【德邦金工|访谈实录】郭学文:新业态下的量化投资
相关信息
会议:春启“耕”新——德邦证券2023年春季经济与投
资峰会日期:2023年2月14日
地点:金茂大厦
主办:德邦证券研究所金融工程组
主题演讲:新业态下的量化投资
特邀嘉宾:郭学文,博士,茂源资本创始人&CEO
正 文
谢谢大家,春季策略会议我看一般都是说投什么行业或者高新技术行业、消费、大盘或小盘,量化投资实际上讲的不是这个,一般这个叫风格暴露,而量化一般追求的是非风格收益,行业上大致都是最好的股票,市值也有各种搭配让它偏大盘或偏小盘。我讲一下和前面各位分享内容不一样的:怎么从量化角度看待我们的市场。
大致上主要从量化投资和主观投资的相似性、量化市场热度变化,是不是量化市场从“蓝海”变成了“红海”,什么是“蓝海”,什么是“红海”、怎么去选产品,怎么看历史收益率,可能是大家关心的问题。
01 量化投资与主观投资的区别和相似性?
一般来说量化投资是科学、公式,这些东西大致是对的,是量化投资不同的方面。我们讲的量化投资就是把所有的东西变成数据,交易行情、基本面报表、公司公布的各种消息文本都是数据,在数据的层面来试图找寻出一个规律,并以此为依据来投资,其与主观投资的区别其实并没那么大:第一,主观的研究员也需要做各种数据分析,但由最后的基金经理来决定信谁,选择谁来买卖,核心在于“要不要有一个人来做最后的判断”。只要最后有一个人来做决定信什么,那就是主观投资。而量化便是不需要这个人,数据的结果就是投资。从实际角度来说区别非常大,主观的做判断就不可能判断很多只股票,全市场上千只股票我们的时间没办法覆盖,而量化可以做到;交易频率来说主观也不可以做太多,量化可以做到很短的时间很多交易。这就导致了虽然源头一致,但由于“决策人”的出现而使整体不一样。
量化投资和主观投资其实是适用于不同场景的,量化投资可以用算力来各种维度分析数据,但主观的研究方法取决于基金经理、基金经理的过去背景、时间等等。所以这就导致了投资场景的不一样,基于历史数据的在我们看来,主观投资的竞争力较弱,量化有大量的历史数据场景,有明显优势;而凡是基于对未来的判断的,缺乏历史数据的,量化则完全不具备优势,主观投资更PE化。但基于历史的可能未来会改变方向带来回撤,可这个角度来看主观投资也面临一样的问题。
从美国量化市场规模我们可以看到投资者用脚投票的现象,20年的时间投资者投资逐渐从主观专向量化。而我国量化投资发展较晚,我们最早的时候是2011年,我们认为未来10年中国可能也会成为量化主导的局面。因此从现在开始,量化产品值得了解、学习还有布局。
02 中国量化市场真的进入了“红海时代”吗?
