打造优质生活,高级的量化基金

量化就是可以数量化的意思。我们一般做研究有两种分析模式，一种叫定性分析，文科一般会采取这种分析方法，是非、大小、好坏，往往都是比较笼统的价值判断；另一种叫定量分析，理科用得比较多，因为所有理科的基础工具都是数学，现代科学就是建立在数学工具的基础上。像中国古代的医学书上写的都是某某药材少许，那这「少许」到底是多少呢？没有一个可量化的标准，完全靠医生自己的经验。而西医不玩这套，至少精确到克，多 1 克、少 1 克都不行。

在股市投资上，我们所熟悉的投资大师一般也都采取定性分析或者定性分析为主、定量分析为辅的投资逻辑。投资大师彼得·林奇说过，投资是一门艺术，而不是一门科学。投资决策不是通过数学计算就能做出的。然而随着过去 20 年信息技术的飞速发展，许多 IT 人才进入金融行业，发现依靠现代统计学方法构建起的数学模型来指导投资，要比过去那些投资大师云里雾里的智慧格言更可控制、更可复制，这种投资策略就叫作量化投资。如果投资是一门艺术，那就没有绝对客观的评价标准，我看好这只股票，你看好那只股票，就像我喜欢贝多芬，你喜欢莫扎特一样，完全是个人的主观判断，没人敢保证一个人的主观判断不会出错。而采取量化的方法后，投资就不再是什么艺术，而变成了毫无美感但是非常精确的科学，从而彻底消除了投资者的选择恐惧症。

如果看到这里，你还是没有想明白量化到底是啥，力哥举一个生活化的例子你就懂了。比如说，我们要买一台笔记本电脑，市场上有那么多品牌，那么多款式，那么多型号，怎么挑？如果光靠感觉，这台看着比较炫酷，这台重量比较轻，那台配置比较高……真的好难选啊。可一旦对你的需求做量化处理后，就容易多了。根据自己对笔记本的需求，把价格、外观、重量、配置等你能接受的具体指标范围列出来，再排出一个重要程度，比如外观和配置哪个在你心目中更重要，各自占的比重是多少，把决策背后的规则模型建立好，当外观和配置发生冲突时，也就是在同样的价格下，外款酷的配置低，配置高的长得丑，你就不用纠结了，按照这个模型直接打分排名，分数最高的那一款就是最适合你的，没毛病，哪怕你心里可能还在纠结，但选这个准没错。

把选笔记本的逻辑套用在选股票上，就是事先设定一套复杂的程序，建立起关于选股和股票买卖时点的标准化数学模型，按照这套模型给出的指示去操作的基金，就叫量化基金。

量化基金最大的优点就是完全按事先设定好的程序办事，过程不受人为干扰。听起来有点像力哥前面介绍过的指数基金，尤其是那些更依赖于信息技术的大数据指数基金，但指数基金和量化基金有本质的不同。前者是完全的被动投资，个人主观好恶完全不起作用，基金经理只是个执行者，真正的决定权掌握在程序手里；而后者虽然也高度依赖电脑程序，但那套规则是人为预先设立好的。这个规则本身并不是绝对客观的，而是基于基金经理个人的价值判断，只是他一旦把这种价值判断输进程序以后，程序自己就有了生命，就会自动运行了，但到底要这个程序这样运转还是那样运转，决定权还是掌握在人的手里，量化模型只是工具而已。就像刚刚说的挑选笔记本的量化方法，并不是要帮你挑选出全市场公认最棒的那一款，而是根据你的需求和好恶来找到一款最适合你的笔记本。

所以本质上说，量化基金仍然是一种主动型的基金，是把投资者的投资思想和经验融入数学模型中，编制成程序交给电脑去执行。由此可见，这个模型并不是一成不变的，为了适应不断变化的市场，它需要在实践中不断检验、优化和自我改进。一旦某种模型已经不适应市场的变化，无法在当下市场中再赚到钱，那就会被果断舍弃。因为量化基金能否赚到钱的核心就在于它的量化策略是不是有效。如果某个量化策略现在依然有效，那这个量化策略就是这只基金打死也不能说的赚钱秘方。

