金戈量锐深度访谈——帮助你更好了解量化

 


经过多年的发展和试错,适合中国资本市场土壤的量化投资方式已经成熟,告别草根时代,我们可以凭借多年的投资数据,从中找到稳定的常胜将军。同时,由于目前市场估值分化严重,投资者需要更精细化的投资品种来区分市场风格,量化指数增强就是其中最具代表性的产品。

从私募资产配置的角度上考虑,量化指数增强产品主要的职责是对中小盘进行紧密的跟踪和超越,所以对管理人的风控要求非常严苛,在近期的市场行情中,我们可以发现不少量化私募一周跌掉了2个月累计的超额收益,他们无一例外在某些风格特征中进行了不同程度的暴露,盈亏同源的市场逻辑之下收获了艰难痛苦的10月净值表现。以下是部分比较极端的一些私募指增单周指数增强超额表现,基本上一周干碎了一个月的努力。


当然,目前大家都有所回升。

在我的观察体系中,优秀的量化指数增强产品管理人应具有以下特征:

1,策略主要为中低频,少或不参与高频搏杀;

2,在严格跟踪指数的基础上进行超越,在市值、贝塔、行业起码三选二进行中性处理;

3,因子的挖掘要讲求逻辑,知其然也要知其所以然,不过于依靠非线性的方法构建模型;

在过去的文章中证500指数增强半壁江山中,用周胜率、超额稳定性、超额收益率来简要评估量化管理人的约束程度和约束能力,其中数据第一是最具代表性的中低频量化管理人——金戈量锐。上周和金戈总本人做了约2个小时的访谈,收获良多,就此把部分访谈内容,以及我比较个人化的复评整理成文,展示一个良心量化私募和优秀指数增强产品应该有的样子,同时解答一些现阶段疑问,方便大家对量化更了解和熟悉,这种产品要理解起来,对一般投资人来说确实是很有难度的。


01

如何和量化投资结缘


菜馆

你的学历背景其实很多,你的博士学位也是生物医学工程,这种情况下你是如何和量化投资结缘的?

金戈

我本科是中科大生物系的,继续深造的过程中接触了数学统计,生物工程博士后是争取将来能够做一个教授,但其实我对统计非常感兴趣,觉得对现实生活也有作用和帮助。

2007年,整个量化在华尔街也属于较新的状态,其实有点像这一两年在中国的状态,很多人以前有IT、数学或者计算机的背景,然后转行到量化,大家都不是本专业。

后来我就在哥伦比亚大学申请了金融数学的硕士学位,这个过程中我觉得统计的确挺适合自己。本科所学并不意味着将来一定要做什么,你学习的知识是个储备,你不知道将来在人生中什么时候会用到,包括我现在去做这些数据信号的开发,从一个设想出发,然后收集数据去验证设想,结果发现和原有逻辑并不一样,这个过程跟我们以前读博时做科研的感觉非常相似,唯一的区别就在于我们目前做的工作周期比较短,不像做博士,可能是要几个月甚至一两年的功夫能得到一个初步的结果。但在量化研究过程中很多思维方式非常相似。


02

过去经历的影响


菜馆

在Laurion Capital的经历对量锐的整个团队搭建,投资理念策略的构成之上产生了什么样的一个影响?

金戈

大家毕业以后的第一份工作,第一个老板对你的整个人生影响有可能非常大。因为我在Laurion Capital的时候,我的老板也是有非常好的这种背景,他们开的公司很成功,在公司的管理和专业技术方面我个人从他们身上学到了很多,所以我在国内成立公司,很多地方可能不自觉会效仿他们公司的一些方式,包括发展业务等方面。


03

因子相关问题


菜馆

因子挖掘的整个过程的中我们投研团队内部的分工协作是什么样的状态?

金戈

我们不会采用平台式的方式。平台式的优点是竞争意识更强烈,缺点就是可能很多人会重复类似工作,或者发现类似因子,有时候可能产生内耗。我们公司每一个资深的量化分析员,他们会在一个特定的领域里去挖因子,这样会减少彼此之间的直接竞争,同时会增进相互的合作。

菜馆

研究的成果需要你审查的比例有多少?