我们也是21年做到了百亿私募的,但我感觉去年量化市场规模有所下降,整体市场的收益角度也不好,大概从21年Q4开始,各大量化机构差不多同时开始回撤,走平了算是走的好了,许多人认为量化是不是拥挤了,高频交易从那个时候已经进入“红海时代”了?这是一个非常好的问题,我们试图回答这个问题,21年业绩好,增量大。
这个讲的是在21年之前都是蓝海的状态,我们做第一个股指期货高频交易策略,这是我写的一个东西,相当于发现了一个新赛道,也没有竞争,就会做出一个结果来,这个就叫一个蓝海。发现这个很不容易,然后改进,维持市场这个状态,就像很多行业。
红海来了,资金来了,这时候成功靠什么呢?那就不是发明绝招了,有时候发明一个策略我们觉得是首创,也未必是首创,即使是真的首创,但市场很快也会学会,只有持续发明,但持续发明新的方法是很难的事情,所以这个时候竞争态势发生了变化,就像企业的规模效应,最后活下来的就是最大的公司。
也就是说蓝海的时候靠的是单一策略、靠特色吃饭;红海的时候需要团队的组织和协同,以此来实现规模效应,至于核心,我们打个比如,就类似两个人或团队一起做事情,效率会提高更多。这是一个组织方式,和做量化没有区别。还有就是策略的覆盖,不管从什么地方来的,高频的能做低频,低频的能做高频,因为高频和低频可以实现互相配合。
下面我分享一个比较具体的内容,量化交易的三大定律:1. 越强的因子半衰期越短,东西越好衰的越快,就像买了很多的东西,价格就上去了,你发现了别人也发现了,就失效了,这个和物理定律是不一样的2.等一个东西失效之后,就会有新的产生,也就是强因子的失效总是伴随着新因子的产生。这不是几个人就能完成的。3. 最后的优势体现在交易商。
这些不知道大家有没有兴趣,量化分为高频和低频交易,高频的话就是技术性很强:
有两家公司代表高频的两个方向:Rentec:alpha方向;Citadel Sec:做市商方向,他们占了全美市场20%的交易量。这边高频其实是排他性的,其他能做高频交易的已经很少了,中国能做高频的未来也不会超过3-5家,行业将集中化。低频的容量会比高频的容量更大,高频趋于寡头化,低频有的是头部化(互相之间有不同),高频之所以会有如此的性质,其原因在于,高频的投资太大,据说Citadel Sec每天增加2PB的存储。
中低频的前景刚才也有提到,不同的组织方式可能有不一样的前景:比如Millennium 多团队PM制,管理简单,类似于国内的FOF,这个是非常成功的,好处是关系特别简单,不需要管他们的人买什么,公司来通过资金作为调节机制;Square Point:分工合作制,不同的团队做不同的东西,刚提到的千禧年团队间可以做同样的东西;茂源:多团队“PM+知识共享”制。中国能做中低频交易的公司未来还会有很多,行业将形成“头部+”的状态,但高频交易机构会有竞争优势,比如Citadel Hedge Fund。
那如何选高频高低频呢?21年的话一定要高频,那个时候收益很高,可能30-40%,低频可能就20%,但收益不好的时候就不是这么回事了,一定有一个更好的方法。
答案就是必须要实现各种频率的组合,因为我不知道什么时候什么频率好,我没办法预测下一个月怎么样。如果没有全部又会怎么样呢?举个例子,比如去年上半年,前三季度如果你没有低频,你会非常被动,因为低频做得好就是这个样子,那前几年没有高频也是这样。以后变化会更快,前年可能6个月,去年可能3个月,今年可能会更快,1-2个月,这个月你觉得高频好,下个月不一定,所以如果没有更好的本事去预测,那就选择更稳定的配置。其实这个让小机构特别难,没那么多人,没有那么多策略,也就随着进入红海,管理业务就会越来越难,除非有特别的绝招。
03 如何评价一家量化公司?
