摘要: 提起量化投資,不能不提西蒙斯。經歷了1998年俄羅斯債券危機和2001年高科技股泡沫危機,許多曾經聞名遐邇的對沖基金經理都走向衰落。羅伯遜(JulianRobertson)關閉了老虎基金,梅利韋瑟(JohnMeriwether)的長期資本管理公司幾乎破產,索羅斯的量子基金也大幅縮水。

 


量化投資中的「模型」與「人」

 

提起量化投資,不能不提西蒙斯。經歷了1998年俄羅斯債券危機和2001年高科技股泡沫危機,許多曾經聞名遐邇的對沖基金經理都走向衰落。羅伯遜(JulianRobertson)關閉了老虎基金,梅利韋瑟(JohnMeriwether)的長期資本管理公司幾乎破產,索羅斯的量子基金也大幅縮水。
 
西蒙斯的大獎章基金的平均年淨回報率則高達34%,而同期的標準普爾指數僅是9.6%。不過,文藝復興科技公司所收取的費用,更高得令人咋舌。一般對沖基金的管理費及利潤分成的比率分別為2%和20%。但文藝復興所收取的費用分別為5%和44%。如果把費用考慮在內的話,該基金的平均年回報率在60%。這是一個真實量化投資的傳奇。
 
1-洞悉vs模型,誰重誰輕?
西蒙斯僅僅是量化投資的代表之一,世界上存在成千上萬的量化基金,所採用的投資策略也多種多樣,不過,所有的策略都可以放在一個投資策略光譜中。在光譜的一端是,重模型、重技術的黑箱投資模型。作為量化投資的重要領域之一,對沖基金行業一直擁有“黑箱作業”式的投資模式,可以不必也極其不願意向投資者披露其交易細節。而在一流的對沖基金經理之中,如上面提到的西蒙斯先生的那隻箱子據說是“最黑的”。西蒙斯的量化投資對於專業投資人也都是一個“迷”。除了現在和過去服務於文藝復興科技公司的人士外,沒有人知道西蒙斯是如何賺錢的。
 
西蒙斯一點也不喜歡華爾街的投資家們。事實上,如果你想去“文藝復興科技公司”工作的話,華爾街經驗反而是個瑕疵。在公司的200多名員工中,將近二分之一都是數學、物理學、統計學等領域頂尖的科學家,所有僱員中只有兩位是金融學博士,而且公司從不僱用商學院畢業生,也不僱用華爾街人士,這在美國的投資公司中堪稱絕無僅有。
 
“文藝復興科技公司”擁有一流的科學家,其中,包括貝爾試驗室的著名科學家PeterWeinberger和弗吉尼亞大學教授RobertLourie。他還從IBM公司招募了部分熟悉語音識別系統的員工。“交易員和語音識別的工作人員有相似之處,他們總是在猜測下一刻會發生什麼。”
 
在光譜的另外一端是,重思想、重洞悉力的白箱投資模型。這種投資策略都不約而同地繼承了BGI的衣缽。其模型貌似複雜和玄虛,其實就是一個簡簡單單的多因素模型。上個世紀就有包括BGI和高盛等金融機構的從業人員和眾多大學教授無數次詳細地描述過這個模型。對於白箱投資模型,其成功的關鍵已經不是頂級的科技,而是對市場的理解、洞悉和適當的參數化。白箱投資的另外一個合適的表述是“定性思想的定量運用”。
 
在光譜的中間是,既重視思想和洞悉,又重視模型和技術開發的。
 
總之,要么擁有頂級的模型技術,要么擁有對市場的一流的洞悉並能把這種洞悉恰當地轉化為模型,二者必據其一,當然,最好兩者都綜合具備,此乃量化投資成功關鍵。
 
2-數量基金的模型將更加多樣化
數量化基金曾被媒體渲染得很神秘,甚至質疑是黑箱操作,因為許多基金都聲稱自己使用的是有自己知識產權的模型進行投資,這些模型甚至對這些基金的投資者也密不可宣。實際上,在絕大多數數量基金的黑箱子裡裝的都是一些多因素模型,計算機根據一些複雜的模型和多個參數來選股和判斷買賣時機,這些參數少則4、5個,多的有幾十個。
 