金戈 

几乎所有的因子都会由我或者投资总监去看获取过程和结果。

这个过程中其实不是只看最终结果。也是希望在信号产生的过程中有一定程度的介入,可以防止一些不是特别有经验的分析员过分拟合因子。

我们有一套自己的方式来检验因子的有效性,在开发的过程中会不会过度开发,包括逻辑是不是真的有效。如果先有逻辑,按照这个逻辑去搜寻信号,基本没有问题。有时候会先找到因子,过段时间才会发现它的意义,这也是做这行的乐趣之一。

也不是说所有产生结果的都会先有逻辑,逻辑有时候的确是现有结果的倒推,过程中还是希望不要太过分的去overfitting。所以除了在对最后的结果进行审理,在信号发展过程中,我们也希望更多介入以了解这个过程。

菜馆复评

overfitting指过度拟合,可以理解成在回测时完美一百分,但是对样本外的数据无效、无法有效表达,是量化研究中一个常见的问题,经常要靠经验来约束这种行为,举个例子:

假设让机器来分辨猫,找了一批猫的照片来让机器训练,得出了以下猫的共同特征:

四只脚、两个耳朵、鼻子和眼睛、身体柔软、体表有毛

但是比较巧合的是这组照片中的猫都是白色毛发,所以模型认为猫也都是白色的

这个结论当然是错误的,这就是overfitting


菜馆 

你一直都很强调,因子的逻辑,通过非线性方式得到的因子,如何确保这个逻辑是有效的?

金戈

归根到底其实这是个经验的问题。对一些偏长期的波动性较大的因子,有逻辑是非常重要的。我们拿过去几年的数据其实很难真正给出一个特别稳定的结果,逻辑至少能从不同的角度去多方面地验证结果。对于一些特别高频的信号,观测样本足够的情况下要不要逻辑都不是那么重要,因为通过实盘交易就可以清楚的看到这个信号是否有效。

总结来说,如果对于统计能够完全掌控的,其实逻辑并没有那么重要,但是实践中会发现样本点比我们期待的少,必须引入逻辑的作用,这非常依赖量化管理人的经验。

菜馆

量锐本身专注中低频,除了以上的思考外,还有什么原因?

金戈

我们坚守在中低频赛道是因为中低频策略具有较好的持续性。如果一开始做超高频策略,可能收益和稳定性都会不错。但是如果规模扩大了,超高频的策略容量有限,投资者进来的时候难保持前后的一致性。

我们模型虽然是中低频,但是模型中也有高频因子,我们策略里高频的量价因子占30%,只是把它加入到了我们中低频策略中,以后大致也会维持这样的水平,将来还会持续开发。所以模型总体还是属于中低频策略。

菜馆

从14年成立至今,我们总共有多少次的迭代,其中关键区别在哪里?

金戈

我们因子调整的频率是每半年更新一次,一般来说比例在15%左右,整体来讲是循序渐进的,所以没有显著的代际区别。具体来说,在2014年的时候,最初做的模型是几十个因子,现在差不多有两三百个因子。主要的差别是我们会不断增加因子,因为一个因子产生之后,你必须通过实盘交易或者纸面交易确认它的稳定性。可能存在一种情况是做回测的时候都没问题,一上真金白银就出状况。我们一般至少有两三个月的时间确认生效后,才能够真正放到我们的模型里面。

如果你一定说有什么比较大的变化,在2015年之前基本面的因子表现其实非常不稳定,但是在过去的5年里基本面因子的表现越来越好。以我在国外的经验来说,在一些成熟市场,其实基本面因子占比是远远高于量价因子的,只是国内市场以前交易型参与者为多数,另外以前的很多公司提供的季报基本面数据准确性不那么好。但这些年明显感觉到上市公司的披露稳定性和准确性都上了一个台阶,因此会造成基本面因子的表现质量每年都在提高。当然长期投资者包括公募的占比也越来越高,这些基本面因子表现和国外的成熟市场趋同。这个其实也是为什么我们在15年之前始终坚持加入基本面的原因之一。

菜馆

请展示一个曾经使用,但是已经淘汰了因子,他当时淘汰的原因是什么?

