【正文】 取 2020 年 3 月到 2020 年 3 月中證、中證成分股的市場(chǎng)數(shù)據(jù)，根據(jù)前一節(jié)的有效因子，對(duì)符合要求的成分股中每一因子從到打分，分別按如下賦權(quán)規(guī)則求出每只股票的最后得分，按從大到小的順序排列，取得分最高的前的股票建立組合，并 與基準(zhǔn)指數(shù)作比較，若有得分分值相同的股票就取流通市值大的。例如在年月初需要凈利潤(rùn)增長(zhǎng)率來構(gòu)建四月份新的組合的時(shí)候，在此時(shí)間點(diǎn)計(jì)算一些成長(zhǎng)因子或者估值因子我們就按前面約定使用年三季報(bào)的財(cái)務(wù)數(shù)據(jù)。一般上市公司發(fā)布財(cái)務(wù)報(bào)告的時(shí)間為：一季報(bào)從月日到月日，年中報(bào)從月日到月日，三季報(bào)從 月日到月日，年報(bào)從次年月日到次年月日。此外估值類因子中去除一切取值為負(fù)數(shù)的個(gè)股，如 000562D的 2020年 1月份的市銷率為 ，顯然為異常值就應(yīng)該將其去除在數(shù)據(jù)之外，不能算入正常的數(shù)據(jù)選取范圍之內(nèi)。這樣就可能有 4月初、 7月初、 10月初我們換倉時(shí)雖然前一季度已過，但并不是所有上市公司 季度報(bào)表都已經(jīng)公布，因此需要對(duì)滯后的財(cái)務(wù)數(shù)據(jù)進(jìn)行適合為實(shí)際投資做檢驗(yàn)的處理，例如檢驗(yàn)期的當(dāng)月恰好是報(bào)表公布月我們就用最新獲取的數(shù)據(jù)確保在每個(gè)歷史時(shí)點(diǎn)都使各因子指標(biāo)值在個(gè)股間的不同時(shí)刻間可比性較明顯，現(xiàn)進(jìn)行如下滯后處理： 1 月份、 2 月份、 3 月份、 4 月份取上一年的最近三季報(bào)財(cái)務(wù)數(shù)據(jù)， 5 月份、 6 月份、 7 月份使用當(dāng)年一季報(bào)或上一年年報(bào)的數(shù)據(jù)構(gòu)建組合， 8月份、 9月份、 10月份則釆用當(dāng)年半年報(bào)，而 11 月份和 12月份是使用最近的一期三季報(bào)的財(cái)務(wù)數(shù)據(jù)，這種處理是與實(shí)際操作一致的。 財(cái)務(wù)數(shù)據(jù)從這段期間公司對(duì)外公布的財(cái)務(wù)報(bào)表得到，一般公司披露四次，包括一季報(bào)、半年報(bào)、三季報(bào)和年報(bào)，但在檢驗(yàn)因子有效性應(yīng)用這些數(shù)據(jù)時(shí)，很難恰好找到當(dāng)前時(shí)點(diǎn)的財(cái)務(wù)數(shù)據(jù)。對(duì)于 ST股票的處理，因?yàn)橄螺d數(shù)據(jù)時(shí)的股票不一定以前在歷史市場(chǎng)上也是，所以 ST股票同意正常處理，除非有財(cái)務(wù)數(shù)據(jù)證明此公司的財(cái)務(wù)狀態(tài)出現(xiàn)異常，如 ROE為負(fù)值，我們將其剔除，以盡量減少誤刪市場(chǎng)有效歷史數(shù)據(jù)的可能性。在估值類因子的計(jì)算過程中，我們期望估值越低的股票在下個(gè)月會(huì)有越好的表現(xiàn)，但如果估值出現(xiàn)沒有意義的負(fù)值將其去除；為了防止在計(jì)算財(cái)務(wù)成長(zhǎng)指標(biāo)的時(shí)候出現(xiàn)上一期取值為負(fù)，本期取值為正，卻計(jì)算出增長(zhǎng)率為負(fù)的錯(cuò)誤，我們使用如下計(jì)算公式：增長(zhǎng)率 =本期指標(biāo) 上期指標(biāo)） /abs(上期指標(biāo) )。 