E85.一位量化老兵的自白:我眼中的公募量化 20 年

E85.一位量化老兵的自白:我眼中的公募量化 20 年

72分钟 ·
播放数15171
·
评论数65

🎤本期嘉宾:

田大伟 | 兴证全球基金基金经理、投资经理

⏯️本期简介:

前段时间读到田大伟老师和一位投资者的聊天记录,深入浅出地聊公募量化。

当时我就想啊,这要是能做成播客该多好!

前阵子去上海录播客,朋友介绍,真的和田老师录了一场,聊了聊公募量化的方方面面。他说话慢斯条理,娓娓道来,非常友好。欢迎大家收听。

兴证全球基金的播客:「随基漫步Random Walk

⚠️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:

00:37量化基金经理,不太好聊—讲浅了太抽象,讲深了听不懂

02:37A股量化20年的3个阶段

1.0基于规则的偏基本面的量化选股→2.0系统化投资→3.0算法交易和机器学习

04:57所谓「因子」就像某个具体的投资逻辑

06:39一个例子感受所谓「指数增强」的做法⭐️

11:33公募量化的高频限制,具体是啥意思?⭐️

13:18低估值的估值修复,这个是可以期待的,但在具体个股上,不一定有效,量化也不研究个股

15:54一个例子感受所谓的「算法交易」

20:07当前市场更像历史上的XXX,这更像是演绎,而量化擅长的是归纳

24:35量化眼中的阿尔法=能力*宽度的平方根⭐️

24:58基于A500做指数增强的思路

31:23基于红利做指数增强的思路:我们尤其重视上市公司分红的可持续性⭐️

37:16当我想买指数增强型基金时,有那么多指数:红利、偏股混合、300、500、A500、1000、2000,我应该怎么选呢?

38:43为什么18年以后,红利的股息率大幅提高了?

43:02选择具体的指数增强型产品时,超额的长期有效性很重要,基金公司的量化布局(其它量化产品、团队情况)也值得重视

45:25聊聊自己的量化团队

54:45量化基金经理典型的一天

58:27理性地看待阿尔法和贝塔的关系

1:02:40规模舒适区的问题

1:07:14量化基金经理的报告,还有必要看吗?

📁本期内容相关资料:

🎬后期制作、声音设计:Dong

📣 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,也是听友群。

风险提示:

田大伟投研经历:2010年4月至2018年3月,就职于光大保德信基金管理有限公司,历任金融工程师、首席策略分析师、投资经理、基金经理、绝对收益投资部总监。2018年4月至2023年9月,就职于华鑫证券资产管理总部,历任副总经理、投资总监、资管量化投资部总经理、投资经理。2023年9月至今,就职于兴证全球基金管理有限公司,现任专户投资部总监助理兼投资经理、兴证全球红利量化选股股票型基金基金经理。

兴证全球中证A500指数增强基金是股票型基金,其预期风险与收益高于债券型基金、货币市场基金、混合型基金。基金管理人对其评级为R3。本基金业绩基准为:中证A500指数收益率×95%+银行活期存款利率(税后)×5%。

兴证全球基金承诺以诚实信用、勤勉尽责的原则管理和运用基金财产,但不保证基金一定盈利,也不保证最低收益,投资人应当认真阅读基金合同、招募说明书等基金法律文件,了解基金的风险收益特征,并根据自身的投资目的、投资期限、投资经验、资产状况等判断基金是否和投资人的风险承受能力相适应,自主判断基金的投资价值,自主做出投资决策,自行承担投资风险。我国基金运作时间较短,不能反映股市发展的所有阶段。基金管理人管理的其他基金的业绩或拟任基金经理曾管理的其他组合的业绩不构成基金业绩表现的保证。过往业绩并不预示未来,基金收益有波动风险。基金投资须谨慎,请审慎选择。观点仅代表个人,不代表公司立场,仅供参考,不作为投资建议,观点具有时效性。基金投资需谨慎,请审慎选择。

展开Show Notes
晨皓_2ZHu
晨皓_2ZHu
2024.12.05
这期好有意思,嘉宾真厉害。
Ass嘟嘟
Ass嘟嘟
2024.12.05
「✅量化」
类工具属性,像机器一样“去价值观”,最终靠业绩说话。
把一个复杂的事情简单化。
要做因子混合,尽量用更多的数据。
量化并不研究个股,量化研究都是组合。
寻找在未来能够复现的大概率规律,天然需要高样本量。
所有好、坏的评价都是基于历史的数据。