金戈 

比如worldquant的 Alpha 101 因子。我们没有用和它完全一样的形式,但是其中有的成分比较接近。这些年用的人太多就完全被淘汰了。

菜馆复评:

这里有必要解释一下,否则大家可能不是很理解。

worldquant是一家平台型的量化公司,中文叫世坤投资,主要的因子挖掘方式是人海战术,比如在新兴国家尤其是东亚等人力便宜但学霸密集的国家雇佣大学生来进行信号的挖掘,但这些矿工生产的信号很多都是看数据凭空回测的,大多数底层矿工没有进步,变成人肉挖掘机器,而后在美的核心员工把这些信号因子再做处理和组合,worldquant也和国内的聚宽一样拥有线上的量化模拟平台,向世界范围内的爱好者、参与者、感兴趣者开放,Alpha 101因子就是在这种背景下世坤投资公之于众的101个因子,它们清一色都是由量价数据计算得来,我举例其中四个当年效果还不错的:

对数总市值、过去20日收益率、过去20日平均换手率、过去20日波动率观察这些因子的计算公式发现,它们的构建逻辑比较类似,都是选择存在价量背离现象的个股

当然,目前Alpha 101因子已经全面失效了,由于这基本上是量价因子当中最负盛名的公开大量的因子库,去研究他们的构造逻辑对理解量化策略本身是非常有参考价值和意义的,其实从中我们可以看到很多比较浅显的逻辑,也能看到很多复杂而无从考证的一个古怪系数。

Alpha 101因子可以说是摘掉量化基金黑箱、神化色彩最好最浅显的一把钥匙


菜馆

 如何评价目前业内完全不一样的因子挖掘模式?

金戈

存在即合理,在美国也是各种各样的方式都有,每一个人都是按照自己思维的方式去做,归根到底其实还是个人对整个市场的理解。

就这件事情上我们反而不是想象的那么客观,有一定的主观性,因为对我来讲也只知道按照自己这种方式,模型的开发方式是这个样子,然后运行不错。市场有不同的方式,就好像跑步一样,可能都跑到了十几秒的百米速度,如何更久地维持这个速度可能重要得多。很难想象一种方式,在各个方面都比另外一种方式好,实际上各有千秋,甚至某种意义上讲都是殊途同归。

我们其实历史上碰到过很多极端情况,2014年12月份的时候,2015年6月份千股跌停之后,2016年1月份两次熔断,2017年19行情,还有2018年中美贸易原因造成的全年阴跌,所以不确定不同情况下哪种策略更好,也不可能说一个模型永远比另外一个好。

菜馆

刚才提到了成立至今的几次市场上重要的黑天鹅,有哪一次比较重大的黑天鹅事件中我们针对性做了模型变化。

金戈

2014年12月份的时候,我觉得对量化是一个特别大的挑战。

在此之前量化多少都有一些小盘和行业板块的暴露,对板块的比重要求也不是那么严格,尤其像在沪深300里,金融板块占比很重,所以如果你完全按照板块要求的话,可能要持有40%的金融占比,样本其实不够去进行量化筛选。结果14年12月份还是面临一个非常大的超额回撤,五六个点都有可能,所以还是非常严重的问题。

自那之后,我们对行业、市值、贝塔都开始做中性处理,因为你不做这方面的控制,历史经验告诉我们会在某个时刻发生意想不到的超额回撤。

菜馆

基本面因子的扩容是否存在一定的难度?

金戈

实际难度还好。一方面,我们使用的基本面因子和市场常用的这些基本面还是有一定差别的。另一方面,我们模型中量价因子占比60%,事件驱动占10%,基本面因子只占30%左右。但我们还是准备了很多基本面因子,目前的平均持仓在10天左右,也就意味着一些持续时间很长的基本面因子占的比重很少,仍然有开发的空间。


04

这些观点如何对待


菜馆

觉得中小盘溢价将长期存在,这个观点你怎么看?你做了市值的中性处理,是否代表认为这种市值溢价其实是不稳定的。

金戈

中小盘市值的溢价长期存在,这话某种意义上讲是正确的,尤其是你问任何一个经济学家,他都会同意这个观点。所有的风险因子都存在长期溢价,我们从很多角度都可以去证明这件事情。

我甚至认为某种意义上讲,在中国小盘股是一些更加活跃的公司,他们充满活力,它的风险溢价有更强的基础。但问题是在于中国市场的大小盘因子的带来的风险也是比美国市场高一个级别。

比较一下美国的标普500指数罗素2000指数,每一年的收益的差距没有那么大。而在中国市场,沪深300指数和中证500指数在2014年12月份的相关性基本是零,这里面蕴含了多少风险暴露?

菜馆

刚才提到了两地市场的相关性,疫情之后,桥水的旗舰基金一度大幅度的回撤,他们是基于风险评价的。那么像这样的以历史波动率为基础的模型,是否存在一个比较天然的缺陷?

