基本面量化投资是量化投资的一个分支,对于大多数投资者而言,这个领域是比较陌生的。

猫头鹰认为,未来投资进入大数据时代,量化在投资中起到的作用将越来越大,量化工具和技术的运用将是投资竞争的高地之一。

作为主动量化领域享有很高声誉的基金经理,景顺长城基金的黎海威颇有心得。在本文中,猫头鹰基金研究院就通过跟黎海威的深入交流跟大家探讨“基本面量化投资怎么做?”这一话题。

黎海威认为,量化基本面的核心是研究驱动,核心价值在研究方面深入发掘规律,把握穿越周期的规律。如果发现好的公司就有可能穿越,但不同周期阶段的着重点却是不一样的,这一点基本面量化和主动基本面投资是相似的。

想做到指数增强是不容易的。因为,量化基本面投资面对的是完全公开的信息集合,而指数是全市场信息的载体,要产生超额收益,必须更快更高更强。要认识到,公开信息的传导也有速度问题,量化模型对信息的集成有优势,能更敏锐地意识到信息的趋势,更深入地分析解读信息。

基本面量化投资并不适合风险偏好主导的市场,如果政策和宏观基本面发生大幅的摇摆,导致风险偏好大幅摇摆,会对基本面选股形成挑战。

谈到市场时,黎海威表示,现在是熊市后半段,主动基本面的alpha不好做,一般就是先配置beta,但大部分敞口毕竟是beta,假设触底成功向上走,一部分人才会开始有alpha。而在稳定有趋势的行情中,alpha相对比较容易做,风险偏好主导的震荡市基本面选股的alpha不容易做。

当各方面平稳以后,alpha才会开始出现并稳定,这时候机构投资也开始从ETF投资向主动投资和量化增强等方向来转变。

市场主体需求有共性,主动型量化仍旧是一个好的投资品种,未来五到十年,配置型需求必然要找风格稳定的基金,形成相对主流的配置方案。

未来的核心要求就是在基准和风格约束下还能做到持续有alpha。

在交流中,黎海威对大量跟基本面量化投资有关的细节进行了很有价值的沟通,在这里,猫头鹰抽取其中的精华呈献给读者,希望在未来的基金投资中,投资者对基本面量化投资这一重要品种的理解能够有更深的理解。


猫头鹰研究院调研纪要:黎海威,基本面量化投资该怎么做?


矫健:请问,你们基本面量化模型的构建方法论是什么?

黎海威:我从2004年开始进行量化投资的,前面几年主要关注于亚太市场,特别是中国相关的海外市场。对A股的研究是2007年开始的。2012年回国以后进一步进行研发并进行了A股的实际投资。在实践过程中,A股这么多年发生了很多变化,但大部分时候我们依赖的是成长和价值风格两条主线,这个框架长期没有动。而在其他新兴市场,比如韩国和拉美等市场里面,我们发现成长边际上稍微强于价值。当然,随着市场的演变,我们在这个基础上逐渐纳入了其他基本面和非基本面的策略,力争能够让alpha的来源更加多样化。

矫健:政策和股票衍生品工具对你的模型影响大么?

黎海威:我们发现国内的监管环境这些年发生了很多变化,衍生品工具丰富了很多。2007年A股的会计准则有变化,2010年股指期货出现,市场波动率长期看开始下行。而融资融券的出现,也对市场定价产生影响。最近2年的变化是外资的定价权因为沪港通、深港通而在增加。

当然,目前散户仍旧是交易和持仓的大头,但是散户的地位在逐渐下降,这些变化都需要体现在模型的变化上。

数据方面,在2012年之前很多数据不可得,现在大数据、论坛、电商数据、以及融资融券数据使得投资的信息来源更加多元化,这些对基本面投资是有利的。

矫健:请谈一下你对alpha的理解。

黎海威:Alpha这个东西不会永远在哪里,也不是静态的,什么因素产生多少alpha,是与时俱进的。比如股权分置改革作为一个因子几年之后就开始没有贡献。

需要想好赚什么钱?我认为有两种,第一种就是赚公司本身的钱,成长的钱或者价值的钱;第二种就是赚一些博弈的钱。其中第二种需要就是应对投资者结构变化,各类机构的持仓和交易风格要紧密跟踪,这种alpha长期是零和游戏。

矫健:请谈一下什么是主动型基本面量化投资?

