E49.扒开量化的门缝，瞧瞧科技与狠活

面基

35分钟 ·8个月前

23733

⏯️本期简介：

介绍下量化的市场观和投资观，本期算作铺垫，后面想努力访谈一些公私募量化基金经理。

⚠️风险提示：所有内容皆仅以交流嘉宾和主播个人想法和分享知识为目的，完全不构成任何投资建议或参考。请读者注意判断其中风险，结合个人投资目标、财务状况和需求，独立思考，谨慎决策。your money your decision. 依据或使用本播客内容所造成的后果由您独自承担。

🎯时间轴：

00:36市场有效理论及推论

信息打入价格的过程分三步：信息→分析→交易

量化如何处理进行上述三个步骤

量化信仰图腾西蒙斯和他的大奖章基金

市场长期有效，但在某些局部和时段内无效

推论：市场不可预测

反身性原理

越有效的市场，越难以被击败

越无效的市场，越容易获取超额收益

10:19量化相信历史会重复

「数据」来自历史上已经发生的事

数据→规律→策略→下注

量化的优势在于归纳，战场广度和胜率

主观的优势在于演绎和预判，战场在深度和赔率

量化善于做市值下沉，所以天然偏好小盘

模型概率≠现实概率

LTCM长期资本公司的故事

市场的报复

16:38量化眼中的价值

时间尺度不同，价值的定义也多种多样

价格本身既是价值

任何指标都是高维经济系统的低维投影

《华尔街日报》、康波、库兹涅茨、朱格拉、基钦周期

没有错的价格，价格本身就包含市场行为轨迹

22:56量化的投资观

能力圈和迭代

不进则退的残酷行业规律

想法→数据和分析→因子→模型→风险优化→交易落地验证→迭代

可归因！

策略会随着认知越来越细分

市场状态选择了优势策略

从大类资产配置到大类策略配置

28:46量化的风险

模型失效

尾部风险

政策风险

道德风险

📁本期内容相关资料：

华尔街见闻大师课《搞懂量化FOF·罗山》

《经济周期实证理论及应用》@华泰金工林晓明

《量化投资的底层逻辑》、《时间：理解量化投资的隐秘钥匙》@交易门品哥

《雪球参考》VOL024、028

《CFA随笔：量化》、《CFA随笔：技术分析》@小鲜传丁昶

📣 欢迎关注@老钱日日谈，如果播客没听够，可以来公众号找我玩，这边的更新频率会高一些。

也欢迎大家来🪐知识星球找我玩，这里是我自己学习的输入笔记。

展开Show Notes

王大力大力出奇迹

2024.3.21

其实很多普通人亏就亏在降不下收益的预期。不明白超额收益从哪来。你的超额是从别人手里抢肉吃。你先问问自己，量化干的过吗，天天一帮人在那研究公司行业的jjjl干的过吗，有内幕的，坐庄的干的过吗。自己没有超越一堆饿狼的本事，却总是梦想自己是万中无一的游资大佬，所以操作上肯定是一顿操作猛如虎。人家希腊神庙上千年前就写着呢:认识你自己

Ass嘟嘟

2024.3.21

✅「信息→分析→交易」
市场有效：股票价格已充分反映信息。
1）信息传递
2）分析决策
3）交易
每一笔成交留下价格轨迹，变成新的信息，再重复“信息、分析、交易”。

「量化 - 三步」
1）信息：使用各种手段搜集各种数据流，追求速度/稀缺性
2）分析：使用各种手段分析，找出大概率能再现的规律。
3）交易：通过计算机程序发出买卖指令，快速交易
「量化 - 西蒙斯」
量化投资的信仰图腾西蒙斯 - 大奖章基金。
信息稀缺性：可回溯到18世纪的准确数据。
超额收益来自于人的行为偏差。

「量化市场观 - 捕捉市场上的无效性」
长期看，市场有效，但市场总会阶段性局部无效，构成阿尔法/超额收益的真正来源。
1）市场越有效，越难创造超额收益
2）市场越无效，越容易创造超额收益
在任何市场，谁能贡献无效性、谁就在贡献超额收益。
信息分析交易层面的无效是超额收益的来源。
「市场不可预测」
如果现在价格已充分反映所有已知信息，那未来价格走势和已经press in的已知信息无关。未来价格走势只受增量信息的影响，即新信息再一次打入价格。
即如果市场有效，很难预测未来，因为增量信息无法预测，人的分析交易和价格相互影响。
「反身性原理」
哪怕面对同样信息，人也可能做出不同反应，从而让市场输出完全不同的结果。
即输入两个变量“增量信息”“人的反应”后，人不可能两次踏进同一个市场。