對(duì)于中證和中證成分構(gòu)成在我們選擇的測(cè)試區(qū)間發(fā)生過變化，有的股票前期是小盤股的成分股，一段時(shí)間后被副除，之后又被調(diào)入，如三精制藥（于年月日調(diào)入中證，于年月日調(diào)出，于年月日又調(diào)入至今，類似這種情況的，調(diào)出持續(xù)時(shí)間不超過半年的當(dāng)做正常處理；對(duì)于中證的成分股中，調(diào)入時(shí)間不超過年的不能很好的代表小盤股的各項(xiàng)因子指標(biāo)，我們給予剔除。這樣就可以非常全局地看到各因子在多種市場(chǎng)環(huán)境下的表現(xiàn)，進(jìn)而來考察各因子是否具有持續(xù)的顯著效果，以成功構(gòu)建穩(wěn)定性更強(qiáng)的多因子選 股模型，并達(dá)到為實(shí)際投資提供最全面和完善的信息指導(dǎo)的目的。 本章以上研究為理論模型的選取和結(jié)果討論提供了現(xiàn)實(shí)依據(jù)。 之后分析了量化投資與傳統(tǒng)投資的區(qū)別，為介紹其發(fā)展前景提供一定的基礎(chǔ)依據(jù)。近年來量化投資產(chǎn)品呈現(xiàn)快速的增長(zhǎng)，本章以量化基金為代表介紹了當(dāng)前機(jī)構(gòu)投資者使用量化投資策略的情況。決定多因子模型成敗的關(guān)鍵兩點(diǎn)是有效因子和因子參 數(shù)，而獲取這些只有通過過去的數(shù)據(jù)回測(cè)得到，而現(xiàn)在也會(huì)成了為將來的過去，因此隨著市場(chǎng)環(huán)境的變化，需要在每次使用多因子模型的過程中不斷調(diào)整飄選出的有效因子，而除因子外模型其他各方面也要持續(xù)不斷的改進(jìn)和再評(píng)價(jià)。 當(dāng)使用多因子選股模型來進(jìn)行投資決策的人越來越多時(shí)，或是市場(chǎng)環(huán)境已經(jīng)改變，之前顯著有效的因子也會(huì)表現(xiàn)漸漸失色，而其他一些因子之前不顯著有效的極大可能會(huì)在下一個(gè)市場(chǎng)環(huán)境下表現(xiàn)出色，因此我們需要持續(xù)不斷地檢驗(yàn)所有候選因子的有效性且每次構(gòu)建模型前挖掘出新的當(dāng)期有效因子，而副除當(dāng)期已經(jīng)失效的候選因子?？疾炱诮Y(jié)束后，分別對(duì)比此因子值高的投資組合的收益率跑贏比較基準(zhǔn)的概率，基準(zhǔn)按情況取定，這是綜合評(píng)分型的構(gòu)建和后驗(yàn)步驟。值得一提的是我們采用分層賦權(quán)的方式來給每個(gè)因子加權(quán)評(píng)分，具體來看是在估值因子（第一大類、成長(zhǎng)因子（第二大類、資本結(jié)構(gòu)因子（第三大類、技術(shù)面因子（第四大類）這四大類因子賦予大類權(quán)重，之后根據(jù)每一類中因子有效性的大小分配和設(shè)置類內(nèi)權(quán)重，此方法的好處在于當(dāng)一些意義相近卻難以取舍的因子出現(xiàn)時(shí)，可以 分配數(shù)值小一點(diǎn)的類內(nèi)權(quán)重，使得賦權(quán)結(jié)果更加科學(xué)合理。建立綜合評(píng)分模型和選股后驗(yàn) 每個(gè)月初，根據(jù)步驟取得的有效因子得分為中證、中證 股票池中的正常交易股票分配最新得分，按照一定的賦權(quán)規(guī)則求得所有候選因子加權(quán)平均分；若出現(xiàn)某些月份無法知道因子取值，則按剩下的因子得分求加權(quán)平均分。主營(yíng)毛利率越大的，某某收入凈利率也不會(huì)太低，因此在選股模型中，根據(jù)現(xiàn)實(shí)數(shù)據(jù)留下一個(gè)剔除一個(gè)。 05多因子選股模型的建立 25 由于我們分別翻選中證和中證中成分股的有效因子，股票表現(xiàn)的內(nèi)在驅(qū)動(dòng)因素大致相同，某些候選因子在每個(gè)組合的股票集和收益表現(xiàn)等方面高度相似，因此剔除冗余因子這一環(huán)節(jié)至關(guān)重要，必須只留下同類型因子中收益和區(qū)分度最高的因子，剔除一些冗余因子。