会议：开源证券2024春季策略会
议程：量化与基金投资论坛主题演讲
日期：2024年2月27日
地点：上海
主办：开源证券金融工程魏建榕团队
主题演讲：量化投资与差异化配置
特邀嘉宾：李荣兴，德邦基金量化投资部总经理。
发言实录：
大家好！感谢开源证券金融工程团队魏建榕博士的邀请！我今天谈的这个话题叫做量化投资与差异化配置，主题包括在配置中考虑到的一些要素，例如小微市值与大市值，主观与量化，传统多因子与人工智能。其中这段时间最火的一个话题就是微盘股。基本上从21年大盘成长的行情结束之后，到23年微盘股都是呈现一个比较火热的一个状态，然后到了今年年初，出现了一波由流动性踩踏引发的恐慌行情。到现在流动性危机解除之后，我们可以看到年前和年后出现的这波反弹行情。整体来看，这个危机中涉及到两种类型的产品。第一类是赛道型的产品，主要是把小微市值当成赛道，在赛道内获取alpha。另外一类是对冲中证500，和中证1000的产品，错配到小微领域获取alpha，但在小微市值中的暴露过大，导致在微盘股赛道产生了拥挤。
为什么会出现这样一种Alpha的错配呢？我觉得有两个主要的原因，第一个原因是关于选股的广度。从17年开始到现在，小微股票在市场上的占比已经在66%左右，而且在我们可以预见的将来，这个比例应该是在不断提高的。如果从信息比的角度来看，股票数量越多的话，意味着股票间标准差会更大，更加容易做出更高的超额收益，这是选股广度对于选择alpha的影响。如果从绝对收益的角度来看，基金经理只要考虑自己选择的股票涨不涨就可以了，但是如果从相对收益的角度来看，我们不太可能在放弃这个市场上2/3股票的情况下长期做出很高的相对收益来。而过去三年的行情告诉我们，即使是做绝对收益，大市值股票也有可能是风险。无论是大市值还是小市值，绝对收益还是相对收益，市值因子本身都是一个风险因子。
第二个原因与alpha的认知有关。这一次量化的流动性危机虽然引来了很多的诟病，但是这里面涉及到认知的变化，即做量化的人在经历2014年12月市值因子的第一次重大危机后，就已经意识到了市值因子是一个beta，而不是alpha。但是这一轮的市值危机跟14年又有不一样的地方，在14年的时候，大家对冲的是像沪深300这样市场上最大市值的股票池，而且那个时候有很多产品没有做任何市值的约束就去对冲沪深300。然而今年大家对标的是中证500或者中证1000，而且也做了一定的市值风险约束，但仍然遭遇了很大的回撤。这实际上说明市场正在变得越来越难。除了市值因子这一点以外，我们可以再关注一下21年9月份以后的行业因子的回撤。如果我们做过有一定行业暴露的量化模型，会发现如果行业暴露是1%左右，那么在21年9月份之前，连续10年左右的超额收益是每年都会多4到5个点。因此我们会误认为超额收益来源于行业的暴露。但是21年9月份之后，大概有9个月左右的时间，只要有1%的行业暴露，那么超额收益的回撤就有6到7个点，这个主要是行业因子暴露导致的回撤。所以从这次危机来看，并不是我们对风险没有认知，而是随着市场的发展，我们必须刷新原有的认知，因为市场本身就是变得越来越难。
下来是关于小市值股票的质量问题。市场上有一些媒体会提到小市值是不是代表了较低质量？我个人认为不是。从2020年算起，连续三年合计营收增长率超过100%的高增长股票约55%来自小微指数，高增长股票在小微指数里占比是27%，在沪深300里面占比是14%，因此成长才是小市值的主旋律。
