上证180成长ETF 及联接基金&中证100指数   基金经理徐林明

量化投资的体会

同行间交流，模型的有效性是大家常会讨论的问题。量化投资会碰到的困境是：模型研发、回测实证、样本外检验等研究环节的结论非常好，超额收益率高、稳定性强，信心满满得把模型投入产品运作，但初期结果不如人意，压力出现，信心动摇。任何策略和模型都会面临阶段性失效问题，如何面对和应对模型回撤是量化投资实践中比较关键的环节，下面谈谈我们的业务体会。

（一）数据是否有问题？

数据是量化模型的输入变量，数据质量会直接影响模型结果。量化模型中可能会用到宏观数据、财务数据、行情数据、估值数据、预测数据等，数据检查是比较重要的环节，当然也是比较技术和枯燥的工作。在模型阶段性失效时，首先需要重新检查数据，当然不是简单的检查。比如：去年上半年，应用多因子选股模型时可能都会面临白酒、工程机械和煤炭等行业选股的困境，行业基本面的拐点使得行业内公司的盈利出现趋势性改变，使得以往的盈利趋势不能持续，而研究员并未及时更新盈利预测。在这种情况下，如不做数据处理，结果自然不理想，但模型可能并没问题。

    （二）模型背后的逻辑是否有问题？

模型只是结果，更为重要的是模型背后支撑的投资思想和投资逻辑，单纯基于数据统计和挖掘的模型常会面临样本依赖的问题。理解模型背后的投资逻辑是模型面临回撤时能否坚持的关键。碰到模型阶段性失效时，需要思考模型背后的投资逻辑是否有问题，这是解释模型回撤的直接角度，找到模型回撤的原因，同时也是后期是否要坚持模型的主要决策依据。

（三）市场的宏观环境是否发生变化？

投资策略和模型有其适用的市场环境，投资界和学术界有众多成果和经验。对于市场运营环境的跟踪和分析是比较困难的事情，但在模型回撤的情况下，是需要考虑的方面。比如：去年市场中，成长和趋势因子有效性高，虽然有投资者偏好的因素，更为重要的可能是中国经济转型在资本市场的结构折射。而今年市场中，我们看到反转因子的持续效果，有宏观经济稳增长的大背景。

市场对于量化投资和主动投资的区别有很多讨论，应该说两者各有优劣，同时有更多相通之处，本质都是投资，量化投资在实践中需要从主动投资经验中寻找逻辑和线索，也需要从基本面变化寻找模型解释和支撑。