具体来说，量化策略大体可以分成两类：一类是价格趋势型，主要通过量化方法从多个角度进行测评，分析未来价格的趋势，判断是向上的概率更大还是向下的概率更大，并始终让自己站在大概率的那一边。如果你每次交易都让自己站在大概率能赢的那一面，那么只要交易次数足够多，最终赚钱就会成为超大概率事件。

另一类是相对价值型，主要通过分析海量的历史数据，获取证券或者证券组合之间的价格差异，通过反复买卖来获得价差收益，通俗地说就是套利。而根据交易频率的高低又分成两种：频次低的是传统型，频次高的是交易型，也就是我们经常能听到的高频交易策略。比如力哥之前讲解母基金也能上市交易的分级基金时说过，这类分级基金因为套利太方便，理论上可以瞬间完成，所以靠人工手动发现套利机会并手动完成套利流程就太慢了，这其中的套利机会会全部被这些采取高频交易的量化基金给吃掉了。乍一看，每次套利交易可能只能赚芝麻绿豆大的一丁点收益，但因为程序可以「目不转睛」地全天候蹲守，一有套利空间就马上吃下来，久而久之，积少成多，也能攒下非常可观的收益。

另外，相对价值型的量化策略在实际操作过程中通常都会结合对冲策略来管理风险，所以经常可以看到它们的名字连在一起，叫作量化对冲基金。但量化并不等同于对冲，对冲也并不等同于量化，只不过这两种策略结合在一起使用，往往能起到更好的效果，所以才会相依相伴，交替使用。

和绝大多数创新投资理念和投资工具一样，量化投资也诞生于美国。从巴菲特的老师格雷厄姆，到力哥之前介绍过的马科维茨、威廉·夏普、尤金·法玛等一系列投资大师和经济学家的研究成果，为现代数量金融学这门学科的诞生和发展铺平了理论的道路，今天被广泛应用的量化策略都是在这些基础理论的基础上发展而来的。只不过要把这些理论进行量化处理，需要计算机技术的有力支持，而 20 世纪 90 年代以来计算机技术的突飞猛进，最终为量化基金的大放异彩奠定了技术基础。

量化基金不需要像传统基金那样养一大堆分析师进行人工分析和调研，只需要一个基金经理配上两个精通数学和编程的金融工程师就可以干起来了。这有点像今天的互联网创业，只需要一个产品经理加上一个安卓工程师和一个 iOS 工程师就能搞起来了，所以基金的管理成本也很低。

说到成本低，就不得不再次提到力哥最喜欢的指数基金。理论上说，完全应用量化技术去复制指数，而不是靠基金经理人工配置成分股的指数基金，也可以被看成是量化基金。但在真实的市场中，一般不把指数基金看成是量化基金，因为基金公司发行量化基金的目的以及投资者买量化基金的目的，都不是复制指数的表现，而是希望通过自家的量化模型，在股市中获得超额收益，从而战胜市场。所以，我们将量化基金与没有采取量化策略的其他主动型基金去比较才更有意义。

基于量化策略的量化基金，是目前市场上最复杂的、普通人最难以理解的基金品种，它并不像分级基金那样规则复杂，每一个量化基金的量化策略模型可能都不一样，每一个量化策略本身可能都非常复杂。比如量化选股、量化择时、统计套利、期货套利、期权套利、ETF/LOF/分级基金套利、事件驱动套利、算法交易等，每一个量化基金都会采取其中的若干种量化策略。其中 ETF、LOF 和分级基金套利交易的原理，力哥在前面的章节里介绍过，回想一下，你是不是觉得它们是本书里最复杂的知识点呢？而量化择时、期货套利、算法交易等就更复杂了，力哥真不忍心让你的大脑再受罪了。

由于量化基金是一个舶来品，国内的量化基金起步比较晚，熟悉量化基金管理的人才非常缺乏。2004 年，光大保德信推出了中国首只量化基金，名叫光大保德信量化核心基金，2005 年，上投摩根推出了著名的上投摩根阿尔法基金，这也是一只量化基金。这两家中外合资的基金公司之所以最先推出量化基金，是因为它们的外方股东保德信和摩根大通拥有比较成熟的量化投资模型，这是当年本土基金所缺乏的。

