万家基金卞勇:控制风险偏离度 把投资决策交给量化模型
2018-04-11 00:00:00 证券日报
震荡市场时，量化投资总会给人带来惊喜。尤其是在公募基金市场上，量化基金在近几年的业绩也一直处在领先水平――《证券日报》基金新闻部记者根据Wind资讯数据统计，截至4月4日，近3年来主动量化型基金的平均收益率为35.12%，而同期偏股混合型基金的平均收益率为28.14%，同期沪深300指数的涨幅仅为16.14%。
目前量化模型有了哪些升级，量化模型是如何战胜人工选股的，量化模型未来的发展方向又是怎样的？《证券日报》基金新闻部记者带着这些问题，专访了万家基金的量化投资总监卞勇。卞勇表示，他把团队打造成尽可能标准化的团队，出发点是尽可能地降低人为因素的干扰，让模型更加自主地发挥其学习能力。因子的选择和因子的组合方式，包括一些组合优化等方面，他希望都能交给模型去解决。
AI选股代替传统量化策略
让模型主动适应市场
万家基金量化投资总监卞勇，已经有超10年的量化策略研发和投资组合管理经验，由其管理的万家量化睿选灵活配置，在近1月的收益率为9.99%，自2017年8月份成立以来的收益率为7.57%，均战胜银河同类灵活配置基金平均水平，也均跑赢主动量化基金的平均收益率。
能够取得这样的成绩，卞勇分析称：“该基金采用动态模型来选股，与传统的静态模型最大的不同之处，是模型能够自发地适应市场的变化。面对市场环境的变化，我们提出的方案就是让模型自动去学习过去一段时间市场的变化，希望它能够尽快地适应市场的变化。”
据了解，目前万家基金的量化模型的原始因子有300多个，其中核心的因子有80多个。卞勇对《证券日报》基金新闻部记者表示，在模型里面投研团队会定期地对因子做一个解释，线性模型因子的更新周期一般是一年一次，这是因为较短的时间周期不能很好地衡量一个因子，短期的因子他们则是让模型进行判断。
传统量化模型很难解决因子之间的相关性问题，这导致在传统模型中，具有相关性因子的权重之间会相互影响。卞勇表示，新的AI选股模型已经能够很好地解决这个问题：线性模型中的相关因子，可以在模型中加入一个新的因子，把原先两个因子之间的相关性去掉，通过回归的方式，去掉其某个因子贡献性；在非线性模型中，AI模型在选取因子后会给予其动态的权重，对市场特征做逐层递增、更精准的描述。
卞勇对《证券日报》基金新闻部记者表示，新的量化选股模型采用AI选股有三个优势：第一，在动态算法方面，新的模型可以运用大数据运算发掘最有效因子，并为因子动态匹配最优权重；第二，在自主优化方面，新的模型能够自动判断无效数据，通过不断优化因子组合来提高模型胜率；第三，在自适应性方面，新模型能不断适应市场风格变化，形成最契合当下市场风格的股票组合。
限制行业的偏离度
依靠分散化投资组合取胜
任何策略和任何模型，包括任何基金经理，都有自己的比较优势和比较劣势。在接受《证券日报》基金新闻部记者专访时，卞勇谈起量化模型的滞后性也毫不避讳，“从逻辑理论上来说，这肯定是量化模型的一个劣势，我也希望量化模型是来做预测的，但大多时候我都是拿它来做一个总结。”
卞勇表示，从统计的结果来看，量化模型与基金经理的主动判断相比，胜率是高的。两者对应的估值因素有多不同，一种是静态的，一种是预测未来的PE，但统计历史数据会发现，静态模型所带来的历史的PE往往比预测的PE胜率更高。“预测的PE，它对的时候差异不会太多，但如果错的时候会差异很大，这样我们就会承担相应的风险。从这个角度来说，我并不觉这是静态量化的一个劣势。”卞勇如是说。
让他印象最为深刻的是在2016年11月份，量化模型在对短周期和长周期进行自主分析时，发现长周期因子组合基本还是小市值、高换手和涨跌幅等代表市场情绪的一些因子，但是在短周期的因子组合却迅速切换到估值上，PB突然出现在短周期因子的最前面。当时卞勇认为，在短周期和长周期在市场观点上产生一个较大的分歧时，市场也会在短期迎来调整。他决定降低当时正在管理组合的仓位，后来在2016年年底时市场经历了一次非常大的调整。
各因子的权重，又该怎样去确定呢？卞勇对《证券日报》基金新闻部记者表示，市场上有几种通用的做法，万家基金用得比较多有两种：在线性模型中，他们会用因子和未来收益相关性指标来衡量这个因子的能力，也就是看这个因子对未来的预测能力；在非线性模型中，则是通过算法来解决，各因子权重的决定是一个迭代的过程。每次去试不同的因子，当这个因子有效的时候，就给它加一定的权重，当因子无效的时候，就给它减一定的权重。反复进行这个过程，不断调整因子的权重，最后调到一个比较稳定的水平。