黎海威:量化基本面,核心是研究驱动,不是纯基金管理的事务性工作,核心价值在研究方面深入发掘规律,需要把握什么是穿越周期的规律。如果发现好的公司就有可能穿越,但不同周期阶段的着重点却是不一样的。如果2019年结构性触底,防御性的东西不一定表现那么好,好公司相对便宜的时候进去还是可以的。

因为我们面临的是完全公开的信息集合,而指数是全市场信息的载体,因此要产生超额收益,必须更快更高更强。公开信息的传导也有速度问题,量化模型对信息的集成有优势,能更敏锐地意识到信息的趋势,更深入地分析解读信息。

即使你领先于市场认识到这个公司是个好公司,也需要面临挑战,普遍的问题是可能进入太早了。即使是你预测正确,但是其他资金可能不认可,没有马上发生作用。这种情况下市场需要等待一个释放的点,比如常常是季报或者年报的时候组合开始表现。因为年报季报期都基本面信息集中披露,市场会逐步向基本面方向挪动,开始实现你的预期收益率。

但是这并不适合风险偏好主导的市场,如果政策和宏观基本面发生大幅的摇摆,导致风险偏好大幅摇摆,会对基本面选股形成挑战,这种情况下技术面和交易行为类策略会表现较好。

矫健:请问你的模型因子是以什么比例更新的?

黎海威:平均下来每年10%左右因子会更新,五年下来就会有非常大的变化。当前,由于监管的引导作用,股息率和分红文化的推崇、回购等公司信号等慢慢起作用。有些策略在发达市场表现可以,在中国市场刚开始的时候不一定有表现,但随着市场逐渐成熟会慢慢上来。

矫健:你对当前市场怎么看?

黎海威:现在是熊市后半段,主动基本面的alpha不好做,一般就是先配置beta,大部分敞口毕竟是beta,假设触底成功向上走,有一部分人开始有alpha。稳定有趋势的行情alpha比较容易做,风险偏好主导的震荡市基本面选股的alpha不容易做。

各方面平稳以后,alpha才会开始出现并稳定,从而从etf开始向主动投资和量化增强等方向来转变。市场主体需求有共性。主动型量化仍旧是一个好的投资品种,未来五到十年,配置型需求必然要找风格稳定的基金,形成相对主流的配置方案。未来的要求就是在基准和风格约束下还能做到持续有alpha。

矫健:你是如何理解风险的?

黎海威:指数增强基金跟踪误差更严,在某些维度如果能产生alpha,就承担一部分风险。择时和大小盘轮动比较难做,因此这方面敞口收的比较严。在我看来,跟踪误差和风险也是一种资源。只有适当地承担风险才有可能产生收益。

矫健:量化是如何进行基本面分析的?

黎海威:基本面分析,核心还是看公司。看一个公司从头到尾是怎么产生盈利的,有营收销售进来,然后扣除各种成本,最终产生盈利(含存货管理和运用财务杠杆,中间有很多决策),同时在利润这条线要看和现金流是如何匹配的,量化模型可以借助各种技术手段和多种维度的数据预测企业未来营收和盈利的状态,从而争取领先市场。股票有盈利和营收增长,最终才能带来分红。

当然,必须结合宏观数据形成预测。企业的情况同时应该对应着适当的P/E和P/B的估值水平。很多投资者都谈到同一个指标,但常常结论不同,这是因为,在具体运用的时候,指标不是单单账面的指标,而是经过若干调整之后的指标。

但是,影响股价的因素不仅仅是基本面的因素,跟估值有关的因素,以及跟风险溢价和风险偏好有关的因素都比较有挑战。2018年风险偏好的冲击很严重,而基本面分析并不是两三天就变化一次,而风险溢价可能很短时间就变化一次。