一直到 2007 年那一波大牛市到来前，量化投资的概念还非常小众，甚至对它有所了解的专业投资者也很少。直到 2008 年全球金融危机爆发后，许多丢了饭碗的华尔街金领被国内机构挖了回来，这一批量化投资人才集中回国，才使得国内量化基金的发展真正开始加速。尤其是 2010 年中金所推出的沪深 300 股指期货，成为国内量化基金最重要的对冲工具，套利和市场中性策略等量化对冲产品开始兴起。公募、私募和券商纷纷成立量化投资部门，推出量化产品。量化产品主要分两种：一种是力哥之前介绍过的指数增强型基金，一些指数基金的增强部分就用了量化模型选股；另一种是主动型基金，它的投资决策均通过量化模型完成，也就是狭义上的量化基金。但直到 2013 年，量化基金的规模还是很小：一是因为这种产品太「高大上」，太复杂，高端人才缺口还是很大；二是量化投资非常依赖计算机程序，技术实力的高低对投资收益的影响很大，而国内量化交易程序的开发相对落后。「8·16 光大证券乌龙指事件」就暴露了量化交易在操作上的巨大风险。

2013 年 8 月 16 日，光大证券策略投资部门的自营业务，在使用自己研发的套利策略系统时出现漏洞，导致当天 11 点 05 分 08 秒之后的 2 秒内，瞬间重复生成了 26082 笔巨量订单，以 234 亿元巨量资金申购 180ETF 成分股，实际成交 72.7 亿元，使 59 只大盘权重股瞬间封涨停，上证指数瞬间上涨 5.62%，成为中国 A 股市场至今为止最大的乌龙事件，而其原因就在于套利系统自身存在风控上的严重问题。

2014 年之后，适应量化投资的高频数据处理方法不断从学术界转化到实际应用中，尤其是私募基金全面阳光化，使量化对冲基金在私募基金市场中遍地开花。2015 年，中国推出了上证 50ETF 期权以及上证 50 和中证 500 指数的股指期货，量化基金的套利工具更丰富了。

到了 2017 年，在投资界，量化投资学已经成了一门显学，是一种很常见的投资方式，几乎所有基金多多少少都会用到量化投资策略，只是用得多还是用得少的区别。我们通常把 90% 以上的资金用量化模型来做投资决策的基金称为量化基金，它的名称中一般带有「量化」这两个字，或者带有基金主要使用的量化策略的名字，如阿尔法、逆向策略、绝对收益策略、多因子等等，所以我们一般通过名字就能看出哪些基金属于量化基金。

常见的量化策略有这样四种：

第一种叫量化选股策略，指的是利用数量化的方法，挑选能够超过市场平均收益，也就是具备潜在阿尔法收益的股票组合，再加上股指期货对冲，就是常见的阿尔法策略。关于阿尔法收益，力哥前面讲解股票型基金挑选技巧时已详细说过了。量化选股策略的核心是根据基本面来选股，包括多因子模型、风格轮动模型、行业轮动模型等。其中多因子模型是应用最广泛的，做法就是采用一系列参数因子作为选股标准，比如基本财务状况因子、市场宏观因子等。买入满足这些因子要求的股票，卖出不满足的；风格轮动模型是根据市场的风格特征进行投资，在市场风格转换的初期同步转换持仓股票的风格，从而获得超额收益；行业轮动模型就是根据经济周期，买入未来大概率将进入上涨周期的股票。

第二种叫量化择时策略，顾名思义，上一个策略是用量化模型来选股，这个策略就是用量化模型来择时，所谓择时就是预测未来市场的走势，判断出股价未来会上涨就买入，判断出股价未来会下跌则卖出。具体又可以细分为趋势跟踪策略、事件驱动型交易策略、SVM 交易策略等。

相比于量化选股策略，量化择时策略的潜在风险和收益都更高，其中趋势跟踪策略是使用得最多的。趋势跟踪策略常用移动平均线、MACD 线、ADX 线、布林线等技术指标作为依据，属于使用计算机量化模型的技术分析流派，相比于传统的手动画线分析的技术流投资者，这类量化交易模型的买卖决策依据更加标准化，但预测市场短期涨跌实在是一件非常困难的事，所以运用趋势交易策略的投资风险也较高，判断对了能得到巨额回报，判断失误也可能造成巨大损失。所以，这是一种相对最简单，也最容易被普通投资者所模仿的量化策略。

