕该学科的期望和现实可能相距甚远。虽然引入量化方法（或一般而言的数据科学）可能会引起一些怀疑和迅速的组织调整，但变革性的变革不是必需的，至少不是马上就可以了。例如，最初不需要：

● 购买新技术，直到明显的现有技术不足以满足为止；

● 获取新数据集，直到充分利用现有数据集为止；

● 雇用整个数据科学团队-对于许多任务，现有员工可以提高技能。

在内部朝着采用数据科学迈出第一步之后，至少应该取得一些小进步，从而有更大的信心和勇气追求进一步的改进。随着时间的流逝，为了追求更好的结果，将不可避免地在“幕后”增加复杂性（希望不会增加到客户或另一位受益人身上），因此确保内部专业知识持续存在并且不会产生过多的技术和智力债务最重要的。

在国际象棋中，出现了一个功能强大的新二人组-人与机器-一起玩，可以单独取得比每个人更多的成就。在进行投资时，这比象棋或围棋要复杂得多，并且在人类还没有被击败的地方（还算是？），我希望两者之间的共生关系会继续发展。我毫不怀疑，先进的数据科学应用程序将在投资管理中扎根，其速度，深度和广度取决于组织的文化和重点。随着数据科学增强了对世界的定量分析和内部专业知识的积累，新的机会和应用将出现-很难先了解其中的内容。

时间将证明量化将根深蒂固地成为一种独特的投资方法，还是在其各种实现方式中并入许多投资组织中的“一切照旧”。在等待雾消散的同时，常量的轮廓清晰可见，这是值得追求的。

 

作者：蜂鸟数据Trochil，专业轻量级金融数据终端。