这个印象可能主要来源于量化投资中的“高频交易”。
高频交易是量化投资中的一种策略,它基于对未来短期股价走势的判断,低位买入,高位卖出,以此来获得价差收益,买入卖出交易在日内完成。
这种以博取短线差价来赚钱的策略,也是招致“量化交易薅股民羊毛”和不公平交易等质疑观点的引火点。
最近量化交易监管重点,其实也是在高频交易上。从海外经验来看,境外市场也普遍对高频交易实施更为严格的监管,以防范对市场秩序造成负面影响。
然而,高频量化主要是一些私募基金采用的策略,并非所有量化投资都是高频交易。
国内公募量化大多采用的是基本面量化策略。
基本面量化策略和传统基金经理价值投资类似,基本面量化模型会收集处理企业的所有公开信息,包括财务数据、经营数据、行业信息等等,然后挖掘数据背后的市场规律。
由于基本面数据更新频率低,基本面量化策略持仓周期短则数月,长则几年。
因此,量化投资不能直接和高频交易以及套利画等号。传统投资与量化投资都可以是价值发现者,两者并不是对立的关系。
另外,尽管量化交易看似是舰船利炮,但它也并不是稳赚不亏的游戏外挂。
量化投资是利用数量化手段,制定和执行投资策略。它的成功与否,取决于策略是否有效。
虽然现在量化策略机构采用的量化模型里的因子日新月异,投资和交易策略在不停地迭代,但是历史总是一再重复。
每当新的因子被发掘,所有人都觉得自己练的是独一门武功、找到了可以战胜对手的法宝,但事实证明,拥挤交易总是很快会到来。
比如说在去年,中国很多量化机构的机器学习了半天,不约而同的发现了小盘股还存在了创造超额,前后脚买入。
结果你发现,最后这些自诩掌握了“黑科技”的人的智慧其实高度雷同,一有风吹草动就会出现踩踏,最后一地鸡毛。
虽说这些操着量化利刃的机构掌握了散户难以拥有技术和资源,但从结果来看,最后也是均值回归,水平也没比散户高多少。
在人脑和机脑比拼的较量中,量化投资者其实面临两个挑战。
挑战一:他们的远大抱负有时超出了他们的能力。
任何成熟、成功的量化交易,需要具备的核心要素就是能通过获取的信息和数据推测,预估股票、债券、外汇等资产的价格走势。但只有当未来代表了对过去的重复时,预测才有可能实现,可是这样的假设在很多时候都不成立。
挑战二:更大问题是上面提到的拥挤交易。
每年都有大量拥有数学、计算机、金融工程等背景的高材生进入这个行业。想要在这个领域成功,必须找到和你有相同知识和背景的人找不到的机会。
花哨的模型和复杂代码很难拉开人与人之间的差距,想要在量化领域出众,决定差距的还得是信息和认知上的优势。而在当下,经济和金融市场的每一个细节都在互联网上快速传递,要实现这一目标是非常困难的。
就像在人工智能刚刚出现时,很多人认为它会给投资圈带来一轮洗牌。
然而,至少从现在来看,这种情况还没有发生。虽然人工智能已经可以在国际象棋、围棋、扑克和其他需要多种策略才能获胜的游戏中击败了顶级人类玩家,但是我们的市场和这些一板一眼得棋牌游戏不同。
只要知识是进步的,只要信息是变化的,我们就不可能完全预测市场,大数据和AI不能改变这一点。
和人类的智慧一样,哪怕有再惊天动地的科技力量,也要在信息和认知的基础上才能成功。
免责条款:©2024 Morningstar 保留所有权。此处提供的信息、数据、分析和观点未经任何监管机构审查或批准,不构成投资建议;截至撰写日期,仅供参考;可随时更改,恕不另行通知。本内容并非买卖任何特定证券的要约,也不保证其正确性、完整性或准确性。过往表现不保证未来结果。Morningstar 名称和标识是 Morningstar, Inc.的注册商标。这里的内容包含 Morningstar 的专有资料;未经Morningstar 事先书面同意,不得以任何方式复制、转载或以其他方式使用本文章的全部或部分内容。市场有风险,投资需谨慎。此资料、数据、观点仅供参考,不构成任何投资意见或建议。基金过往业绩不预示其未来表现,投资人应当认真阅读《基金合同》、《招募说明书》等基金法律文件,了解基金的风险收益特征,并根据自身的投资目的、投资期限、投资经验、资产状况等判断基金是否和投资人的风险承受能力相适应。