□大摩華鑫基金公司 王聯欣

　　量化投資可以通過技術手段實現完全的程式化交易，以回避“人性的弱點”，但完全的程式化交易並不等於絕對的收益風險比。因為每一個交易模型都是在一定量的歷史數據和基本假設上建立的，而資本市場具有不確定性，過去的歷史數據和基本假設不一定適用於未來。所以量化模型也只能夠盡力做到保證盈利的概率，而不是絕對性。這也導致諸多量化投資基金在市場行情出現極端變化的時候，也會像其他主動型投資基金一樣，發生急劇震蕩。

　　回顧2014年，我們發現並不是所有的阿爾法模型都遭受打擊，其中有一些精選的價值策略不僅回撤幅度很小，還能夠有可觀的超額收益入賬，其在2014年全年的表現更是可圈可點。但從歷史回測結果看，這類模型具有一個普遍的劣勢：年均超額回報並不明顯。然而高收益風險比模型始終是量化投資不可缺少的一部分，尤其是在市場相對有效的美國，價值因子驅動的量化模型受到諸多機構投資者的追捧，隨著我國資本市場的逐漸完善，真正有效的價值類策略也會受到越來越多投資者的關注。

　　相反，去年年底回撤較大的阿爾法模型也具有一個普遍特點：年均超額回報極高。這一類模型是我國量化、對衝基金的慣用策略，在我國A股市場近十年表現突出。它們往往偏重於小盤成長風格的股票，因此能夠受益於我國資本市場的市值效應。但隨著藍籌行情的突然啟動，這一類策略往往容易遭受巨大打擊，而這也是選擇這一類策略必須承擔的風險之一。長期來看，只要市場邏輯沒有發生根本性的變化，過去具有極高年均超額回報的阿爾法模型未來有可能取得同樣的高回報，投資者需要考量的是其高收益背後是否隱藏著匹配的風險等級。只要風險價格合理，模型就值得深挖，尤其是在量化投資方興未艾的中國市場，這一類高回報策略依然大有可為。

　　此外，好的擇時模型在行情急劇變化或風格輪動明顯的市場中也顯得尤為可貴。因為對大多數投資者而言，準確擇時是十分困難的。究其原因，在於影響市場的變數非常之多，包括政策調整、利率波動、市場情緒等，而其中諸多變數又難以量化。但這並不意味著擇時毫無意義，因為我們可以結合擇時信號對投資計劃作出適當調整，並在引入止盈止損技術的同時，構建一套能夠及時吸收並消化新資訊的交易系統，即使擇時的準確率不高，依然有助於改進傳統投資策略。

　　除了傳統的阿爾法模型、擇時模型外，最近興起的新聞挖掘等事件驅動類策略也不斷豐富著量化投資的舞臺，其主要假設是市場對資訊的消化具有延時性，因此在特殊事件發生之後及時買入關聯標的就可以獲得超額收益。新聞挖掘等事件驅動類策略的蓬勃發展為量化投資打開新視野，也再次印證量化投資作為一門科學的投資技術，只有精益求精才能持續盈利。