「✅A股 - 量化」
1)基于规则的偏基本面的量化选股
数量化投资:对基本面的一些维度进行打分,得分较高的股票作为组合购买。
2)系统化投资
研发一些阿尔法因子,跟各种各样的基准做匹配,每个基准都会匹配很多阿尔法因子,看做指数增强模型,作为模型储备。
3)算法交易和机器学习
15.16年私募量化开始崛起,限制相对少,市场的参与者相对较少。
21年是量化的高峰。

「✅因子」
因子是一个投资逻辑(想法),需要用历史数据做检验。
因子的质量、逻辑和实际效率。
往往单因子效果并不理想,要跟其他因子混合做组合,同时在更严格的环境下做回溯。如果经过检验过后,这个因子有持续的正相关或负相关的规律,就是一个好的阿尔法因子。
“低估值的股票往往具有超额收益”:每月月初计算所有股票的PB因子,跟T+10时刻的股票涨跌幅,作为相关性的检验,并做累加图,如果持续向上,说明PB因子值与股票未来的收益之间持续正相关。

「✅指数增强」
指增:要么中观上做偏离,要么微观上做偏离。
寻找有哪些因素会引起基准指数的波动,在成分股里构建一个新的组合,在行业、市值等方面跟对标的指数成分股保持一致。
1)估值因子 - 估值越低收益越好
抽取这个组合的估值比对标指数成分股估值更低,最大化阿尔法因子得分,同时有一些约束条件,生成组合,定期跟踪。
2)最基本的方法论
阿尔法因子和对标指数拉开差距,同时在行业市值风格上保持一致。
寻找持续有效的阿尔法因子或混合阿尔法因子,层层入库。
3)回撤
阿尔法因子很容易在某个阶段出现回撤,如超过历史最大回撤,面临严峻挑战;如未超过,仍然可以使用。
4)实盘因子
尽量在基本面因子、高频因子、机器学习类因子里做搭配,混合出来的因子稳定性更好,跟其他因子的相关度更低。
最终上实盘的因子,要通过严谨的数据检验。基本上一个因子在过去十年,跟未来收益之间的相关度持续稳定,才会用它。

「✅公募量化」
第一只公募量化基金2004年成立。
高频限制:交易不能高频,但不意味着你不可以用高频因子。
高频因子:逐笔成交,逐笔委托数据。处理成分钟数据,生成日频数据。
比如用机器学习的方法,预测未来一段时间股票的涨跌幅。通过逐笔成交作为委托,发现哪些单笔的成交量比较高。日频因子的信息含量和内涵,跟普通的量价因子完全不一样。
低估值:假如把5000只股票分成N组,长期看大概率低PB比PB高的那组要好。是长期和整体组合的概念,在个股上不太适用。

「✅算法交易」
高频程序化交易是依赖速度行情触发挣钱的,比如一秒成交好几笔。不在公募的策略范畴之内,因为要跟其他产品之间联合风控。
算法交易:目的是在未来一段时间均匀成交,拿到均价,提高交易效率,降低交易成本。目标是之前生成好的,只是执行而已。
量化靠最大化的因子抽取组合,完全的买卖,除了黑名单或公司层面要求外,对个股不做人为的干扰,克服情绪的变化。
选择这个组合是因为在历史回撤过程中它的效果较好,没有情绪干扰。而在构建模型时,选择哪些因子或因子权重上有一定主动性。
测试:一旦模型成熟,用15~20年的数据确定一组参数,用20~24年的数据确定这组参数的稳定性。如果前后参数结果比较一致,开始实盘。即一旦参数确定后,对它生成的组合不做人为的干扰。

「✅量化 - 归纳」
量化的方法,是寻找在未来能够复现的大概率规律,天然需要高样本量。
量化模型往往在市场大涨或大跌时会失效,因为历史上是小概率事件。
2月份量化回撤,主要是风险管控的问题。
9月底10月初指增回撤,因为大涨是量化模型的短板,是很小概率的事件。