另外我们还需要讨论关于流动性和估值的锚之间的关系。大家都认为这次危机是一个流动性的危机，因为小盘的流动性不够而发生了踩踏。但是最近两年沪深300的成交额和小微指数如中证2000及2000以后的股票，基本上是一个量级的，而且沪深300从高点下来也超过了40%。但是为什么沪深300不会发生很严重的踩踏的一个现象呢？其中有一个很重要的点，就是沪深300里面的股票实际上是有价格的锚，体现在两个因素。第一个就是估值，沪深300股票有更准确的一个估值，所以它钳制了价格，而估值预期的改变实际上是非常缓慢的。第二个是股指期货。股指期货这种做空工具提供了套利空间。例如中证1000股指期货，在一月前因为雪球这个因素最后跌停的时候，提供了很大的一个套利空间，使得这个市场存在一个抵抗的力量，存在一个分歧的空间去把它拉回去，所以股指期货也是给了一个估值的锚，尤其是对于指数的估值的锚。
我们讨论前面这些问题，实际上是想讨论大小市值策略包含的要素。这里大盘指沪深300，中盘指中证500+中证1000较大市值部分，小盘指中证2000、中证1000较小市值部分，微盘包括华证微盘及万得微盘指数等最小市值股票。首先，小盘有个核心的要素就是广度，这是其较高超额收益的来源。其次，大盘和中盘带有行业要素。而对于盈利和趋势要素，大、中、小都有。对于成长要素，我认为在目前的周期，大盘股不会再出现17-21年间大盘成长的行情。另外关于波动率，也是除了大盘股都具有的因素。对于估值的锚，大中盘股有股指期货和准确的估值体系来保证价格的锚定，而如前所述，小盘的定价锚缺失给策略带来很大的分歧。基于估值的定价对于小盘股来说是非常不准确的，它上涨的时候不会受到估值的太多约束，同样出现流动性危机时，估值的底部也没有那么准确。对于微盘股，存在一部分股票PB非常低，低PB给予了高胜率，而高波动给予了高赔率，这使得微盘股策略大部分做的是高抛低吸的操作。总的来说，大、中盘是基本面定价，而小盘、微盘是基于交易定价。
关于交易定价和基本面定价可以引申出主观跟量化差异。首先是关于量化中的基本面信息，对于一个公司的实际经营，最早得到这个信息的是主观调研，可以通过基本面去定价。但对于量化，主要可获得的是预期数据和财报数据，但它们都有一定的滞后性，只能进行基本面上的定性而无法定价。所以对于主观投资，其优势在于研究的深度，而对于量化投资其优势在于广度，在交易定价上具有优势。
其次，主观与量化存在配置上的差异。原因有三点，第一个是方法论，主观投资更多的是基于预期跟逻辑，而量化更偏向于统计。其次是信息源，主观投资主要来源于基本面信息，而这个信息是低频的，而量化还处理高频的交易信息，这弥补了基本面信息实时性不足的问题。最后，主观投资的深度研究优势被小微股票的数量稀释了。理论上主观投资掌握更全面的信息，但在实操中无法完全覆盖这些股票，而量化虽然无法完全利用这些非结构化信息，但在覆盖能力上超越了主观投资。最后，主观基金经理的核心能力是全局思考并处理信息的能力，但量化并不是刚开始就具备这样的能力。
接下来的议题是关于传统多因子跟人工智能。量化最早是基于多因子方法论，管理规模达到千亿，后面进入了因子工厂阶段，因子数量越来越多，但单因子的边际效用却越来越小。与此同时，在16、17年主观表现更好一点，因此出现了一些产品，是基于主观选股，然后用量化进行组合，这也是基本面量化的前身。但是后来过几年后，这条路走下去就变成了基本面量化，用经验去确定一部分路径，然后在这个确定路径之后，用分域的思维去做量化投资。但是量化在过去几年达到万亿的规模，包括私募、公募这两年的快速增长，最重要的还是人工智能这个方法论的引入。但关于这个，我觉得需要捋清一些观点，我称之为AI策略不等式。第一是AI策略不等于ChatGPT，即AI策略实际上使用的是来自人工智能领域的不同的算法，而ChatGPT实际上是大语言模型，具有通用的能力。第二是AI策略不等于量价因子，这个观点最容易出现误解。对于AI策略，它也可以使用包括基本面信息在内的各种数据。第三是AI策略不等于小市值，因为本身小市值股票数量很多。如何去控制市值暴露，主要取决于我们组合优化的方式，还有一些就包括流动性约束，比如说如果我对流动性有要求，那很自然的就是会导致小市值的股票的数量在组合里面变多，但是它权重不一定上升。