金戈

在金融学上某个理论在这段时间内可能对,但是当某个时刻参与人的投资逻辑等各方面变化时,就会面临问题。

但是我们的策略相对来说还是偏短期的一些信号,我们很多超额收益来源是投资者行为上演变的过程,需要我们更多关注交易人员构成之间的变化。

菜馆

有说法是择时模型并不重要,关于择时模型你是否从来没有花精力去研究,在之后我们会如何对待择时模型。

金戈

如果在美国我们是不去研究择时的。

在中国其实我们也做了一些择时的研究。而且我们觉得在某一些尺度上,比如预测接下来20分钟,接下来一天,应该讲还是有些因子从统计上是有效果的。但如果你想预测接下来一个月的,那么我觉得成功率太低了。我们更多的是说在一些偏短时间内,通过行为经济学角度讲去做一些择时的判断,也就是做实在的信号开发。

但是在整个策略的方面,我们并不认为择时能够很好的使用。主要原因是如果我们把择时和股票选择模型放在一起的话,由于选股命中率非常高,而择时很弱,它们混杂在一起很难起到1+1>2的作用。

要不要用呢?归根到底不同的投资者想法不一样。对于个人投资者来讲,他不太在乎风险收益比例,我就想要一个收益,赚钱就行,这个是个人投资者的想法。但机构投资者可能会看得更长远,他会更淡化一些风险收益。机构需要证明我赚到的钱不是凭运气,而是说具有持续性。希望今年挣的钱,明年还可以挣。如果命中率比较低,其实相当于风险回报低。

菜馆

关于这个观点你如何看待?“量化方法做预测:准确率低,但连续。量化能每一天对每一只股票进行未来涨跌预测。多头行研方法做预测:准确率高,但离散。部分时点,对部分个股有很准确的判断。”

金戈

具体到个股,主观的永远比量化的做的更加准确。主观的特点是他们把自己做成一些方向的专家。比如说对某一个行业或者说某一种类型股票的增长过程、业绩等表现有深刻的研究。这是他们的一个投资方式和思考问题的方式,而且也是一个最正经的方式。主观从某种意义上说对世界的态度更积极,认为自己确实能够选出最好的股票。

但是量化恰恰是恰恰相反的,我觉得拉长时间看,命中率没有你想的这么高,因为世界的影响因素很多,观察的不一定正确。所以专注某一个方向虽然从长期来看是有超额收益的,但是要面临个股风险。量化最大的特点是我们每一件事情预测得都不容易,但是我们把每件事情都预测了,而且我们不仅预测了一个,预测了一大堆,好多弱因子联合在一起,发挥其作用,效果甚好。

大家对AI下围棋都很感兴趣, AI下棋的每一个分支都很简单,但它就是能够大规模处理,然后集成在一起,效果就会非常好。这件事情是反常识的,就是我们普通人其实没有想到,尤其最近的大数据处理,你会发现它最大特点是把好多弱处理器结合在一起,效果出其不意。

菜馆

有观点认为整个市场的资金结构和行为模式在下半年之后发生了很大的一个变化,之前量化所使用的一些深度学习工具掌握的一些因子技巧,可能会因为永远的市场游戏规则变化而消失,你怎么看?

金戈

我认为不是这样的。首先这个市场永远是在变化的,我们面临的事情不是在解一道数学题,开发出几个因子一劳永逸。因子的超额它总是在消逝的,所以更新和迭代是更重要的,这个会更持久。

如果最近两个月和前面几个月的因子变化较大,说明以前捕捉的不是真正的信号因子,可能捕捉的是一些风格因子。我们称为一个信号因子的要求是它具有一定的稳定性和可持续性,而且能适应不同的环境,不能说市场环境稍微变化就失效了,这样的话就不叫因子。

菜馆

以下两个观点你站在哪一个立场?

超算是未来海量的非线性的机器学习贡献的大量因子是未来。

中低频是未来高质量的少数因子是未来。

金戈

上述的观点就像硬币的两面,都有存在的价值。

我们目前实践中采用的是中低频。但我们不能够斩钉截铁地预测未来,因为每个人的预测都具有局限性。人应该不断去突破自己认识的局限性,有时候你会发现很多人在做一些可能性极低的事情,而后很多伟大的发现就是从这种低概率中发生。

我们经历过,我们以前认为一些不应该去做、不值得去做的事情,事后证明都是可以的、值得的、有道理的。比如我回到国内之后突然有一天意识到我以前学的东西都是在美国市场的,而相反美国市场其实是一个少见的市场,全世界像中国市场的占多数。比如你教育的基础都是数学,但真正在实践中纯数学纯物理应用的场景有限,它更多是个工具,我们在解决实际问题的时候,经验性的东西帮助更多,统计学在数学中也被认为是经验更有效用。

所以总的来说,我很难提前下一个结论哪种方式才是未来,需要从实践中观察结果。

菜馆

当黑天鹅突然来临的时候,集体的机器售卖会引发连锁反应,过去海外的情况会在A股重演,这种观点如何看待?

