2016-09-05 14:09:43

早在上世纪90年代，多因子模型的理念由尤金·法玛（Eugene Fama）和肯尼思·弗伦奇（Kenneth French）两位经济金融领域的泰斗提出，他们首次发表三因子模型的论文，认为股票市值、账面市值比和市场风险三个因子能显著解释股票价格的变动。此后，法玛的学生Clifford Asnes发现了动量因子，并开始在高盛建立多因子模型获取超额投资收益。如今，多因子模型已经成为量化投资领域的主要工具之一，但多因子模型建模过程比较复杂，任何环节有所疏漏都可能导致投资业绩偏离预期。如何建立有效的多因子模型进行量化投资？如何深入了解多因子模型的逻辑与实践？多因子模型的创新与风险控制呈现出怎样的现状与趋势？

8月25日，由经济金融网主办，优米金融协办，“量化策略的投资研究：实践与经验”在北京大学汇丰商学院开讲。作为北大汇丰量化投资公开课系列的第四讲，本次讲座特邀北京大学校友、念空科技基金经理金戈博士主讲。金戈博士深入浅出地介绍了国内流行的四大类量化策略，重点讲解了股票策略中的多因子策略，涵盖了从数据下载与清洗、策略思想的产生、策略的回测到风控细节在内的量化投研和交易的各个环节，并结合自身的投资实践，分享了如何有效应用这些量化策略的投资经验。   

与顶尖嘉宾相遇   

本次量化投资公开课的主讲人金戈先生，系北京大学物理学学士, 美国弗吉尼亚大学物理学博士。金戈博士现任念空科技基金经理，曾任职美国千禧基金世坤（WorldQuant，管理规模百亿美元）。在近五年国际国内市场投资实践中，金戈博士精通各种市场中性量化选股模型，对各种基本面因子和技术有深入独到的运用。同时，他善于洞察市场风险，擅长利用国内外先进的风控系统控制并且对冲市场风险。本次公开课旨在为听众全方位解析量化策略投资脉络，助力投资者做出更合理稳健的投资决策。

回顾课程精彩观点

量化金融的基本特点以及与主动投资的简要区别

在课程之初，金戈博士言简意赅地为大家介绍了什么是量化金融，并将其与主动投资做了简要区别。他指出，同主动投资一样，量化投资也是建立在市场非有效的假设之上的投资方式。然而，区别于主动投资，量化投资通过利用计算机程序对大量的数据进行模拟历史回测，试图找出数据间的规律，并且将规律应用于相似的重复的历史，进而获取战胜市场的“钥匙”。并且，相较于主动投资的步步为营，量化投资更偏向于广种薄收，更注重获取概率上的胜利。

常见的量化高频交易策略

本次量化投资公开课中，金戈博士介绍了四大类国内流行的量化策略，分别为：1）CTA策略；2）股票alpha策略；3）日内T+0策略以及4）套利策略。他从策略来源，策略控制以及策略应用等几个角度展开，对上述四大类量化策略做了深入浅出的介绍。尤其令人深刻的，是他在讲解股票策略中多因子策略时所阐述的独到见解。

多因子策略的逻辑与实践

介绍多因子策略时，金戈博士强调多因子策略的基本思想在于找到某些和收益率最相关的指标，并根据该指标，构建一个股票组合，同时做空期指，赚取阿尔法收益。因此，找到有效因子和收益率之间的关联性是多因子模型的关键。

紧接着，金戈博士介绍了典型的多因子类别，主要包括1）价值；2）成长；3）资产收益率；4）分析师, 以及5）反转。同时，他指出，大盘股（价值股）和小盘股（成长股）在市场变化时具有不同表现。具体来说，牛市时小盘股飙升的比较高，而熊市时大盘股则会体现其价值，量化投资时需要平衡选取两类指标，各选取一部分大盘股和一部分小盘股以稳定持仓。

遗传算法创建新因子

金戈博士指出，尽管前述的各类典型因子已十分有效，但为了精益求精找出更有效的因子，量化投资中常常运用遗传算法创建新因子。而遗传算法（Genetic Algorithm）的本质，是一种计算模型。它模拟了达尔文生物进化论的自然选择和遗传学机理的生物进化过程，是一种通过模拟自然进化过程搜索最优解的方法。

遗传算法中，会频繁地涉及遗传算子（Genetic Operators）的组合交叉(Crossover)和变异（Mutation)。金戈博士在讲解中提到，由于交叉和变异也存在产生不良因子的风险，因而在实践过程中需要计算机进行多层次的交叉变异以确保最后产生的因子相较最初因子更为有效。一般来说，最终有效因子的诞生大致会经历十次左右的交叉变异。

多因子策略风险控制

在谈及多因子策略风险控制时，金戈博士指出，所谓的因子风控，是指市场风险暴露的约束条件下，选取最优的风险组合。他强调，因子风控中尤其需要的注意的情形是，在极端市场情况下，因子打分可能失真。因此需要在风控过程中矫正失真的因子。

具体来说，量化刻画中，所有因子通常呈现比较平均和对称的正太分布，而在极端市场情况下，因子不再正太分布。在大熊市下，由于人们的普遍恐慌，超跌比重将大幅上升，超涨比重大幅下降，以致某些反转不再像以往一样有效。此时，需要通过矫正，改动失真因子，调整量化模型。

紧接着，金戈博士介绍了策略风控下投资组合的特点。诸如，行业偏离不能超过2%，个股权重小于1%，股票数范围通常介于300~500只，限制规模因子暴露的混合对冲，以及年换手率，目标最大回撤等细节问题。

点评环节

此次公开课点评嘉宾为香港应用科技研究院互联网金融应用总监、亚利桑那大学管理信息系统博士颜至宏先生，他也是香港科技大学等多所知名高校的特聘教授。颜教授首先总结到，国内的量化投资还处于起步阶段，集中于股票市场。在量化投资快速发展的过程中，大家会面临诸多的挑战，颜教授结合金戈博士的分享，针对现阶段的这些挑战，给大家提出了几点建议。

第一，扩充投资知识储备。以市场观测的知识储备为例，现阶段大家