量化數據難題：A股量化進程中“裹腳布”[程序化老手]

[ “量化數據相似之后，量化策略也會很相似，這樣，原來提供阿爾法的因子就變成了風險因子。” ]

“狼就在門口。”這是世界上最神秘的對沖基金、量化投資的杰出代表文藝復興科技公司創始人詹姆斯·哈里斯·西蒙斯經常掛在嘴邊的話。

即便是華爾街最成功的量化大師，也無時無刻不在擔心，自己的魔法可能會隨時隨地失靈，如同瓶子里的精靈一樣，“嗖”的一聲就不見了蹤影。

而國內還處于萌芽階段的量化投資也正面臨重重困難的考驗。

數據難題：哪些量化數據更適用？

2011年被稱為量化投資的元年，但相對于國外40多年的量化投資歷史，A股的量化還處于初級階段。在一批批華爾街人士回國的過程當中，華爾街這一先進的投資方式也被帶了回來，大量國外模型被直接引進到A股市場當中，A股的量化也直接跳過了原始的探索階段直接步入實戰階段。但在“一口吃成大胖子”之后，一些弊端和困境也開始逐漸顯露出來，而其中數據問題尤為受到關注。

“量化投資中，數據非常核心，因為量化就是對市場信息的結構化過程，數據將直接影響投資結果。”朝陽永續數據部總經理李智對第一財經日報《財商》記者說。

據李智介紹，目前國內量化投資領域運用到投資中的主要有四種數據，包括行情數據（來源：交易所），財務數據（來源：上市公司的財務報表），分析師數據（來源：數據提供商對賣方研究報告的結構化整理）以及行業專業數據（來源：行業網站或者數據商）。

其中，來源于交易所的行情數據或者價格數據是量化投資中最普遍使用的數據，目前國內量化投資領域中，相當大一部分量化策略和模型都是基于行情數據。

“行情數據的量化是最早的。”深圳市今日投資財經資訊有限公司量化研究部總監陳智對記者表示，早期的技術指標就是對行情數據的量化應用，所以在量化投資中，行情數據量化應用比較廣泛，但這也顯現了行情數據的缺陷，就是大家都在用這個數據，出現同質化的幾率就比較高。

“量化數據相似之后，量化策略也會很相似，這樣，原來提供阿爾法的因子就變成了風險因子。”曾供職于華爾街量化對沖基金的一位公募基金經理說。

這也是所有數據普遍存在的問題。至于財務數據，其局限性則更為突出。

“財務數據存在的最大問題是頻率問題。”陳智說，財務數據也是量化投資中應用較為廣泛的數據，包括市盈率、市凈率等等，但是財務報表最快也只能一個季度公布一次，所以很難只依賴財務數據進行量化投資。

行業專業數據主要包括材料、大宗商品等各種細分行業，數據來源則較為分散。

分析師數據能反映市場情緒嗎？

私募康曉陽2002年從美國回國從事量化投資，第一件事就是創立今日投資數據庫。根據國外量化投資的經驗，分析師數據是量化投資中一項重要的基礎數據，而當時國內對這類數據的梳理還處于空白階段，康曉陽旗下的今日投資也成為國內最早的分析師數據庫之一。

擁有專業數據商背景的上海朝陽永續信息技術有限公司也是從2005年開始著手分析師數據庫的建設，李智告訴記者，目前使用朝陽永續分析師數據的量化投資機構中，就有20家基金、前十大保險公司以及部分私募和券商。

“分析師的研究報告實際上是研究市場情緒的一個很好的代理指標，因為分析師的報告會影響投資者，最終再轉化為影響投資行為，從而傳遞到交易層面上去的。”陳智說。

簡而言之，分析師數據就是把市場上賣方機構的研究報告通過技術和人工的手段進行處理之后，將其用數量化的方式呈現出來，其中最主要的就是分析師對于上市公司的業績預期。

“分析師給市場不斷提供信息，有的投資者在看這個信息，它成了市場情緒的載體，逐漸傳播到投資者那里，投資者有什么反應就是我們要研究的因素。現在很多學術研究也證明，利用分析師數據是可以獲得阿爾法收益的。”上述基金經理說。

但是，上述基金經理也指出，這其中仍然存在不少來自數據源本身的問題。

上述基金經理列舉了幾個例子，比如，作為賣方機構，分析師喜歡推薦有市場情緒的股票，希望通過推薦股票能夠增加市場的交易量。還有，分析師大部分是推薦買入，基本上不會有“賣出”評級的研究報告，這些都會影響到分析師數據的覆蓋面以及有效性。

“我們還要考慮，分析師是不是作出客觀分析。”上述基金經理說，券商與上市公司之間的利益關系等也會影響分析師作出的評級。

“國外分析師報告中做得較多的是季度預測，而在國內則沒有，頻率較低也影響了分析師數據在量化投資過程中的應用。”上述基金經理說。

量化模型存在同質化傾向

除了數據問題之外，國內量化模型也尚停留在比較初級的階段。

好買基金研究中心在對國內量化基金進行分析之后就指出，從基金行業的情況看，量化模型存在同質化傾向。

“每一個量化模型背后都隱含著一個邏輯出發點，代表了一種選股或擇時的思路，而在一種思路被眾多投資者廣泛應用的情況下，模型是很難產生超額收益的。”好買基金指出，目前大部分的量化基金使用的選股邏輯有著很多相似之處，普遍使用的選股模型是多因素模型，出發點大都是基于對上市公司基本面的量化。模型的因子也大同小異，模型輸入數據來源也基本上是一些季報上公布的諸如“盈利指標”、“效率指標”等財務數據以及一些估值相關的數據，同質化傾向較重，因此，模型的“效力”可能會被減弱。

“投資工具的缺失也是限制量化投資發展的一大問題。”一家券商量化投資部總監對記者說，目前國內可交易的股票市場衍生品就是滬深300股指期貨，衍生品品種很有限，而量化基金的很多策略都是基于靈活地運用衍生產品，投資工具的缺失會使得量化策略不能達到預期中的效果，所以目前量化產品收益率都不高，只有在去年熊市環境中，注重風險控制的量化產品才能脫穎而出，而一旦市場環境走好，量化產品又將在一片高收益的產品中被淹沒。

{來源 www.tumamayizhan.com }