我们在解决一些简单的金融问题时经常会用到统计的方法。比如在研究某一家上市公司的估值水平是否合理时,我们可以把所有同行业的上市公司汇总到一张表格里,然后通过比较不同公司之间估值水平的变化来估算合理的估值区间。但是如果我们考虑到上述公司在历史上的估值变化可能对当前估值水平造成的影响,显然只有当前的一些估值信息是不太够用的。此时我们需要思考的,就是要在面对时间跨度更长、截面范围更大的数据时,如何竭尽所能做出更为合理的投资决策。此时不得不说,在更加庞大的样本空间里,量化投资在找寻规律和制定投资策略方面拥有与生俱来的优势。

但量化投资就是通过数据分析的方法找寻投资规律吗?我们不妨先来看一下找规律的传统做法,其实很多人在平时对股市的观察中就会经常探索到一些简单的投资规律。比如在对沪深300指数的日收益率进行统计时,会发现如果在指数暴跌当天以收盘价买入是有机会获得未来的一个反弹收益的。我们可以从沪深300指数正式推出后的2005年开始计算,就能发现沪深300指数共有45个交易日的日收益率低于5%,那么假设能在这45个交易日分别按照当天收盘价买入沪深300指数,那么未来持有一天的平均收益能够达到1.12%,持有三天的平均收益率则是0.93%,乍看之下是一个非常不错的投资机会。

但如果我们对这45个样本点进行仔细研究,可以发现暴跌次日的真实收益还是或多或少会跟所处的时间段和市场状态有一定关系。比如在这45个样本点中,有29次发生在2015年前,其平均收益率达到1.46%,有16次发生在2015年后,平均收益率仅为0.51%,说明在2015年前后市场对极端下跌行情的认知和反馈存在一定差异。此外,如果我们不幸在2015年8月24日沪深300下跌8.75%时入场,则会在第二天吞下7.10%的跌幅,这也是所有45个样本点中最极端的负收益值。

上述案例想说明的,其实是我们所观察到的历史规律并不一定就是市场的真实运行规律,可能在样本数据量不足,或是数据选取存在片面性的前提下,我们能够获得的只是金融数据的一次偶然组合,而未来随着样本外数据的逐渐加入,可能观察到的规律本身也在悄然发生着变化,就像暴跌次日反弹收益率逐渐从2015年前的1.46%下降到2015年后的0.46%一样。

因此,如果说大部分投资规律都只是特定时间段、特定情景下的一些统计结果的话,那么量化投资在做的还是要远超对金融规律的总结的。简单来说,从事量化投资的人总是在寄期望于寻找到一种有效的投资模式,能够在不断重复的过程中实现更为长期、稳定的投资目标,前提就是拥有时间跨度足够长、截面范围足够大的海量金融数据,因为对量化投研人员来说,任何一条对投资存在显著正向或负向影响的信息都是不容错过的。当然,也正是因为对投资策略的稳健性存在近乎完美的诉求,不同于简单金融规律的总结,量化投资反而会青睐于时间的检验。

(本文作者:摩根士丹利华鑫基金数量化投资部 王联欣)


声明:本文中的信息及数据均来源于已公开的资料,我公司对这些信息及数据的准确性及完整性不作任何保证。本文中的观点、分析仅代表作者个人意见,不代表摩根士丹利华鑫基金管理有限公司立场。在任何情况下本文中的信息或所表达的意见并不构成实际投资结果,也不构成任何对投资人的投资建议和担保。本公司及雇员不对任何人使用本文内容而引致的任何损失承担责任。本文版权归作者所有,未获得本公司事先书面授权,任何人不得对本刊物内容进行任何形式的发布、复制、引用或转载。投资有风险,敬请谨慎选择。

追加内容

本文作者可以追加内容哦 !