量化投资领域，因子挖掘是矛，风控及组合优化是盾。优秀的量化策略，能够巧妙地在几者中寻求平衡，攻守有度。近日，大岩资本总经理兼首席投资官黄铂博士应邀参加《万得私募论道》活动，分享当下A股量化市场的矛盾之争。黄博士从因子挖掘、Alpha来源、Alpha挖掘难度等多个角度，为投资者解读了中性和指增策略的底层框架。以下是本次分享的精华内容。
Q1
因子的本质是历史数据的规律，A股的规律从哪里找？
黄铂：从A股找规律，主要用到以下几类数据。第一类，是财务类数据。这背后的逻辑，是大家相信好公司等于好股票。我们会分析定期财务报表、分析师评级、一致性预期等数据。第二类，是价量数据。它源于市场的每笔交易。我们会关注逐笔成交、委托及快照等。大岩日处理数据量超10亿，高信息体量的背后，是对于IT的高要求。第三类，是另类数据。我们每天看到的一些新闻、分析师研报、社交媒体信息等讯息，和股票市场息息相关。处理该类数据的方式不同于传统基本面和价量数据，需要单独建模。
Q2
量化交易是从怎样的规律中赚钱？
黄铂：我们观察到，对于大部分周期短于20日的套利机会来说，量化这种基于海量数据的研究框架是最有效的方式之一。中短周期也是量化的主战场。A股量化管理人去年平均换手率在100倍左右，也就是5-10天的持仓周期。在该级别内，基本量因子和价量因子都有较好的预测能力。大岩从2017年至今，主打的也是持仓周期5-10天的中频策略。在这种框架下，因子具有更大的宽度和深度，更利于做出策略的多样性。
Q3
A股量化策略的Alpha收益主要来源有哪些？
黄铂： A股散户占比高，所以错误定价比发达市场多很多。比如，某些股票在过去一段时间没有原因的跑赢同类型股票，我们会认为这可能是个人投资者导向的不合理溢价，且这部分溢价在未来会回归均值。个人投资者的投资认知存在一定短板，且数据分析能力有限，所以这部分套空间在2018-2019年之前会更大一些。2019年后，A股市场机构化速度在提升，这种趋势注定会导致上述套利能力的衰减。然而历史数据也表明，A股Alpha收益在2019年、2020年也并没有断崖式下跌，这也证明，哪怕是在机构投资者比例上升的交易氛围中，仍有特定的套利方式。这也是A股量化策略相对其他发达市场的特色之处之一。
与美股相比，A股量化有效因子中，价量因子占比很高。这说明，从交易层面来讲，A股的套利机会比发达市场高很多。A股是“双高”市场：高成本（印花税、对冲成本等）、高摩擦（交易规则限制、对冲工具稀缺）。假如我发现了股票定价的不合理之处，想去从中套利赚钱，成本和困难都会高很多。双高的市场特征制约了从不合理定价中获得收益的能力。
高成本和高摩擦对于大体量资金的大机构影响更大，并且大机构的交易行为会不可避免地留下痕迹。这些特性给了量化交易机会，从微观层面判断资金的属性和机构的交易行为。机构化加速后，更多量化机构也加速了对高频因子的研究。值得注意的是，对高频因子的研究，是通过更细化的维度，预测和刻画交易行为，这并不等同于做高频策略。举个例子，大岩目前的策略不做任何高频交易，整体平均持仓10天左右，但我们整个价量数据100%是基于对高频数据的研究。
综上，在机构化之前，A股的Alpha主要来自散户化导致的不合理定价。机构化后，Alpha主要来自于高成本和高摩擦导致的机构交易限制。
Q4
为什么投资中，获取实际Alpha收益很难？
黄铂：A股市场并非遍地Alpha。Alpha分为两种，一种是纸面Alpha。纸面Alpha相当于给好股票和坏股票排序。这个过程中，不会考虑交易成本，也不太考虑股票表现好坏背后的原因，如大小盘轮动、风格轮动等。纸面Alpha反映的是对于股票的筛选和排序的理想化结果。而真实Alpha，则是投资者能拿到的产品收益。有时我们能找出几千个因子，在不考虑交易成本、换手率、规模、风控的情况下，这些因子对于股票的排序能力十分稳定，但实际应用到产品中，表现出的超额波动还是很大的，这是由高损耗导致的。
