在上两期复盘中，我们回顾了今年微盘股大幅调整的三个阶段。无论是2014年底“量化艰难时刻”，还是国内外量化集体大幅波动事件中，我们总是能看到几个关键词反复出现：“策略同质化”、“单一风格暴露”、“交易拥挤”、“模型风险”、“去杠杆”、“风控失效”等。
似乎“量化交易”总是会与极端大幅回撤关联在一起，实际上并非如此。例如，2021年2月份白马股大幅回撤、2021年12月至次年4月新能源板块大幅回撤。这些流动性导致的调整，其实并非量化交易所特有。
那么为什么会出现这些极端回撤呢？这些争议背后产生的实质是什么呢？
在这最后一期复盘文章中就让我们走进量化交易的世界，透彻地了解下什么是量化交易？量化投资与主动投资究竟有哪些差异点，量化投资的优势和劣势又分别是什么？去感受量化、读懂量化、思考量化。
如何定义量化交易
我们先来聊聊量化交易是什么。要严格给出量化交易的具体定义是一件比较困难的事情。实际讨论中，大家往往也将 “算法交易”、“量化投资”、“数量化投资”等概念混在一起使用。
个人认为，基于市场特征的数量化分析，并以此构建策略的投资方法，都可以称为量化投资。严格来讲，量化投资涉及到的流程较多，包括数据收集与清洗、交易信号生成、组合优化、交易执行等多个环节。要构建这一套完整的量化投资流程，需要涉及巨大的工作量(可参考图表1)。量化交易种类繁多，为了更好的限定范围，本文要谈的量化交易，特指股票多因子量化策略。
图表1：量化投资流程示例(Qlib)
量化投资与主观投资的区别
那么所谓的多因子策略到底是什么呢？它和大家较为熟悉的主观投资有什么不同呢？我们认为主要有以下两点：
第一，量化交易是从因子视角出发，看待股票投资；
第二，量化策略会有一系列较为严格的“规则”，涵盖各个投资环节。
图表2：量化投资：以因子视角来看待股票
来源：申万菱信
以图表2为例，量化交易一般将个股的市场表现拆分到多个因子维度上来建模，这也是“多因子策略”的由来。什么是因子呢？简单说就是股票的某个(可数量化的)指标，例如，总市值、净利润指标、过去一年的表现、分析师预期，甚至股价大小，都可以是一个因子。不过，用于投资的因子是有一定“要求”的：必须是与未来股价走势有较高相关性的指标。
由于这个市场是非常复杂的，我们很难用单一因子去解释股票价格的波动，因此，“多因子策略”也自然地生成了：利用与股价走势高度相关的多个因子，综合起来给股票“打分”。分数越高的个股，未来上涨的概率可能越大。这个打分的过程，就是一个简化的多因子策略的“核心”。
作为对比，主观投资则更加侧重股票本身的研究。量化交易在个股研究层面，几乎对个股不会进行细致的研究，所以，量化交易往往会通过大量持股的方式力争对冲个股风险。也正因如此，有一种说法叫做：“量化挣广度的钱，主观挣精度的钱”。
图表3：量化指数增强构建流程示意图
来源：申万菱信
与主观投资相比，量化交易对于“策略”的定义更为严格，会形成一套完整的“规则链条”。一般来说，量化策略会严格约定“买入规则”、“卖出规则”以及“精确的风险控制”(可参考图表3)。例如，每个月底买入综合因子打分较高的N只个股构成组合、每个月末对组合再平衡调整、投资组合整体行业偏离不超过X%等。一般来说，量化会将这些“规则”放在历史上做“检验”（即回测），只有通过历史的验证，才会被纳入到投资体系中来。因此，在很多场景下，量化交易也会称为是“规则化投资”。
主动权益而言，策略择时更加灵活。以价值投资为例，每个基金经理对于什么是“价值股”的定义存在非常大的差异。而对于什么时候该买入、该卖出也很难“量化”的定义，更多是依赖基金经理个人的“经验”和“投资判断”。
简单说，量化投资依赖于历史规律，而主观投资则更多依赖于个人判断。客观讲，我们很难说哪种投资方法更好。因为即使是历史上成立的规律，即使回测数据再“完美”，也可能会有一些预料之外的假设条件被打破，导致规律反转。回顾历史，我们也会发现两种投资方法，都有各自“适应”的投资环境。
谈谈那些量化交易的优缺点
根据图表3，我们可以将量化投资策略拆分成两部分：Alpha模型和风险模型。
