前言

今年（2017年）市場的一個核心特點是以小市值和事件驅動因子為主的量化策略，遇到了很大的挑戰(zhàn)，我們也不例外。自去年十一月底、十二月初起，市場的環(huán)境和風格就開始逐漸發(fā)生變化，特別是在今年的三、四月份后，市場呈現的情況是只漲指數、不漲個股。市場看似機會不斷，而反應在量化策略的效果上，業(yè)績反差很大。

自去年十一月底以后我們就發(fā)現小市值因子就開始失效，事件驅動因子也開始出現問題。量化投資究竟應該如何應對環(huán)境的變化，本文將從三個方面進行闡述。

一、環(huán)境變化導致量化交易發(fā)生變化

（一）超級機構投資者的出現是環(huán)境變量變化的主要原因

以美國市場為例，它是一個比較成熟的，以機構投資者為主的市場。而在A股市場，此前的機構投資者呈現“散戶化”的趨勢。2015年以后，市場上出現了超級機構投資者，市場環(huán)境發(fā)生了很大的變化。原來市場上“同漲共跌”的情況現在減少了，轉變?yōu)椤按讼碎L”。尤其是幾個大的行業(yè)指數、藍籌股、價值股漲得非常厲害。機構的力量是改變環(huán)境的核心的主因。每一個市場都需要一些超級機構作為穩(wěn)定器，而A股之前是沒有穩(wěn)定器的，現在出現了一個穩(wěn)定器，但僅僅只有一個穩(wěn)定器是不夠的，還不足以讓A股市場成為一個真正成熟的市場。未來可能會有新的穩(wěn)定器進來，比如A股納入MSCI以后也可能會改變這種情況。

（二）監(jiān)管風格改變導致事件驅動因素環(huán)境變化

導致量化投資環(huán)境改變的第二個原因，是監(jiān)管風格的變化，導致交易環(huán)境的變化，使得事件驅動策略就失效了。事件驅動因子的失效并不代表事件驅動因子會長期失效。在全球市場，配置于事件驅動策略的量化基金的份額占比在15-25%。策略失效只是階段性的，由于宏觀監(jiān)管的原因，監(jiān)管政策的風格漂移導致臨時性的變化。之后，這類策略還會繼續(xù)有效。

（三）A股納入MCSI前后市場跟隨者預期的變化

最后一個小的原因是A股納入MSCI，跟隨者的預期發(fā)生了一些變化。之前大家認為價值投資失效，現在價值投資是不是真的來了？導致很多資金加重價值投資的因子，放棄傳統(tǒng)動量、小市值因子。

二、當前市場環(huán)境的有效因子

市場一直在變化，唯一不變的就是“變”。從A股最早的交易時代至今，風格變了很多次。關鍵需要考慮這些變化是短期的還是長期的。如果說是長期帶來一些趨勢性的變化，要讓量化機制重新學習和因子選擇來面對這些變化。

當前市場環(huán)境下，大小盤因子和事件驅動因子會失效，如果失效的時間過長，市場會失去耐心，做策略的人也會失去耐心，所以要找到一些新的有效因子。這些因子里，比較有效的是輿情因子、情緒因子、估值因子、選時因子。

（一）輿情因子

我們自行研發(fā)了一套比較完整的輿情系統(tǒng)，一百多臺自有服務器，采集一萬多家網站的實時數據。包括比較典型的財經網站和一些行業(yè)網站以及上市公司的網站。爬蟲每天可以獲取50萬到70萬條數據，經過算法清洗以后，每天會采集大概10萬條左右的數據。

基于輿情的分析平臺以及輿情正負的監(jiān)控平臺，我們研發(fā)了輿情機器人，自行監(jiān)控市場中公司的熱度，行業(yè)的熱度和主題性事件的熱度。輿情因子經過測試，是比較有效的。很多股票通過算法，清洗到有效的輿情，能夠提前發(fā)現市場一些熱點。這些核心數據對盡快走出目前的困境有一定的幫助。

（二）情緒因子

當前的環(huán)境下，市場情緒與交易機會存在著明顯的反向相關關系。比如說情緒特別低迷的時候反而是買入的時候，情緒特別高漲的時候又是階段性的要賣出的時候。

（三）估值因子

我們搭建了一套獨立的估值系統(tǒng)，已經有十年多三輪市場的牛熊過程的歷史了，估值因子的阿爾法效應還是很明顯的。在今年3月至今市場的回撤過程中，估值因子的阿爾法下調的幅度比其他的因子要好很多，所以估值還是很重要的。

