559      人物

散戶的量化投資之道

8月20日雪球CLUB量化專場，嘉賓張翼珍的演講

各位好，很高興在量化專場跟大家分享，我側重講作為一個散戶如何進行量化投資，在討論上跟持有封基老師路數完全不同。

像以前一句明言所說，認識你自己。

我們作為散戶進行量化投資的時候優勢和劣勢到底在哪裏，這個問題我們首先要明白之後，你才能知道你在做投資的時候，你有什麼相同或者是不同的地方。

散戶的劣勢第一點首先是數據的有限性。

我做財經記者的時候，不可能像投研的研究者有那麼好的條件，但是我必須感謝報社給我們創造的投研環境條件非常好。

那時候報社給我配備的數據終端大概有這些，一台彭博終端，一年的年費是20萬。

一台是萬得終端，當時的年費可能是三萬到四萬。當時還會根據我們的需求申請，比如老的投資人知道一段時間內上交所出過的TopView數據，那個數據一年年費大概也是三萬左右，那時候報社有錢買。

所以差不多一年給我配的數據終端開銷差不多30萬，比我當時收入還高。這樣的條件是我作為政券記者獲得的數據條件，但是有多少散戶能享受到這樣的條件？可能很多散戶甚至股票賬戶都未必有30萬，更不用說一年可以虧30萬或者是花30萬的投研成本。

現在時代在進步，應該說整個市場環境越來越好，有越來越多的廉價的數據來源，可能你一年花幾千塊錢就可以獲得比較好的數據渠道。像我自己用的是比較便宜的Choice數據終端，但是盡管如此也是幾千塊一年。

散戶不僅是數據有限，接入市場的通道也有限。大家應該知道，很多專業投資者會買A股交易席位，或者是會有海外市場、期貨等等，非常多的渠道做交易。

但是對我們很多散戶來說，留給你的也就剩下A股這樣一個條件，很多散戶債券乃至分級都買不了，更不要說海外投資，也不用說A股的特殊交易席位，這些個都是你的劣勢，這樣情況下，類似高頻或者是多資產的複雜的策略，其實是不適合你的。

第二個限製是散戶資金量有限。

量化投資中最基本的是你複製一個指數，對散戶來說也不是不可能的事情。剛剛黎總說到滬深300，300個股票你全都買的話，即使我們按照每個股票十塊錢計算，你買一百股平均是多少錢。

對很多人來說已經是很難完成的任務，更不要說你真正進行滬深300指數的時候必須按照權重來做，對你整個資金量要求更高了。量化投資中很大的一塊是因子選股策略，你可以看到他們某些金融工程分析師做的研報，他動不動讓你一百個股票，買一百個股票對很多人來說也是一件資金量非常大的事情，這對散戶來說也是非常大的限製。

還有一個限製是散戶沒有投研團隊、IT團隊做支持，其實在基金公司，你可能不需要自己會寫代碼，依然可以做量化的回測，因為你手下有初級分析師，甚至有IT人員可以幫你解決，包括數據的清洗都不需要你自己操心。

但是作為一個散戶你沒有這樣的優良的環境，所以在這樣的前提下，很多複雜的模型不適合。在這樣的前提下，我們需要做的是一些有散戶特色的量化投資。

說完劣勢我們要說散戶的優勢，剛剛持有封基老師提到資金量小，這是巨大的優勢，我覺得的確是。

如果你看一些關於量化投資的回測的研究報告或者是學術論文你會發現，他們做回測的時候，他們為了驗證一個策略的有效性，他按照1%到1.5%一次的交易成本測算，有時候經常會說這個模型本來挺好的，但是一旦加入了1%的交易成本，這個模型就失效了，可能這個策略不是太靠譜。

但是作為一個散戶你會想，我的交易成本哪裏有1%，這是其實就是散戶跟機構的區別。

剛剛景順長城也談到他的滬深300模型市場容量的問題，他的模型可能會好一點，有比較大的市場容量。但是大家會注意到過去一段時間內，某些量化基金可能到了一百億之後業績快速出現了滑坡，因為對他們來說可能買的都是小盤股，一百億下去很容易造成市場衝擊。