量化模型的着眼点其实大同小异,但是区别在于个股定价细节的考虑和调整。而在行业中观层面,必须考虑宏观层面自上而下的影响和反应。行业判断上,单纯依赖上市公司数据是有问题的,是滞后的。选股可以上市公司财务数据,行业层面则需要不同的方法。另一个区别就是即使是同一行业,不同类型的子行业和企业规模也不一样。同样是家电行业,白电和黑电不一样,大企业和小企业不一样,不同的企业的历史也不一样。这些都必须在模型中有所考虑。

当然,目前行业因子也在我们的模型里面但是并不是主导的风格,选股的IR(信息比率)的稳定性肯定是高于行业选择的IR的。

我们重视行业结构,要看钱花到哪里去了。例如目前,经济转型、消费起来、产业升级和进口替代、对外依存度下来,都是行业结构变化。在这个整体趋势下,内需成长驱动成为核心逻辑,因此重点自然从周期转向消费、教育、医疗、养老、5g等方向去。

最后是选择个股。做主动量化模型,决策要简化,大的类别、主流风格、大盘小盘、沪深300还是中证500,这些解决了80%问题,剩下的是解决20%的问题,alpha问题。

矫健:你们是否做行业轮动?

黎海威:我们有自己的行业轮动模型。但在指数增强基金上,不在行业轮动方面进行太多暴露。历史上两波比较好的指数增强的阶段,一波是2009-2012年,一波是2016年底开始的那波,很多机构往回头分析,都发现择时轮动不如买入增强策略。行业轮动或者因子轮动,尽管很多人尝试,但是一般稳定性不太好,效果也一般。

矫健:怎么看待量化的方法在a股市场的价值?量化基金投资比较适合什么样的投资者?

黎海威:量化方法在A股市场的进化中肯定是更有价值。我认为,中国市场是很幸运的,因为把发达国家的40年的经验在十多年中集中体现了,量化方法在A股市场中的价值充分的开始展现。中国的目前情况跟美国八九十年代一样,但发展速度更快。

就量化的逻辑框架驱动力来说,主要契合了机构对风格稳定和风险控制较好的投资方式的需求,以及个人定投的需求,并不是传统零售端的短期需求。它的优势不一定在1-2年内就可以展现,但是经过3-5年的市场周期它的优势会逐渐体现,FOF和养老金就会比较喜欢。

矫健:能说说你们指数增强的模型的特点么?

黎海威:我们的特点是跟踪基准非常紧,把IR(信息比率)做大,但是风格相对稳定。在沪深300中证500的约束条件下,不会大幅偏离基准,这样对于机构而言配置比较容易。

要想清楚量化的优势在什么地方,我们遵循的是主要基于基本面的量化,但既然想做alpha,就需要知道自己的能力圈,重点是建立自己的比较优势,剩下的有一部分是运气和时机。有时候市场会向你预测的这个方向挪动,但如果没有挪动,就需要等待。而要做好,能力圈建设和产业认知要积累起来。

同样的公开信息,alpha的体现并不一样。量化也是类似的能力圈,把股票3000只的风险收益进行分解,有的来自于大盘、有些来自于行业、有些来自于风格、有些来自于个股,而个股层面有些来自于经营杠杆、有些来自于丰富的产品线、有些来自于定价权,都需要进行分解。良好的办法,需要详细切分风险和收益,不可能在所有维度上做的很好。

量化对风险收益的认知和结构必须看清楚,收益和风险是同源的,但不是对称的,因为市场并不总是有效的。

有一部分比较适合用模型来表达和体现,那么风险、收益的分解可以表达。但也有些不好表达,比如事件型的风险。关于市场beta映射到择时的能力,目前没有看到好的有效的长线择时模型。由于择时的选择空间有限,如果要求效果比较稳定,胜率需要比较高。

因此,现在量化都是聚焦在选股上,因为相关性比较低的股票的个数足够多,空间足够大。因为个股选择空间很大,胜率要求不需要象择时那么高,如果达到55%,整个组合的alpha会比较稳定。

跟量化投资相比,传统的主动投资更在乎集中持股,长线持有穿越周期,而量化更加强调风险调整后的收益。

我认为,从风格的角度来说,价值成长的分类要更容易些。组合有一部分是价值和成长的对应的风险溢价,其他主要是个股的alpha。

矫健:你认为基本面量化分析的核心是什么?

