论文部分内容阅读
今年量化基金成为基金业的一个新看点。公募量化基金在沉寂4年之后重现江湖：2月份，嘉实量化阿尔法发行，于4月成立；5月份中海量化发行，于6月份成立；据悉一些公司正在积极申报量化产品，不久将还会有量化基金发行。私募基金这边厢也不甘落后，中国第一只量化阳光私募产品——“山东信托·红色量化一号”证券投资集合资金信托计划6月1日正式成立。量化基金也是“泊来品”，其前世今生如何?我们一起来揭开量化基金的神秘面纱。
计算机给投资带来的改变
1997年5月11日，国际象棋世界冠军卡斯帕罗夫与1BM公司的国际象棋电脑“深蓝”的六局对抗赛降下帷幕。在前五局以2.5对2.5打平的情况下，卡斯帕罗夫在第六盘决胜局中仅走了19步就向“深蓝”拱手称臣。整场比赛进行了不到一个小时，卡斯帕罗夫赛后说，在最后一局时，“我已经无力再战。”于此同时，利用计算机和数学模型来进行数量化投资的基金正迈入高速增长期。
量化基金即以数量化投资来进行管理的基金。数量化投资区别于基本面投资，他不是通过“信息和个人判断”来管理资产，而是遵循固定规则，由计算机模型产生投资决策。量化投资并不是基本面分析的对立者，90％的模型是基于基本面因素，同时考虑技术因素。由此可见，它也不是技术分析，而是基于对市场深入理解形成的合乎逻辑的投资方法。
数量化技术发源于20世纪70年代，以1971年富国银行发行跟踪纽约证券交易所1500只股票的指数基金为标志，此后随着计算机处理能力的提高，越来越多的物理学家和数学家离开学校被华尔街雇佣，基金经理们开始依靠电脑来筛选股票。
1979年巴克莱全球投资(Barclays Global Investor)成立了第一支主动数量(Quantitative & Active)投资基金标志着量化投资由草根实践走到了公募基金历史舞台聚光灯下。此后，Vanguard，Federated，Janus，American Century,Alliance Bernstein，Evergreen以及Schwab都开始在运作数量化基金，他们也都开始加入Barclays Global Investors和LSVAsset Management的阵营，后两者是数量化基金管理中最大的两家公司。另外，NumericInvestors和AQR CapitalManagement是增长最快的数量化基金公司。
根据Bloomberg的数据，截至2008年底，1184只数量化基金管理的总资产高达1848亿美元，相比1988年21只数量化基金管理的80亿美元资产来说，平均增长速度高达20％，而同期非数量化基金的年增长速度仅为8％。
2000年之后是数量化基金发展的黄金时期，无论是个数还是管理规模都有了跨越式的发展。1998年数量化基金仅136只，至2002年增长一倍多，达316只，2008年底更是达到1848只，1988年至1998年年平均增长率为46％，2000年至2008年年平均增长幅度达54％。从规模上来看，1988年至1998年年平均增长率为32％，2000年至2008年年平均增长幅度达49％。
其中的原因有二：一是，2000年之后计算机技术飞速发展，为数量化的应用提供了良好的平台；更为主要的是主动管理型基金很难战胜大盘，于是投资指数基金以及采用数量化方法筛选股票逐渐流行起来。而且数量化基金的表现也非常不错。2002年至2007年5年间，相比美国市场主动型管理基金每年5.93％的超额收益，那些覆盖所有资产的数量化基金每年的超额收益可以达到6.95％。另外，有研究表明，2004年至2007年，投资美国大盘股的数量化基金产品的表现平均超越非大盘主动型基金103个基点。
模型——量化基金的心脏
数量化基金的兴起，建立在数量化投资技术的发展之上。在20世纪80年代，大量复杂模型得以发展，这包括：混沌理论(chaos theory)、分形(fraetals)、多维分形(multi-fractals)、适应过程(adaptive programming)、学习理论(leaming theory)、复杂性理论(complexity theory)、复杂非线性随机理论(complex nonlinear stochasticmodels)、数据挖掘(data mining)和智能技术(artificial intelligence)。然后，回归分析(regression analysis)和动量模型(momentum modeling)仍然是被调查者使用最广泛的数量化投资方式。
