寬源新聞
量化投資的科學(xué)性與藝術(shù)性
利用量化分析和基礎(chǔ)研究的投資過程一直都存在。許多基礎(chǔ)研究使用量化方法幫助其篩選出一定量的可以重點(diǎn)考慮的公司。有一些量化方法使得分析師能夠超越那些僅僅依賴非金融數(shù)據(jù)的分析。量化策略一直被認(rèn)為在市場發(fā)生轉(zhuǎn)變時(shí)其表現(xiàn)并不佳，而基礎(chǔ)研究策略則一直被認(rèn)為增加了一些基于過往經(jīng)驗(yàn)的人為的偏差。以下是與威廉姆布萊爾投資管理公司合伙人、全球策略和投資經(jīng)理喬治.葛里格的對話，討論了一個(gè)經(jīng)過認(rèn)真構(gòu)建的投資過程是如何利用并增強(qiáng)量化和基本面分析兩者的優(yōu)勢。
這兩種方法的優(yōu)勢和劣勢是什么？
任何一種量化選股方法的主要優(yōu)勢包括寬度、紀(jì)律性以及對個(gè)人情感的消除。量化方法的評估范圍更廣泛，而不僅僅限于一小部分的公司或者議題。他們還可以調(diào)查任何一個(gè)問題，而不用擔(dān)心偏見、表面現(xiàn)象或者不正確的文化過濾。這種沒有偏差的特點(diǎn)對使用統(tǒng)一的方法在不同月份對一系列公司進(jìn)行分析是有益的。那種某天醒來感覺今天是“估值股票”的一天，或者某天醒來感覺是“積極成長股”的一天的缺陷被消除掉了。
量化分析的主要缺點(diǎn)是它可能會(huì)對環(huán)境的變化非常敏感和脆弱。比如說，政治制度的變化，如果一個(gè)量化分析的框架是基于某一特定階段的數(shù)據(jù)的，當(dāng)它所處的環(huán)境發(fā)生變化時(shí)，它就不能很好地處理這種變化。
量化的另一個(gè)缺陷就是連貫性和靈活性的兩難選擇。如果一個(gè)模型的目標(biāo)是連貫性，那么它就不是靈活的；如果它是靈活的，它就不是一致的。這種分歧導(dǎo)致了一個(gè)永無休止的辯論：是構(gòu)建一個(gè)覆蓋每一個(gè)行業(yè)或國家的統(tǒng)一的模型，還是針對不同的行業(yè)或者國家構(gòu)建不同的模型。最終，這個(gè)話題是沒有答案的，也是一直以來一直存在的擔(dān)憂。不論是構(gòu)建統(tǒng)一的還是具體的模型，都有一方要做出讓步。
現(xiàn)在看一下基本面分析的優(yōu)勢和劣勢?；跓o形的主觀判斷的分析框架的優(yōu)勢是能夠預(yù)料變化，并感覺到由歷史數(shù)據(jù)或者歷史市場表現(xiàn)所不能揭示的這些的變化的可能性。一個(gè)人看到和感覺到這些因素的能力是與其個(gè)性、心理和文化相關(guān)的，這些是單純的量化模型所不能察覺到的。
基本面分析的弱勢是情緒影響、有偏差以及能力有限?；久娣治鍪苤朴趥€(gè)體的認(rèn)知力和判斷力。說起來有點(diǎn)矛盾，這些劣勢也可以成為優(yōu)勢。
你的投資過程是如何演變的？
威廉•布萊爾的“非美股”團(tuán)隊(duì)最初由三人組成。我負(fù)責(zé)投資組合管理，一位分析師負(fù)責(zé)關(guān)注發(fā)達(dá)市場，另一位負(fù)責(zé)關(guān)注新興市場。這些分析師每人平均覆蓋23個(gè)股票市場的研究。在有限的資源條件下，為了有效地達(dá)到統(tǒng)一，唯一方法是找出每個(gè)公司擁有的優(yōu)點(diǎn)，并且找到一個(gè)方法進(jìn)行預(yù)分析。在一般情況下，即使無限的研究資源可利用，這種方法也是可取的。建立一個(gè)統(tǒng)一的研究體系，對于研究大量公司來說是有必要的，否則大量的公司很難在一個(gè)純粹的基本面基礎(chǔ)上進(jìn)行比較。