Alpha模型主要是推测股票组合未来的表现，直接决定了投资组合的“投资预期”。前文介绍的多因子“打分流程”其实就是简化的Alpha模型。其较大的优势就在于“可复现、可验证”以及有较为“科学”的理论基础。Alpha模型的核心理论来自于有效市场理论、统计学、行为金融等等，给组合投资提供了非常扎实的依据。
Alpha模型也存在着不足：
一方面，Alpha模型依赖于“大量数据验证”，这就可能会错失很多“稍纵即逝”的机会，或者新的投资规律。
另一方面，因子拥挤度问题。由于量化基金采用的方法论较为一致，在充分竞争的市场环境下，一个优秀的Alpha因子会逐渐被大家发现。随着资金拥挤度增加，会出现“僧多粥少”的局面，最终可能使得Alpha因子有效性衰退。风险模型则主要负责精确地控制组合的投资风险，这也是量化优点之一。例如，对于指数增强型产品，对于组合的跟踪误差有较为严格的限制，此时，可以使用“优化器”，较为精确地将组合跟踪误差限制在一定范围之内。类似地，还可以较为精确的约束组合的风格、行业等偏移。这也是为什么一般大家看到的“指数增强型基金”都是采用量化交易的方式运作了。
量化交易的争议
既然风险模型能够精确控制风险，那么为何还会出现“大幅回撤”呢？
一方面，这是因为风险模型的建立同样依赖于“大量数据”。只有数据量足够，才能够精确刻画风险。而市场出现特别大幅波动的时候，往往会出现“5倍标准差”以外的样本情境！这就意味着数据量有限，风险不可能被精确计量，故而风险模型在“极端行情”下，很可能失效。因此，在特别极端的行情发生时，往往只能依赖于管理人的“经验主义”。
另一方面，市场流动性不足或者发生大幅调整时，很可能是由于交易对手方的持仓或风格高度一致，即持仓拥挤度较高。在实际投资过程中，很难精确估计出对手方的持仓，也很难判断对手方什么时候会进行操作。因此，在学术上，流动性以及流动性风险的测量一直都是一个难题。
最后，正如前文提到，“大幅回撤”并非量化交易独有的。一般在分析时，大家会反复提到几个概念：“alpha因子失效”、“单一风格暴露”、“流动性不足或大幅调整”。
我觉得，从本质上，造成大幅回撤的根本原因在于“策略趋同”或者“市场缺乏多样性”导致的。
无论是量化交易还是主观投资，实际上都面临同样的投资难题。量化交易者使用的理论模型、因子往往大同小异，主观投资使用的分析框架、跟踪数据、担忧的风险，往往也是差异不大的。
似乎每次大幅回撤都会遵循以下演化过程：当市场出现某个趋势较长时间时，相同“方法论”最终都会将“筹码”集中在一起。假如市场上仅有一个“方法论”，那当共识的“风险事件”到来时，便会出现一致性的行为，进而可能产生大幅回撤。例如，私募量化策略之于微盘、主权权益之于“核心资产”。
但是，假如市场上总有“势均力敌”的两种“投资观点相反”的策略存在，或者多种相关性不高“投资策略”且整体均衡，那么，市场发生极端回撤的可能性就会降低。因此，引入更多的资金属性、更多元的策略、更多样投资者，丰富市场的多样性，可能是化解或者预防市场极端回撤的手段之一。
关于量化的一些思考
经历2024年年初这一轮量化极值发展史，对于量化投资我也有很多新的感悟、新的待解问题和新的思考。这些思考在后续的投研工作中，时常触发我脑海里的这些问题。
1. 假如一个有效因子被券商分析师发表，“公之于众”，那么，该因子还会有效吗？
2. 大回撤的过程中，即使有充分的研究证据证明，市场平稳后alpha会迅速修复，但是，量化管理人真的能够抑制住恐惧不去人工干预模型吗？而对于进行了人工干预的量化管理人，又真的做错了吗？
3. 回顾A股历史上历次量化策略集中回撤，虽然成因和微观传导机制不同，但多是伴随着风格的切换。对于今年年初这轮大幅回撤，和历史上有什么不同呢？后续超额收益表现又会是如何呢？
对于这些问题我将尝试寻找答案，待未来有所思考，再与大家做交流与探讨。市场的风云变幻，让我对于投资的敬畏感也愈发增加，尊重市场、尊重规律、尊重不同投资策略的本真。
量化交易，江湖再见！
