量化基金的对与错

　　2017年前8个月，随着蓝筹股一路走高、小盘股行情持续疲软，许多量化基金的业绩不尽如人意。

　　那么，究竟是什么导致了许多量化基金在这段时间里的失落呢？量化模型难道不是掌握大数据、进行常人无法进行的分析吗？它们难道不是可以理性投资、不受感情波动困扰、因此更容易取得超额回报吗？

　　其实，在笔者看来，问题就出在大多数量化基金的选股策略上。从大类来说，量化投资策略可以分成几种：高频交易、事件驱动、多因子选择、趋势跟踪、基本面优化等等。

　　在A股市场，由于T+1交易制度和更高的交易费用，以及衍生品的匮乏，导致高频交易型量化基金相对较少。事件驱动型基金则需要强大的数据分析能力，比如能够实时读取、归类、智能分析互联网上的各类不规则信息，这超出了许多基金管理者的能力范围。

　　基本面优化本身是一个非常好的策略，2017年前8个月中，使用这种策略的量化基金普遍取得不错的回报。不过，鉴于基本面优化基金往往需要更长的持股周期，这也就意味着它们需要更有耐心的投资者，而后者恰恰是A股市场所缺乏的。因此，在A股市场，基本面优化型基金从来都不太受人待见。

　　结果最后，在基金投资者与基金管理者的双重共同选择下，A股市场剩下的、也是最适合市场口味的，多是多因子选择型量化基金，辅助以趋势跟踪型量化手段。而这两种量化分析手段有一个通病：根据过去的股价表现预测未来。

　　对于主流量化基金采用的多因子策略来说，它们会选择在过去对股价最有正向作用的因子，从而在未来选择具备这些因子的股票作为持仓。对于跟随趋势的量化策略，即过去的股价意味着将来股价的走势，你绝对不会在趋势系统向上的时候做空一只股票。

　　过去多年，市值因子成为多因子模型中最有效率的因子。如果你按照基本面选择股票，那么得到的回报远不如按照市值选择的结果。也就是说，虽然按市值选股票从财务、从基本的角度来讲，可以说是完全无厘头(市值的大小能和企业的价值有多少关系呢)，但是从数据的角度来说，小市值就是影响股价的最有效的因素，而小市值股票的长期趋势也是最好的。

　　问题是，2017年的前8个月，恰恰是过去最有效的股价因子不再有效、过去走势优秀的股票不再优秀的一段时间。在过去多年中表现优异的小市值股票，在这段时间里展现出了严酷的估值下行。反而，估值更低、基本面更稳健的蓝筹股，价格大涨。

　　从均值回归、价值回归的角度来说，高估的小市值股票的估值和低估的蓝筹股估值彼此向对方靠拢，是有极大概率的事情。但是，对于机械的多因子模型、趋势模型来说，小市值股票的基于历史表现推测出的未来上涨概率，则远大于蓝筹股。这也就导致了主要采取这些策略的量化基金，在2017年的前8个月遭到了大幅挫折。

　　事实上，如果我们本着“历史数据就印证未来”的思路研究，我们会错判非常多的东西。这个世界上最优秀的判断，从来都不是根据“现有数据”做出的，更多的是依据经验、规律、细致的洞察、恢宏的远见。

　　比如，在改革开放初期，如果根据中国经济一直以来的低迷状态做预测，你就不会预测到之后几十年里震惊世界的经济奇迹。而郭嘉为什么能在官渡大战之前，用“袁绍有十败、曹操有十胜”预测到大战的结果？难道“四世三公、门多故吏、部下能事者极多”、兵精粮足占据地利的袁绍，历史数据不比兵粮不足、身处四战之地的曹操更好看吗？至于日本军队在第二次世界大战中的武器设计，其海军重巨舰大炮，其陆军重射击技术、轻连发武器，都是牢牢抱住历史经验和数据不放的典型代表。

　　所以说，知其然、而不知其所以然，非算之上。相比于基于历史股价波动分析的多因子策略、趋势策略，那些真正基于价值优化的量化策略，其长期的表现更值得期待。

　　因为，这种价值优化策略并不理会“历史上股价到底是怎样波动”这个虚无缥缈的因素，而是持续试图让自己的持仓变得“又好又便宜”。“又好又便宜”，恰恰是长期投资成功的基石，也是无数价值投资大师的制胜法宝。将这种法宝，配以量化投资的大数据分析，自然就能让投资者的长期业绩如虎添翼。

(原标题：量化基金的对与错)

(责任编辑：DF353)