珠江滔滔，不舍昼夜。
在时间的洪流中，风流终被裹挟而去，唯价值沉淀。
何谓价值？《资本论》赋予了其政治经济学的基本定义：凝结在商品中无差别的人类劳动，而在证券投资领域，价值通常是在说企业内在价值和市场赋予其价格之间的关系。
好公司需要日积跬步打造护城河，好生意需要千锤百炼形成强壁垒。好价格，也需要在市场的波动中等待时机。价值投资背后，凝聚着时间的结晶。
我们邀请到广发基金的基金经理，请他们分享对于时间的认识，对价值的思考。
让我们，以时间的名义，为时间正名。
让我们，以价值的名义，为价值赋能。
珠江滚滚，一江春水向东流！
蒙娜丽莎的美，既是艺术，也是科学。那经久不衰、捉摸不透的千古奇韵背后，有着几何学、光学等科学的痕迹。正是因为艺术与科学的螺旋交织，才编织出了人类的文明谱系。
在投资的世界里，科学与艺术同样从不缺位。量化投资与主观研究，也犹如科学与艺术一般，在千丝万缕的联系和交融中探索出投资的新天地。
过去，量化与主观研究被认为是两种泾渭分明的投资范式。前者立足于挖掘与归纳历史数据中的规律，后者则强调通过逻辑推理去演绎未来。但是，如果深入观察就会发现，量化与主观研究有诸多可交汇融通之处，尤其在数据、算法、算力都快速发展的当下，基本面量化逐渐成为策略创新的一个方向。
从业十年以来，稳健、持续、来源多样化的绝对收益，是我追求的投资目标。而实现这一目标的路径，我选择的是探索基本面主观研究与量化的融合：量化投资的优势是能够客观、公允地看待规律的存在与失效，进而思考如何采取技术手段能够提升泛化性能。而基本面主观研究的逻辑与信息，可为研究者更好地指明规律适用情景。这也正是主动量化投资中，科学与艺术的交汇点所在。
挖掘数据
触达定价逻辑中的普适性规律
行走在投资的世界里，众多投资者怀揣的理念各不相同。驱使我走出舒适圈、持续探索主动量化领域的，是两个朴素的问题——
第一个问题是，我们为何需要做投资？
这个问题的答案可能千人千面。从微观的个体角度来看，答案可能会是资产增值、消费需求、维持购买力等目标；而从市场系统的宏观角度来看，则体现在资源配置效率的优化上。
但这些答案似乎都有点隔靴搔痒，资本追求增长的原动力，事实上和细胞增殖、种群繁衍一样质朴。
如果利率/无风险收益是市场立足的土壤，那么通过配置那些被合理定价的资产，从而获得不同风险特征、不同期限的绝对收益，则是支撑投资需求体系枝繁叶茂的树干。稳健、持续、多样化的绝对收益目标，自然绕不开对资产的合理定价研究。
第二个问题是，何为合理定价？
以股票而言，答案都是后验的——无论与预期相符或相悖，市场的交易结果都如磐石一般坚实且自显其证。而股票定价正是连接量化与主观研究的枢纽。从量化投资的角度来看，个股的行业景气、治理特征、财务状况、分析师预期、博弈行为乃至市场有效性本身都蕴含在历史数据中，如果对数据挖掘充分，则有望触达定价逻辑中包含人性在内的普适性规律。
“历史总是惊人的相似，但不是简单的重复。”主动与量化的交融价值，就在于客观、公允地看待规律的存在与失效，进而思考如何合理应用。在机器学习等非线性工具赋能的当下，过拟合的风险胜于欠拟合的风险。除了采取扩充数据集、随机机制、交叉验证等技术手段增强泛化能力外，基本面主观研究的逻辑与信息能够为研究者更好地指明规律适用情景。譬如，对于地产行业的垂类策略研究，一方面，可以结合财务特征、量价数据乃至土储分布等增量数据，挖掘出能够穿越不同周期的绩优股的共性；另一方面，根据行业研究员的经验，同样能够快速找到共同特征，两种方式可谓殊途同归。