在這樣的前提下，有時候市場衝擊真的可能是1%，所以的確很多模型會因為這個原因失效。但是對散戶而言，其實整個A股整個投資市場對你來說近乎於一個理想化的無摩擦的狀態，你不用考慮你買進去的股票對整個市場價格的波動。

一般情況下不要買那種一天成交隻有一兩百萬的創業板股票，你很難感受到市場的摩擦。這樣無摩擦的情況下你做投資，你先天比大多數機構投資者幸福很多。因為他們要考慮的是如何減少對市場的衝擊，所以你會發現很多量化投資很重視算法，把一個大單分解，減少對市場的衝擊。

這些東西對於普通散戶來說，因為你的資金量足夠小，幾乎不需要考慮這個問題。對機構來說不合適的策略，對你而言，可能依然是一個非常好的策略，這個問題在後麵我還會繼續講到。

第二點對散戶最大的優勢在於，你因為是為自己做投資，所以你沒有一些做機構投資者會受到的局限。

什麼局限是機構投資者會有的？

其實大多數時候是我們作為基金持有者會去考量的。比如說一個基金老是跑輸，可能跑輸一個月兩個月還行，三個月可能持有人就有壓力了，還有回撤，有的機構投資者隻能夠接受3%到4%的回撤。

這些變態的要求疊加在一起之後，很多的機構投資者被迫做出一些也許不是最優化的選擇，隻是為了應付減少持有人的焦慮。在這樣的前提下，他們的投資會比散戶有更大的束縛。對散戶而言，有時候你自己想明白了是追求收益最大化的，甚至做好可以接受30%的回撤準備，如果你的模型覺得水平差不多，你就可以接受它跑。

但是對很多對衝基金，特別是私募的，他們絕對不能拿這樣的模型做，因為你可能到15%，已經到強製平倉線了，這是做散戶量化投資上的優勢。

因為這個原因，我推導出我個人偏好和持有封基老師不一樣，我更多喜歡做的是動量的交易，而且是偏指數化的。其實我覺得在量化投資這塊有很多大類別，常見的是價值投資、動量投資包括攜帶交易。

對散戶來說，我覺得價值投資不是完全不行，但是一個很大的問題是回撤不好控製。

第二個就是說價值投資很多理念先天是基於投資股票來的，因為你在投資外匯、商品的時候很難嚴格地做價值投資的分析。因為至少在股票上，我們還有看似科學的DDM模型做估值，雖然這個模型我覺得更多偏向於藝術，但是你最起碼有一個定價模型在。

但是在外匯或者是商品上，我們學術上沒有嚴格的定價模型的。如果你都沒有辦法做理論的定價，談什麼價值投資。我覺得價值投資在這塊上有先天的缺陷。動量是我喜歡的模型，後麵會詳細講。

攜帶交易大家做外匯的很多人會知道，就是買入高息的外匯品種，然後做空低息的外匯品種，類似這樣的方法。但是這樣的方法在中國外匯條件下是沒法做的。

這是在海外非常流行的策略，在中國暫時你用不了。

說到動量投資，其實對很中國老股民來說，有一個非常熟悉的近親。雖然那個近親被鄙視了很多年，那就是技術分析。

我想很多老股民在入市的時候，多多少少看過技術分析的書，學過一堆技術指標，很多人過了很多年以後發現並不怎麼好使。

所以2005年、2006年那個時代，大家突然知道了價值投資，或者說那時候所有基金公司都在講價值投資，都在講巴菲特、滾雪球，那個時候是價值投資最最當紅的時候，因為大家在國內多數人都不知道量化投資的概念，那個時代價值投資是主流的，技術分析被認為是江湖術士，就是騙子們玩的那套，這是中國A股發展中的一個很特殊的時代。