而事件驱动型投资策略则是通过提前探究和预测未来可能发生的能造成股价异常波动的事件来谋求超额回报，比如 ST 类的股票摘帽、管理层更换、资产重组、大股东和高管增持、股权激励、定向增发、混合所有制改革等等，在预判到这些事件很可能将会发生但股价尚未做出反应之时提前介入，等事件发生后获利退出。这有点像散户听消息炒股票的高端版玩法，但风险依然不小，因为这些会影响股价的事件是否会发生、什么时候发生都有很大的不确定性，如果你能获得确定的消息而提前潜伏，那就是涉嫌内幕交易的违法犯罪行为了。

第三种叫统计套利策略，是通过对历史数据的统计分析，找出变量与收益之间的关系来指导套利交易。包括协整策略、均值回归策略、多因子回归策略等。因为越说越复杂，力哥就不展开了。

第四种叫算法交易策略，涉及大量算法和各种代码，是金融工程学的杰作。其可以分成交易量加权平均价格策略、时间加权平均价格策略等，我们经常听说的高频交易也属于这一类。

力哥在之前介绍过的大数据基金，模式是不是也有点像量化基金呢？其实随着大数据技术的不断发展，未来在量化模型中融入大数据技术也将是大势所趋。

这类「高大上」的基金，它们的投资业绩是否也一样出类拔萃呢？

截至 2011 年年底，A 股市场上有 417 只偏股型基金，从 2012 年到 2016 年，5 年平均回报率为 86.22%，而同期上证指数累计涨幅只有 41.11%，说明在中国这个熊长牛短的市场中，单纯持有指数基金的长期表现很可能不如买主动操盘的主动型基金的表现。而在这 417 只偏股型基金中，有 14 只量化基金，你猜猜这 14 个量化基金的 5 年平均回报率有多高呢？

它们的平均回报率高达 136.24%，远远超过了普通偏股型基金的表现。在所有偏股型基金业绩排名中，前 5 名中就有 3 只是量化基金，其中排第一的是长信量化先锋混合 A，实现了 5 年 283.31% 的累计收益率；其次是大摩多因子策略混合，赚了 253.87%；再次是申万菱信量化小盘，赚了 242.64%。和前面力哥介绍过的避险基金、打新基金、生命周期基金、定增基金相比，量化基金的表现是不是更有吸引力呢？

虽然说过去 5 年量化基金的长期表现可圈可点，但这并不意味着在任何市场环境中，量化基金都能获得很优异的中短期表现。比如在 2011 年的大熊市中，上证指数下跌 23%，而同期 13 只公募量化基金则平均下跌了 25%。

在中国，量化基金还面临巨大的政策风险，因为大部分量化策略都需要股指期货、期权、融资融券业务的配合，尤其更需要可以做空的金融衍生品，这样才能起到对冲风险的效果。然而股灾过后，监管层对做空行为进行了严格的限制，导致以统计套利策略为代表的很多成熟的量化策略无法在国内应用，这类产品的收益也因此变得相对较差。

另外，量化基金还有一个巨大的潜在风险：由于它的赚钱原理是基于历史数据的量化模型，一旦市场走势发生超出预期的突然转向，模型可能来不及自我修正，就会形成「多米诺骨牌效应」，从而可能会在短期内造成巨亏。

还有，量化策略模型并不是一成不变的，而是需要跟随市场不断升级换代，因为这就是一种聪明人赚钱的办法，然而当市场上运用这种复杂手段赚钱的聪明人越来越多时，过去能让你赚钱的量化策略可能就失效了。就像力哥常说的，任何一种投资机会，知道的人越多，赚钱的机会就越少。如果有个赚钱机会全世界的人都已经知道了，那也就没机会赚钱了。所以说，量化基金的世界是一个竞争非常激烈、非常残酷的世界，一旦你自我改良的速度慢了，别说赚不到钱，甚至还会亏钱。

上面这几点风险告诉我们，量化基金并没有多么神奇，归根到底，电脑也只是人脑的补充，想要第一时间应对市场变化，抵御各种风险，基金经理本身有丰富的经验才是最关键的。所以在挑选量化基金时，基金经理的历史业绩和基金公司的研发实力就很重要了。从择时角度看，量化基金更擅长赚市场波动的钱，所以单边上涨的大牛市和单边下跌的大熊市都不适合玩量化基金，而在震荡市中选择量化基金可能会更容易赚到钱。