数量化基金最明显的优势之一就是计算机处理数据的能力远远胜过人脑，这使电脑在海量股票选择中占有绝对优势。例如在嘉信证券的股票评级系统跟踪的股票超过3000只，并且每只股票都综合了基本面、估值、动理和风险因素进行打分，并按分数高低给A至F不同的评级。其次。量化基金是以定量投资为主，用纪律性较强的精细化定量模型，代替了基金经理或分析师在定性层面的主观判断，使投资业绩较少受到个人“熟悉度偏好”的影响。最后，数量化基金收取的费率及管理费用比传统的主动型基金低很多，因为他们需要的研究人员更少，成本更低。据Lipper调查，数量化基金的平均费用是1.32％，相比而言，主动型基金的管理费用平均达到1.46％。
数量化投资理念成就了一大批数量化基金经理，詹姆斯·西蒙斯无疑是其中的佼佼者。他所管理的大奖章基金对冲基金(Medallion)，从1989年到2006年的17年间，平均年收益率达到了38.5％，而股神巴菲特过去20年的平均年回报率为20％。从1988年成立到1999年12月大奖章基金总共获得2478.6％的净回报率，超过第二名索罗斯的量子基金一倍，而同期的标准普尔指数仅有9.6％。即使在次贷危机全面爆发的2007年，该基金的回报率仍高达85％。
然而量化基金并非所有市场都能有效战胜非量化基金。Lipper把基金分为四类型，每一类型量化投资与传统投资比较，2005年量化投资基金战胜传统基金，而2006年在增强指数型基金中，量化投资落后于传统型基金，到2007年情况则发生较大转弯，除市场中立基金外，其余量化投资基金全部跑输传统型基金。在考虑了风险、跟踪误差后，数量化投资具有更小的跟踪误差和更高的回报。研究表明数量投资基金业绩具有很强的轮动特点。大部分数量投资基金具有很强的价值投资偏好(value bias)，因此，他们在价值型市场下表现良好，而1998-1999年是成长型市场，数量化投资基金大部分跑输传统型基金。2001-2005年是价值型市场，数量化投资基金普遍表现优异。
用数学创造财富
国内基金业虽然历史较短，但发展迅速。美国等成熟基金市场的现状，也很可能会是我们未来的发展方向。指数基金、量化基金以及免佣基金等品种，在未来有望陆续发展壮大，受到越来越多投资者的认可。
目前，国内基金市场上有4只量化基金，光大保德信量化核心、上投摩根阿尔法、嘉实量化阿尔法、中海量化策略，其中后两只均是今年才成立，前两只分别成立于2004年8月和2005年10月。
光大保德信量化核心一方面通过光大保德信的多因素数量模型对股票的预期收益率进行估算，个股预期收益率的高低决定投资组合是否持有股票；另一方面，投资团队从风险控制角度，重点关注数据以来的信息，通过行业分析和个股分析形成对量化的补充；最后由投资组合优化器根据预先设计的风险构建组合。
上投摩根阿尔法基金的描述则是同步以“成长”与“价值”双重量化指标进行股票选择，然后研究团队将对个股进行基本面审核，结合跟踪误差的紧密监控，以求不论指数高低，市场多空皆创造主动管理回报。投研团队最终决定进入组合的股票，量化分析是辅助和基础。
嘉实量化基金“定量投资”为主，辅以“定性投资”。通过行业选择模型，捕捉具有投资吸引力的行业，然后再在所选行业中运用Alpha多因素模型筛选个股。定性的辅助作用表现在利用基本面研究成果，对模型自动选股的结果进行复核，剔除掉满足某些特殊条件的股票。
中海量化策略以量化模型作为资产配置与构建投资组合的基础。根据量化指标实行从一级股票库初选、二级股票库精选，再根据相关模型计算行业配置权重。结合行业配置权重，组合中每只股票的配置比例。
从国内几只量化基金来看，数量化的模型大都处于辅助的地位。其量化策略是否能适应中国市场，也有待进一步观察。从成立时间较早的几只量化基金来看，也表现出不同的特点。截止7月末，光大量化核心成立以来回报率为233.79％，在同时期可比的17只基金中处于最后一名，今年以来收益率为97.79％，在195只股票型基金中位于第7位。光大保德信在上涨市场中表现较好，在下跌市场中排名靠后。上投摩根阿尔法基金长期业绩优秀，2008年以来表现平平。截止7月末，基金成立以来收益率为成立以来回报率为442.54％，在同时期可比的47只基金中位于第4，今年以来收益率为52.14％，在195只股票型基金中位于第175位。