金戈

我不认为这样。在实践中当市场波动放大,存在大量涨跌停的股票时,如15年股灾和2020年疫情后第一天我们的做法是暂停交易。我们在每日交易的时候其实未必追涨杀跌的,或者说这点杀跌不会体现那么强,要知道量化很多人做的是反转型。

另外一点,我们在交易的过程中,其实都是把单拆成小单去提交,目的是降低冲击成本,减少市场波动。

菜馆复评:

之前我们写过一篇文章,内容是说量化并未实质上提高市场的波动率,其实没多少人看,觉得也不重要,但其实内核很重要。

这个内核就是你是否足够了解你所投资的基金真实的策略。

就拿量化来说,当今年下半年市场不如人意的时候,市场的波动和诡谲的变化被众多投资人归责于量化,但实际上交易成本控制是该类策略中非常重要的一环,也是要由策略领头羊牵头完善的关键模型。

其中又分成常值型、线性、分段线性以及二次型,光听这些分类你就应该明白这并不容易思考和完善,举个例子,在小股票上的交易成本远大于大股票,不同的买入如何进行这就是一个单独的命题。

简而言之,量化本身在交易成本控制上需要花很多精力去单独应对建模,那么在买入环节又怎么会主动去放大个股波动呢?如果有哪个因子会导致交易成本大幅上升,也许就会进行降权甚至弃用。

对基金策略的理解并非空谈,而是得实事求是地拆细解透,并非简简单单可下定论,而这种对策略的理解本身也能反哺我们对市场的理解。

就此各位也可以展开想象,你真的足够了解你所投资基金的投资策略吗?我想未必,这也是买前美如画,买后悔不已的根源之一,只要你持有一只基金一个股票提心吊胆,不久就颤颤巍巍卖出赎回,无外乎你并不真的了解它


05

现阶段市场特征观点

菜馆

这两个月几乎所有量化指增的管理人超额都表现不佳,这种市场特征如何看待?

金戈

全年来看,其实今年不好不坏,6-8月份量化整体超额表现比较好,9-10月份表现不佳,投资者感官比较集中。其实偶然性占其中一部分原因,我不觉得量化市场大家都能轻松的赚取这么高的超额收益,这个市场不至于这么无效,还是会有偶然性。另一方面,有时候单月超额太多,就意味着风险暴露可能也多了一些,特征就是盈亏同源,这个可能就是现实。

菜馆

我们其实也有遇到要求按月报来发送自营资管量化的一些交易数据,主要是撤单率,这代表了什么样的行业变化,是否会影响整体量化策略的运行?

金戈

可能是由于大家比较担心撤单率比较多的话,会对市场有一些盘口的干扰。我们作为量化低频的其实不会去做这件事情,因为没有意义。

菜馆

量锐的指增产品在市值、贝塔、风格上做了中性处理,超额的获取是高难度的,像这种约束严格的指数增强生命力如何?

金戈 

如果国内市场像美国一样量化盛行,它的超额收益来源就会减弱。虽然在外界看来,我们可能从5年前到现在为止表现非常稳定,但是如果我们拿三五年前的模型来做,现在可能已经不太适用了。

在这个市场中大家都在逆水行舟,我们也真的有在拼命往前跑,但是就像在跑步机上拼劲往前跑,速度正好跟跑步机往回速度差不多,造成一种稳定的现象,但我们并不觉得这件事情轻松。这个过程中能持续多久,取决于世界变化多快,面临的挑战很多,也取决于我们自己更新的能力有多大,我们尽力去做。对我个人也是一个挑战,这个过程也是这份工作意义所在。过程中充满乐趣,还能不断找到一些新的信号。所以我们一直在尽全力去做,如同逆水行舟,不进则退。

菜馆

今年开始打新红利逐渐不在了,未来这个环境如做空机制、T+0等变化对你们有什么影响?

