曲径：量化选股重在“胜率的稳定性”

xxy0809

曲径：早期的量化投资多为量化多因子模型和统计套利模型，这类模型在2007年达到了顶峰。当时，华尔街很多基金使用的量化模型高度相似。以2007年8月的“量化失效”为触发点，某只基金清仓时，触发了类似的基金大幅回撤，从而引发了量化踩踏事件。事实上，同质化的投资，由于有后续资金持续涌入，短期会产生看似很好的收益，但是一旦发生行情反转，类似于集体亏损的极端情况也时会发生，其结果与此前A股流动性危机颇为相似。
                        □本报记者 李良
曲径，美国卡内基梅隆大学计算金融硕士，9年证券从业经验。历任中信证券(600030,股吧)另类投资业务线高级副总裁，美国千禧年对冲基金量化投资高级研究员及副总裁。2015年3月加入中欧基金，现任中欧基金量化策略组投资总监。
在投资市场，“量化选股”早已不是新鲜词，但并非每一只量化产品都能获取满意回报，原因何在？中欧基金量化投资策略组负责人曲径一语道破：数据更新的“及时性”，以及不拘泥于数据模型的“一招鲜”，或是量化选股产品呈现优势的根基。
曲径指出，在瞬息万变的A股市场，数据推送的时效性至关重要，这直接影响到投资人做出的有效分析和投资决策。在此基础上，通过量化投资模型得以提炼出大数据内核中非常重要的一部分，即通过主动择时来进行仓位选择。二者叠加，才能令“大数据”的优势充分发挥。
为了及时获取第一手信息，曲径掌舵的中欧基金量化投资策略组自建工程师团队，将自建模型抓取数据与第三方数据获取相结合，及时有效地进行数据处理。这种策略，与策略组坚持追求“独立研发的、高胜率的”的投资方法一脉相承。正在发行中的中欧数据挖掘多因子基金正引入这种全新的量化投资模式，并拟任曲径为基金经理。
新时代 新机遇
中国证券报：“量化”概念，在当前许多行业都炙手可热，A股也不例外。作为有着多年量化对冲投资经验的基金经理，你如何看待“量化投资”对未来A股投资模式的影响？
曲径：随着计算机运算速度的大幅提升，以及分布式计算的技术推广，使得基于量化模型的投资成为可能。具体而言，通过整合多元数据，包括网络用户行为数据、舆情信息的扩散与信息影响的追踪、零售消费的大数据整合等，都可以深入变革传统的股票投资行为。
举个例子，通过互联网用户的数据分析，消费者对特定网页的访问行为，可以预估某些消费板块的销售同比、环比趋势，这种通过量化数据得到的预测，要比事后官方披露的统计数据更有前瞻性和预测性。由于量化投资的基础是信息获取和信息处理，而通过这些有效信息的及时获取和快速处理，我们在股票投资决策上就可以领先一步。由此可见，在未来投资中，量化策略的作用将尤其重要。
观察A股市场的历史表现可以发现，A股的波动率远高于发达国家的股市，市场的非有效性颇为明显，这也有利于量化对冲产品的发展。尤其是在当前“资产荒”背景下，追求中低风险、收益稳定的资金激增，对于量化对冲产品的需求也会增加。这其中，伴随着大数据时代的来临，利用“机器选股”的策略将会更加有效，它会显著提升收益的稳定性。
中国证券报：在“量化选股”成为潮流的新时代里，中欧基金量化投资策略组会如何抓住其中的发展机遇？
曲径：早期的量化投资多为量化多因子模型和统计套利模型，这类模型在2007年达到了顶峰。当时，华尔街很多基金使用的量化模型高度相似。以2007年8月的“量化失效”为触发点，某只基金清仓时，触发了类似的基金大幅回撤，从而引发了量化踩踏事件。事实上，同质化的投资，由于有后续资金持续涌入，短期会产生看似很好的收益，但是一旦发生行情反转，类似于集体亏损的极端情况也时会发生，其结果与此前A股流动性危机颇为相似。
正是经历过美国量化投资的兴起和挤兑，所以我们对投资策略的差异性非常重视，只有选到独立研发的、与主流模型有差异的阿尔法，才能保证策略的可持续性。而基于量化投资的分析框架，使中欧的数据源更独特，策略体系更为稳健，与传统投资方式选出的股票相关度低。在中欧量化投资策略组，始终坚持追求“独立研发的、高胜率的”的投资方法。
“基于数据的科学化投资”，是中欧量化投资策略组的投资风格。首先，建立数学模型，判断市场非有效性；然后，将把握非理性价格偏差，追求无风险套利收益；再次，基于海量数据分析，精选优质股票；最后，还会运用优化模型，严格控制投资风险。而我们的优势则体现在四个方面：实现了对海量多维数据的挖掘，提升数据宽度及各类数据利用率；有利于在基于因果性指标之上的同时，获取相关性指标的支持，提升获取超额收益的空间和可能性；拥有更多选股指标，建立因子库，动态调整因子；关注弱特征因子，通过算法的整合，与其他因子互相弥补，有助于规避风险。