损耗主要有以下两个来源。第一，是市场交易的高成本及对冲工具的稀缺。举个例子，假如我们通过纸面Alpha找到一项稳定关系：股票A的表现一直优于股票B。那么理论上，我们应该做多A，做空B。在一个交易成本低、对冲工具灵活的市场，这很容易做到。但在A股市场，我们没有工具去做空B。并且，如果A比B只是好一点点，还不够覆盖对冲成本和其它交易成本。只有当套利空间能覆盖开仓成本时，我们才会去做。
第二，是风险暴露。还是举上面的例子，假如我们发现过去三年中，股票A比股票B表现好。但是，A的市值比B的小，而在过去几年，小市值股整体表现要比大市值股好，所以这一部分纸面Alpha包含了大小市值轮动因素。然而，某些投资者可能不喜欢这部分轮动的收益，因为他们不相信小盘能一直跑赢大盘，所以我们需要把这部分的风险剔除。如果除去轮动风险后，A的表现仍优于B，那才是可接受的。量化策略的风控也是基于此：规避性价比较低的收益来源。这种情况下，从纸面Alpha到真实Alpha的损耗会更多。对于风险偏好不同的管理人，需要通过优化研究环节和框架，不断缩减这一部分主动选择的损耗。因子的研究、筛选、整合能力，也是区分量化策略好坏的关键。
Q5
如何控制风险，优化投资组合？
黄铂：相比于其它策略，量化策略对于风险的刻画和处理更具有特质性。风险可以从三个维度分解。首先，是风格。我们现在的风险模型有十多个风格，如大小盘、估值、成长、换手率等。第二，是行业。风格和行业可以很大程度上解释一只股票的涨跌。其余解释不掉的部分，是个股特有的差异性。我们会对这三种风险进行控制。
除此之外，我们也要求每日的交易不会对市场造成过大影响，交易量要小于全市场成交量的2.5%。从结果上看，我们的量化交易会分散持仓在500-800只股票。另外，通过多维度风控，大岩的超额波动率也处于较低水平，整体不超过5%。我们的低波动策略，对风格和行业敞口有严格的限制，更多地聚焦于选股收益。以大岩市场中性产品为例，2022年，该产品绝大部分收益都是由选股贡献。在市场风格频繁的2022年，正是因为较高占比的选股收益，才能让产品整体达到更低的回撤和更高的夏普比率。
Q6
A股的“Alpha红利”会持续衰减吗？
黄铂：在A股管理人持续增多，研究能力不断提升的大环境下，纸面Alpha确实是在不断减少的，这一块的“饼”越来越难吃到。从这个角度，挖掘Alpha的难度在不断增加。但是，在风险端，不同风险偏好的产品，Alpha衰减速度也不同。如果Alpha来自于对冲工具丰富、风险相对可控的套利机会，则会衰减得更快。比如，之前大家一致认为，1000指数的超额很好做，其本质原因是它没有对冲工具。那时想要获得1000指数的Alpha，就必须敢冒风险，承担1000指数的Beta，这个过程就筛掉了很多人。但是，随着去年7月1000指数股指期货的推出，之后1000指增的超额相比于500指增，优势明显减弱。目前，1000指数也变成了风险相对可控的股票池。对比之下，当下Alpha衰减速度更慢的，可能会是市值再小些的微盘股。
所以从整体来讲，Alpha的衰减并非线性过程，对冲工具越丰富、交易成本越低的股票池，衰减速度会越快。
Q7
对于指增和中性产品，投资者该建立怎样的目标和预期？
黄铂：当评判指增策略时，不同的目标函数下的答案是完全不同的。对于指增策略，目标可以是收益高、夏普比率高、信息比率高。一个策略很难同时满足这几个要求。比如，一个追求高夏普的策略，超额收益反而不应该做得太稳健。作为管理人，也应该建立更科学的框架，根据不同的目标函数设计策略和产品。
中性策略理论上没有多样化的目标函数，它的目的就是最大化夏普比率。随着对冲成本的增加，超额的波动率也应该做得稍高些。比如，一个年化超额收益率5%，波动率为0的策略，放到年化7%的对冲成本下，就会变为每年稳定亏2%、夏普无穷为负的策略。