✅「量化市场观 - 相信历史会重复」
「数据→规律→策略→下注」
量化基于历史数据，用各种模型和手段进行归纳。海选出大概率事件和规律形成策略。当现在的数据和历史数据相似的时候，模型给出交易指令，对大概率事件下注。
「公司」
量化的优势在于归纳，战场广度和胜率。擅长关注度低、研究不充分、交易不充分、无效性高的公司。
1）不是传统意义上的好公司
2）擅长做市值下沉，天然偏好小市值
量化分散选股，持仓灵活，不追求赔率，追求微小盈利的积累（概率）。
「主观投资」
深度挖掘，在深度和赔率层面，赚企业增长的钱。在演绎和预判上有不可替代性。
挑兼具概率和赔率的机会出手

「模型概率≠现实概率」
量化会记录历史，但是绝不会解释历史。一旦遇到历史上没发生过的事儿很难应对。比如2月的量化危机。
关键时刻遭遇尾部风险，需要人顶上去，取代程序做交易。
尾部风险：在模型的概率上，可能上万年才发生过一次。但现实可能每五年就遭遇市场毒打。
「市场状态」
让策略失效的并非是策略本身，而是市场状态的变化。
价值投资作为一种策略，一定有它的代价，还有所适应的市场环境，绝不是万金油。

✅「量化市场观 - 价格即价值」
「价格本身是价值」
数据就是价值，价格就是价值，没有错的价格，每个价格本身就包含市场行为轨迹，亦是经济系统的一种投影。
「达里奥 - 经济机器」
对更低维的世界来说，高维的世界是不可被直接观察和直接测量。任何指标都是高维经济系统的低维投影。
「量化思维」
从大量数据中找到不同时间尺度的规律，甚至成为量化的根基。
华尔街日报：准确而迅速的价格是极有价值的信息。
朱格拉周期：10年一个循环的经济周期理论。
康波周期：50年左右重复一轮的长波周期。
基钦周期：资本主义经济每隔40个月左右出现一次有规律的上下波动。
库兹涅茨周期：农产品和工业品的价格存在平均长度20年左右的周期规律。

✅「量化投资观」
「能力圈」
因子池里的因子越多、能力圈越广、可用策略越多、对市场无效性的捕捉效率越高。
「不进则退」
任何策略都有有效期，对量化而言，一旦失效在相当一段时间内不会再有效，要无止境的更新迭代。
「量化投资环节」
想法/洞察→数据采集和分析→因子→组合/模型→风险优化→交易落地验证→不断迭代。
「量化优点：可归因」
策略明确、代码明确，有很强的可解释性。
「细分策略」
不同的量化团队有各自擅长的策略，虽然表面类似，但实际底层模型有很大差异。
量化策略越来越细分，越来越垂直。
「量化产品」
1）是单策略还是多策略？
2）收益来源是什么？适用什么市场状态？
3）风险来源是什么？哪些市场状态对它不友好？
任何产品哪怕是多策略，都会有阶段性失效的可能。
「量化 - 大类策略配置」
把自己的基金账户看作一个基金组合，找有稳定超额收益、与组合里其它基金相关性较低，实现有效分散。

✅「量化的风险」
「模型失效」
迭代是永恒的任务，不进则退，永远要卷。
「尾部风险」
绝大部分尾部风险是流动性风险，即没有人接盘。
「政策风险」
政策风险不是数据层面的风险。
做投资不能只从数据层面认识市场，尽管量化模型能捕捉一些行为偏差带来的机会，但是人心远比这个复杂。
「道德风险」
量化私募道德风险比量化公募更大，以及策略的一致性问题。
不要单看业绩，考虑剔除业绩提成、资金门槛、潜在分散程度。

Abing007:请教课代表，用的是什么记笔记软件

Ass嘟嘟:记录用的「flamo」，可以多平台同步。我会带蓝牙耳机，会听的比较清楚，如果有听不太清的，可以重复多听几次😄