我們的方法是定義特定的屬性：高質(zhì)量，高于平均水平的長期增長，正向的當(dāng)期收益趨勢和表現(xiàn)，價(jià)格的強(qiáng)勁勢頭，以及有吸引力的估值。這些特點(diǎn)是我們早期模型的構(gòu)建塊。通過選擇不同的指標(biāo)和發(fā)展維度，我們最終構(gòu)建了多因子模型，將這些因子進(jìn)行加權(quán)評分。這一工作的頭兩年幾乎涵蓋了現(xiàn)如今的定量分析工具的80%。剩下的20%模型評估并沒有重新定義模型，而是更多地進(jìn)行模型測試、監(jiān)督和質(zhì)量控制。
為了說明這種方法，需要考慮到威廉•布萊爾對公司質(zhì)量特征的看法的演變過程。最初，我們有指定的因子范圍，我們認(rèn)為這個(gè)范圍之內(nèi)的因子與公司質(zhì)量有關(guān)，包括長期的回報(bào)，正向收益趨勢，資產(chǎn)負(fù)債表實(shí)力以及一些其他方面的考慮。這些因子被選中是因?yàn)樗麄兪欠治鰩熣J(rèn)為的傳統(tǒng)意義上的好公司因子。事實(shí)上，我們并不確定哪些因子是重要的，哪些因子是不重要的。
2007年，威廉•布萊爾建立了一個(gè)定量研究小組后，我們能夠更清楚的將這些變量量化。這也是我們首次能夠區(qū)分出這些因子在哪個(gè)市場效用最大，這些因子對風(fēng)險(xiǎn)控制和收益形成的貢獻(xiàn)是多少。在這之前，這個(gè)團(tuán)隊(duì)只是進(jìn)行一些定性的分析。我們大致朝著正確的方向前進(jìn)，但是并不確定這些因子的選擇是否正確，該取怎樣的權(quán)重。我們也不知道如何準(zhǔn)確的對每個(gè)模型進(jìn)行評估。
在聘用定量研究團(tuán)隊(duì)之后我們需要考慮的第一個(gè)關(guān)鍵問題是，是否需要完全改變我們的模型還是通過測試不斷修正現(xiàn)有模型。這一決定位于一個(gè)重要的十字路口。有兩個(gè)關(guān)鍵的選擇：一個(gè)選擇是這個(gè)系統(tǒng)更依賴于股票價(jià)格相關(guān)的變量，而非基本面的變量。這種結(jié)構(gòu)需要一個(gè)復(fù)雜的、以多元回歸分析為基礎(chǔ)的系統(tǒng)來預(yù)測回報(bào)率、風(fēng)險(xiǎn)等指標(biāo)；另一個(gè)選擇體現(xiàn)了團(tuán)隊(duì)初始的運(yùn)用基本面特點(diǎn)作為基礎(chǔ)的模型，這個(gè)模型根據(jù)公司的特點(diǎn)進(jìn)行排序。我們最終決定保留原有的流程，但更多進(jìn)行測試改良。這個(gè)就是我們一直沿用至今的模型。
建立一個(gè)專門的量化團(tuán)隊(duì)最大的好處是什么？
這個(gè)團(tuán)隊(duì)幫助我們開發(fā)了一種否則我們無法創(chuàng)建的方法。定性模型在華爾街并沒有廣泛使用。我們設(shè)計(jì)了一個(gè)盈余慣性模型，但我們還不能測試它。我們確實(shí)不了解它是如何運(yùn)作的。我們不知道我們是否用了正確的參數(shù)，但我們知道我們的模型和別的研究人員開發(fā)的很多收益慣性模型是相似的。可以客觀的說，我們的方法是合理的。創(chuàng)建一個(gè)模型來評估公司的好壞比定義和測試它難得多。這樣一個(gè)模型很少被用作投資過程的核心，體現(xiàn)了這個(gè)團(tuán)隊(duì)的一個(gè)重大突破。