金戈 

应该讲我们在逐渐适应。

市场有趣的地方就在于它的变化,我们现在面临的市场和3年前不一样,和5年前大不一样。所以这份工作有乐趣的地方就是自我的不断挑战,可能很艰辛,但过程中是有意思的。


==========================分割线===================================


在和金戈本人的访谈中,我能够深切感受到他知识分子的自信和诚实:

在谈论市场变化的时候他可以非常自信地指明市场没有发生任何异常变化,只是一次偶发的波动,并未脱离历史,而如果现阶段受挫严重,问题有可能是并未真正找到信号因子,而是找到风险因子,“可持续的才是因子,它不会突然消失和无效”,这是自信;

在谈及中低频高质量因子、高频海量低质因子谁是未来的时候,我本以为他会斩钉截铁回答我中低频高质量因子才是未来的时候,他想了很久才非常严肃地回答我也不知道,转而我们都哈哈大笑起来,这是诚实。

但两者归根结底都源于其科研基础下形成的逻辑、证据思想,世界难以清晰认知和准确预估的态度几乎在每一个优秀管理人身上都能得到体现,这次访谈过程中发现金戈量锐也并不例外,这可能是对我们大家作为普通投资人来说最痛苦的事情:走在前列者都难以获知真相,我们又谈何轻松。

必须明确的一点是,金戈量锐的策略基石是对整个市场交易行为的尽力描绘捕捉,是高难度的事情,本质上指导思想是行为金融学,参与者都有谁?他们的交易行为有什么?其中不合理的地方是哪里?...... 这个方向上学术界的开创性进展还几乎没有,实际研究中或多或少需要自力更生来突破一些视野局限,为什么有一定科研背景的量锐能在中低频量价领域中做到最好也就可以理解明晰了,这本身就是一项科研。

访谈过程中对我自己的启发也依然不少,如资产配资中即使采用低相关的资产、策略构成组合,再给他们清算波动率匹配相应仓位,也在所难免发生样本外的回撤,这督促着继续优化改进;

如提到的14年曾经发生过的两个宽基指数零相关的时间段,这背后代表的困境在于,如果一味觉得大市值或是小市值股票好,在国内的股票投资史上,你都会在一个时间段内承受巨大的亏损,这甚至于和你的股票质地毫无关系,这确实和我们统计的14年大票负溢价40%的结果很贴近,但从未从这个角度理解过国内市场环境的特殊性,这也意味着照搬照抄美国股市的经验行之不通。

另一方面,我们应当看到,量化本身并非可以神化的挣钱机器,在运转和研究过程中人的经验逻辑一样是非常重要的,主观多头的经验逻辑用于商品、商业的研究判断,量化的经验逻辑用于调参、寻找信号等更偏数据分析和使用的工程判断,本质上依然殊途同归,都需要对资本市场的理解。

用Alpha 101因子中一个最典型的臆测因子来结束此文,希望大家在投资的过程中减少主观臆测、减少“市场突发惊天变化”的例行担忧:

Alpha 11号因子:一只股票3日内成交量上涨,且近3日内收盘价均低于平均成交价(即盘尾下行)。

也就是散户们总结的:3日内‘量升价跌’现象等同于庄家低价吸筹,庄家都低价吸筹了,还不快买入?截止今日,近三年这个庄家吸筹的主观臆测可以让你多亏20%。

值得一提的是雪球上新的量化产品赫富中,核心蔡觉逸也是哥伦比亚金融学硕士,圈子真的挺小...[吐血]

 @基金风云录  @今日话题    #雪球私募上新了#  

雪球转发:30回复:47喜欢:83

精彩评论

今晚打老苦2021-11-19 09:21

我还以为是说国产伟哥呢,既然不是,没啥兴趣

全部评论

基金庄正03-23 22:24

不错

小熊呵2021-11-20 20:33

你好,贝塔中性说的是波动率中性吗,就是不会大部分是低贝塔的股票或者不会是大部分是高贝塔的股票,保持贝塔中性?还是说这里贝塔中性的意思是,不暴露风格,比如不暴露价值,成长风格,不做类似smart贝塔的策略

管李金钱2021-11-20 09:51

干货好文,可以更加客观全面的了解当前国内的量化私募

月光奏鸣曲w052021-11-19 20:17

收藏

爱跑步xfm2021-11-19 19:34

拜读全文,总结下来,量化投资就是利用数据优势,先人一步体察市场风格变化,并以此获利。本质上是以快打慢的玩法。