愛因斯坦強大之處在於其思想，數學則是其建模工具。同樣，量化投資的核心是經濟/金融模型，數學也只是工具。用鐵鏟子去挖金子，能否挖到金子不確定，但鐵鏟肯定不會自動變成金子。

　　事實上，股票量化投資的重要模型是經濟/金融學家創造和發展的。以在A股中大行其道的多因子模型為例，1993年Eugene F. Fama和Kenneth R. French發表了三因子模型，這是世界上第一個多因子模型，他們認為股票市值、賬面市值比和市場風險3個因子可以顯著地解釋股票價格的變動。Fama的學生Clifford S. Asness隨後發現了動量因子，經過細緻的測試發現可以利用多因子模型獲利，他在芝加哥大學取得金融學博士後立刻奔赴高盛建立了模型，在世界各國開展投資，獲得了巨大成功，Asness離開高盛後創立了對衝基金AQR，目前管理著約600億美元資産。隨後BGI公司的Richard C. Grinold和BARRA公司的Barr Rosenberg進一步發展了多因子模型，他們之前都是伯克利經濟學教授。

　　每個人腦海中都有一個多因子模型，包括散戶和基本面投資經理。信奉價值投資的基本面基金經理會選擇估值低、基本面較好的股票，也許還會考慮過去一段時間的漲跌幅，這就涉及了3個因子，然後選擇上述三個方面表現都不錯的股票買入。股票多因子量化投資就是將上述人腦決策過程寫成程式，這樣做的好處顯而易見：

　　1、大腦考慮不了10個以上的因子，而模型具有100個左右的候選因子，一般來説因子越多越穩定；2、電腦可以將過去10年的海量歷史數據輸入模型，進行回溯測試(backtest)，以探知收益以及模型風險；3、進行交易的大部分時間不需要人為干預，排除了個人情感因素的干擾；4、同樣，風險控制方面也排除了個人感情的干擾。

　　量化模型大致分為兩派：P quant和Q quant。前者通常是股票量化投資，使用統計工具，後者通常是利率/匯率衍生品量化投資，使用隨機數學作為工具。Q quant最擅長預測利率/匯率的未來走勢，而這類方法恰好可以預測因子的未來效果，篩選出未來有效因子之後，投資收益和資訊比都顯著提高，從而靜態多因子變成了動態多因子。

　　2010年以來，A股大量市場參與者已經按照多因子模型進行投資，他們的交易行為改變了市場，使得同質化的模型不再那麼有效。我個人的對策是對因子進行動態篩選，取得了顯著的實盤效果，WIND數據顯示，模型投産約7個半月，華安滬深300量化增強基金取得了9.56%的超額收益，資訊比大於3.3。

　　（華安滬深300增強基金經理 謝東旭）