在谈及量化模型对行业和个股的偏离度时，卞勇说道：“我认为，如果用量化投资方式来进行操作，尤其是在多因子框架之下，就必须对量化模型的行业配置和个股的风险进行分散。我通常会对每个行业的偏离度做一个限制，对个股的配置比例也会有所限制，这能最大限度避免单一股票或单一行业给我的股票组合带来的影响，也是我们做分散投资的基本要求。”
卞勇对其量化模型的分散化投资看得很重，他甚至把量化投资的分散化看做量化投资靠概率取胜的关键。这主要表现在两个方面：一是，量化投资不断地从历史中挖掘有望在未来重复的历史规律并加以利用，这些历史规律都有较大概率取胜的策略；二是，靠筛选出的投资组合来取胜，而不是一个或几个品种来取胜。
引入同花顺大数据支持
增强量化投资决策前瞻性
据了解，万家基金的量化模型已经成功引入了同花顺大数据，并将在今年发行一只相关的基金产品――万家量化同顺，该基金将以中证800为选股标的。
卞勇对《证券日报》基金新闻部记者表示，同花顺公司为该基金提供大数据支持，是通过收集、处理和运用市场情绪、新闻评价、个股关注度、用户行为等信息，力争更加前瞻性地全面把握市场动态，及时捕捉市场变化和机会，更加有效地应对市场风险。与此同时，量化模型也会构建新的大数据系列因子，通过不断地自我学习和验证，逐步筛选、确定出核心因子库。
为了能够让模型更加自主地发挥其学习能力，卞勇表示，他把团队打造成尽可能标准化的团队，出发点是尽可能地降低人为因素的干扰。因子的选择和因子的组合方式，包括一些组合优化等方面，他希望都能交给模型去解决。但是在这个过程中，还是需要人为地控制一些因素，一个是在对标的的选择上，另外在模型的管理当中，关于一些风险偏离参数的设定。
对于量化模型未来的发展，卞勇满怀憧憬。他表示，量化模型未来的发展方向最重要的一点，就是如何更有效地把握市场信息，如何对市场信息做出及时有效的反馈。万家基金的量化一直都处在技术的前沿，其发展过程是与技术手段相辅相成的。
与此次引入同花顺大数据一致，卞勇对未来计算机的运算能力以及数据提供商的进一步发展都十分看好，他觉得这些是未来比较明确的发展方向。同时，量化投资者在国内有更好的发展，还有赖于市场更进一步的完善，市场政策、交易结构、投资者结构的成熟化，这些都会给量化产品带来更大的突破。“我们也可以看到这样的趋势，今年公募基金市场上量化基金的数量也有明显的上升。”卞勇说道。
目前量化模型有了哪些升级，量化模型是如何战胜人工选股的，量化模型未来的发展方向又是怎样的？《证券日报》基金新闻部记者带着这些问题，专访了万家基金的量化投资总监卞勇。卞勇表示，他把团队打造成尽可能标准化的团队，出发点是尽可能地降低人为因素的干扰，让模型更加自主地发挥其学习能力。因子的选择和因子的组合方式，包括一些组合优化等方面，他希望都能交给模型去解决。
AI选股代替传统量化策略
让模型主动适应市场
万家基金量化投资总监卞勇，已经有超10年的量化策略研发和投资组合管理经验，由其管理的万家量化睿选灵活配置，在近1月的收益率为9.99%，自2017年8月份成立以来的收益率为7.57%，均战胜银河同类灵活配置基金平均水平，也均跑赢主动量化基金的平均收益率。
能够取得这样的成绩，卞勇分析称：“该基金采用动态模型来选股，与传统的静态模型最大的不同之处，是模型能够自发地适应市场的变化。面对市场环境的变化，我们提出的方案就是让模型自动去学习过去一段时间市场的变化，希望它能够尽快地适应市场的变化。”
据了解，目前万家基金的量化模型的原始因子有300多个，其中核心的因子有80多个。卞勇对《证券日报》基金新闻部记者表示，在模型里面投研团队会定期地对因子做一个解释，线性模型因子的更新周期一般是一年一次，这是因为较短的时间周期不能很好地衡量一个因子，短期的因子他们则是让模型进行判断。
传统量化模型很难解决因子之间的相关性问题，这导致在传统模型中，具有相关性因子的权重之间会相互影响。卞勇表示，新的AI选股模型已经能够很好地解决这个问题：线性模型中的相关因子，可以在模型中加入一个新的因子，把原先两个因子之间的相关性去掉，通过回归的方式，去掉其某个因子贡献性；在非线性模型中，AI模型在选取因子后会给予其动态的权重，对市场特征做逐层递增、更精准的描述。