但是過了幾年大家知道了西蒙斯這樣的人，慢慢有些改觀了。

我覺得從某種意義上說，動量投資和技術分析是有一定的近親的。比如動量投資中很常見的一個回測，你看學術界很多回測的基本模型，可能是某個股票或者是某個指數超過了一百日的均線，你就買入，低於了你就賣出，這個對技術分析的人來說太熟悉了。

技術分析哪個人沒有玩過均線的交易係統，而且很多人以前玩的更熘，一根不夠玩根，兩根不夠玩三根。其實一定程度上來說，動量投資和技術分析有很多相近之處，隻不過在於會把它模型化、量化，可能在具體的操作層麵上會有一些區別。

雖然在中國一度你說你是研究均線的會被人看不起，但如果你留意這二三十年真正學術界對於投資這塊的研究的話，我指的不是你們通過報紙上和某些公司的基金宣傳上看到的，你會發現所謂的動量效應。

momentum effect，這個其實是被研究的非常多的，甚至是一個主流的顯學，不是我們以為的江湖騙子研究的東西。其實很多大學裏的教授也在研究這個問題，包括前兩年剛剛得諾貝爾獎的尤金·法瑪，他提出了三因子模型，包括了大小盤和價值成長這個模型，其實他的合作者肯尼思·弗蘭奇(Kenneth French)依然在他的官網上持續發布三因子的數據，但同時他也在發布第四個動量因子的數據。

可見在學術界動量因子是堂堂正正的顯學，但隻是在我們大陸的環境下，在前兩年量化投資沒那麼熱的時候，被我們很多人忽視了。尤其我們大多數人都談時間的玫瑰，談買股票一定要堅持的理論下，其實很多人忽視了動量的價值。

我覺得動量用一句老話來說核心是追漲殺跌，和普通追漲殺跌股民有什麼區別？

動量的核心是量化投資，它是把整個追漲殺跌的思路全部給量化了，什麼時候該追漲，什麼時候該殺跌，以什麼指標判斷，一旦判斷完之後絕不留情地去操作。我覺得這是量化投資和普通散戶做分析完全不同的地方，而且動量你是做了大量回測確保這個模型具有一定可靠性才能做的。

為什麼說散戶做動量

其實是很簡單、很有意義的事情。

核心問題在於你一個動量的投資可以簡單到你隻是對一個指數進行了操作，這個買賣相對來說是非常簡單的。比如說隨便找個指數基金一塊兩塊的，然後你買個一百股，也就一百多塊錢。

但你不要用最低傭金是5塊的券商，這樣情況下你的入門門檻非常低，我指的是載體和資金麵角度。其實最簡單的動量投資策略可以簡單到讓你覺得像一個智障一樣的思路，就是我這裏說的，這是學術界非常多使用的動量的基本模型。你到每個月月末看看你想買的交易品種，過去三個月它是上漲的，你下個月繼續做多。過去三個月是下跌的情況下，在不能做空的前提下，你就空倉。這個模型相比以前股民研究了非常多的技術分析的書，這個模型簡單到讓人難以置信的程度。但其實這個模型效果真的不差，其實有很多回測你可以去看。包括非常多的對衝基金也會做這樣的回測。

在美國有一個非常著名的量化基金的投資叫大本營，大本營的當家人阿斯內斯，他是尤金·法瑪的學生，他的博士生。

當年研究的也是三因子，但是尤金·法瑪是一個願意做學術的人，而阿斯內斯覺得學術不太好玩，所以他學到了尤金·法瑪的那套三因子之後，他就選擇做了對衝基金。

但是因為他本身師承很好，在賺了很多錢以後他業餘愛好就是寫論文。前麵黎總給大家看的右手邊有一張像魔方一樣的圖，那張圖來自於一本書叫《預期收益》，作者是和阿斯內斯非常好的關係，他們一起寫過論文研究怎麼做量化投資。你看阿斯內四好多論文會發現，他對好多回測的測量是基於我剛才講的簡單的模型，過去三個月上漲有做多，下跌就做空。

他會發現即使那麼簡單的模型，我在不同的學術環境、不同的市場、不同的品種下依然非常有效。所以我覺得其實對於散戶來說，動量是一個非常簡單，但是在學術界地位不低的操作模式。

