国内量化基金策略解读及发展现状
国内量化策略经历了十年以上的发展,行业初具规模、策略逐成体系。尤其在大资管行业向净值化、科技化演进的背景下,投资者对量化策略的关注度与日俱增。
当前全市场量化基金规模合计约4000 亿(不包含被动指数型产品)。其中:(1)私募类量化产品规模约2000亿,在证券类私募产品中占比7%;策略类型包括市场中性、指数增强、量化选股\多空、CTA策略、量化多策略、期权策略、套利类策略等。(2)公募量化基金规模1200亿(不含被动指数型产品),在权益类公募基金中占比约5%;策略类型以指数增强和量化选股为主。(3)基金专户和券商资管中的量化产品占比较低。
什么是量化投资
量化投资者认为市场并不是完全有效的,因此可以通过对数据的演算来预测资产未来的走势或偏离。投资经理将自己预测资产的想法编辑为代码,写成模型,放进计算机,通过计算机将大量市场数据放入模型进行不断的运算,并根据市场实际情况进行对比修正,最终依托机器和模型计算出的结果进行资产价格预测和买卖交易。量化投资者更看重“数据”的积累与分析,在人才团队与投研框架上也更加偏向于数理化思维与建模能力,最终的投资时机则交给了机器来选择和执行。
常见量化投资策略分类
量化策略类型的划分方式多样,目前市场主要的量化策略划分为以下类型,包括:市场中性策略、指数增强、量化选股、CTA、套利类策略、期权策略以及量化多策略等。
(1)量化股票市场中性策略
市场中性策略的基本思路是买入一篮子股票多头组合,同时持有空头工具(股指期货、融券、期权等)、以对冲Beta,获取Pure Alpha超额收益。国内市场上股票多头组合的构建框架一般基于多因子模型和统计套利模型两大类。目前而言,这两类模型的边界已经趋于融合。
从BGI、BARRA发展起来的多因子模型,是FF三因子模型在证券投资实务领域的应用;其将组合投资看成因子投资(价值、规模、行业、动量等),通过多因子模型把投资组合风险/收益拆解成一系列因子的暴露。
统计套利模型则主要基于对历史数据的统计分析、估计相关变量的概率分布,捕捉大概率的收益机会。由于该类收益仅是具备统计意义上的显著性,因而并非无风险套利。
市场中性策略规避了指数涨跌可能带来的风险,仅保留了量化模型带来的超额收益,收益的波动得到显著降低,业绩更加平稳。尽管主流模型框架基本相似,但是在一些核心因素设定上的差异,可能显著影响策略效果。例如:选股范围、因子赋权、风控阈值等。另外投研团队在数据清洗、组合管理、交易执行和风控系统等方面的精细度,也会造成产品收益上差异。
对于以期指对冲的市场中性产品,其产品收益来源可以粗略分成两个部分:阿尔法超额收益和期现基差收益(或损失)。在有效的模型下,阿尔法超额收益大概率为正。期限基差收益或损失,则是在过去几年影响中性策略所谓“好做”或者“难做”的重要因素。
2015年7月是重要的分界点。2015年7月之前,市场以正基差为常态1,即期指价格大于指数价格,基差收敛即可提供正收益贡献。而在2015年7月之后,市场以负基差为主,尤其在2015年下半年和2016年初,IC和IF的基差成本分别达到25%、40%,随着基差收敛对阿尔法策略造成亏损。2018年以来,相对2016、2017年而言,基差成本显著降低,但仍对组合收益产生负面影响。
(2)量化指数增强策略
构建股票组合底仓,跟踪对应指数,同时通过量化的投资方法,对组合进行灵活调整和交易,在获得挂钩指数收益的同时追求超越指数的额外收益。指数增强策略挂钩对应指数,收益来源叠加指数的涨跌幅和量化模型带来的超额收益,因此收益向上的弹性更大,但同时也要承受指数下跌带来的波动风险。
从公募基金的指数增强产品规模分布来看,指数增强产品仍以宽基指数为主。截至2018年三季度末,
沪深300和中证500增强产品的规模合计占比达到47%,其次为
上证50、占比22%。指数增强产品多数能获取稳定的Alpha收益,但产品之间正在分化。与所跟踪的指数相比,大部分指数增强产品都能取得一定的超额收益,这体现出了投资经理在市场基准之上有一定的主动选择能力。
从2013年至今的统计来看,指数增强产品取得的年化超额收益的均值为3.81%。但同时产品之间收益的差异性在逐步拉大,指数增强产品超额收益的标准差有逐渐扩大的趋势,市场上好的管理人和好的产品的竞争优势逐步确立。