黎海威:量化分析的核心是根据市场信息处理形成预测模型,做任何投资都要预测,只是预测怎么形成,基于什么因素形成,量化和主动有区别。对于量化,所有信息都要变成数据,解构的时候必须重视哪些是主要因素哪些是次要因素。

Barra风险模型是从风险角度进行量化预测,而量化alpha模型更多是从收益角度进行预测,但它们都是用计量经济学方法做的。对于量化模型,预测的有效性需要一个相对大的集合,要一个投资宽度,来降低预测的噪音,而在投资深度上传统主动方式更有优势。

因此,量化的优势就是在投资的宽度上,一年之内能够找到多少个低相关的投资性机会,一年做个几次判断,只要是面对几千种投资机会的时候,更有可能让预测变得更稳定。我们的沪深300指数增强基金过去五年投资了1600只股票,而我们的量化股票池不到两千个。沪深300指数增强基金是要求80%的持仓是300指数成分股,由此可见量化投资对投资宽度的利用是很有效的。

有些是传统量化与生俱来的优势,一旦形成一套投资逻辑框架,就可以通过数据分析和模型迅速实现在投资上面去。

矫健:卖方和买方的量化分析有什么不同?

黎海威:卖方和买方有本质差异,买方在运作各种各样策略时是比较谨慎的,而卖方不太一样,主要是是个thinktank的感觉,起到一个启发和思想碰撞的作用,而不需要形成组合那么严谨。

卖方在框架上可能吸引眼球比较重要。因此,如果买方要借鉴,一定要吸收提纯,对逻辑链条、数据处理方法可以借鉴,解决一个效率问题。对我们而言,卖方的研究在优化模型和方法方面,对现有的研究有互补、有触动就好。

矫健:会使用一些另类数据么?目前的因子来源是什么?信息处理的方法是什么?

黎海威:会考虑各种数据,包括行业,网络大数据,等等。

目前的因子来源,来源于各个方面,比如历史积累,价值投资的通行做法、海外量化传承经验、以及学术界的发现,卖方的研究也构成一部分来源。信息来源需要分优先级,调增或者补充。一般会每年布置10-20个项目,然后用一套方法比较,找出有潜力的因子。需要释放多少,取决于是否容量足够大,以及是否稳定。总的来说,模型的研发是个渐进的过程。

量化就是要找寻一个平衡,不是所有事情用一个因子解决掉。有的因子就是榔头,有些就是剪刀,术业有专攻,核心是在不同的时候将它们组合起来。

处理信息的核心是将投资的逻辑梳理成清晰的链条,从基本面变化分析到股价预测,尽可能形成成熟稳定的预测,而不是反过来验证(由股价到基本面)。信息当中当然有噪音,因此信息需要打散、合成,从而找到什么是真正有用的信息,把噪音去处理掉。最理想的情况是,形成噪音低并且有用的预测。

最终是复合因子,一般是几十个因子最后加权出来的东西,子因子到复合因子就会有权重。风险模型本身有一个结构,比如beta低、消费类、蓝筹、大盘的一个集合,就会找到格力电器,本质上找到对应风险就可以了,如果收益预测高很多就买。

矫健:你们的模型比较青睐什么风格?

黎海威:我们做过很多新兴市场,有韩国、台湾、东南亚、土耳其、南美、非洲等市场,这些处在不同的发展阶段。做了几十个市场之后,大概就知道市场在不同阶段哪些是核心的定价因素。

中国过去这些年的标志就是本土机构的兴起,但公募加保险占比也就15%,没有大量的增量资金进入市场。最近2年外资开始进入,预计未来外资可能占自由流通市值的20%,对因子的作用会产生较大影响。

