导语:前两年“阿尔法狗”名声大噪,其依靠大数据模型战胜了人类大脑,让大家见识到了机器人下棋的厉害。其实,它在基金管理中也有应用,即量化基金。不过,这类产品自2016年崭露头角之后,从去年到今年接连吃瘪,跌得让持有人有点怀疑人生。这到底是什么情况呢?

对此,咱家的量化投研人员告诉Miss摩,原来量化基金业绩波动,除了行情因素外,基金公司在量化模型和策略上的设置和调整也有影响。不过有点争议的是,有些人认为,量化模型设置得越复杂、越精细,基金业绩越好;但也有人认为,大道至简,找对投资逻辑、一针见血才更关键。

那么到底孰优孰劣呢?下面就让我们的专业人士来讲解一波~

专栏:量化投资,宜简宜繁?

相信不少人依旧认为量化投资是一门异常复杂而又尖端的技术,乃至部分人即使能够写几行代码也会对量化投资望而却步。当然,有的量化模型确实是非常复杂的,既要用到先进的金融工程技术,还要经过复杂的数学推导,再加上成百上千行的代码堆砌,没有一定时日是绝对做不出来的。但不可否认的是,有的模型却又可以十分简单,甚至用只Excel就可以完全实现了,那么量化投资究竟是简单好,还是复杂好呢?

这就让我想到了之前数学课上的证明题,同样完成对一个定理或命题的证明,显然更加简单明了的证明过程更能引人侧目,甚至不时能给人带来赏心悦目的感觉。这不是说复杂不好,而是复杂的证明过程往往会因为步骤多而容易导致出错,相比较而言简单却总是一针见血的。类比到量化投资,复杂模型伴随的通常是更多的条件假设和逻辑推演,这也就会对量化模型的严谨性和精确性提出更高要求。相反一些简单的量化模型从最基本的投资规律或现象出发,产生的投资结果更容易被人接受,投资业绩也更容易解读。

因此,对大部分刚刚接触,或是想运用量化投资技术来提高研究广度和深度的人来说,简单的量化模型就可以满足需求,甚至是越简单越好,因为只有这样才能更加轻易地将量化投资产生的结果与自己已有的知识结构拼凑起来,进而实现提高研究效率、扩大研究视野的目的。但如果想主要依靠量化模型来完成日常的投资决策,简单的量化模型对投资业绩的保障自然是不充分的。比如投资中可能需要考虑的对投资风险的控制、风险收益的平衡关系等,我们都希望模型本身能够提供指引,这就需要给予模型更多的条件和限制,进而导致量化模型的复杂化。

不过值得一提的是,量化模型的复杂化并不是换取投资业绩的唯一手段,很多时候投资逻辑的创新和研究角度的转换都可以催生出更大的投资价值,这其实远比引入更多复杂的条件和限制要靠谱,因为那随时都有可能陷入过度拟合或未来数据的泥潭中而无法自拔。

(本文作者:摩根士丹利华鑫基金数量化投资部  王联欣)

追加内容

本文作者可以追加内容哦 !