数量模型需要对客观进行透彻分析

2013年08月08日12:12  来源:和讯视频
 字号:

  和讯网:钱所长如何看待量化投资的市场发展前景?我们知道在过去很多年中像技术分析方法和价值投资方法一直引领着市场,但随后随着市场的不断变化,可能它们也需要做出某些调整。现在量化投资也是方兴未艾,您对于量化投资的市场前景能够看到有多远呢?

  钱滨生:我觉得量化投资的发展空间非常大,从我个人的理解来讲,量化投资并不和技术指标投资、和交易投资有相冲突,因为量化投资其实是一种工具手段,最核心还是在这个投资理念和投资思路上要符合经济学原理和大家一般投资的思路,如果我们从价值选股来讲,大家是从基本面出发,选择有成长性的行业,这完全是可以用量化的过程来实现。结合技术指标可能在选出来具有成长性的股票池里再寻找切入的最佳时点,这样的话其实通过量化工作可以把基本面缩小到有成长性的股票池,再结合技术指标进行买卖时点的把握,其实是把价值投资和技术投资都可以结合起来。这样对于整个投资来讲,它也更符合我们大家一般所了解的常见的投资思路,我们想选择好的股票,但介入好的时机也是非常重要的。所以,这一点量化投资能够把整个思路贯穿利用起来,必然在将来对很多的投资大众来讲都是不可缺少的一个投资方式。

  

  和讯网:我们知道量化投资很多量化投资手法是不被市场所公开知道的,很多操作方式可能是黑箱操作,这样会对量化投资增添了很多神秘性的色彩,而且量化投资在引进国内的时候,的确可能存在着一些把它深化或者把它夸大的部分。我就想问钱所长,目前在国内的量化投资中有没有一些误区存在?

  钱滨生:因为很多时候量化基金出于保护知识产权和自己的核心竞争力势必对于量化投资模型的细节有所保留,这是所有的商业企业在竞争策略上都会采取的方式是一样的,这完全可理解。但是我想强调一点,尽管投资建模可能非常复杂,不为一般人所了解,但所有投资的大致基本理念和思路还是应该和我们所谓常识相吻合,只不过在具体的细节和具体环节把握,我们是用一个比较复杂的模型来试图捕捉人的思维判断的过程。

  这样一个工作是非常复杂,但由于一些细节的保留,可能对于普通大众来说存在一个认识上的误区,觉得量化投资并不是普通人所能接受,并且也不一定适合普通人。事实上如果我们把这样的工作认为是一个生产流程中非常细化的分枝节,就像我们普通同志买一个汽车的话,其实对于汽车如何构造里面的发动机的复杂的过程我们大概不必太拘泥,我们所要关注的是整个汽车性能和表现能力如何的稳定性进行评估,所以,从这一点来讲量化投资模型本身的复杂性并不会对投资大众具有致命的弱点,还是具有可以为大众所接受的一个可能性。

  

  和讯网:钱所长,作为一个新人想进入量化投资这个行业,他们应该具备哪些素养和技能呢?您作为一个有国内和海外量化投资经验的人,能够给一些新人提供一些建议,避免他们在进入这个过程中少走弯路。

  

  钱滨生:所谓量化投资,第一,当然要求它对于数理模型和统计原理有相当程度的了解,这样才能对大数据进行系统性分析,并能找出相应合理的投资模式进行量化投资策略的设计。第二,可能包括对于计算机和硬件系统都有一定的了解,因为作为整个策略执行是由计算机完成,这样需要对策略从设计到执行有一个完整的流程和概念。第三,对于整个投资的理念和投资的模型需要有一个我们叫做符合常识性的检验,因为很多刚毕业或者是刚接触量化投资的年轻人可能对于量化投资模型本身具有很强的信心,往往忽略了量化模型作为数理模型是有一个很大的一个弱点,它有一个很强的假设,对于数据和金融市场的规律是有很强的假设。如果在现实中这样的假设并不存在,这样的量化投资模型就会起到适得其反的结果。所以,对于市场必须设计人员要进行透彻的了解,对于策略原理进行深刻的理解,因为我可以举个例子,金融时报曾在几年前登过一刊新闻,我们知道沃伦巴菲特的公司伯克希尔哈撒韦这样一家保险放心保)公司基本上属于可以长期投资的公司,公司的股价波动非常小,这也符合沃伦巴菲特的投资原理。但这样一个大公司它的股价会在特定的时间出现大幅的涨幅或者波动,其中原因是另外一个非常出名的好莱坞女演员,她叫安妮伯克希尔哈撒韦,每次当她见报的时候,她的名字因为和伯克希尔哈撒韦的名字相重,一个公司的股价居然和一个明星的名字相吻合就会出现一个很有意思的联动,这样的话从统计来讲的话可能就会出现一个很显著的效果,这个事情报道之后大家会意识到这样一个错误就不再进行这样一个追捧某一个公司就是因为明星出镜,如果从统计学来讲结果都是符合显著就作为一个投资策略,势必仍然是不可具有长期生命的一个策略。

  所以,对于统计或者是数理模型出现的结果一定要对真实的经济建设和市场运作进行一个透彻的分析,来确定自己发现的规律是有原理所支持的,我觉得这一点是非常关键的。

  最后一点是对于数据的整理和数据的认识。因为在量化投资中作为我们所接触到的都是金融数据,其实很多时候金融数据会存在本身的疏漏或者可能不是错误,但是是不合理的数据。比如一个分析师可能给出一个公司的目标价格,它其实是它真实给出的,但是它和前面大部分分析师给出的价格差距非常大,很可能是一个真实的数据但是不合理,作为建模过程中,如果把它吸纳进去,可能对你这个建模最后的结果产生一个不可估量的负面效应,我们是不是要对一些异常值进行一些处理,怎样判断异常值和怎样处理都有实证上的一些考虑和分析,这要结合数据和对整个市场的理解才能做的。这些都是对一些刚进入量化投资领域的人都有一些帮助的东西。

  【免责声明】本文仅代表作者本人观点,与和讯网无关。和讯网站对文中陈述、观点判断保持中立,不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考,并请自行承担全部责任。

推广
热点
推荐
自动登录
用户名: 密码:

正在验证用户信息...
理财产品
感谢您的参与!
查看[本文全部评论]

script src="http://utrack.hexun.com/track/track_xfh.js?ver=20120503">