量化投資之多模型應用

今年以來股市將“冰火兩重天”演繹的淋漓盡致，一邊是成長股的野蠻上漲，另一邊是大盤藍籌的備受冷落，即使是成長股進入市夢率時代，即使是大盤藍籌低于凈資產。有人說，當前傳統產業產能過剩，代表經濟轉型方向的股票更受歡迎。

然而，對于產能過剩的憂慮和對經濟轉型的期望歷史上已有過多次，股市的表現也未曾有當前偏執。從量化的角度來看更是如此，以估值因子為例，在過去10多年里估值因子是比較穩定有效的，當然回撤時有發生，但像今年連續失效半年的情況還是非常異常的。再看成長因子，成長是投資者最渴望的，歷史表現也不錯，能夠貢獻較高的超額收益，但由于大面積偽成長時有發生，其穩定性確實是需要提防的。

動量和反轉因子也是量化模型中經常使用的，大量的研究結果表明，A股市場存在著較強的反轉效應，這可能與A股較為分散的投資者結構有關系，然而今年以來，市場呈現出極強的動量效應。以歷史數據為準繩的量化投資，大多采用經過驗證的因子構建多因子模型。對于單個量化模型來說，大多數情況下確實能夠獲得超額收益，但也不可避免地遭遇回撤。提高超額收益、減少回撤幅度是量化投資追求的目標。如何實現這一目標，第一個想到的是優化單一模型。首當其沖的是尋找長效因子，即超額收益高且回撤極小的因子。真的存在這種因子嗎，回答是肯定的，但這種因子極為罕見。經過對A股歷史數據的測試，發現流動性因子較為接近這一標準。流動性差的股票具有流動性折價，在流動性轉好后將折價轉換為超額收益。但問題是流動性差導致價格的可獲得性變差，交易成本變高，因此能夠容納的資金量很小。還有一種普遍采用的方法是使用數學規劃對選出的股票進行權重優化，使得投資組合收益（或相對基準收益）更具穩定性，優化效果是值得肯定的，但優化的邊界是受到選股模型制約的。

首先，選股模型的主要因子暴露在優化后仍然保留，因為只有因子暴露才有因子收益，但當因子回撤優化后的組合一樣回撤。其次，經過權重優化后，投資組合的收益會受到較大影響，因為大部分優化是以夏普比例、跟蹤誤差、因子分布等穩定性作為首要目標的，是需要犧牲一定程度收益的。對于單個模型的優化很難兼顧提高超額收益和降低回撤這兩個目標，原因在于（1）組合在單個因子上的暴露是絕對而持續的，而具有可操作性的長效因子是極為匱乏的；（2）單個模型選擇的股票是綜合屬性較好的，其實對每個因子來說都是次優選擇，導致股票特性不強，犧牲了收益性；（3）組合的股票頭寸層次性不強，單個模型捕捉的是市場中某一類投資機會，策略較為單一。

針對單一模型的問題，我們應該嘗試多模型同時運作的模式。需要注意的是，每個模型分別捕捉市場中不同的投資機會，且均要有較高的超額收益，模型之間的相關性較低，組成的投資組合在各因子上的暴露不宜過大（或更接近于比較基準）。多模型運用如同木匠師傅的工具箱，榔頭、鋼鋸、刨子一應俱全，各有各的優勢又互相協作，整體不偏不倚。