挖掘数据蕴含的信息，既能倾听市场运行依循的“法”，也能判明立足的“势”，进而选用合适的“术”。在投资体系中定位好量化与主观研究两种范式的职责，方能“抱法、处势、用术”。而这也是我一直在主动量化道路上持续探索前行的动力。
以赔率思维
构建主动量化胜率与赔率的框架
传统的量化思路，是将历史统计规律进行动量外延，以历史预测未来，其损益取决于预测的长期和连续的准确性。但如果我们以“从合理的定价出发，寻求绝对收益”作为明确的理念与目标，投资体系的构建就不再是基于传统量化思维的超额累积，而是基于赔率思维，从评估判断失误可能承受的损失入手，自然而然形成的胜率与赔率的框架。这是主动量化的范式。
首先，赔率是决策的出发点。
投资中的盈亏比，就是将决策带来的潜在收益与风险相比较，计算出一个概率。市场往往会对小概率的事件进行定价，但对事件概率的估算偏差则会带来机会。一个直观的例子是风投机构会通过构建多样化的投资组合来分散风险，虽然大部分项目可能会失败，但由于盈亏比很高，只要有少数几个项目成功，就可能实现整体的正收益。
常见的股票定价模型包括DDM、DCF、PB-ROE、PEG、估值分位数、可比公司等，但每一种模型都有适用情景与约束。譬如，PEG（采用的是公司的市盈率除以盈利增长速度）是GARP（Growth at a Reasonable Price）风格所关注的估值指标，但这个指标却对低增速标的的“惩罚”程度过大，可能忽略了其增长速度预期的修正。
因此，量化投资一方面可以通过优化PEG计算公式、采取一致预期增速等方式提升因子收益，另一方面，更重要的是结合行业基本面，对不同时期、行业、盈利模式、聚类标签的企业进行挖掘，从而得到更细化的风险偏好图谱。
其次，量化的分散投资与主观研究的集中持有异曲同工。
“把所有的鸡蛋放在一个篮子里，并且密切关注这个篮子。”——主观研究的价值投资看似与量化投资的多元化分散风险南辕北辙，实则不然。如果考虑每一个投资决策可支配的权重与支撑决策的数据、信息的质与量成正比，其实量化的分散风险与价值投资的集中投资是一脉相承的。无论是因子权重，还是行业偏离、风格暴露，量化策略在面对决策点时惯常“量力而行”——历史绩效高的因子权重更高，在缺乏行业轮动模型的情况下，默认严格控制偏离。主观研究在引入清晰的推演逻辑、充分的补充信息的基础上，可以突破保守的限制，核心在于偏离是提升而非降低投资组合的盈亏比。
第三，胜率研究能够提升赔率兑现的效率。
高赔率的投资组合并非无懈可击，“估值陷阱”和“机会成本”是绕不开的两个坎。低估值标的价值修复的前提是盈利仍处于正常波动水平，而盈利出现系统性恶化或下行的公司，盈亏比容易阶段性虚高，需要结合行业景气与公司基本面进行深入分析。本质上，主动量化的基本面研究最重要的作用，就是辨别盈利是出现了周期性波动还是趋势性改变。高盈亏比要转化为收益，需要基本面的催化、机构资金关注度的提升或量价特征符合特定的模式，否则长时间持有的机会成本会难以承受。
高频量价因子、基本面跟踪、景气分析等，都是边际提升胜率的有效手段。以量价因子为例，交易员能够近距离地观察市场价格的形成过程，并获取参与交易反馈的信息，这份宝贵经历为我提供了丰富的开发思路。资深交易员会在大量订单的冲刷之下积累“盘感”，进而将模糊的经验进行归纳总结，转化为清晰的规则，再在下一轮交易中不断验证、优化和迭代。这一过程与目前量化投资领域采用机器学习算法挖掘量价规律的因子类似，即结合遗传算法等工具，能够大幅压缩启发、验证、产出的周期。
