量化投资引领金融科技

关联词：人工智能、机器学习、数据挖掘、大数据、替代数据用于二级市场投资的量化分析的研究成果通常以程序化的投资策略的形式呈现，如给出交易组合中每只股票在某一具体时点的具体仓位。在此基础上，使用算法交易在真实市场完成这一策略，就实现了无人工参与的纯自动化金融产品投资。这一过程通常被称为量化投资，有时也被称为算法交易或自动交易。

借助量化分析，投资者可以使用程序对交易市场上的公开数据进行实时演算，并以很高的频率调整仓位，从而完成通过真人交易员难以实现的投资策略。这种策略叫作高频交易，是量化分析的一种典型应用。此外，量化分析也大量应用于以日为周期，或以更低频率调整仓位的投资策略。

技术分析和基本面分析是量化投资策略的两种基本模式。技术分析通过分析股票价格和交易量的详细历史数据，来预测其未来走势。技术分析策略通常可分为均值回归（Mean Reversion）和动量（Momentum）交易（也称趋势跟随交易）两种对立的交易方向。基本面分析通过评估企业的实际价值来计算股票应达到的市值，这一过程主要考察各种宏观经济和行业指标，以及企业定期发布的财务报表，包括资产负债表、损益表和现金流量表。量化分析师经常通过基本面分析将企业在特定维度上进行分类，之后针对不同类别的企业使用不同的技术分析模型预测股价，从而将两者结合。量化分析过程中所使用的数据，通常是从数据提供商那里批量购买或订阅的。

除此以外，各种替代数据、企业信用报告可以对企业或股票提供额外的描述维度，因此也受到量化分析团队的青睐。典型的替代数据包括针对企业的互联网舆情指标、地理信息数据、雇员评价指标、企业间金融关联、供应链数据等。对不同替代数据的应用能力，正成为很多量化分析团队的重要竞争力。

有很多指标可以描述不同量化投资策略在真实市场上的盈利表现，常用的有夏普比率（Sharpe Ratio），最大回撤率（Max Drawdown）和换手率（Turnover Rate）等。

夏普比率表示投资策略在一段时间内（通常是一年或几年），每承受一单位风险，会产生的超额回报比率。这一指标将投资策略的收益率通过其稳定程度进行调整，从而得到一个能同时对收益与风险加以考量的综合指标。夏普比率现已成为评价投资策略时使用最广泛的指标，但在投资期间当整个市场发生大幅上涨或下跌，以及用于非线性风险的投资产品时，这一指标的意义会显著下降。

回撤（Drawdown）是指投资策略在一段时间内使资产从峰值到谷底的减少。当回撤发生时，需要再经历一段时间的上涨，才能使资产恢复到之前的水平，所以回撤是一种影响巨大的风险因素。回撤带来的风险，要结合回撤发生后资产上涨的趋势进行评判。最大回撤率是指在达到新的峰值前，资产从峰值到谷底时资产的减少比例，即最大回撤率=。最大回撤率是用于描述投资策略下行风险的重要指标。(www.xing528.com)

换手率（也称周转率）是指投资策略在某一周期内进行交易的金融产品占总资产的比例。金融产品在交易时一般要支付一定的手续费，换手率能够描述这方面的交易成本。以较高频率调整仓位的投资策略，通常会产生较高的换手率，因此这一指标一般只在相同交易频率的投资策略之间进行比较。某年1月某策略的市值走势如图10.2所示。

图10.2　某年1月某策略的市值走势

资料来源：Investopedia.com。

量化投资兴起于20世纪70年代的北美金融市场，起初发展比较缓慢，只在少数投资银行内部使用。在数次金融危机中，各机构的量化投资项目显示出异常稳定的投资业绩，因此市场规模、份额和覆盖的地区不断扩大。到了21世纪10年代末，海外金融市场已有超过30%的资产进入量化投资项目，同时有超过80%的成交量来自量化投资。

目前国内的量化投资尚处于起步阶段，乐观估计，量化投资项目的管理规模在各类证券基金中的占比为1%～5%。国内股票市场有跌涨停板和“T+1”交易限制，流动性受到影响，且缺乏成熟的股票期权市场，因此很多投资策略的交易需求难以满足。但很多智能投顾产品借助量化投资领域的研究成果而诞生，如各种智能选股软件。随着政策的逐步开放，量化投资在国内将有巨大的市场前景。