这个是怎么评价一家量化公司,经常有投资者、投资方交流时提问。有些人说肯定要看历史业绩,看历史业绩还非常短,看过去三个月的,但这是个笑话,你看三个月最吃亏的就是你。那有人说看策略,试图理解策略、看团队等等……从实际结果来看,比如从业绩来说,我们现在股票有十几个团队,也做过测算,我按三个月收益调权重,算出来的结果最高的多一倍权重,最低的减一半权重,又做了6月、12月,结果发现时间越长,收益越好,可能有点违反思路,但这就是对的。我们自己用的是2年。比如你看一个策略是波动的,波动三天、三个月,一个策略下来的时候你不要他了,那上去了就没你什么事了,所以要看长一点的业绩,看2年不会太错。
看策略这个事情听起来很对,但实际上是没办法看到的,尽调感觉可以,但实际上实际看懂是不大存在的,这是个误区。
看团队是有可能正确的,有两种方式,第一,一个明星的交易员,比如一个明星交易员成立的公司,那这种公司好不好呢?非常好,非常利于开始能做起来,之后就会遇到比较大的困难,因为会流动。再一个从机制上怎么形成一个能请到自己能收纳得好的人?这种一般会比较好。因为我自己不是一个明星基金经理,我们最初的业绩也是我们的组织方式、请的人员等等做出来的,这基础上我们往下走就比较顺畅了。
下面讲的是选产品和选公司,选短的业绩是没办法成立的,长业绩会好一些,但也有他的波动性,这个提的应该是公募基金,不是私募基金,私募基金与公募基金不同的是公募基金搞得是风格,不同年份的继承性比较低,筛选产品的时间维度也要更长一点,收益重要,稳定性同样重要。我们判断选产品就是选公司,除非公司发生理念上的变化,那要去放弃,这可能说的容易,但做起来比较难。还有一点呢,我们刚才说到的风格暴露,但是并不是所有的量化基金都是这样的,现在量化多头和量化选股是不控制风格的,但一般控制风格的人,这些不同公司控制得不一样,比如说今年小盘特别好,我就选了很多小盘股,风格就很好,那明年会这样吗,不一定了。
04 关于茂源资本
金工团队简介
肖承志,同济大学应用数学本科、硕士,现任德邦证券研究所首席金融工程分析师。具有6年证券研究经历,曾就职于东北证券研究所担任首席金融工程分析师。致力于市场择时、资产配置、量化与基本面选股。撰写独家深度“扩散指标择时”系列报告;擅长各类择时与机器学习模型,对隐马尔可夫模型有深入研究;在因子选股领域撰写多篇因子改进报告,市场独家见解。
吴金超,清华大学工学硕士,南开大学本科,曾任职于东北证券、广发证券,2021年11月加入德邦证券。主要负责指数择时、行业轮动、基本面量化选股等工作。
林宸星,美国威斯康星大学计量经济学硕士,上海财经大学本科,主要负责大类资产配置、中低频策略开发、FOF策略开发、基金研究、基金经理调研和数据爬虫等工作,2021年9月加入德邦证券。
路景仪,上海财经大学金融专业硕士,吉林大学本科,主要负责基金研究,基金经理调研、行业轮动等工作,2022年6月加入德邦证券。
王治舜,香港中文大学金融科技硕士,电子科技大学金融+计算机双学士,主要负责量化金融、因子选股等工作,2023年1月加入德邦证券。
MORE
相关阅读
01 策略报告
【德邦金工|年度策略】全球成长股或将迎来绝地反击——德邦金工2023年度策略报告
【德邦金工|中期策略】云销雨霁,尚待黎明20210824
02 每周行情前瞻
【德邦金工|周报】 北向资金买入食饮、非银,创业类ETF净流入居前——德邦金工择时周报20230212
【德邦金工|周报】节后首周两市成交明显放大,证券ETF净流入居前——德邦金工择时周报20230205
【德邦金工|周报】A股继续收红,军工类ETF净流入整体居前——德邦金工择时周报20230115
【德邦金工|周报】市场情绪修复,TMT行业ETF净流入居前——德邦金工择时周报20230108
【德邦金工|周报】A股整体上涨收官,房地产融资净买入继续居前——德邦金工择时周报20230101
【德邦金工|周报】融资净买入房地产,红利ETF净流入居前——德邦金工择时周报20221225
【德邦金工|周报】北向买入医药、银行,创业类指数标的ETF净流入持续居前——德邦金工择时周报20221218