（四）選時因子

選時不論在A股市場，還是在海外市場，都是一個很難的課題?；谇榫w、供求、價值，我們研發(fā)了自己的選時模型。經過統(tǒng)計，在市場18次超過5%的暴跌當日，指數平均的跌幅是6.5%，而運用了選時模型的產品平均跌幅僅有0.8%。這個數據也佐證了選時及其衍生而來的風控系統(tǒng)，是有效用的。

三、新的方法技術在量化投資的應用

從方法論而言，當前已經跨入了人工智能的時代。根據普華永道2016年全球科技金融調查得出的數據顯示：成本下降是大型金融機構期望從金融科技中獲得的首要利益（69%）。此外，他們還預期金融科技能帶來更大的差異化經營（60%）及額外收入（43%）。目前，美國超過60%的交易是由機器進行的。

在應對當前復雜環(huán)境時，已經可以結合人工智能的方法來取代傳統(tǒng)的研究員的一些工作。例如，依托人工智能，由機器撰寫所有上市公司的研究報告。在確定每一份報告的分項內容后，都可以由機器去完成這些工作。智能投研系統(tǒng)在實際使用中，在估值計算、資金流向計算、選時方面以及基本面的對比分析方面的效率比傳統(tǒng)模式的效率要高很多。而人工智能也能在量化投資中得到更多的應用和實踐。研究的方法比原來的方法有了質變和提升，比如智能投研的方法和機器學習的方法。從機器算法的效率提升可以產生不錯的效果。例如機器的深度學習，可以讓機器做出更智能化的策略。一次又一次的挑戰(zhàn)，會帶來一次又一次的反思和一次又一次的行動，包括輸入和輸出不斷的正反饋和負反饋。

量化投資也是一個不斷持續(xù)創(chuàng)新的過程，不存在一套一成不變的量化投資策略和量化投資模式，它是一個螺旋狀上升的過程。從研究股票，到研究板塊，到研究交易策略，到研究投資組合，下一個時代的智能化程度會越來越高。比如研究股票時，可以用智能投研；研究板塊時，可以用板塊智投；研究交易策略時，可以用交易模型的機器學習方法。

（一）AI技術可以優(yōu)化傳統(tǒng)算法

過往很多的量化算法，在AI新的運算技術引進以后，可以得到很大的優(yōu)化。算法優(yōu)化結合人工智能在運算能力上的提高，會讓新的量化系統(tǒng)擺脫原來的單機時代，上升到“云計算”的時代。這直接導致做算法的效率以及運算能力的提高，新的量化時代即將到來。

（二）機器學習可以提升策略能力

當傳統(tǒng)的量化系統(tǒng)從1.0時代進行技術升級，把現有技術升級到深度學習和對抗性學習，基于這種技術做出了人工智能量化2.0系統(tǒng)。將每一次市場的環(huán)境變化進行事后分析，都是給量化系統(tǒng)提供了一種新的學習方法和學習素材，讓機器增加了一種學習的技能，完善后可以讓量化系統(tǒng)更加有效?；谛孪到y(tǒng)的量化策略，在跨越牛熊市場的效果已經比較顯著。

四、技術和因子變化后，可以達到的策略效果

通過新的研究以后，我們做了一些新的AI量化策略嘗試，并取得了一些階段性的效果。例如人工智能的穩(wěn)健策略，這個策略實際上是在若干個重要的板塊和指數之間進行輪動的策略，而且是用穩(wěn)健的方式進行輪動。策略從13年1月4日以來，累計收益不菲。最重要的是期間策略的回撤非常小，在極端市場環(huán)境下的最大回撤僅有8.8%，而風險收益比（IR值）很理想。單策略的容量也可以高達12個億。進行對比之后，牛市的時候能夠跟上指數，熊市的時候能夠比較穩(wěn)健，從16年初到現在的平衡震蕩市里面能夠穩(wěn)健向上，而且它是一個全指數化的一個投資模式，系統(tǒng)風險也比較小，流動性非常高。

我們也嘗試了人工智能的進取型的策略，這是以相對控制回撤，盡量爭取收益為目標的策略。不管是在牛市熊市還是震蕩市，策略總是以一定的回撤代價取得相當不錯的投資回報，基本特點就是有行情就能抓住，基本上不放過任何一個大的市場機會。

人工智能時代對于量化來講是一個福音，是一個好的機會，我們和大家一樣都還在不斷探索，希望互相借鑒，未來會帶給整個行業(yè)更多深層次的變革。