關(guān)于因子排序的每個(gè)候選組合中的股票基數(shù)，如 30， 50，還是 100 也是十分重要的。滿足相關(guān)關(guān)系閾值、超額收益閾值、有效性、跑贏市場(chǎng)概率這些條件的因子一般能在有較顯著的選股能力，放入有效候選因子池中進(jìn)行進(jìn)一步蹄選。通過下面方法計(jì)算因子的有效性：收益 率為正的月份數(shù)總月份數(shù)（對(duì)于正向因子）或收益率為負(fù)的月份數(shù)總月份數(shù)（對(duì)于負(fù)向因子），這里是月均收益率。下面的流程圖簡(jiǎn)單介紹了驗(yàn)證因子有效性的幾個(gè)關(guān)鍵步驟： 24 （ 1）每個(gè)因子的收益率排序與編號(hào)排序應(yīng)有明顯的相關(guān)關(guān)系，即因子得分值較大的組合，相應(yīng)地其收益率也應(yīng)該較大或較?。ㄝ^大表明因子大小與收益率正相關(guān)，較小表明因子大小與收益率負(fù)相關(guān)，只有這樣我們才 能說此因子是決定組合預(yù)期收益的顯著影響影響因子。在建立模型的整個(gè)時(shí)期，針對(duì)于每個(gè)候選因子，開始計(jì)算股票池中每個(gè)股票在首個(gè)月初因子值的大小，按從小到大（也可從大到?。┑捻樞?qū)φ麄€(gè)樣本股票進(jìn)行大小排序，并按數(shù)量等分成個(gè)股票組合并一直持有到下個(gè)月初，按同樣的排序方法在下個(gè)月初再次構(gòu)建個(gè)股票組合持有至接下來的一個(gè)月初，反復(fù)如此，一直到模型構(gòu)建期結(jié)束。具體類別下的因子見下表。這里我們?nèi)」善钡某钟衅跒橐粋€(gè)月，一個(gè)月調(diào)整一次既不會(huì)因?yàn)檫^度調(diào)倉使得交易成本過高而不利于組合表現(xiàn)，同時(shí)也能使得因子的取值隨著指標(biāo)的迅速變化，讓市場(chǎng)信息在組合調(diào)整當(dāng)中得到充分的反應(yīng)。當(dāng)然，還有很多其他的因子，例如估值類指標(biāo)，如市盈率增長(zhǎng)率）、扣除非經(jīng)常 損益的市盈率、 PS（市銷率）等，也可以是一些財(cái)務(wù)成長(zhǎng)類指標(biāo)，如營(yíng)業(yè)收入增長(zhǎng)率、 NPG（凈利潤(rùn)增長(zhǎng)率），或是技術(shù)面指標(biāo)，如換手率變動(dòng)、動(dòng)量、波動(dòng)等等其他。無論哪種情況，要提高投資收益就得找出更多、更全面的有效因子去提高投資模型的信息涵蓋和捕捉能力。綜合來看，打分法和回歸法各有各的優(yōu)點(diǎn)和缺點(diǎn)?；貧w法相對(duì)于打分法來說，比較容易受到極端取值的影響，在股票于因子敏感度變化大的情況中效果一般。為了增加多因子模型的有效信息，通常模型盡可能多的考慮每一個(gè)影響股票收益的因子，因此就需要對(duì)每一個(gè)因子進(jìn)行打分計(jì)算，當(dāng)改進(jìn)模型導(dǎo)致有效因子變化時(shí)會(huì)重新計(jì)算股票最后得分，龐大的計(jì)算量使其對(duì)計(jì)算機(jī)的依賴很大，且加權(quán)規(guī)則人為規(guī)定，但打分法因其穩(wěn)健且較難受極端值影響特點(diǎn)受研究者人員的喜愛。簡(jiǎn)單說，打分法按每個(gè)影響股價(jià)的候選因素的大小評(píng)分確定加權(quán)規(guī)則后再根據(jù)分值影響股價(jià)的程度對(duì)所有因子加權(quán)得到一個(gè)總分，最后就根據(jù)得到的加權(quán)總分再對(duì)股票池所有股票按得分排序進(jìn)行蹄選。