簡單到任何人其實隻要記住這句話，回去可以直接操作的模型。但是複雜到你會發現在過去二十幾年裏麵，大家寫了非常多的論文討論，怎麼用同樣的思路做出不同的投資結果。

動量模型前麵講的隻是最簡單的風格，為什麼包括阿斯內斯在內的人可以寫出上百篇論文？你會發現他把這個模型擴展化了。比如說我做三個月回測效果怎麼樣，6個月回測怎麼樣，12個月回測效果怎麼樣。

因為做量化投資的時候大家最擔心的事情是過度優化，有的時候可能你選了一個參數三個月是靠譜的，到四個月模型就崩潰了。到底靠不靠譜？這個被稱為魯棒性，我們要求不能因為初始參數小小的一點波動，就導致整個模型的崩潰。

所以你會發現許多人會不斷用各個時點去測，用三個月、六個月、十二個月測，看動量模型到底靠不靠譜，事實結果是都很靠譜。然後他們會測品種，看到底是哪個品種最好，是不是在某些品種中會失效，發現股票、債券、商品、外匯，所有這些投資市場都存在動量效應，這個效應是可以長期存在的。

在這兩個變種之後，關於動量投資還有一個新的變種，就是從絕對動量到相對動量。剛剛我們前麵講的是基於一個品種，它過去三個月上漲你就做多，下跌你就做空或者是空倉。

但是所謂的相對動量是什麼，可能同時看三四個品種，看誰跑的最好。如果說我兩個品種，我可能隻選擇每個月月末買過去三個月表現最好的品種，這樣的投資方法會稱為相對動量。

如果大家買過雪球的蛋卷二八平衡，或者是我自己用的28模型，就會知道這是一個相對動量的做法，我選的是兩個品種，中證500和滬深300，選的參數是以周來判斷的，四周表現做一個相對動量。這樣的動量其實你隻需要不斷拓展，把它做的非常複雜。

包括可以放入黃金，放入債券，放入商品等等不同品種，這樣的模型可以很快地把它從單純的A股擴展到全球資產輪動的模型，有這樣一個模型的話，你可以做一些回測，你會發現這些模型在非常多的時間裏麵可以讓你規避甚至包括2008年的全球的次貸危機這樣的市場。

甚至哪怕在A股這個環境下，如果你是有國債ETF或者企業債這樣的品種和上證指數做一個相對動量的輪動的話，其實大體在2008年你可以規避A股下跌，甚至可以賺錢。

當然持有封基老師覺得這是不是一個運氣，其實在相對動量中我們不認為是運氣，其實模型就是這樣判斷的，在一定時間內債券比股票好的時候我們應該買債券。這其實是一個量化模型可以算出來，可重演的東西。

動量投資其實隻是諸多量化投資中的一個成本，這樣的一個模型你可以預期他長期表現不錯，但是你不可能要求他年年是不錯的，比如說其實在過去一年到一年半的時間內，全球動量投資表現其實並不算太好。這裏有一個指數大家有興趣可以看，這是美國一家機構做的，他是對動量投資在全球的表現做了一個指數。

大體判斷告訴你類似我們說的過去三個月上漲持有這樣一個模型，在全球範圍內過去一段時間表現是多少。過去五年表現不怎麼樣，2.54。但是從長期來看，差不多到8.58的水平。

因為他是做了很多基於波動性的調整，他是對衝基金開發的指數。所以長期來看，八點幾的收益已經是相當不錯的。因為對基金來說，它是可以通過加杠杆的方式繼續加大收益。的確過去三年表現非常糟糕，0.96。包括28也是一樣的道理，他曾經有非常好的時候，但是這兩年因為市場處於無波動的狀態，動量模型這兩年處於低潮期。

這個就是說其實你做任何一個量化模型都無法避免，就是任何因子都有高潮和低穀的區分。像做價值投資的人，前兩年創業板熱的時候，價值因子一塌煳塗，但是到今年可能價值因子又回來了。

