摩根士丹利华鑫基金：迎接量化投资 精细化管理

　　2016年以来，A股市场的价格形成机制和投资者结构发生了显着变化，有理由相信此类变化是长期而深远的。一方面，市场分化明显，价值股一枝独秀，具体体现为具有竞争优势的龙头企业的价值重估和高估值公司不达预期后的理性回归；另一方面，市场投资者结构发生大幅变化，机构投资者占比显着提升。以MSCI为代表的外资机构逐步增加A股配置，社保养老金入市，保险资金提高A股投资比例均使得机构投资者行为对市场生态和定价机制产生深远的积极影响。

　　从量化角度来看，A股的动量效应非常明显，集中体现为少数个股“强者恒强”，传统的反转策略不再奏效，量化选股胜率开始走低。其背后反映出在当前商业环境下具有长期竞争优势企业被系统性重估，其股价被逐步兑现，也反映出配置思路下优质资产的高度稀缺和投资者对短期波动的选择性忽略。从统计角度来看，过去三年个股收益率分布的厚尾现象明显，使得量化选股策略背后所依赖的“大数定律”难以发挥出相对基本面选股的比较优势。

　　立足当下，未来已来。处于变革之中，量化投资已然进入精细化管理的时代。精细化管理意味着精细化地度量投资组合的收益和风险，选择在胜率和赔率有利的方向增加投资，相反则在胜率和赔率无效的方向降低配置，通过提高投资机会的确定性进而提升整体组合的业绩表现。传统的多因子选股框架在判断胜率和赔率方面具有一定的局限性，在精细化管理时代，量化投资需要有新的投资框架和算法来对传统方法进行必要的补充。尽管部分投资人为弥补传统模型的局限而加入基本面主动判断，没有能力圈支撑的基本面主动判断与量化投资背后的思想是违背的。量化与主动并不对立，更合理的做法应该是以量化方式对基本面投资思维进行表达，尤其是应形成高效稳定的算法以利于重复使用。

　　精细化的投资管理包括精细化的收益预测和精细化的风险管理。精细化的收益预测是在传统量化因子模型中加入非结构化的数据分析方法，从而进一步提升收益水平。传统量化因子模型本质上是对Alpha规律的把握。，Alpha规律的长期属性和高值属性是不能兼顾的，我们可以找到长期稳定但一定很薄的Alpha。例如，流动性较差的公司会存在流动性补偿，流动性较高的公司会存在流动性溢价，，流动性从长期来看也是稳定的Alpha来源，此类Alpha水平不可能维持在很高水平。其原因是市场的定价是有效的，市场自身的运行机制会因拥挤交易逐步降低Alpha水平。，为了提升因子的Alpha水平，必须要在结构化的传统因子模型中融入非结构化的数据分析方法。我们在这方面也做出了很多创新成果。

　　，精细化的风险管理不再满足于波动率和风险暴露的控制，还应体现为对收益预测的及时调整和纠偏。量化选股模型无法保持很高的胜率，意味着组合中必然存在表现较差的股票。精细化的风险管理应力求对错误选股的纠偏，以最大可能控制整体组合的尾部风险。在精细化的投资管理框架下，收益和风险融为一体，其目标是不断提升投资机会的确定性并通过分散化的组合构建方法获取稳定较高的业绩表现。

　　我们相信量化投资在中国市场仍然具有广阔的发展空间。随着股票发行数量的不断增加，量化方法对信息的高效处理手段将发挥巨大优势，量化方法可以极大地拓宽投资的认知边界，发挥出投资研究的“探照灯”作用。如果能够精细化地考量收益和风险，将会极大提升投资组合的长期复合回报。，A股仍然存在很多长期Alpha规律，而A股市场的长期投资价值亦正在显现。通过长期Beta和长期Alpha的结合以及投资方法的创新，量化基金的发展前景将十分广阔。

　　(文章来源·中证网)