由于目前国内量化基金的数量较少。量化基金跟普通主动基金相比孰优孰劣还很难有令人信服的比较。参照美国的情况，量化基金在把握市场无效的角落和套利机会上有一定的优势，并且可以较大程度上摒除情绪干扰，理工科思维的基民也许更容易接受其投资方式。但当市场情绪疯狂的时候，量化基金往往追赶不上市场的脚步，表现逊于其他主动基金。典型的例子是1999年和2007年的美国市场。当然这也意味着量化基金在接下来可能的市场转折中受损较小。
计算机给投资带来的改变
1997年5月11日，国际象棋世界冠军卡斯帕罗夫与1BM公司的国际象棋电脑“深蓝”的六局对抗赛降下帷幕。在前五局以2.5对2.5打平的情况下，卡斯帕罗夫在第六盘决胜局中仅走了19步就向“深蓝”拱手称臣。整场比赛进行了不到一个小时，卡斯帕罗夫赛后说，在最后一局时，“我已经无力再战。”于此同时，利用计算机和数学模型来进行数量化投资的基金正迈入高速增长期。
量化基金即以数量化投资来进行管理的基金。数量化投资区别于基本面投资，他不是通过“信息和个人判断”来管理资产，而是遵循固定规则，由计算机模型产生投资决策。量化投资并不是基本面分析的对立者，90％的模型是基于基本面因素，同时考虑技术因素。由此可见，它也不是技术分析，而是基于对市场深入理解形成的合乎逻辑的投资方法。
数量化技术发源于20世纪70年代，以1971年富国银行发行跟踪纽约证券交易所1500只股票的指数基金为标志，此后随着计算机处理能力的提高，越来越多的物理学家和数学家离开学校被华尔街雇佣，基金经理们开始依靠电脑来筛选股票。
1979年巴克莱全球投资(Barclays Global Investor)成立了第一支主动数量(Quantitative & Active)投资基金标志着量化投资由草根实践走到了公募基金历史舞台聚光灯下。此后，Vanguard，Federated，Janus，American Century,Alliance Bernstein，Evergreen以及Schwab都开始在运作数量化基金，他们也都开始加入Barclays Global Investors和LSVAsset Management的阵营，后两者是数量化基金管理中最大的两家公司。另外，NumericInvestors和AQR CapitalManagement是增长最快的数量化基金公司。
根据Bloomberg的数据，截至2008年底，1184只数量化基金管理的总资产高达1848亿美元，相比1988年21只数量化基金管理的80亿美元资产来说，平均增长速度高达20％，而同期非数量化基金的年增长速度仅为8％。
2000年之后是数量化基金发展的黄金时期，无论是个数还是管理规模都有了跨越式的发展。1998年数量化基金仅136只，至2002年增长一倍多，达316只，2008年底更是达到1848只，1988年至1998年年平均增长率为46％，2000年至2008年年平均增长幅度达54％。从规模上来看，1988年至1998年年平均增长率为32％，2000年至2008年年平均增长幅度达49％。
其中的原因有二：一是，2000年之后计算机技术飞速发展，为数量化的应用提供了良好的平台；更为主要的是主动管理型基金很难战胜大盘，于是投资指数基金以及采用数量化方法筛选股票逐渐流行起来。而且数量化基金的表现也非常不错。2002年至2007年5年间，相比美国市场主动型管理基金每年5.93％的超额收益，那些覆盖所有资产的数量化基金每年的超额收益可以达到6.95％。另外，有研究表明，2004年至2007年，投资美国大盘股的数量化基金产品的表现平均超越非大盘主动型基金103个基点。
模型——量化基金的心脏
数量化基金的兴起，建立在数量化投资技术的发展之上。在20世纪80年代，大量复杂模型得以发展，这包括：混沌理论(chaos theory)、分形(fraetals)、多维分形(multi-fractals)、适应过程(adaptive programming)、学习理论(leaming theory)、复杂性理论(complexity theory)、复杂非线性随机理论(complex nonlinear stochasticmodels)、数据挖掘(data mining)和智能技术(artificial intelligence)。然后，回归分析(regression analysis)和动量模型(momentum modeling)仍然是被调查者使用最广泛的数量化投资方式。