前兩年很多人做小盤股因子的量化投資，賺的非常多，但是今年已經全部打回原形了。其實動量也是一樣的道理，動量是追漲殺跌的模型，他在2008這樣大的次貸危機的波動市場內，其實表現非常好。但是這一兩年，尤其在比如說量化寬鬆的退出期，整個市場缺乏足夠多的波動的前期下，不會是一個特別好的模型，尤其是在我預示資產能動的前提下，在這兩年隻有美股表現非常不錯的前提下，先天就不會是特別好的模型。

但是三十年河東，三十年河西，動量作為量化投資中的基本大類，每個人都應該了解一下，尤其對散戶來說，配備一點是比較好的。這個是按年區分的表現，其實大家可以看到2016年是非常糟的，是13.59虧損，2015年也比較差，但是前麵幾年不錯，比如2008年還賺了7點幾，這是動量投資的特色。

其實我覺得動量投資單純模型有很多局限性，但是如果你還想獲得收益的話，有不同的方法。比如說因為我們前麵講的動量是一個純做多的不做空，然後你賺的所有收益前提還是基於市場整體的行情，你至多可以規避下跌。但是其實有時候你會發現，標準的操作會代表長短倉，一部分做多，一部分做空。對散戶來說這是相對複雜的事情，但是這表示給你帶來一種可能性。

第二種思路是動量+價值，這也是阿斯內斯這兩年新寫的一篇論文中提出的，你部分倉位做動量，部分倉位做價值投資。

這兩個因子一定程度上是風水輪流轉的，他們不會偏執地認為我就做動量不做價值，或者隻做價值不做動量。他不會拘泥於哪個流派是真理，他不在乎什麼是真理，他在乎的是賺錢。

所以把動量和價值組合一下，一定程度上可以規避這兩者大小年的問題，這是非常好的思路。

第三個是基於已經走出動量和價值之外的新的範式，這個範式是對未來的投資者來說可能要多多關心的，就是交易波動性。

大多數我們在炒股票的時候關心的是上漲還是下跌。但是我們知道一個叫VIX的指數大家會知道，其實我們也有了，我們上證50有ETF期權，期權的波幅就可以算出A股的波動率。但是在中國隻能通過A股交易期權本身，但是在美國期權的VIX已經是可以交易的品種了。

在這樣一個前提下我可以不關注A股是上漲還是下跌，我甚至可以投機的A股波動性在進一步擴散還是在逐步收窄，有時候這是比方向更容易判斷的東西。而且這個東西的好處在於它的變動和股市方向變動是非常不一樣的。

這樣一個策略其實可能是在這兩年缺乏動量的波動性的前提下，是一個很好的補充，我覺得這個策略第一知道的人少，第二個是交易起來的思維方式和傳統做多做空完全不一樣，我覺得這也是值得關注的交易品種或者是交易策略。

最後給大家分享做動量投資的時候大家可以留意的好的網站和信息來源。第一個是SSRN，他是一個學術論文庫，大家做動量投資或者是量化投資的時候，大家要習慣的是除了看A股的分析師，做的年報之外，大家還是要習慣看英文的最新的學術論文。

因為總體來說，西方的投資世界在對於一些投資理念上，或者是投資的實證上他們研究還是比我們領先的。雖然大家覺得他們可能在做象牙塔的研究。但是在量化投資學術界和產業界有千絲萬縷的關係。甚至他們會合作發一些論文，像我前麵講到的阿斯內四很多論文會優先在這裏發出來的。這要感謝互聯網，在我念碩士的時候，我們要看一篇學術論文，必須用高校裏花幾百萬買的學術論文引擎，這些引擎一旦你畢業後再也看不到了。

但是現在大家崇尚分享，SSRN是很多大學教授把論文提交到期刊之前就願意把文章上傳到上麵，這意味著你在這裏可以看到免費的大量的幾十萬篇的論文，你可以用你關心的關鍵詞去搜。