譬如，交易员经过对订单簿结构、盘口深度、主买主卖等变化的反复总结，会格外重视开盘、收盘等特定时间段的观察分析，而高频量价因子研究从行为金融学或启发式算法出发，也能通过分割时间窗口提升因子表现。可见，交易员的主观经验与量化投资的因子研究是相通的，在追寻微观市场结构蕴含收益的过程中殊途同归。高盈亏比是长期的配置思路，而高胜率则是动态演进的路径。
量化比价
助力组合从容面对随机与波动
绝对收益策略的构建过程，如同以无风险收益率为原料，不断揉入性价比合适的风险资产进行调和，其中最为关键的是对各类资产进行定价与比价。在做出决策前，需要先衡量各类资产的性价比，以此提高组合对抗决策失误的强韧性。
如何对各类不同资产比价？举例而言，持有超长债的“比价成本”，在于短久期资产的利差；持有市场中性策略的“比价成本”，在于策略超额收益对基差成本的溢价；超配火电行业的“比价成本”，在于煤炭的潜在涨价空间。也就是说，每一项投资决策都面对潜在的成本，而量化投资在比价过程中，更擅长以定量指标辅助判断所处位置。譬如，当期限利差压缩至历史低位时，我会重新审视利率曲线再度走陡的风险与收益。
当我们将风险与收益的不对称性罗列于前时，投资决策也就顺理成章了。比价的模式贯穿了我投资框架中的资产配置、行业偏离、策略配比及个股权重等各个环节。通过量化策略进行定价研究，策略体系便能够描述系统整体的不对称，投资组合也就能更从容地面对随机与波动。对于定位于稳健收益策略的产品来说，风控也是组合管理中极为重要的一环。
亚里士多德在其《政治学》一书中，曾提及哲学家、科学家泰勒斯凭借其渊博的天文学知识预判了橄榄作物来年的丰收，并以低廉的价格租借橄榄榨油机而渔利。从量化投资的角度来看，这毫无疑问是数据挖掘规律、驱动投资逻辑的生动例证。
《反脆弱》的作者塔勒布则进一步指出，“他（泰勒斯）支付了一笔首付款，以很低的租金租用了米利都和希俄斯附近的所有橄榄油压榨机的季节性使用权。”以保证金形式买入期权合约，这是高赔率投资的典型范例。低廉的权利金反映来年丰收，与当时市场的一致预期相悖，投资赔率自然高企；而期权的不对称性则让泰勒斯锁定风险、放大收益，最后再凭借天文学预判提升胜率。在这一套风控操作下，即便判断失误，他也能将风险控制在有限范围内。
投资组合的构建属于复杂系统，从熵减的角度来看，组合的风险控制天然厌恶市场波动。如果通过增强系统的反脆弱性来控制风险，组合反而能从市场的随机游走中获利。知易行难，即便组合严格控制了行业偏离、风格暴露，也会由于行业隐含的关联度（如房地产与建材、家居，被动元件与消费电子）等因素而存在风险外溢。因此，在基本面的量化体系中，风险控制与胜率、赔率的平衡是一体化的决策过程。
随着技术的进步，机器学习的赋能加速了量化投资与主观研究的融合进程，自注意力机制的应用，或能进一步模拟人脑处理海量信息过程中的泛化能力。对于专业投资者而言，无论是追求长期稳健收益，抑或是探索基本面量化领域，还是孵化与培育智能，都是一个螺旋式上升的过程，虽长路漫漫，但不负期待，与君共勉。
（风险提示：文章涉及的观点和判断仅代表投资经理个人的看法。本文仅用于沟通交流之目的，不构成任何投资建议。投资有风险，入市须谨慎）
本文作者可以追加内容哦 !