再举另外一个例子，中性产品的杠杆增加了运营成本，所以从最大化夏普比率的角度来讲，平层策略的目标波动率是需要适当加大的。然而，从投资者的角度，杠杆高了，理应会希望平层模型的风险控制得更严格些、回撤控制得再低些。从专业管理人的角度来看，这种理论和感受的偏差，可能带来投资目标的矛盾。管理人要清楚地认识到这点，同时也需要和投资者做好细致的沟通和科普。在矛盾无法调和的时候，管理人和机构如何从专业角度出发，设计出适合不同类型（目标函数）投资者的定制化产品，也是值得思考的。
Q8
在资产配置时，指增产品和中性产品应该占比多少？
黄铂：我个人在做投资时，也会面临这个问题。下面我会从个人投资者的角度，分享一些投资心得和感悟。
首先，在做投资决策前，要考虑资金的时间属性：我们多久会评估一次该账户的盈亏？这笔资金的投资期限是多少？是三个月、六个月、一年，甚至更久？此外，投资的时点、市场环境等因素，都会影响投资收益。对于一般投资者来说，影响我们投资体验的不是赚多赚少，而是最“倒霉”的时候，我们能承受多大亏损。在确定投资周期后，以极限思维衡量投资预期，是做好配置的关键：在该投资周期下，看到账户亏损多少是无法承受的？
我自己的话，一般以一年为周期进行投资。我投资前会思考：在未来一年，我看到账户亏多少，会感到波动太大，无法承受？如果我的这部分资金是风险偏好低、且在一年中可能随时拿出来用的，比如给孩子上学、买房、买车的钱，这部分资金显然不能承受太大的亏损和波动，比如极限亏损为5%，当然相应地，我也不会期望它有过高的收益。我们来看私募指增产品在持有一年的盈亏情况，自2015年以来，在最不幸的情况下，有概率亏损20%，甚至30%。而我期望的一年期投资下行风险不超过5%。显然，这笔资金我是不能全部配置指增产品的。以极限思维来看，假设我的目标指增产品在最不幸时会亏20%，那我差不多只能拿出1/5的仓位去配置它，这样即使年景最不好时，它也不至于跌破我的亏损承受预期。然后，我会再考虑配置中性产品。拉长时间来看，中性产品的亏损相对有限，大概率小于5%。考虑到指增和中性完全不相关，这笔资金我最终可能会有20%的仓位在指增产品，80%在中性产品。这个例子能较好地解释什么是资产配置和极限思维。
总的来说，投资前要问自己两个问题：一是投资的周期，二是亏损的底线。另外，指增和中性产品并没有孰好孰坏，这两者相关性非常低，所适应的市场环境也非常不同。指增产品是长期配置的最好的工具之一，也是中短期配置最差的工具之一。中性策略能更好地适应中短期市场，而长期来讲它由于对冲成本较高，导致收益上限较低。对于各类资产分散投资也是资产配置的意义所在。
公司 · 简介
深圳嘉石大岩私募证券基金管理有限公司2013年6月成立。大岩资本布局全球业务网络，与设于香港、纽约等独立姊妹公司，携手力求为国内外投资者提供最专业的资产管理服务。
大岩资本管理团队拥有丰富的全球金融市场投资经验。目前40多位专业人士因为共同的梦想和追求聚集在一起，他们毕业于哥伦比亚大学、牛津大学、清华、北大等海内外名校，拥有数学、计算机、医学、物理、金融工程等复合学术背景，形成了国际化、学术化的专业量化和基本面人才梯队。
在深耕中国大陆资本市场的十年里，大岩资本在私募证券投资领域，累计获得包括3樽金牛奖在内的30余项业内奖项；2017年为业内首家通过国际公认、标准最高、最权威的ISAE3402鉴证准则；2018年获得SBAI国际对冲基金标准委员会认证（现全球另类投资准则委员会），意味着大岩内控体系、合规要求达到了国际认证标准。
公司曾用三年时间实现资产管理规模跨越百亿，成为中国业内领先的私募证券基金。大岩资本着力于量化投资技术、产品和业务模式的创新，是科学投资的先行倡导者和实践者，以维护金融生态环保为己任，在为投资者创造价值的同时，也使资本市场更有效，从而为社会实体经济提升价值。
大岩资本联合专业公益机构，设立了“贫困儿童医疗救助公益基金”，致力于“以资本力量，为孩子的生命护航”，在实践中探索可持续发展的公益模式回馈社会。