這里我們?cè)谶x取有效因子時(shí)，創(chuàng)新提出根據(jù)市場(chǎng)規(guī)模將股票池按大盤股和小盤股分開做因子有效性分析，以找出針對(duì)大盤股和小盤股有效的候選因子。 多因子選股模型的原理很簡(jiǎn)單，簡(jiǎn)單概括為從與企業(yè)收益率相關(guān)的眾多因素中找到貢獻(xiàn)度最高的因子，然后根據(jù)這些因子的表現(xiàn)綜合考慮決定那只股票可以被選出并買入持有。根據(jù)上一章我們研究出不同環(huán)境下市場(chǎng)追捧的股票風(fēng)格不同，即市場(chǎng)出現(xiàn)大小盤風(fēng)格輪動(dòng)現(xiàn)象， 在此我們分別分析大盤風(fēng)格占優(yōu)和小盤環(huán)境占優(yōu)環(huán)境下不同股票池的因子有效性，將多因子選股模型的選股池限定在大盤股和小盤股中，和前面一樣，我們將大盤風(fēng)格多因子選股策略的股票池限定在中證成分股，小盤風(fēng)格限定在中證成分股。多因子模型是眾投資者中被應(yīng)用最為廣泛的一類選股模型，穩(wěn)健性較好且簡(jiǎn)單易行，它的基本方法是綜合一系列信息給所有股票評(píng)出最后得分，即以一系列的因子為其模型的選股標(biāo)準(zhǔn)，滿足標(biāo)準(zhǔn)的股票則被選入股票池，不滿足的則被剔除。 5 多因子選股模型的建立 市場(chǎng)上的投資者常常會(huì)根據(jù)某些因子來研判股票的漲跌，如通常人們認(rèn)為低值的股票會(huì)漲，則會(huì)買入這類股票并持有，當(dāng)許多人都這么認(rèn)為時(shí)，這個(gè)因子就 會(huì)十分有效。其余情況可比照與中信 A 股指數(shù)的對(duì)比情況。 根據(jù)市場(chǎng)利率來看，將各個(gè)量化基金自成立以來至 2020 年 12 月 31 日的累計(jì)單位凈值增長(zhǎng)率情況與同期市場(chǎng)收益率做對(duì)比，通過對(duì)比市場(chǎng)收益率研究量化基金的管理能力（表 43）。 從以上表格中的統(tǒng)計(jì)結(jié)果可以發(fā)現(xiàn)，經(jīng)歷過 2020 年大牛市的兩只基金光大量化 20 核心和上投摩根阿爾法均跑贏中信 A股指數(shù)，但光大量化核心只能微幅跑贏中信 A股指數(shù)； 2020年發(fā)行的五只基金中有三只跑贏中信 A 股指數(shù)； 2020 年發(fā)行的三只基金均跑輸中信 A 股指數(shù)； 2020 年發(fā)行的五只基金中有四只跑贏中信 A 股指數(shù)。其中上投摩根阿爾法跑贏市場(chǎng)收益率 %，遠(yuǎn)遠(yuǎn)超過其他量化基金，而華商動(dòng)態(tài)阿爾法、長(zhǎng)盛量化紅利、富國(guó)量化滬深 300 在成立后股票市場(chǎng)就處于下跌趨勢(shì)的情況下，依然獲得了超過中信 A 股指數(shù) 10%以上的收益率，展現(xiàn)出了較好的績(jī)效。即有光大量化核心、上投摩根阿爾法股票、華商動(dòng)態(tài)阿爾法、長(zhǎng)盛量化紅利、富國(guó)量化滬深 300、華富量化、大摩多因子、申萬菱信和諾安多策略這九只量化基金的業(yè) 績(jī)可以超過同期中信 A 股指數(shù)漲幅。 市場(chǎng)收益率 Rn 的確定：以中信標(biāo)普 A 股綜合指數(shù)月益率和中信全債指數(shù)作為基準(zhǔn)，其中信標(biāo)普 A 股綜合指數(shù)月收益率占權(quán)重 80%，中信全債指數(shù)月收益率占權(quán)重 20%， Rm,t== Rm,t+=Bm,t 數(shù)據(jù)選?。哼x取 2020 年 12 月 31 日之前發(fā)行的 15只基金作為研究對(duì)象，選取各個(gè)量化基金自成立日起至 2020 年 12 月 31 的累計(jì)凈值和同期中信 A 股收益率、同期市場(chǎng)收益率作為研究數(shù)據(jù)，并計(jì)算得到各個(gè)量化基金的累計(jì)凈值收 益率。 