华泰柏瑞基金副总经理田汉卿:通过量化投资捕捉A股机会_主力研究_顶尖财经网
  您的位置:首页 >> 主力研究 >> 文章正文

华泰柏瑞基金副总经理田汉卿:通过量化投资捕捉A股机会

加入日期:2015-4-22 21:09:14

华泰柏瑞基金副总经理田汉卿在参加由上海证券报主办的“2015年度中国基金业峰会”时表示,大家认为量化投资都差不多,实际上各类量化策略之间的区别非常大。首先讲一下我自己理解的量化投资的分类。

从两方面划分:一是基于算法的量化,二是基于基本面的量化。

对于基本面的量化而言,首先要具备投资想法和思路之后,通过数据验证这些想法是不是正确,是不是能在市场上获得超额收益,包括宏观分析、行业分析,也可以做择时。

每类量化策略除了风险特征、收益特征还有容量特征,有些量化策略看起来盈利和风险特征都很好,但容量有限。

基本面量化选股模型可以通过持有期限进行分类,可以做长期,也可以做短期。基于基本面量化选股模型,是投资于股票市场。2014年量化投资不仅我们做得不错,行业其他团队的量化也做得挺好的,这个结果一方面是大家经过十几年的积累,总有爆发的时候。另一方面A股目前的情况比较适合做量化。

我们的目的并不是追求绝对排名,我们追求的是超额收益,如果没有超额收益,哪怕做到第一也是失败的。

“信息比例”是超额收益除以风险的比例,可以在基金之间做横向比较,不管是跟踪什么指数,做什么策略,可以通过这个指标,是衡量主动基金做得好不好的客观标准。我们测试的结果是信息比率4.1倍。在所有市场里面,这个信息率非常罕见,而且这只是做多的,如果加上做空,信息率会更高。

做主动投资是希望获得超额收益,但任何策略都不是永恒的,如果一个策略做得好,很多人都用这个策略,这个策略就会消失。

大数据时代会有很多不同的做法,我们这种量化目前来说还属于传统量化,所用的数据还没有延伸到大数据领域,没有在大数据范围内做一些应用。关于模型的筛选我们曾经做过,但那时候做得还不成功,所以没有广泛应用,我们目前应用的是根据核心数据做处理。基于基本面的多因子选股模型,这是为了增强模型的稳定性,因为在所有因子里面总有好和不好的,如果得到稳健阿尔法模型,必须是很多因子绑在一起做。

此外,量化投资需要强大的技术平台支持,核心模型是三大:一个是阿尔法模型,每个团队必须看到阿尔法的来源;其次是风险模型,我们量化投资的很大的特点就是可以明确控制风险;还有一个是交易成本模型,通常而言大家会选择比较合适的时机来交易,我们具备程序化交易系统。

2007年量化危机和2008年金融危机对量化投资的冲击之后,我做了一些反思。第一,传统的量化是没有市场判断模型的,特别是2008年金融危机之后做量化,必须对市场有基本的判断。

另一个是阿尔法因子,大家都觉得模型不变就可以了,但没有永恒的阿尔法因子,要不停寻找新的阿尔法因子。量化在多因子方面我们做得比较全面,这些因子涵盖了方方面面对量化的认识。但是在不同的情况下,不同的因子发挥不同的作用,这相当于这些因子给了一个工具箱,一个好的量化团队就要知道什么时候用什么样的工具,这是非常关键的,也是对于资产管理比较长期的考验。

此外,做量化投资的觉得赚不到钱就不赚,否则会失去量化的基本原理和规律,这样反而做不好。

最后讲一下量化的特点,量化和一般的基本面基金管理的最大区别有两点。

第一,可以准确区分阿尔法和贝塔。量化可以做主动投资,把阿尔法和贝塔区分开之后,可以跟投资人收取主动管理费,现在可以慢慢往贝塔管理方式发展。

第二,量化是严格控制风险的,在风险调整收益上量化有明显的优势,在统计上可以显出好的特点。

随着行业的深化,大家要做一些差异化,我们也希望通过我们的努力,给行业和投资人提供配置的工具,做我们能做的事情,做不了的事情则交给投资人,根据他的特点做配置。

通常来讲我们说贝塔是控制不了的,因为市场的涨跌很难控制,而且我们的量化是没有择时能力的。投资人需要的话就做量化贝塔,如果投资人不需要可以在市场上把贝塔对冲掉,可以提供绝对收益的产品,做我们擅长的事情,通过量化模型做选股,通过选股获得超额收益。

爱投顾

编辑: 来源: