谈谈量化投资：量化方法论

[raquant]

王晓光谈量化投资：量化方法论

怎么样才能做出赚钱的量化投资策略？一个人，从科班出身的统计学博士，或者计算机 /数学 /经济专家，到一个优秀的可以稳定贡献优质量化策略的 quant 或基金经理，中间究竟差了哪些，需要哪些步骤？ 为了回答这个问题，以及上述几个问题，我今天斗胆尝试性地与大家分享，量化投资的方法论体系。

量化交易方法论

我理解的量化投资方法论，有以下四个维度：

– 投资的三面魔方：资产类别，风险因子，策略风格

– 投资的三套理论：资产定价模型，投资组合理论，有效市场假说

– 量化的两个载体：数据，人

– 决策的两个维度：收益，风险

下面我们来分别逐一讨论这四个维度。

首先我们来看中间的这个正方体，也就是投资的三面魔方。

这个正方体不是我发明的，是来自于 Antti Ilmanen 写的 Expected Returns 这本书。这本书中针对资产类别，风险因子，策略风格三大方面，对期望收益进行了不同视 的深度阐述，是值得仔细去研读的一本书。

在这里我简单的总结下这本书里的一些主要观点。这三大方面里面，大家最常见的就是资产类别这个方面。资产类别一般可以分为股票类资产，信用类资产，国债类资产，以及另类资产（比如商品期货，房地产，艺术品等都可以属于这类）。

大家可以看到这里显示的是过去二十年股票市场的年化收益情况，可以看到大部分年份的平均收益在 5%左右，年化的夏普率大概不到 0.5 ，那么这就让大家有了一个基本的概念，就是在股票市场中你平均可以预期的收益大概在什么水平，以及为此要承担多少的风险或者波动。

当然，优秀的投资者可以获取远超过市场平均水平的收益，但是作为一个参考的基本标准，过去几十年的股市平均收益情况，给了大家一个基本的心理预期。如果你的心里预期收益相对于这个参考标准过于高，而所愿意承担的风险又过于低，那就要考虑是否是过于理想主义了，或者说这就对你的投资策略的水平有了很高的要求。接下来这几页给出了一些信用类衍生品，公司债，国债以及商品的历史表现情况，整体看各类资产的收益水平长期看是比较接近的，有的平均收益高一些，有的平均收益低一些，但是平均收益低的资产夏普率往往并不低，所以在衡量期望收益的同时还要考虑到风险的水平。

那么除了资产类别这个角度，还有另外两个重要的角度来分析和理解期望收益与风险。那就是策略风格角度和风险因子角度。这里列出了跨市场长期验证比较有效的几类策略的风格，趋势类，价值类， carry ，以及波动率交易。这四种思路或者逻辑可以说囊括了市场中绝大多数的量化策略，同时他们彼此之间的相关性也比较低，逻辑各有不同。

价值投资策略

价值投资类策略，在股市中是应用最多的，比如下面这个图，就显示了一个非常简单的根据市净率和市盈率指标构建的价值投资策略在美股上的历史表现，可以看到从 1929 年开始一直到 2009 年，每一个时间段内，价值投资组合的表现都要比大盘的整体表现要更好，那么这样快 100 年的规律，同时又是极其简单的策略逻辑和变量，使得人们可以一定程度上相信，价值投资策略确实是可以产生超额收益的。

那么如果你进一步深入的去想，价值投资策略究竟赚的什么钱呢？回头我开始讲的第二个问题，就是收益的来源问题，当时提出了两个基本方面，一个是市场的无效或错误定价，一个是风险溢价，那么其实价值投资策略在这两个方面，都可以得到一些论证。一些被严重低估或高估的股票，一定程度上是市场错误定价的反映，这个是可以用来赚钱的。

而价值类策略，在熊市或者市场低迷甚至崩盘的时期表现尤其好，可能体现的是风险溢价，因为当时环境下，整个市场的风险情绪变得非常低迷，绝大多数投资人都变得非常不愿意承担风险，那么这时候你愿意承担一定程度的风险，这种行为可以获得一定程度的风险溢价补偿。

Reference: Expected Returns, Antti Ilmanen

Carry 策略

最常见于外汇交易，利用不同国家货币的利率高低之差进行套利。下面这个图显示的是不同货币的存款利率相对美元的存款利率的差值以及对应的该货币相对美元的超额收益。我们可以清晰的看到一个明显的规律，那就是存款利率相对美元存款利率高的货币，他的收益也相对美元更高，这种现象在中长期时间窗口下过去持续有效，由此验证了 carry 交易思路的合理性。

但是需要强调的是，如果放在不同的时间窗口下看，结果可以大不一样，如果你以一个月或者一周的时间窗口去看，那么 carry 的表现就没有那么明显和稳定。 Carry 策略的合理性，也可以在逻辑上有明确的解释，所以这样的策略，如果运用得当，设计的巧妙，不失为一种可以长期依赖的好的策略思路之一。

v:shapes="_x0000_i1029">Reference: Expected Returns, Antti Ilmanen

Trend 策略

在商品期货交易中被提及的最多。大家可以看到下图中商品期货趋势性指数，过去几十年的时间内连续保持了稳定的收益能力，这其实很让人匪夷所思。要知道图中的这个趋势性指数，他的计算方法是完全公开的，是定时公布数值的，可以说是市场公开化的秘密，不存在什么神秘的部分，而且计算方法非常简单，基本上就是根据过去 9 到 12 个月不同商品期货的 return ，做多收益高的，做空收益最低的那些，就这样简单组合而来的。

那么这么简单的思路，广为人知的策略，为何连续几十年一直保持了超出市场平均水平或指数的收益呢？为何保持了相对比较好的夏普率呢？

这其实不是一个很好回答的问题，有的人尝试在市场无效性角度找理由，有的人尝试用风险溢价的角度去理解，但是都有一定道理但又感觉不是非常充分，这说明这个市场中，还有很多非常普遍和简单的规律，是我们现在的金融学理论，还未能很好的解释的，这也是金融和投资的魅力所在。现在比较流行的是通过市场行为学的角度去理解，说投资者一般习惯于低估已发生事件的长远影响与意义，而对于这种低估的矫正，又是一个逐渐的过程，有一种心理上的不情愿。

还有一点就是投资者往往在发生大额亏损之后反而变得更加激进，而对于小额的亏损反而比较倾向于止损，这样的心态助推了市场中追涨杀跌的效应，从而对趋势形成一种增强。这都有一定道理，不同的投资者专注不同的方面去理解，那么你理解的角度不同，你做出的趋势交易策略的逻辑也就不同，最后到市场中去检验，怎样的逻辑和策略是更加经得住考验。

说到趋势类策略，这里多说几句，趋势类策略，在我看来，难的不是在趋势市场中赚到钱，这个很容易，用两条均线就可以做到。难的是在漫长的没有趋势的市场中，如何控制你的亏损，你不要以为系统里面设了止损就万事无忧了，你也可以连续止损，最后还是亏很多，这其实是一个中长期最大化收益，与短周期内最小化损失这样两个相互矛盾的目标的优化平衡问题，这个平衡问题做的好，那么你的趋势类策略就基本合格了，做不好，那么收益高的时候可以很高，但是亏得时候一样可以很惨。一旦你意识到这个问题的存在，那么如何用量化的方法和手段来解决，反而不是太难的事情，这样的优化问题，在数学上是可以很好的定义的，前人也都已经做出了很好的理论来解决，你只需要去找到他就是了，这个工作，对于数理背景很扎实的 quant 人员，反而不是多么困难的事情。

当然，趋势类策略还有一些细节技巧比如在趋势的中后期，波动率比较高的时候适当降低仓位等等，可以进一步平滑你的收益曲线，提高整体的夏普率等，这些都是做量化投研工作中的一些细节，细节做得足够好，能够进一步提高你的收益能力。现在专业量化对冲基金公司中的 quant,很多的时间也都花在去寻找和处理这些细节上。

Reference: Expected Returns, Antti Ilmanen

波动率策略

在期权市场中最经常被提到。波动率套利，做多波动率，做空波动率，利用期权组合，你可以构建上述各种交易策略。

这类策略的好处在于他一般不爆露单边趋势性风险，可以是趋势类策略的很好的补充，但是他也有他的风险。比如做空波动率，或者卖出 OTM 的期权的策略，在很长时间内可能都是比较稳定盈利的，但是一旦黑天鹅事件发生，你卖出的 OTM 期权被行权，那么你就面临大额的亏损。

这个现象在下图中可以得到明显的体现。比如下面图中这个 covered call writing 的策略以及其他几个类似策略，在美股市场从 2001 年到 2007 年有着很好的收益曲线，但是在 2008 年金融危机时，所发生的亏损相当于过去 7 年收益的总和，相当于过去 7 年白做了。

这个例子就是典型的第二种收益来源，就是风险溢价，在平时一直给你很好的风险溢价收益，但是这不是免费的，等到风险来的时候，你会发现这个溢价，其实不便宜。所以说，评价一个策略不要以为仅仅看看历史收益就可以了，连续七年稳定实盘收益的策略或基金，也可能一朝把你带入死亡之地，更何况现在国内很多机构评价量化策略的时候，都还拿不到 7 年的历史实盘业绩，国内产品业绩有 3 年以上的算不错了，可是 7 年甚至 10 年的业绩，都不一定可以完全确保你未来重复这个收益水平。

要注意这种现象可不仅仅存在于期权交易市场，其实股票策略，阿尔法策略， CTA 策略，都可以有类似的例子，所以大家对这个一定要慎之又慎，这个策略评价问题，远比你想象的要复杂的多。

Reference: Expected Returns, Antti Ilmanen

最后在策略风格这个方面，再补充一点的是，上面几个策略种类之所以拿出来讲，就是看重他们的另一个优点：普适性。

趋势策略不仅可以用于商品，还可以用于股票或债券， Carry 策略在股市和期货也可以有对应。有人问 carry 怎么对应？这个你要发挥一点想象力和举一反三，抓住 carry 的本质，你会发现其实 carry 在商品中对应的就是现货和期货，或者近远月期货合约的基差，也就是所谓的升贴水，在股市中，高 carry 可以对应为高股息的股票，那么对应的策略都是可以做出来的，而且在不同市场中都一致性的表现比较好，而且是多年比较稳定的表现，那么这样的策略，就更加让人信任一点，把钱配置到这些策略，会更踏实一些，当然，不同的人做出的策略质量还有区别，都是 carry 策略，大家水平也都不一样，这才是体现不同对冲基金实力差距的地方。所以说，机构之间比的，有时候往往就是这些策略之间的细节，谁可以把细节做的更好。

同理， value 策略或波动率策略也都可以在股市或商品期货市场中得到很好的实现。

比如下图的这个展示，是我们公司针对这四大类策略思路在中国商品期货市场中的应用开发的一些子策略，当然这里的策略没有上面讲的那么简单了，用到了一些更复杂的模型，一些机器学习的算法以及非线性优化，随机优化等等，但是策略的基本逻辑思路，是没有太大的本质区别的，因此，至少我们证明这些经典的策略逻辑思路，在当下仍然是可以被使用的，这个方向是没有问题的，但是随着市场的竞争越来越激烈，对你的模型的技巧水平要求变得越来越高，不过模型的技巧水平这个是可以通过不断学习和实践而提高的，只要方向对了，坚持下去，做出好的模型只是时间问题。但如果你的方向不对，那就麻烦了。

注：以上图表不构成投资建议，过去表现不能预测未来收益。

所以说，作为一个普通的投资者， 你至少应该有个基本的概念就是以上几类策略风格，都是什么意思，收益来源都是什么，然后在每个市场大概对应什么思路，有了这些基本的概念，那么当有人再问你期望收益怎么来的时候，你就不至于答不出来了，你至少有了一个明确的方向，就是知道不同市场中做量化策略你大概先要在哪几个思路上下功夫比较靠谱，至于最后做的质量如何，这需要知识以及经验的积累，是一个漫长的过程，但是方向走对了，就不怕漫长，就可以一直走下去。

否则你走进了死胡同，比如用一些很高深莫测的数理模型，暴力优化参数得出一些逻辑不通的量化策略，看似回测夏普很高，可是根本无法合理的解释逻辑以及收益的来源，那么这样的策略就算做出来结果再漂亮，也不敢用。

我做一个 value ，或一个 carry 策略，方法得当，逻辑不复杂，没有过拟合的话，结果漂亮我的信心会更大一些，因为这是在几十年的历史中，多个市场反复验证有效的东西，而且是逻辑上解释的通的，这就好很多。

风险因子

讲完了策略风格和资产类别，大家可能觉得投资这个事情已经够复杂了，需要考虑这么多方面，不过这还不够，还有一个方面就是风险因子，比如上面魔方里面写的那几个因子，增长，通胀，流动性，尾部风险等。

策略组合的再好，资产分散化做的再好，尾部风险方面完全没考虑，那么一样可以下场很惨，上个世纪著名的长期资本管理公司，就是一个很好的反面例子。你把过多的赌注压在了尾部风险不出现这上面，那么就会出问题。

本来尾部风险没那么高的，这也是为什么稍微朝这方向暴露一些头寸是完全合理的，但是你过于贪心，暴露过多，最后超出了所能承受的范围，就不妥了。

再比如说，我们都知道经济增长好的时候，股票收益往往比较好，这时候做股票裸多组合，要比完全中性阿尔法策略组合，收益要高，但是你过于贪心，一直裸多，那么就把过多的风险暴露在经济增长这个不确定的变量上。还有像流动性风险，比如小市值的股票，有时候高的收益体现了流动性溢价，你过于贪求这个溢价，把所有赌注都压在这里，那么一旦市场整体流动性突然大幅降低，你的这个投资组合，将会是受伤最严重的那个，人家持有蓝筹股的，这时候反而不会像你那么惨。

所以大家看到，天底下没有免费的午餐，如果市场中有人天天请你吃饭，那这往往不是什么好事，尤其你还理所当然的觉得这是因为自己比较聪明的缘故，那就很危险了。所以说，风险因子方面，也是很重要的一个方面，是需要慎重考虑的，否则，一个看似在资产类别以及投资策略风格方面都已经充分分散化的投资方案，仍然有可能有着隐藏的过多的某种风险，平时不发觉，一旦出问题，就会很严重。

在不同的风险因子上应该如何选择暴露的倾向和比重呢？我们知道，超额收益往往和风险溢价有关，所以你想完全不暴露任何风险，这是不太现实的，除非你可以接受国债的收益水平。既然风险因子的敞口是一种必然，那么在没有具体的合理的模型去预测风险因子的水平或度量其变化规律的时候，最好的方式可能就是风险平价，也就是主要的几类风险因子平均暴露，这种保守的方式可能是最好的。

当然，如果你的策略或模型，对于某类风险因子的分析能力非常强大，比如你可以很好的预测市场流动性的变化情况，那么这种情况下，就另当别论，你超比例的在某种风险因子上存在敞口，或许就是可行的，但是也要额外小心，仔细推敲逻辑。

如上图所示，可以看到在长期平均来看，流动性越差的资产，期望收益也相对越高，这个例子很好的反映了流动性作为一个风险因子，与期望收益之间的密切关系。有的时候你的投资方案或者组合收益比较高，很可能就是由于在某种风险因子上的敞口比较大而获取的风险溢价，这个是要额外关注的。因此风险因子这一方面，作为投资的三大角度之一，是必不可少的。

讲到这里，投资的三面魔方就讲完了。总结一下上述的论述，就是量化投资方法论的第一个维度，就是要在资产类别，策略风格，风险因子这三大不同角度对投资进行建模与设计，一个成熟的投资方案，一定是同时兼顾了三方面的考虑，在资产类别，策略风格，风险因子上都做到了合理的分散化，并对自己投资组合在这三大方面的风险敞口情况，有着清晰的认识，同时能够很好的理解这三大方面相互之间的交叉影响和整合的。这里，量化投资可能对于策略风格这个角度挖掘的更深一些，而宏观对冲可能在风险因子上下的功夫更多，而两者都要很仔细的做好资产类别的分散化配置。在这三方面做的越好，越深入，你的投资方案就越能经得起长时间的考验。而且，这样一个切入视角，给了一个量化投资者很好的一个大局观，让你时时刻刻知道你做的每一步，大概在这整个方案中，是在哪个位置，所以说，我把这称之为方法论，应当是不过分的说法。

对量化投资感兴趣？快来raquant 镭矿论坛试试吧。