選擇目標公司的關鍵參數通常包括以下一些方面:估值貴賤、市值大小、品質高低、成長性和流動性的好壞,還有與股價相關的其他市場因素,包括動量指標和反轉指標——前者指股價會延續過去的趨勢,而後者指股價會觸底反彈。後來,數量化模型被添加了更多的因素,包括短期市場指標、管理層的行為甚至媒體的報導,這些因素也被賦予不同的權重來評估目標公司是否具有投資價值。
 
當然,儘管這些模型都是不完全一致的,但這並不意味著他們的交易不會出現一致。CPPI策略就是一個例子。2007年次貸危機出現之後,如何令模型變得更加多樣化,是目前數量基金的主要課題,其中,增加更多的參數似乎是當前市場的主流趨勢(近期海外各大券商的數量策略報告對模型參數方面都有所增加)。值得一提的是,行為金融學雖然是一個新興的、未經市場考驗的發展方向,但對此感興趣的人正在日漸增多。
 
3-數量模型vs基金經理,應該並重
關於數量化基金的爭議似乎一直也沒有停止過,不認同的人一直會表示:“現實世界是極為複雜的,機器無法代替人腦來判斷”。而認同數量基金的人會說:“計算機比人更加嚴謹,不帶任何感情因素和人性上的弱點。”可能正確的做法是二者兼顧。
 
在市場出現轉折,或者小概率事件的時候,計算機肯定是無法代替基金經理的判斷。在一個波動劇烈的非單邊市的市場環境下,數量模型對新的數據的反應也並不令人滿意。我們認為,計算機模型的作用在於在市場正常的情況下,極大地減少基金經理的工作量,並且能減少由於人的不正常情緒帶來的失誤。同時,模型和計算機都是為人來服務的,需要經驗豐富的基金經理來指導模型開發,解讀運行結果。模型對於基金經理而言,是一個不知疲倦的(日夜運算),對貪婪和恐懼免疫的好助手。
 
未來的投資行業可能是這樣:一個基金配上2、3個數量分析師,由多個外部的經紀商提供基本面的研究支持,自身公司的行業研究員則挖掘額外的市場信息,數量分析師將所有信息填充到數據庫當中,並利用模型進行分析,最終由基金經理進行投資方案設計。
 
那時,基金經理們不必把精力放在瑣碎的日常信息的分析上,實際的主要工作也不是調研上市公司和選股,更多的是考慮市場趨勢的變化、結構的變化,以及該向模型中添加哪些新的信息。投研總監們更可以瀟灑一些,他們只負責在市場的特殊時期決定採取怎樣的策略應對,也許就是更多去考慮“黑天鵝”事件。
 
由於市場在變,模型也需要變,在基金經理眼裡,模型永遠是一台新開發的戰鬥機。正如晨星公司的基金分析師GregCarlson說:“使用計算機模型並不意味著你坐上了一輛自動駕駛的汽車,你必須有一支研究隊伍不斷挖掘新的信息並添加到你的模型當中去,否則要么是一些新的風險因素不能被模型所識別,要么就是白白錯過了一些獲利的機會。”市場變化並不是壞事,雖然市場變得崎嶇不平,依舊樂觀者也不是沒有,例如,AXARosenberg基金公司執行官SimonVanstone就表示:“市場的波動增加通常對我們有好處,因為它將導致更多的資產定價錯誤,而這正是我們可以通過我們的模型去辨識和把握的投資機會。”
 

 

要讓模型很好地工作,需要對市場的洞悉和把握、對模型的理解和運用,時刻警惕模型的弱點和風險——始於懷疑、終於確信。

 

轉貼自: 煉數成金

 


留下你的回應

以訪客張貼回應

0
  • 找不到回應

熱門標籤雲

每月文章