「✅A500指数增强」
1)行业层面
行业风格上不做偏离,会在个股上做偏离。
中性:持仓行业的比例和对标指数在一个非常窄的范围内,有优化/约束空间。
行业超配或低配:最大化这些股票的阿尔法因子得分,行业的成分股比其他行业要好 - 超配。成分股得分偏低的 - 低配。
2)持仓
80%来自成分股,20%来自扩展的股票库。
前期基本来自于成分股,保持更加的稳定。
后期扩展到A500的市值周边,比如800或1000。
3)股票库
股票数量要稍微增强一点,但是历史业绩不会比A500要差,逻辑也不能太复杂。
阿尔法因子会在全市场范围内检验,因为一个好的阿尔法因子应该在各个范围内都有规律性。
在全市场有效的因子,在A500上不一定有效。如果按照这种规则挑选出阿尔法因子,即使20%成分股来自于成分股之外,仍然是不错的。
Ass嘟嘟:「✅量化眼中的阿尔法」 =能力 * 宽度的平方根 宽度:股票的数量或择时的次数。 正常情况下,股票数量越多,效果越好。广度越大,阿尔法空间越足。 「✅红利指数增强」 重视对上市公司未来分红金额能否持续/股息率能否持续增长的建模。 即对盈利的预测(卖方的一致预期数据、上市公司所处行业/阶段做分析)和股息支付率的预测。 一致预期数据:对覆盖该这只股票的分析师做赋权。比如从业时间长度、团队大小、覆盖股票数量、过去预测准确度等。并不强调单个股票的准确度,强调一个组合。 红利增强的难度较高。相对于中证500,它特别受某只股票的干扰,所以需要股票数量进行对冲。 红利是一个主题产品,不是标准的指增,在行业偏离上有更大的空间。 「✅红利类」 红利的全收益指数,拉长看具有类绝对收益属性,本质是低估值高盈利,具有长期配置价值。在行业层面,银行股占比过高。 1)PB - ROE策略 全市场ROE大于15%的股票,按照股息率高低做划分。 2)股息率 现在处在历史高位,跟上市公司的成熟程度,以及监管部分对分红的强调密切相关。上市公司中分红最高的是银行、煤炭、公用事业、通讯商。 与国际市场对比,国内上市公司的每年分红次数、数量、行业分布都有提升空间。 3)作为配置盘 虽然短期看波动略大,但拉长看性价比很高。 在利率下行的大背景之下,在上市公司的分红质量越来越高的情况之下,红利资产具有配置价值,长期生命力越来越高。 4)组合 这个市场这个时间段股息率最高的股票,和股息率低的股票进行比较。把股息率最高的100个股票作为成分股。拉长看过去表现相对较好,也有些时段不好。 平衡型:在ROE高的股票里找股息率高的股票。ROE高 - 竞争力较强,ROE高里寻找股息率高的股票 - 在估值上有相对优势。拉长看是不错的。 「✅选择具体指增」 综合考量公司相关产品的业绩、团队从业者的经验,以及所管产品的业绩。观测业绩变化,及时做出调整。 公募宽基指增,超额比较明显。阿尔法因子长期有效,但不排除这两个月失效。 一个模型在过去5年有明显超额,和在过去5年里80%月份有超额,也许后者整体超额较低,但首选它,因为超额更稳定。做量化,是要阿尔法因子持续有效。 未来能够持续的前提是,它在历史每个月份的的不同时间段,都能够相对有效。 指标:月度超额胜率。 「✅机器学习 - 狂嗨」 高开低收数据输入到模型中,寻找它跟未来股票涨跌幅之间的关系,通过训练集、验证集得到一个规律,是个非线性的组合。 把高开低收做一些公式计算,生成很多特征。把这些特征彼此进行非线性的组合,预测股票未来的涨跌幅,在训练数据集里跟真实的涨跌幅做比较,调整各个参数,使差异越来越小,最终确定一组参数。然后在验证集数据集里再做一次验证,如果有效就固定下来。 关键点:原始数据要统一。 卖方的进攻团队报告:对报告的因子做复现,经过检验模块,比较不错的纳入到体系中。 「✅模型库」 储备多个模型。每个模型都要符合因子回溯、稳定性各种检验。 根据产品规模大小,基本单个模型的持股数量在200个左右。如果10亿以内的产品,一个模型就可以了。如果产品规模更大,需要更多模型。 同时对模型做业绩跟踪,产品模型的样本外跟踪业绩和实盘业绩有偏差。