从多因子到AI策略，我们究竟做了哪些拓展？首先，底层的数据信息是相同的。但是多因子模型得到的因子必须要经过统计检验，但市场上的有些特征会包含投资的逻辑，可以描述市场的某些方面，但无法单独通过统计检验，没法成为因子，这意味着我们丢失了很多信息。另外，在因子的处理上，传统的回归分析只能处理10的1次方量级的因子，而借助人工智能领域的强大算法，其可以处理的特征数在10的3次方以上。如何才能尽多的利用特征，是分成了两条路径，第一种方式就是用人去分域，根据经验确定一部分路径，然后在这种基础上再结合一些宏观的行业的模型，也就是基本面量化。然后另外一个路径就是去寻找更强大的算法来解决问题，比如Xgboost，Transformer等。到后来大家发现，这些更强大的算法基本都来自人工智能领域，所以人工智能策略就是在这个进程中形成的。
这个就是我认为目前量化的三个重要的方法论，一个是传统的多因子，第二个人工智能，第三个基本面量化。传统多因子，结合了可解释性还有可验证性，但是有一个缺点，就是它全局分析的能力是比较差的。人工智能有强大的信息聚合能力，但是它弱于可解释性。基本面量化，实际上就是跟主观方法论的一个融合，需要考虑跟主观投资者的一个差异，并可验证的周期比较长。
最后一个议题是应该选择固定赛道还是灵活配置。灵活配置是在择时和风格中二选一，在评估回撤时，我一般假设历史上波动最大那天模型是做反的，那模型最大回撤一般就是-8%到-10%，所以择时策略的Calmar一般很低。第二个是关于行业选择，行业选择可参考的日频样本大概是10的五次方，但是21年9月份回撤发生之后，我们发现1%的行业偏离，也带来很大的波动，所以它的样本量是不够的。所以从我自己的角度来讲，在选择固定赛道还是选择灵活配置这个角度，我更多还是希望去选择最多样本的方式进行选股。
最后我们对之前提到的议题进行总结，根据前面讨论的一些要素，进行差异化配置。我觉得这个市场上的很多的要素，并没有明显的优劣之分。越偏向大市值，主观的优势越大。越偏向小市值，量化的优势越大。市值是风险，不管大市值、小市值都是有风险的，然而小市值的广度给策略一个比较大的发挥的空间。人工智能这一块经过几年验证之后，实际上也是量化行业比较重要的方向。主观更适合基本面定价，量化投资更适合基本面定性，再做交易的定价。越低频和主观投资的同质性越强，越高频和主观投资的差异化越大。还有关于固定赛道还是灵活赛道如何选择。所谓固定赛道就是我把配置交给投资人，如果是灵活配置，我觉得主要还是要考虑性价比、可靠性、可验证性的问题。
我们的认知也在不停地被市场改变，因为这个市场现在正在变得越来越难。量化行业在大家这么多人卷的过程中也是在不断进步的，也希望我们这个市场以后会变得越来越好，这是我今天的分享，谢谢大家。
（全文结束）（纪要整理：胡向宇）
风险提示：本材料为客户服务材料，既不构成基金宣传推介材料，也不构成任何法律文件。本材料所载信息和观点仅供阅读者参考，既不构成德邦基金对其管理的基金进行投资决策的必然依据，也不构成德邦基金对阅读者的任何投资建议或承诺。德邦基金在本材料中的所有观点仅代表德邦基金在本材料成文时的观点，德邦基金有权对其进行调整；在不同时期，德邦基金可能会发出与本材料所载不一致的观点。若本材料转载第三方报告或资料，转载内容仅代表该第三方观点，并不代表德邦基金的观点，德邦基金不对这些信息的真实性、准确性和完整性提供任何直接或间接的声明或保证。除另有明确说明外，本材料的版权归德邦基金所有。未经德邦基金的书面许可，任何机构和个人既不得以任何形式对本材料或其任何部分进行派发、复制、转载或者发布，也不得对本材料进行任何有悖原意的删节或修改。德邦基金或其关联方、员工等不对任何人使用本材料全部或部分内容而引致的任何损失承担任何责任。