卞勇对《证券日报》基金新闻部记者表示，新的量化选股模型采用AI选股有三个优势：第一，在动态算法方面，新的模型可以运用大数据运算发掘最有效因子，并为因子动态匹配最优权重；第二，在自主优化方面，新的模型能够自动判断无效数据，通过不断优化因子组合来提高模型胜率；第三，在自适应性方面，新模型能不断适应市场风格变化，形成最契合当下市场风格的股票组合。
限制行业的偏离度
依靠分散化投资组合取胜
任何策略和任何模型，包括任何基金经理，都有自己的比较优势和比较劣势。在接受《证券日报》基金新闻部记者专访时，卞勇谈起量化模型的滞后性也毫不避讳，“从逻辑理论上来说，这肯定是量化模型的一个劣势，我也希望量化模型是来做预测的，但大多时候我都是拿它来做一个总结。”
卞勇表示，从统计的结果来看，量化模型与基金经理的主动判断相比，胜率是高的。两者对应的估值因素有多不同，一种是静态的，一种是预测未来的PE，但统计历史数据会发现，静态模型所带来的历史的PE往往比预测的PE胜率更高。“预测的PE，它对的时候差异不会太多，但如果错的时候会差异很大，这样我们就会承担相应的风险。从这个角度来说，我并不觉这是静态量化的一个劣势。”卞勇如是说。
让他印象最为深刻的是在2016年11月份，量化模型在对短周期和长周期进行自主分析时，发现长周期因子组合基本还是小市值、高换手和涨跌幅等代表市场情绪的一些因子，但是在短周期的因子组合却迅速切换到估值上，PB突然出现在短周期因子的最前面。当时卞勇认为，在短周期和长周期在市场观点上产生一个较大的分歧时，市场也会在短期迎来调整。他决定降低当时正在管理组合的仓位，后来在2016年年底时市场经历了一次非常大的调整。
各因子的权重，又该怎样去确定呢？卞勇对《证券日报》基金新闻部记者表示，市场上有几种通用的做法，万家基金用得比较多有两种：在线性模型中，他们会用因子和未来收益相关性指标来衡量这个因子的能力，也就是看这个因子对未来的预测能力；在非线性模型中，则是通过算法来解决，各因子权重的决定是一个迭代的过程。每次去试不同的因子，当这个因子有效的时候，就给它加一定的权重，当因子无效的时候，就给它减一定的权重。反复进行这个过程，不断调整因子的权重，最后调到一个比较稳定的水平。
在谈及量化模型对行业和个股的偏离度时，卞勇说道：“我认为，如果用量化投资方式来进行操作，尤其是在多因子框架之下，就必须对量化模型的行业配置和个股的风险进行分散。我通常会对每个行业的偏离度做一个限制，对个股的配置比例也会有所限制，这能最大限度避免单一股票或单一行业给我的股票组合带来的影响，也是我们做分散投资的基本要求。”
卞勇对其量化模型的分散化投资看得很重，他甚至把量化投资的分散化看做量化投资靠概率取胜的关键。这主要表现在两个方面：一是，量化投资不断地从历史中挖掘有望在未来重复的历史规律并加以利用，这些历史规律都有较大概率取胜的策略；二是，靠筛选出的投资组合来取胜，而不是一个或几个品种来取胜。
引入同花顺大数据支持
增强量化投资决策前瞻性
据了解，万家基金的量化模型已经成功引入了同花顺大数据，并将在今年发行一只相关的基金产品――万家量化同顺，该基金将以中证800为选股标的。
卞勇对《证券日报》基金新闻部记者表示，同花顺公司为该基金提供大数据支持，是通过收集、处理和运用市场情绪、新闻评价、个股关注度、用户行为等信息，力争更加前瞻性地全面把握市场动态，及时捕捉市场变化和机会，更加有效地应对市场风险。与此同时，量化模型也会构建新的大数据系列因子，通过不断地自我学习和验证，逐步筛选、确定出核心因子库。
为了能够让模型更加自主地发挥其学习能力，卞勇表示，他把团队打造成尽可能标准化的团队，出发点是尽可能地降低人为因素的干扰。因子的选择和因子的组合方式，包括一些组合优化等方面，他希望都能交给模型去解决。但是在这个过程中，还是需要人为地控制一些因素，一个是在对标的的选择上，另外在模型的管理当中，关于一些风险偏离参数的设定。
对于量化模型未来的发展，卞勇满怀憧憬。他表示，量化模型未来的发展方向最重要的一点，就是如何更有效地把握市场信息，如何对市场信息做出及时有效的反馈。万家基金的量化一直都处在技术的前沿，其发展过程是与技术手段相辅相成的。
与此次引入同花顺大数据一致，卞勇对未来计算机的运算能力以及数据提供商的进一步发展都十分看好，他觉得这些是未来比较明确的发展方向。同时，量化投资者在国内有更好的发展，还有赖于市场更进一步的完善，市场政策、交易结构、投资者结构的成熟化，这些都会给量化产品带来更大的突破。“我们也可以看到这样的趋势，今年公募基金市场上量化基金的数量也有明显的上升。”卞勇说道。
热点推荐:
相关资讯:
