量化基金是怎么从几千只股票里挑出牛股的?

图片
风险提示:本文所提到的观点仅代表个人的意见,所涉及标的不作推荐,据此买卖,风险自负。

作者:画要多说

来源:雪球

为什么现代化工厂的生产效率,会远超手工作坊?

一个重要原因,就是标准化。

这样一来,不仅效率提高了,质量也更容易保持稳定。

图片

其实,量化基金选股,也有点类似。

量化研究员会把一些投资经验和想法,变成具体的计算规则,让电脑按照统一标准,给市场上几千只股票打分。

图片

比如,有一种常见的投资思路:

图片

但光有这个想法还不够。

最近是多近?什么叫涨得好?总不能让电脑凭感觉判断吧?

于是,研究员就会制定一套具体的计算规则。

图片

这样一来,原本模糊的投资想法,就变成了电脑可以批量计算的指标。

而这些用来衡量股票不同特征的指标,就叫做「量化因子」。

图片

不过,有了因子,就能轻松挑出好股票了吗?

当然没那么简单。

这些因子到底有没有用,还得经过一系列检验。

图片

首先,得看历史上管不管用。

还是拿刚刚的动量因子举例,靠它把股票分为高、中、低三组,再看看之后的表现。

如果高分组的股票,整体表现经常比低分组更好,那就说明动量因子有点本事。

图片

不过,先别急着下结论,也有可能是运气使然,万一高分组恰好大部分都是小盘股,而那段时间小盘股刚好涨得特别猛呢?

所以,还得尽量控制行业、市值等因素的影响,看看这个因子的预测能力是不是一直存在。

图片

其次,得看陌生情况管不管用。

有些因子在历史数据上表现特别好,可换一段新的数据,立马就不灵了。

就像有些学生,平时把练习题背得滚瓜烂熟,一到正式考试,换个题目就不会做了。

图片

这背后,可能存在「过拟合」的问题,即完美契合历史数据,但实盘表现不佳。

一般是由于模型太复杂,对历史数据学得“太好”,把无关紧要的细节当成必要规则,忽略了整体规律。

图片

为了尽量避免这种情况,还要拿没有参与过因子开发和调参数的数据,再检验一次。

如果换了数据,依然有一定的预测能力,才能毕业,进入实际使用阶段。

图片

第三,得持续看是不是有效。

毕竟,市场可不是一成不变的。

当市场风格发生变化,又或者,发现同一个规律的人越来越多,原本存在的赚钱机会变得越来越小。

图片

所以,还得持续跟踪因子的表现。

如果一个因子持续表现不佳,它在模型里的权重可能被降低,甚至暂停使用,进入观察池。

图片

不过万一市场环境变了,或者研究方法有了改进,打入冷宫的因子也可能重新上场。

图片

说到这里,你应该也发现了:

量化选股的标准化,并不是制定一套规则,就能一劳永逸。

市场没有永远有效的标准,只有需要不断接受检验的规律。

-END-
图片


文章原文

内容来自 雪球,版权归原作者所有。

阅读原文 ↗

把喜欢的内容,留在你的新标签页。

打开我的订阅