盡管開發(fā)這些量化模型的最初目的在于更容易的去評估更多的公司以及檢查研究思路，但是現(xiàn)在他同樣為分析師在對經(jīng)驗(yàn)做出判斷時(shí)提供了一種框架。此外，從投資組合的層面來看，它還成為了我們戰(zhàn)略流程的基礎(chǔ)之一。我們設(shè)計(jì)該量化研究模式的最初目的并不在于產(chǎn)生管理資產(chǎn)組合的能力。然而，一旦我們看到這個(gè)過程是如何很好的整合和運(yùn)作的，我們便決定這個(gè)好的流程是不容忽視的，并開始用它來產(chǎn)生一個(gè)投資組合。自2011年1月推出系統(tǒng)性的研究戰(zhàn)略以來，它已在實(shí)踐和測試中均產(chǎn)生了良好的效果。
這樣，我們的系統(tǒng)性研究（量化）工具被整合到了我們的流程中。我們認(rèn)為保持這些工具的透明度，以及與研究團(tuán)隊(duì)分析結(jié)果的一致度是非常重要的。隨著國際系統(tǒng)性研究基金的推出，它提供了另一種或許我們沒有考慮過的研究思路的來源，一個(gè)比較投資組合持倉和基金并評估其間差異的工具，同時(shí)也可以作為基本面決策制定過程的一種配合。
量化分析在基本面研究過程中扮演了什么角色？
旁觀者經(jīng)常傾向于將團(tuán)隊(duì)研究方法歸為一類或者另一類；一個(gè)公司要么是量化團(tuán)隊(duì)要么是基本面團(tuán)隊(duì)。他們把這兩種方法看成是截然不同的而非統(tǒng)一的。
威廉.布萊爾的量化研究過程就完全地融入到了基本面研究過程中。我們并不是僅作一個(gè)量化分析秀而實(shí)質(zhì)上卻依然使用陳舊的方法做研究。我們也不是為了客戶的利益試圖創(chuàng)造一些量化分析方法但實(shí)際上專業(yè)的投資人士并不在乎這些方法。事實(shí)上在我們這里正好是相反的。我們試圖研究出對我們自身的研究過程非常重要的量化分析方法而并這種量化分析并不需要對外界有很實(shí)質(zhì)的影響?？蛻艉妥稍儙熌軌蛑庇^地理解這些分析，但他們通常對模型建立的細(xì)節(jié)并不感興趣。
我們的目標(biāo)是創(chuàng)造能夠改善投資效果的工具，同時(shí)也能涵蓋那些我們的團(tuán)隊(duì)能夠理解其來龍去脈的因素。這在量化投資中是相當(dāng)普遍的準(zhǔn)則：如果方法有效但你不能解釋原因，那么就丟棄它。如果方法直覺上可行但實(shí)質(zhì)不奏效，也丟棄它。這就是反饋回路。
在測試目前量化工具的改進(jìn)的時(shí)候，威廉.布萊爾將投資組合經(jīng)理，戰(zhàn)略和研究人員的反饋融入到開發(fā)個(gè)體因素以及評估結(jié)果中。該團(tuán)隊(duì)每周與量化團(tuán)隊(duì)進(jìn)行數(shù)次會(huì)議去商討結(jié)果。比如，在測試質(zhì)量模型最新的改進(jìn)中，該團(tuán)隊(duì)設(shè)計(jì)了能夠直觀分類質(zhì)量的框架，在思考潛在影響因素的時(shí)候考慮到幾個(gè)指標(biāo)：持續(xù)的價(jià)值創(chuàng)造，盈利質(zhì)量和財(cái)務(wù)優(yōu)勢。這個(gè)框架幫助量化團(tuán)隊(duì)將他們的重點(diǎn)放在測試這些指標(biāo)上并且保證他們的計(jì)算能夠與該團(tuán)隊(duì)的哲學(xué)思考過程匹配。許多的改進(jìn)是從一個(gè)宏觀的地區(qū)，行業(yè)和規(guī)模的角度出發(fā)來進(jìn)行評估從而證明這些改進(jìn)的持續(xù)性和有效性，同時(shí)也能夠使其與前一版本的質(zhì)量模型對比。這個(gè)分析方法被推廣到了公司層面，用于察覺任何在更廣的層面上不能察覺的異常現(xiàn)象。只有在激烈的討論和反饋后這些改變才能真正被實(shí)施。雖然很費(fèi)時(shí)間，但是我們相信一直以來這種持續(xù)改進(jìn)模型的過程以及不斷融合各個(gè)團(tuán)隊(duì)思想的方法對于確保未來工作的持續(xù)良好預(yù)期是非常重要的。
由于量化研究團(tuán)隊(duì)了開發(fā)這些工具，而且他們與我們的思維邏輯匹配，該團(tuán)隊(duì)已經(jīng)將這些工具融合到我們評價(jià)各個(gè)公司特征甚至評價(jià)整個(gè)行業(yè)和部門的層面中，從而幫助我們優(yōu)化研究，突出投資機(jī)會(huì)與風(fēng)險(xiǎn)，同時(shí)也為我們提供了部門戰(zhàn)略的框架。
在純粹量化的團(tuán)隊(duì)如何創(chuàng)造一個(gè)模型的途徑上，以上的方法有重大的不同。不管一個(gè)基本面投資者是否認(rèn)為這些結(jié)果是直觀的，我們相信這個(gè)量化團(tuán)隊(duì)會(huì)變得更有經(jīng)驗(yàn)。
如何在構(gòu)建投資組合，頭寸規(guī)模以及交易中應(yīng)用量化工具
這個(gè)過程不同于選股研究中的模型。在提出利用定量研究進(jìn)行投資組合管理這個(gè)想法后，下一個(gè)問題是：“我們該怎樣做呢？”我們不能僅僅簡單地創(chuàng)建一份公司名單，而是應(yīng)該設(shè)計(jì)一個(gè)圍繞模型的投資組合管理流程。通過我們設(shè)計(jì)的算法得到的頭寸規(guī)模應(yīng)該與市值的自由浮動(dòng)水平和股票交易量成一定比例，因?yàn)檫@是模型告訴我們的。但是問題是“為什么不將它應(yīng)用在所有策略中，并用它評價(jià)我們的準(zhǔn)確性呢？”這樣的流程對在交易中評估流動(dòng)性限制時(shí)也適用。它對整個(gè)投資過程都是十分有用的輸入變量，不僅僅在系統(tǒng)性的（量化）策略之中。
當(dāng)我們在評估一個(gè)市場或者行業(yè)時(shí)，往往是通過各個(gè)部分的加總。策略團(tuán)隊(duì)?wèi)?yīng)用量化策略為基礎(chǔ)的研究方法來決定公司數(shù)據(jù)累加的信息。這些數(shù)以千計(jì)的公司和幾十個(gè)因素聚集產(chǎn)生的信息告訴團(tuán)隊(duì)這個(gè)行業(yè)和歷史正常水平相比是否或多或少有吸引力。它是重組策略概述的另一種方法。不過這個(gè)過程的復(fù)雜之處是以相等權(quán)重和以市值為權(quán)重兩種方法評價(jià)公司是不同的。公司的評價(jià)也可以通過投資組合的貢獻(xiàn)或者通過對模型組合和實(shí)際組合的比較。
我們試圖構(gòu)建一個(gè)流程能夠有效使用這種定量戰(zhàn)略分析方法來定義投資組合結(jié)構(gòu)，然后用我們最好的思想來構(gòu)建這個(gè)結(jié)構(gòu)。不幸的是，我們不能這樣做的。盡管我們通過分析這些數(shù)據(jù)已經(jīng)有很多深入地了解。它只是不能轉(zhuǎn)化為實(shí)際的投資組合結(jié)構(gòu)的公式。這個(gè)流程仍然必須在投資組合經(jīng)理級別進(jìn)行。
如前所述，使用這些定量研究工具是有益的。它們提供給我們研究大數(shù)據(jù)和大投資組合總體樣本的信心。試想一個(gè)純量化投資的過程，投資組合中往往有數(shù)百種股票，因?yàn)樗哪繕?biāo)是在大約5000家公司中選出最好的20%。一個(gè)純粹的定量模型只對提高模型表現(xiàn)的概率感興趣。一個(gè)投資組合經(jīng)理一般擁有30至70只股票。如果它小于30 ，那么有可能有多樣化的擔(dān)憂。雖然如果投資組合超過70只股票，這不一定再是問題，但另一個(gè)問題出現(xiàn)了。在這一點(diǎn)上投資經(jīng)理可能開始不適應(yīng)，因?yàn)樗拖袷且粋€(gè)老師在一個(gè)擁擠的教室，有太多的學(xué)生需要看管。一個(gè)投資組合經(jīng)理在監(jiān)管太多公司后可能會(huì)開始思考：“嗯，我可以跟蹤那個(gè)公司，還有這邊這個(gè)……”但很快，這就變成“我不記得為什么我買那一個(gè)公司。”一個(gè)用定量分析工具的投資組合經(jīng)理更適應(yīng)于較大的研究范圍和投資組合總體樣本。
這種方法演變的下一步是什么？
在接下來的幾個(gè)月內(nèi)，我們將完成對模型結(jié)構(gòu)背后基本原理的檢驗(yàn)。當(dāng)項(xiàng)目完成后，我們將進(jìn)一步研究如何使該模型更敏感、更具交互式、更靈活。
比如說，我們目前有（公司）質(zhì)量、估值、收益趨勢及價(jià)格動(dòng)能模型；而我們的目標(biāo)是要使這些變量之間產(chǎn)生交互作用。在估值模型中，（公司）質(zhì)量是一個(gè)輸入變量，因?yàn)閮?yōu)質(zhì)股總是享有更高的估值，但我們目前并不考慮這點(diǎn)。同時(shí)，估值并不明確直接地根據(jù)公司質(zhì)量進(jìn)行調(diào)整，同樣也不直接地根據(jù)周期性來調(diào)整。
又比如，目前我們將盈利及價(jià)格動(dòng)能看作是兩個(gè)不同的因素。然而，他們并非完全不同，因?yàn)樵谠S多情況下，價(jià)格動(dòng)能已經(jīng)提前反映了盈利勢頭?？梢哉f，它們僅僅是顯示相同信息的兩種不同的方式。我們試圖將這兩個(gè)因素合二為一，用來表示對周期性的不同反應(yīng)。之所以這么做，是為了使主要模型、子模型以及之前提到的輔助模型，更有效地產(chǎn)生交互作用，并把這些因素之間復(fù)雜的交互作用引入模型中。這是一個(gè)艱巨的任務(wù)，可能需要幾年來完成。
最終的目標(biāo)是建立一個(gè)定量分析框架，分析師可以從各種信息及任何邏輯出發(fā)，來評估該模型，但都幾乎無法拒絕。他們看到模型就會(huì)清晰地明白各變量都代表什么以及為什么要這樣構(gòu)建模型。在某些特定的情況下，該模型也可以用來比較公司、行業(yè)以及同類公司。在威廉布萊爾的研究體系中，有一個(gè)涵蓋公司量化變量的工具。理想狀況下下一代模型將包含這些因素及其它各種相關(guān)因素，以展現(xiàn)一個(gè)整體的、完全成型的公司的量化特征。其目標(biāo)是調(diào)整輸出結(jié)果，使模型不僅能夠獨(dú)立地顯示各公司的情況，而且能夠?qū)π袠I(yè)中的競爭者進(jìn)行比較。這樣，研究團(tuán)隊(duì)就能迅速確定哪些（公司的）特征比較好。模型將更好地構(gòu)建得到一個(gè)已經(jīng)完全成型的統(tǒng)計(jì)分布，并將成為一種真正意義上的定量與定性相結(jié)合的方法。那么，最終的結(jié)果將充分吸收了整個(gè)研究過程中的量化工具，并充分利用這些輸出結(jié)果更快并且更精準(zhǔn)地做出決策。