【德邦金工|周报】A股主要指数集体上涨,创业类指数标的ETF净流入居前——德邦金工择时周报20221211
【德邦金工|周报】A股渐入佳境整体上涨,沪深300指数标的ETF净流入居前——德邦金工择时周报20221204
【德邦金工|周报】北上资金加仓银行、食饮,中证500标的ETF净流入持续居前——德邦金工择时周报20221127
03 大类资产配置观点
04 机器学习专题
【德邦金工|选股专题】中证1000成分股有效因子测试——中证1000指数增强系列研究之一
【德邦金工|选股专题】基于模型池的机器学习选股——德邦金工机器学习专题之五
【德邦金工|选股专题】动态因子筛选——德邦金工机器学习专题之四
【德邦金工|机器学习】基于财务与风格因子的机器学习选股——德邦金工机器学习专题之三
05 金融产品时评
06 金融产品专题
【德邦金工|金融产品专题】势不可挡,坚定不移走科技强国之路,推荐关注华宝中证科技龙头ETF——德邦金融产品系列研究之十七
【德邦金工|金融产品专题】“抓住alpha,等待beta”,华宝夏林锋主动出击“三年一倍”目标——德邦权益基金经理系列研究之一
【德邦金工|金融产品专题】乘大数据战略机遇,握新时代“价值资产”,推荐关注大数据ETF——德邦金融产品系列研究之十六
【德邦金工|金融产品专题】招商中证1000指数增强——细分赛道下的“隐形冠军”——德邦金融产品系列研究之十五
【德邦金工|金融产品专题】长风破浪,王者归来,纳斯达克100ETF再启航——德邦金融产品系列研究之十四
【德邦金工|金融产品专题】风劲帆满海天远,雄狮迈步新征程,推荐关注军工龙头ETF——德邦金融产品系列研究之十三
【德邦金工|金融产品专题】“小”“智”“造”与大机遇,推荐关注中证1000ETF——德邦金工金融产品系列研究之十二
【德邦金工|金融产品专题】“专精特新”政策赋能,小市值投资瞬时顺势,推荐关注国证2000ETF——德邦金工金融产品研究之十一
【德邦金工|金融产品专题】面向未来30年,布局“碳中和”大赛道,推荐关注碳中和龙头ETF——德邦金工金融产品研究之十
【德邦金工|金融产品专题】互联网东风已至,龙头反弹可期,推荐关注互联网龙头ETF——德邦金融产品系列研究之九
【德邦金工|金融产品专题】需求旺盛供给紧俏,稀土ETF重拾上升趋势——德邦金融产品系列研究之八
【德邦金工|金融产品专题】周期拐点将至,地缘冲突催化行业景气上行,关注农业ETF——德邦金融产品系列研究之七
【德邦金工|金融产品专题】新能源车需求超预期,动力电池新产能涌现,关注锂电池ETF——德邦金融产品系列研究之六
【德邦金工|金融产品专题】稳增长预期下高股息低估值凸显投资价值,关注中证红利 ETF——德邦金融产品系列研究之五
【德邦金工|金融产品专题】文旅复苏之路,价值实现的选择,关注旅游ETF——德邦金融产品系列研究之四
【德邦金工|金融产品专题】市场波动渐增,银行防御价值凸显——德邦金融产品系列研究之三
07 选股月报
08 文献精译
【德邦金工| Fama因子模型专题】Fama三因子模型问世三十周年系列之二:A股市场实证——德邦金工Fama因子模型专题二
【德邦金工|文献精译】Fama-French三因子模型问世三十周年系列之一:重温经典——德邦金工Fama因子模型专题一
【德邦金工|文献精译】股价是否充分反映了业绩中应计和现金流部分所蕴含的未来盈利信息?——德邦金工文献精译系列之七
【德邦金工|文献精译】资产配置:管理风格和绩效衡量——德邦金工文献精译系列之六
【德邦金工|文献精译】规模很重要,如果控制了绩差股——德邦金工文献精译系列之五
【德邦金工|文献精译】中国股市的规模和价值因子模型——德邦金工文献精译系列之四
【德邦金工|文献精译】机器学习驱动下的金融对不确定性的吸收与加剧——德邦文献精译系列之三
09 小市值专题
10 行业轮动专题
11 分析师专题
【德邦金工|选股专题】基于事件分析框架下的分析师文本情绪挖掘——分析师专题之一
12 基金策略专题
【德邦金工|金融产品专题】基于主动基金持仓的扩散指标行业轮动及改进—基金投资策略系列研究之一
重要说明
本篇文章来源于微信公众号: Zeta金工研究