量化降频或成趋势,基本面量化策略渐受关注

[热点] 时间:2024-04-28 19:52:57 来源:蓝影头条 作者:探索 点击:28次
中国基金报记者 任子青          

  过去一周,量化略渐量化投资再次被推上风口浪尖。降频基本据中国基金报记者了解,或成化策头部量化私募每年换手率约40~60倍,趋势高频量价策略占比较少。面量随着量化管理人的受关增加和规模体量的增长,加上市场有效性逐渐提升,量化略渐超额收益会逐渐收敛,降频基本量化降频将是或成化策行业未来发展的趋势。与此同时,趋势基本面量化逐渐受到关注。面量         

  量化降频成趋势 中低频仍是受关主流

  提到量化投资,除了程序化交易、量化略渐数学模型以及科技运用外,降频基本不少人还会想到一个词——高频交易。或成化策         

  九坤投资相关负责人表示,量化投资有不同的策略类型,涵盖不同的方法和频率,高频交易只是其中一种。A股市场上的大部分量化投资不涉及高频交易,许多交易周期通常是在周、月级别。         

  深耕基本面量化策略的凯纳投资表示,量化投资通过数量化模型对资产进行中长期定价,买入持有一篮子资产。基本面量化投资管理人把自己看做一篮子股票的股东,系统化捕捉股票的投资价值,不追涨杀跌,以中低频策略为主。         

  据记者了解,随着量化管理人增加和规模体量增长,加上市场有效性逐渐提升,超额收益会逐渐收敛,降频将是未来整体趋势。         

  “现在很多头部量化私募都在降频,我们整体年化换手率在40~60倍。中国市场的量化交易仍以中低频交易为主,高频策略由于交易成本和冲击成本较高、策略容量很有限,占比较少。所谓降频,可以理解为提高中低频因子的占比,换手率低、策略容量相对较大,同业之间的相关性也较低,超额收益的可控性会较强。”北京一家百亿量化私募向记者透露。

  某头部量化私募表示,量化行业降频自2020年开始就一直持续,头部量化私募机构出现换手率降低的趋势则更早一些。换手率降低,更多是因为管理规模扩大之后,短周期策略容量有限,并不与某类行情有关。

  另外,市场中短期交易性错误定价不可能频繁、持续出现。量化若想获得长久持续的超额收益,必须拓展新的渠道,例如,更深度地关注基本面因子、利用强化学习等计算机科技来挖掘市场深层次的运行规律等。         

  随着整体量化投资管理规模不断提升,目前主流量化私募平均持仓周期有所增加。一位资深私募市场人士告诉记者,当前主流量化股票策略年均换手率约30~60倍。降频效果主要取决于管理人自身在中低频因子库储备的质量和丰富程度。如果中周期积累足够深厚,可以做到既有一定容量,也能为客户带来相对不错的超额收益。         

  排排网财富管理合伙人夏盛尹表示,虽然量化策略起家基本都包含高频的策略,但高频策略容量较小。随着规模增加,高频策略部分的收益贡献下降。为解决交易量增加带来的成本快速增加问题,量化通过升级模型、增加持股数量、分散投资等各种方式扩容,但最终都会通过降频来实现。持仓周期长、对短期的价格不敏感、容量更大,量化降频可以说是必然之举。         

  量化策略不断丰富发展

  随着量化管理人的增加和规模体量的增长,量化策略也在不断丰富发展。

  九坤投资相关负责人表示,主观和量化机构在互相融入各自的优势和经验,不断探索科技为投资赋能,如尝试融入另类数据分析、基本面与量化结合、多元策略开发和探索等。近年来,随着基本面量化的发展,更多基本面因素在量化投资决策中的影响持续扩大,会进一步促进量化对于个股、行业合理定价的影响。此外,量化的存在对于引导资金流向科技创新等领域的实体经济也有积极作用。

  某头部私募量化机构表示,头部量化机构仍以中频量化策略为主。虽然当前量化策略整体仍是价量因子偏多,但随着计算机算力的发展和研究的逐渐深化,量化投资在一定程度上能够更好结合机器学习等因子的表现,更能发现市场深层次的运行规律。同时,价量因子和基本面因子及另类因子有效结合,帮助量化策略在降低策略相关性上起到了一定的分散效果,为投资者整体的资产配置提供更多的选择。         

  与此同时,基本面量化策略逐渐受到关注。上述资深私募市场人士表示,在公司成立初期,考虑到基本面量化选股和中周期价量模型是管理大资金的基础,且需要更多的时间积累和储备,就作为优先开发项。不过,对量化私募来说,若进一步大幅提升基本面因子配置比例,可能仍有待时机。

  数据显示,虽然基本面因子也能获得不错的长期超额收益,但波动率和回撤都要比价量因子大一些,收益风险比仍逊于价量因子。长期来看,基本面因子具备较好的配置价值且容量较大,出于长远规划仍需要持续投入研究力量。         

  凯纳投资称,基本面量化策略的开发难点在于,既要懂基本面投资框架,又要熟练使用机器学习等工具,目前同时具备这两种跨学科能力的复合型人才比较稀缺。

责任编辑:韦子蓉

(责任编辑:知识)

    相关内容
    精彩推荐
    热门点击
    友情链接