基金累計(jì)單位凈值是當(dāng)前基金單位凈值與基金成立后歷次累計(jì)單位分紅的總和，它可 以代表代表每單位基金的收益情況，其計(jì)算公式為： 基金累計(jì)單位凈值 =當(dāng)前基金單位凈值 +歷次累計(jì)單位分紅總和。 04量化投資策略的使用效果 17 市場(chǎng)收益率 Rn 的確定：以中信標(biāo)普 A 股綜合指數(shù)月益率和中信全債指數(shù)作為基準(zhǔn)，其中信標(biāo)普 A 股綜合指數(shù)月收益率占權(quán)重 80%，中信全債指數(shù)月收益率占權(quán)重 20%， Rm,t== Rn,t+=Bm,t 其中 Rm,t表示 t月的市場(chǎng)收益率， Rn,t表示 t月中信標(biāo)普 A股綜合指數(shù)收益率， Bm,t表示月中正債券指數(shù)收益率。 風(fēng)險(xiǎn)收益率的確定：本文以一年期定期存款利率作為無風(fēng)險(xiǎn)利率，以一年期定期存款的十二分之一作為月化的無風(fēng)險(xiǎn)收益率。 綜上所述，量化投資相對(duì)于傳統(tǒng)投資的優(yōu)勢(shì)在于其可以避免投資管理人的情緒和認(rèn)知偏差等對(duì)分析和判斷造成的負(fù)面影響、具有更大的決策對(duì)象廣度、可以更好的權(quán)衡收益和風(fēng)險(xiǎn)；傳統(tǒng)投資的優(yōu)勢(shì)在于其在決策對(duì)象的深度方面可能會(huì)更加具有優(yōu)勢(shì)。因此，量化投資可以有效避免投資管理人偏離潛在的業(yè) 績(jī)基準(zhǔn)，過分追求收益而忽視風(fēng)險(xiǎn)。 在決策對(duì)象的深度上，使用量化投資策略進(jìn)行投資管理，需要不斷更新策略來適應(yīng)市場(chǎng)的變化，且需要進(jìn)行計(jì)算機(jī)編程，因此其工作量十分復(fù)雜和龐大，其研究深度由已有投資策略所決定；而傳統(tǒng)投資中研究人員可以經(jīng)常性的對(duì)掌握的信息進(jìn)行日常分析，因此其更具深度優(yōu)勢(shì)。因此，量化投資相對(duì)于傳統(tǒng)投資的一個(gè)優(yōu)勢(shì)在于可以避免人為情緒對(duì)分析和判斷造成的負(fù)面影響。另外，在券商專戶理財(cái)、基金專戶理財(cái)、及商品期貨經(jīng)紀(jì)商中量化投資開始占據(jù)一席之地。 表 31量化基金發(fā)行時(shí)間及投資策略使用情況 03量化投資的現(xiàn)狀與發(fā)展 15 除公募基金外，量化投資策略在私募投資管理機(jī)構(gòu)中的應(yīng)用也快速發(fā)展。 國(guó)內(nèi)第一只量化投資基金 —— 光大保德信量化核心基金誕生于 2020 年； 2020 年，國(guó)內(nèi)第二只量化投資基金上投摩根阿爾法基金發(fā)行成立，之后的四年中，一直沒有新量化投資基金出現(xiàn)，直到 2020 年以來新的量化基金重新開始發(fā)行，量化投資再次被國(guó)內(nèi)機(jī)構(gòu)投資者所重視，當(dāng)年總共有五只量化基金發(fā)行， 2020 年則有三只量化基金發(fā)行，2020 年有五 只量化基金發(fā)行。使用量化投資策略的機(jī)構(gòu)投資者以公募基金、券商和私募機(jī)構(gòu)為代表。 3 量化投資的現(xiàn)狀與發(fā)展 我國(guó)的量化投資處于發(fā)展的起步階段，自 2020 年國(guó)內(nèi)第一只量化基金產(chǎn)品光大保德信量化核心基金誕生以來，目前已經(jīng)有多只量化基金在運(yùn)作。由于量化基金目前尚在起步發(fā)展階段，國(guó)內(nèi)學(xué)者對(duì)量化投資效果的研究也十分見。 總結(jié)以 上文獻(xiàn)的研究結(jié)論，可以發(fā)現(xiàn)，除去吳世農(nóng)、李培標(biāo)（ 2020）的研究結(jié)論 14 顯示基金