前面已经谈到了中国行业结构变化的方向是内需驱动,在这个风口里面去寻找风格上有潜力的股票,肯定是偏成长的。

比如,苹果上供应链可以做些事情,但是信息获取上难度一些。比如,黄金到航空股机会需要对黄金和原油有判断。但是核心要有胜率,有些能找到比较优势,有些不一定(有胜率)。

沪深300中的散户比较少,有效性较高,构成中大盘价值和强周期比例较大,沪深300要做的好需要对大盘价值股的商业模式要了解。对大部分银行、非银这些东西要深入细致研究。我们在基本面方面比较强,而有些团队技术因子表现很好(如在中证500中能赚散户行为的定价差)。不管什么优势,都需要考虑换手率和交易成本的问题。

我们的模型主要从几个维度分析,如盈利质量、成长、估值等。量化在这个维度上差别不大,但要真的有预测能力,需要切得很细才行。

在模型管理上,我们并不做主动干预,投资完全由模型驱动。量化基金经理主要是负责组合的日常管理,在个股特别是风险事件上有些小的调整。

矫健:跟踪误差如何控制?

黎海威:指数增强本质是获得基准的相对收益的基础上,获取一定的alpha。重中之重是跟踪误差要保持足够低,既要某些维度跟指数足够像,但又要通过增加“不同”来获得alpha。

这需要想好风险的分解,哪些是你的风险敞口。首先是保持一样的beta,其次是控制住size这个因子(大小盘),第三个就是控制行业敞口,使组合和基准比较类似。这三个因素都要控制的紧一些,然后在个股上不需要控制的那么紧,需要容忍一定的跟踪误差,比如3-5%,我们需要一部分的“不同”。

做指数增强,我们把自己定位在作为机构的配置型工具,因此不会做过多的“不同”。

矫健:模型如何跟宏观相联系?

黎海威:央行的货币政策一般是渐进性的,进入一个阶段以后不会迅速改变。

我们的宏观模型主要是预测和跟随,即使对周期不能100%确定在某一个阶段,也要做适应性调整,有苗头就做小幅调整,在趋势形成中段的那一块肯定是更容易的,因此主动性的左侧做的比较少。

宏观而言,2018年以来很多是事件触发决策,模型本身不太容易适应,但会发现历史上类似情况的相似性。这种情况左侧判断比较难做,例如,即使现在判断底部,但是在底部趴很久很正常。

事件是变化的,模型是根据历史形成的,但是人性没有变化,可以从行为角度找到共同点吗,从而部分解决未来的预测问题。牛市和熊市每次的宏观驱动因素或许有不同,但是行为金融的驱动因素不变,就是面临类似情况下就是贪婪或者恐惧。

矫健:你怎么看待Smart beta?

黎海威:Smart beta 是在传统市场beta和alpha之间的一个地带。由于市场beta不一定是个完全有效的定价方式,有些长期存在的系统性风险溢价(比如小盘、价值、股息率、低波动,等等),能够对市场beta形成一个比较好的补充。Smart beta 相对于beta,性价比更好,相对于alpha策略容量更大。Smart beta产品会逐渐成为大类资产配置的一类基础性工具。

注:因为是不同的团队模型不同,量化基金经理的分析是一个公认的比较难的课题,猫头鹰基金研究院在这方面做了大量的研究,有需要的机构投资者可以和猫头鹰的机构销售取得联系。

(本文来源于猫头鹰团队)

风险提示:任何在本文出现的信息(包括但不限于评论、预测、图表、指标、理论、任何形式的表述等)均只作为参考,投资人须对任何自主决定的投资行为负责。另,本文中的任何观点、分析及预测不构成景顺长城基金管理有限公司对阅读者任何形式的投资建议,本公司亦不对因使用本文内容所引发的直接或间接损失负任何责任。基金投资有风险,基金的过往业绩并不代表其未来表现,投资需谨慎。货币基金投资不等同于银行存款,不保证一定盈利,也不保证最低收益。

免责声明:转载内容仅供读者参考,版权归原作者所有,内容为作者个人观点,不代表其任职机构立场及任何产品的投资策略。本文只提供参考并不构成任何投资及应用建议。如您认为本文对您的知识产权造成了侵害,请立即告知,我们将在第一时间处理。