甚至這裏麵有時候你真的會發現有寶。我曾經搜到一篇論文，不知道是哪個大學教授寫的，就是關於如何在美股標普100指數中做動量投資，他自己給出了一個策略，而且那個策略長期回報還不錯，一年超額收益大概20%。但是那個教授寫論文指出這個模型在你交易成本1.5的情況下沒什麼好賺的，所以他不認為是件事。

但這個模型對投資美股的散戶來說先天就是非常好的模型，人家幫你測算完了，一分錢不要給你，就把模型公布給你了，隻不過他覺得這個模型對機構沒意義，對他做學術論文的意義也不算太大，你隻要找到那篇論文就白撿那個模型。這樣的東西在裏麵非常多。因為學術界和產業界很多研究會做的非常實在、非常細致。但是他對裏麵有些結果沒有那麼的重視。所以你經常願意到SSRN裏麵找這些論文，你會發現有現成可用的論文。

對散戶如果有一點計算機基礎，我建議大家學一下Python和Pandas，如果大家也留意金融工程的話，大家都知道Matlab，它是一個收費的數據分析終端，你可以買盜版的，但是我覺得沒有必要，因為很多Matlab做的事情用Python和Pandas就可以做了。

如果是一個對量化投資有興趣的人，我覺得要學這門編程語言有非常大的意義。一方麵可以獲得很多數據，像以前我最早做28輪動的回測的時候，我是把數據拉出來，拉到Excel表裏麵，然後算。

可能過半年有讀者說能不能更新一下數據，我再把這個數據再算一遍，你會發現這是很無聊的事情，算的過程你要做很多中間的計算，還要繪圖。這些工作在你第一次開發這個模型的時候會覺得很有意思，但是後麵重演會很無聊。

但是很多這種服務用Python就可以寫一個程序，每次要做的就是到時間了把這個模型跑一遍，數據也出來了，圖表也出來了，這是非常輕鬆的事情。

我現在看A股也是這樣，有一些我習慣的一些數據統計是現成的，A股軟件沒有的，我會做的是我把它寫成一個小Python程序，讓它跑一跑，一張按照我要求需要的一張報表，這樣一張報表看起來遠比我每天手工拉有意思多了。

這裏有一個叫Tushare的，是我們國內開發者開發的數據包，通過從很多免費數據庫獲得了A股的交易數據，雖然時間不長，但是做一些簡單的交易的回測或者是最新的數據輸出是足夠的。

這樣你用Python 、Pandas、Tushare，這三個加起來可以做一個非常簡單的回測平台。我覺得對我們做量化投資的人來說，更幸福的在於國內現在好多的創業公司他們都從美國學了去開發了一些更簡單易用的回測平台，包括優礦等等，這些平台可以用更簡單的Python的語句，有點類似通達性的自定義公式做回測，甚至不需要寫非常複雜的語句，就可以用專有語言完成一個統計。

如果你想統計比如我每年買PE最低的10%的股票怎麼樣，對他來說可能十來行句子就寫完了，這樣可以讓你做量化回測的時候更輕鬆。所以我解的其實對一個散戶學一下Python的話，可能拉近你和專業投資者的差距，尤其在有類似優礦這樣專用的回測平台之後。

另外如果你是做美股ETF的人，這個網站你可以試一下，它是更傻瓜化的，ETFreplay。比如說它會把我剛剛說的三個月上漲就持有否則空倉這樣的模型，做成了一個一個簡單的已經打包的量，回測的庫，有好多這樣的庫，你隻要把你想回測的ETF扔進去就可以撤了。

這個網站雖然非常好用，唯一缺點是收費的，一個月三十幾美金。對於資金量比較大的美股投資者來說，這依然是物有所值的網站，因為它可以減少你非常多的開發的經曆，而是把更多時間放在怎麼調量化模型上，這個也是大家可以嚐試看一下的網站。

而且他還有部分簡單模型可以供大家使用，我今天分享到這邊，謝謝。

此稿為速記整理版

最後更新：2017-09-06 10:17:52

  上一篇： 港股成交陷兩月新低 中小型股有發力跡象

  下一篇： A股火力全開，金九銀十，要抓住賺錢十倍機會！