私募基金和公募基金对比而言,二者各具优势。私募指数增强产品的优点在于不受公募持仓要求约束,增强的来源可以叠加T+0交易,超额收益来源更为多元。但收益总伴随着风险,私募指数增强产品缺少严格投资范围和跟踪误差限制,可能会出现策略漂移,常规的高水位法业绩报酬可能侵蚀产品的超额收益(尤其在基准指数较为强势的情况下),导致费后收益缺少竞争力。
(3)量化选股策略
类似于指数增强策略,量化选股策略不再跟踪特定的市场指数,而是以全市场的股票为交易样本,依托于量化的投资策略和模型,进行股票选择和交易。量化选股主要通过多因子、风格轮动和行业轮动的模型使策略在Beta上的暴露更为灵活,并通过因子暴露的灵活调整获取超越基准的Alpha收益。
量化选股不再挂钩指数,因此可投资股票范围更广、可获得超额收益的来源和交易机会更多,但与此同时也使组合可能面临更大的市场波动,更加依赖量化投资机构自身在风险暴露上的把控能力。2014年量化选股型基金显著跑赢主动股票型基金,而2017年以后表现略差于主动股票型基金,可以看出量化选股模型的风格因子整体偏向于小盘股暴露。
(4)量化CTA策略
CTA(Commodity Trading Advisors,商品交易顾问)策略,又称“管理期货”(Managed Futures),泛指以期货为主要交易标的的投资策略或资产管理产品。利用量化的投资方法,对期货市场的价格走势、波动幅度、周期变化等进行分析和预测,结合商品、股指、国债等更加多元化的期货资产构建多空组合,获取投资回报。量化CTA策略投资的资产类型丰富,期限结构灵活,与其他传统策略相关性低,因此在资产配置上能十分有效的分散投资风险,降低组合整体的波动,平滑收益。
CTA策略源自美国,也是海外对冲基金在中国内地最为成功的领域之一。由于A股做空渠道有限(只能对少部分股票进行融券等),而在期货领域做空较为方便,因此在内地海外对冲基金的CTA策略规模最大。
从分析方法上可分为系统化CTA和主观CTA,从交易策略上可分为趋势跟踪策略、反转策略和套利策略,交易频率上可分为日内高频、短周期、中周期、长周期策略;多数CTA策略以量化趋势跟踪为主;偏向中长趋势的策略,资金容量更大。
(5)量化套利策略
利用市场的不完全有效和信息不对称,通过量化的投资方法,在不同资产、不同期限、不同市场等维度进行组合构建,获取由于市场定价出现偏差到修复过程中的投资收益。量化套利策略关注市场的细微扰动,在偏离修复后迅速获利了结,具有确定性强、相关性低的特点,常搭配其他量化策略组合使用,起到很好的组合润滑剂作用。
(6) 量化多策略
结合各种单一量化投资策略不同的特点,按照不同的比例对单一策略进行组合,构建不同风险收益特征的混合策略。实现多元的收益来源。单一的量化投资策略由于策略特征,契合的市场环境也不尽相同,因此通过将相关性较低的策略进行组合,能够提高整体策略在不同市场环境下的稳定性,分散组合风险。
量化投资策略表现
量化基金今年表现抢眼,量化3月回暖,今年以来的市场呈现热点分散、热点轮动的形态。由于量化模型能够覆盖面更广、处理信息更及时、投资决策更理性,量化就体现出了超额收益。量化最大的优势在于利用模型和计算机技术,多维度寻找投资机会。量化就像雷达扫描一样,在全市场寻找投资机会,覆盖度更宽,往往不会特别重仓某些赛道。
3月以来,随着AI相关热点主题持续狂飙,公私募量化频频出现单周涨超10%的爆款产品。不过进入到4月第二周,伴随着AI题材的调整,爆款产品也消失得悄无声息。不过整体而言,量化产品的超额表现却在震荡市中迎来高光时刻,尤其是百亿量化私募产品,超九成获正收益,更是有超95%的产品跑赢沪深300、中证500等宽基指数。
基金的配置一般遵循从既定目标到配置组合再到调整组合并调整相关既定目标的过程。首先要明确策略配置的资金规模、投资期限、投资范围、收益和风险等一系列目标,再根据这一标准选择风格因子,即选Beta,从风格类型、行业和市场状态来决定配置的方向。
之后,从大方向的基础上进行具体产品的选择,获取市场的Alpha。最后,基于市场变化和配置目标变化,在对是否策略漂移和底层基金Alpha效果的判断基础上,对自身的配置目标和策略进行主动调整。