把好的模型放到实盘中,观察实盘交易的冲击成本对模型的影响。选择主模型和卫星模型,便于以后资金仓位更高的时候,更加稳定。 多因子:单因子不太稳定,把单因子合成多因子。希望超额收益更稳定,寻找不同的收益来源,使它干扰的地方能相互对冲,使它收益的地方体现出来。 混合因子:是个因子大类,也是个单因子。比如目标函数中有10个因子,一种做法是最大化十个因子加权后的权重,一个做法是先把十个因子赋权后放到因子库里,当做单因子进行检验,目标函数是最大化复合因子的得分。 「✅阿尔法 & 贝塔」 阿尔法交给基金经理,考验基金经理的能力;贝塔交给持有人,通过自己申赎择时。 贝塔的波动难以把控,是市场造成的;但阿尔法的波动有各种方法约束,比如成分股、行业、市值、多因子权重配比等,保证超额收益的稳定性。 关注全收益指数,而不是价格指数。价格指数是个失真的指数,分红的现金部分是不算进去的。 「✅规模舒适区」 某个策略的规模舒适区,大致基准是对标指数的成分股的数量和市值。 宽基指增的规模在百亿左右。比如A500的成分股平均市值1100亿,规模容量自然很大;中证2000,虽然股票数量多,但单个市值较小,规模自然较小。 指增难度:沪深300>中证500>A500 红利增强:大股票居多,但有一部分股票的市值较小,成分股数量较少,规模可能比A500少一些。
bubble_jz7o
bubble_jz7o
2024.12.04
感谢老钱科普了这么多量化
老钱日日谈
:
❤️但⚠️不构成任何参考或建议
最近好高产呀
老钱日日谈
:
嗯,11月下旬开始,每天忙得跟打仗一样,录了好多期播客哈哈,这下存货不愁了。浪一把,周日加更!
悠悠有有:厉害了老钱,我们听众有福啦
嘉宾的声音温文尔雅😂,老钱的朋友圈无人知晓🧐
贩卖仲夏
贩卖仲夏
2024.12.05
兴全也算是当年的业界良心了,早年很多精美产品,诞生了一大批业绩大佬,还有20倍基的兴全趋势。不过随着最后一位董承非的离任,近几年对规模的诉求,以及新一代难扛大旗,业绩堪忧,也让人祛魅了。
悠悠有有
悠悠有有
2024.12.05
嘉宾真的很沉稳
婧85
婧85
2024.12.06
确实理解面基是一档情感播客。投资这事,专业类知识解释地再清楚,在操作的时候,还是人的问题。情绪,心态,理解,对自我理解认知。赚认知的钱,不羡慕那些认知外的钱。逆人性是最难做的修行。
老钱日日谈
:
❤️
半半不为
半半不为
2024.12.06
老钱带我涨见识系列🤓
老钱日日谈
:
长啥啊,情感播客,情感播客
Snakeyi
Snakeyi
2024.12.04
量化! 好!量化有种赤裸裸拼智商的美😁
老钱日日谈
:
❤️
老钱,我是小宇宙忠实粉丝,你之前推荐过一本日本泡沫时期的书籍,叫什么我忘记了。听了好几篇播客都没找着,你能再分享一下给我吗?十分感谢!
老钱日日谈
:
我也没印象了啊... 抱歉
董小吟
董小吟
2024.12.06
有没有人跟我一样,爱老钱是因为这么古典的音乐品味🤣
老钱日日谈
:
感谢,我没品味,音乐都是剪辑师的功劳😂
Sideway
Sideway
2024.12.06
也邀请一下我们币圈做量化的吧😀😀
老钱日日谈
:
政策禁止的我不碰,没必要…
iMomo7
iMomo7
2024.12.06
终于聊到了一位专业的懂行的不是混子的量化从业者了
老钱日日谈
:
量化这个系列的嘉宾没有混子
两个耳朵
两个耳朵
2024.12.04
今天好几个号都在推田大伟的a500指增
贩卖仲夏:原先募集都在银行、券商路演,现在多了条路演渠道。播客越来越有影响力了🤭
两个耳朵:播客可是左右美国大选的
5条回复
看了下公募这管理费还是可以免听
杰西_2023
杰西_2023
2024.12.05
辛苦了老钱~
苹果丽
苹果丽
2024.12.05
质量一直👍👍👍数量也上来了送你一朵🌹
老钱日日谈
:
❤️ 感恩听友
开听开听👂
DVVV
DVVV
2024.12.04
来啦来啦
老钱日日谈
:
❤️