谈到对量化交易发展的一些感想，发现好多评论对量化交易有误解。如果单对这些评论进行解读，也不容易讲清楚，所以干脆写稍长一点的文字来解释一下。
首先，什么是量化交易呢？
百度上的定义是这样的：量化交易是指以数学模型替代人为的主观判断，利用计算机从历史数据中筛选出能带来收益的多种“大概率”事件以制定策略，避免作出非理性决策。
我们投资股票时，经常要遇到的各个指数，说白了就是某种量化交易策略。比如最常用的沪深300指数，标准普尔500指数，本质上不就是人们事先确定某种交易逻辑，然后让计算机按照这种逻辑来选股并调仓吗？这些指数没有掺杂人们的主观判断，完全由计算机来操作和实现，一旦确定下来，很少去更改。
其次，量化交易有很多种，一般散户比较痛恨的中高频交易，只是量化交易中的一个很小的类别。
就股票的量化选股而言，就有很多流派，比如多因子选股（如市盈率，市净率，股息率等），风格轮动，行业轮动，动量反转，趋势跟踪，资金流，分析师意见和最近兴起的舆情选股等等。这些策略在执行之前，通常会对历史数据进行比较长时间的回测，然后进行模拟盘和实盘验证，最终才会按照一定的仓位进行交易。
这些策略相比主观交易而言，确实存在相当的优势，毕竟它不是人们自己拍脑袋想出来的，而是经过历史数据验证的策略。虽然短期策略比较容易失效，但是中长期策略有效性还是比较强的。
下面就以红利策略为例来说明一下量化选股思路的一个迭代过程。
最简单最常用的量化基本面选股策略之一就是红利策略，即挑选出股息率较高的股票，一篮子买入，定期换仓，长期可以跑赢沪深300指数。但是，人们对一般的红利策略还不满意，于是又开始找到红利策略的某些不足，并加以完善。
我看过一份研报，详细介绍了A股中的96种红利量化交易策略，这里我简单介绍一下。
最初大家的想法很简单，哪家公司分红高，就选哪家。比如常见的上证红利指数、中证红利指数、沪深300红利指数，根据历史股息率进行筛选就可以了。
但是，人们会思考另外一个问题，这些红利指数不能体现出公司的成长性。
于是人们就对红利策略进行了修订，新的红利策略不仅关注于高股息率，还根据股息增长水平进行了一定程度的筛选，以获取公司成长带来的增值收益，比如中证红利增长策略指数和中证中信高股息策略指数。
不过，人们对这些红利策略还是不够满意。因为有的公司上市不断增发配股融资圈钱，或者借了大量债务再高额分红，不能体现出上市公司的真正运营水平。于是新的红利指数应运而生。
这就出现了Smart Beta指数和高分红融资比指数。比如中证红利低波 100 指数、中证红利成长低波指数，选择具有高质量、低波动等风格特征的上市公司，以获取优质上市公司的股息收益与增值。又比如上证红利回报指数与中证红利回报指数，选择分红融资比高的股票作为指数样本。
结果也是明显的，优化后的红利指数比普通红利指数逻辑更为合理，也带来了更加显著的回报。
中证红利回报全收益指数，在2013年至2021年间，取得了年化20%以上的回报率，而普通的中证红利全收益指数，回报率才刚刚过10%。
红利策略的优化过程，就是量化选股策略迭代的一个缩影。
最后，想说一下的是，即便是大家比较厌恶的中高频量化策略，对市场而言，也是优点多过缺点的。
有过港股交易经验的朋友都明白，港股很多小盘股交易极不活跃，一天经常交易几千块钱甚至零成交。如果引入做市商，免除或者削减它们的税费，通过做市交易，做市商一年赚取10%的利润，那又有什么关系呢？这样给了很多散户正常交易小市值股票的机会，否则每天那么一点交易量，根本就没法正常买入和卖出。
另外，投资行业存在规模，收益和风险不可能三角关系。收益率非常高的量化策略，注定是做不大的。目前规模很大的量化基金，主流的年化收益也就是百分之十多一点，并不是大家想象的那种暴利。但是这些中高频的量化基金，给市场带来了非常大的成交量，这样普通人买卖股票，价差就会比较小，长远来说，对普通人是有利的。
就我自己而言，选择的也是中长期的量化选股思路，并未参与所谓的高频策略，也没有开通所谓的融券户当日融资买入同时融券卖出赚取日内回转收益的钱。
交易策略确立前也是非常谨慎，首先寻找一种靠谱的选股逻辑，然后再用计算机做大量的数据分析和回测，策略确立之后也是先实盘验证，最后才会放在产品里面。有的基本面选股的策略，最终选择放弃，根本原因还在于选股的逻辑存在问题。比如我之前运用的一个基本面量化选股策略，与市净率和市销率有一些关系，虽然选择了整整15年的大量数据进行测试，但是忽略了一个重大问题，即策略的前15年恰好是国内房价的一个大牛市，与之相关的产业蓬勃发展自然没问题，但是地产向下后，这个策略的底层逻辑是有根本性漏洞的。尽管很痛苦，但是我最后还是选择了放弃。这次经历也给我好好上了一课，策略表现好不代表未来仍然适用，关键在于策略背后的底层逻辑是没问题的，要经得起极端行情的检验。单纯表现好，但是缺乏适当逻辑支撑的策略往往走不远，因为这样的策略多半是过度优化的产物。
量化策略选择中有一个很有名的奥卡姆剃刀原理，即“如无必要，勿增实体”。也就是说条件越多，策略就越不可靠。因此在策略的把握上，要尽可能的简单，约束条件越多，失效的可能性就越大。这也是我2015年开始研究量化策略后牢记的一个根本原则。
真正可以长期有效的中长期策略，一定是简单而逻辑清晰的
来自何纯在南国
|