打响“揭幕战”
中国证券报：据了解，与市场中其他的大数据基金不同，中欧基金量化策略组在“量化选股”方面有一些独特的设计，能否和我们分享一下？
曲径：对于量化投资来说，大数据无疑是一个重要的利器。但如何用好它，使其能为投资者提供稳定回报，却并不是一件容易的事情。尤其是在当前瞬息万变的信息时代，数据获取的及时性至关重要，如果在数据获取上落后于人，数据分析和处理的有效性就会大打折扣，对投资决策会造成重要的负面影响。
投资的本质是“信息获取”和“信息处理”。A股每天全市场数据和公告超过一万条，仅阅读标题的阅读量就超过一万字，仅凭人脑是无法搜集和处理庞大的数据的。如果把传统股票投资比作武林高手“华山论剑”，那大数据投资方法则更像调兵遣将的集体作战，可以提高分析的效率，增加选股的胜率，但并不保证每次都能获胜。要想长期战胜市场，就要在“信息处理”上下更多功夫，正如手握重兵，也要配合适当的战略战术，才能打胜仗。
鉴于此，中欧基金量化投资策略组十分注重数据获取的及时性，并选择组建自己的工程师团队，建立自己的数据抓取和分析处理模型，每天更新全网的数据信息，每天抓取前一天的交易量和交易价格变化，观察个股之间的相关性，以此对模型及时进行数据内部的更新。这样一来，团队对最新数据的获取速度明显提升，据此进行的信息处理效率也自然上升。而这，也是中欧基金量化投资策略组在量化选股上的最大优势所在。
中国证券报：中欧基金量化投资策略组旗下即将发行一只新的量化投资基金，这只产品是否就是基于你们在量化选股方面的优势定制的？
曲径：中欧基金正在发行一只新基金，名称为“中欧数据挖掘多因子灵活配置混合型基金”。这只基金的最大特色，就是引入了中欧“量化选股”方面的特色优势。
中欧数据挖掘多因子灵活配置混合型基金是一个仓位在0-95%之间调整的基金，将会通过挖掘市场上资金流、交易情绪、舆情监控等数据，计算股票仓位。而我们的模型在2015年的仓位预警上，有着非常好的表现：根据模型测试，2015年市场的几次重大转折，我们的模型都成功地进行了及时警示。例如6月上旬，中欧的模型就开始提示减仓，到6月底还没有发生流动性危机的时候，模型就已经提示减仓到0，而这时候很多基金经理还认为市场只是一个回调，很快会再创新高。而到了9月底之后，模型的仓位信号开始转强，直到11月下旬，仓位信号都维持在95%，直到11月30日，模型提示减仓到70%，最近的12月7日则提示减到50%。
值得一提的是，中欧数据挖掘多因子基金还是市场上首批通过机器学习算法和多维海量因子选股的量化基金。利用机器学习算法，严格执行投资指令，剔除主观非理性因素，快捷高效地处理海量信息，寻找全市场投资热点；同时采用新型数据挖掘算法以及分层聚类手段，重新定义热点主题并关注主题轮动，快速聚焦市场最新热点，同时发掘其中的价值洼地，力争获取稳健的收益回报，是这只基金最大的亮点。
团队是“核心”战力
中国证券报：为什么选择到中欧基金发展自己的事业?目前量化投资策略组的团队构建情况如何?
曲径：我很喜欢中欧基金的合伙人文化。中欧基金平等、开放的风格，极大地提高了内部的协同效率，给传统基金行业注入了创业的精神。作为量化投资团队，我们的基础工作依赖IT技术部门和产品设计部门的协同支持，而中欧基金效率之高，对我来说是个惊喜。从个人的角度来说，中欧基金一致的合伙人愿景，提升了团队的效益；而市场化的激励机制保证了投资团队的稳定性，将投资团队与客户利益一致化，才能持续为投资人提供价值。
具体到团队方面，量化策略组和其他策略组不同，我们本质上是一个工程师团队。每一个人都有数学建模能力，编程能力，对数字敏锐，热爱数据分析。目前，团队由三个小组构成，即大数据核心研究、投资组合构建、算法交易执行。这三大支柱是团队构建量化模型的基础。
中国证券报：由于量化投资主要由模型来完成，因此，会有投资者质疑，量化投资团队存在的价值何在？
曲径：一般来说，模型上线后，投研人员并不对它做主动干扰，尽量避免人的情绪和判断等非理性情况。但在模型的开发中，分析师和工程师都是基于对市场的理解和观察，把对市场的各类影响因素，抽象为数学建模。因此，量化策略模型的成功，离不开投资团队对市场的深刻理解，从实质上讲，量化投资团队的实力才是模型的核心竞争力。
<p>从这个角度出发，投资者选择量化投资产品可以从两个维度进行考量：第一，是团队成员构架和信息处理能力，这决定了模型的可持续性和投资效果的稳定性，因为量化需要更多的协作和开发，团队合力很重要；第二，应关注不同市场下收益表现的一致性，正如2015年，市场经历了一轮牛熊，投资人可以关注备选基金收益的稳定性，以获得长期回报。