数量化基金最明显的优势之一就是计算机处理数据的能力远远胜过人脑，这使电脑在海量股票选择中占有绝对优势。例如在嘉信证券的股票评级系统跟踪的股票超过3000只，并且每只股票都综合了基本面、估值、动理和风险因素进行打分，并按分数高低给A至F不同的评级。其次。量化基金是以定量投资为主，用纪律性较强的精细化定量模型，代替了基金经理或分析师在定性层面的主观判断，使投资业绩较少受到个人“熟悉度偏好”的影响。最后，数量化基金收取的费率及管理费用比传统的主动型基金低很多，因为他们需要的研究人员更少，成本更低。据Lipper调查，数量化基金的平均费用是1.32％，相比而言，主动型基金的管理费用平均达到1.46％。
数量化投资理念成就了一大批数量化基金经理，詹姆斯·西蒙斯无疑是其中的佼佼者。他所管理的大奖章基金对冲基金(Medallion)，从1989年到2006年的17年间，平均年收益率达到了38.5％，而股神巴菲特过去20年的平均年回报率为20％。从1988年成立到1999年12月大奖章基金总共获得2478.6％的净回报率，超过第二名索罗斯的量子基金一倍，而同期的标准普尔指数仅有9.6％。即使在次贷危机全面爆发的2007年，该基金的回报率仍高达85％。
然而量化基金并非所有市场都能有效战胜非量化基金。Lipper把基金分为四类型，每一类型量化投资与传统投资比较，2005年量化投资基金战胜传统基金，而2006年在增强指数型基金中，量化投资落后于传统型基金，到2007年情况则发生较大转弯，除市场中立基金外，其余量化投资基金全部跑输传统型基金。在考虑了风险、跟踪误差后，数量化投资具有更小的跟踪误差和更高的回报。研究表明数量投资基金业绩具有很强的轮动特点。大部分数量投资基金具有很强的价值投资偏好(value bias)，因此，他们在价值型市场下表现良好，而1998-1999年是成长型市场，数量化投资基金大部分跑输传统型基金。2001-2005年是价值型市场，数量化投资基金普遍表现优异。
用数学创造财富
国内基金业虽然历史较短，但发展迅速。美国等成熟基金市场的现状，也很可能会是我们未来的发展方向。指数基金、量化基金以及免佣基金等品种，在未来有望陆续发展壮大，受到越来越多投资者的认可。
目前，国内基金市场上有4只量化基金，光大保德信量化核心、上投摩根阿尔法、嘉实量化阿尔法、中海量化策略，其中后两只均是今年才成立，前两只分别成立于2004年8月和2005年10月。
光大保德信量化核心一方面通过光大保德信的多因素数量模型对股票的预期收益率进行估算，个股预期收益率的高低决定投资组合是否持有股票；另一方面，投资团队从风险控制角度，重点关注数据以来的信息，通过行业分析和个股分析形成对量化的补充；最后由投资组合优化器根据预先设计的风险构建组合。
上投摩根阿尔法基金的描述则是同步以“成长”与“价值”双重量化指标进行股票选择，然后研究团队将对个股进行基本面审核，结合跟踪误差的紧密监控，以求不论指数高低，市场多空皆创造主动管理回报。投研团队最终决定进入组合的股票，量化分析是辅助和基础。
嘉实量化基金“定量投资”为主，辅以“定性投资”。通过行业选择模型，捕捉具有投资吸引力的行业，然后再在所选行业中运用Alpha多因素模型筛选个股。定性的辅助作用表现在利用基本面研究成果，对模型自动选股的结果进行复核，剔除掉满足某些特殊条件的股票。
中海量化策略以量化模型作为资产配置与构建投资组合的基础。根据量化指标实行从一级股票库初选、二级股票库精选，再根据相关模型计算行业配置权重。结合行业配置权重，组合中每只股票的配置比例。
从国内几只量化基金来看，数量化的模型大都处于辅助的地位。其量化策略是否能适应中国市场，也有待进一步观察。从成立时间较早的几只量化基金来看，也表现出不同的特点。截止7月末，光大量化核心成立以来回报率为233.79％，在同时期可比的17只基金中处于最后一名，今年以来收益率为97.79％，在195只股票型基金中位于第7位。光大保德信在上涨市场中表现较好，在下跌市场中排名靠后。上投摩根阿尔法基金长期业绩优秀，2008年以来表现平平。截止7月末，基金成立以来收益率为成立以来回报率为442.54％，在同时期可比的47只基金中位于第4，今年以来收益率为52.14％，在195只股票型基金中位于第175位。
由于目前国内量化基金的数量较少。量化基金跟普通主动基金相比孰优孰劣还很难有令人信服的比较。参照美国的情况，量化基金在把握市场无效的角落和套利机会上有一定的优势，并且可以较大程度上摒除情绪干扰，理工科思维的基民也许更容易接受其投资方式。但当市场情绪疯狂的时候，量化基金往往追赶不上市场的脚步，表现逊于其他主动基金。典型的例子是1999年和2007年的美国市场。当然这也意味着量化基金在接下来可能的市场转折中受损较小。