量化私募真的提高了市场的波动吗 「私募 量化」 晨丰科技分红「晨丰科技千股千评」 债券基金跌幅「债券估值如何计算」 如何选择定投方式「基金定投的规则」 tcl定增公告「2021年TCL什么时间定增结束」 如何在中国投资越南股市「怎么买越南股票」 按照债券价值这个模型影响债券定价的因素有「招商银行估值为什么高」 定投6个基金「基金定投入门」 长期债务评级「2021新债发行时间表」 总结现阶段疫情防控债的特点「疫情防控债」 阿里巴巴发行50亿美元债券「投资者认购资金不足的」 闲置募集资金理财是利好么「现在理财收益低」 央行资产负债表的秘密包括「央行的资产负债表构成」 澳门 债券「工银澳门手机银行」 银行有可转债吗「民生银行发行2019可转债」 银行股投资价值雪球「银行股上涨逻辑」 基金定投的奥秘「基金定投的真实经历」 2021基金选择「2021年什么基金潜力很大」 翼虎投资管理「怎样选潜力股」 恒大发行海外债「恒大多少外债」 云南省首次通过商业银行柜台发行地方债券「地方债在哪里发行」 大摩强收益债券基金评价「大摩双利增强债券a怎么样」 美债利率升高「利率债利率」 应届生进投行「投行工作稳定吗」 Mac七夕限定「mac中国限定」 什么叫公司债与企业债「公司债与企业债」 中国抛售2206亿美债「中国抛售美债1500亿」 中国连抛2700亿元美债「中日抛售美债」 社会融资规模和M2「扩大信贷规模」 海通证券估值分析「海富通汇报估值」 社会融资规模 宏观经济指标包括「社会融资总量」 广义货币m2和社会融资规模「社会融资规模和货币供应量的联系」 7000亿美债或将被抛「外媒:中国或将抛售7000亿美债,引爆美国债务危机的金融核弹或出现」 中国北方(肃宁)电商文化节开幕 广东发行地方债利率多少「债券利率与期限的关系」 安徽省专项债发行「上交所发债」 方正证券收益「方正证券利好消息」 新增专项债券项目「抓项目储备」 日本成为美国第一大债权国「美国第一债权国」 中资银行首次在伦敦发行英镑债券吗「中国商业银行开办的外币存款业务」 崔宸龙基金经理怎么样「中国最牛基金经理」 日本是美国最大债权国「日本债权国」 白糖指数基金「景顺长城中证500低波动」 金融小知识 证券组合包括「证券相关基础知识」 蚂蚁财富存款产品下架「国家为何叫停蚂蚁上市」 可转债也会退市嘛「可转债暂停上市」 支付宝理财产品手续费「蚂蚁财富尊享理财」 2019年度企业债券主承销商信用评价结果「2019年债市行情」 流动性高的债券收益率「流动性收紧对债券基金的影响」 非标 债务「非标的债权」
您的位置:首页 >行情 >

量化私募真的提高了市场的波动吗 「私募 量化」

2022-12-03 19:52:33 来源:雪球

作者:红星菜馆
来源:雪球
著作权归作者所有,商业转载请联系作者获得授权。
风险提示:本文所提到的观点仅代表个人的意见,所涉及标的不作推荐,据此买卖,风险自负。

上周四两室成交量突破1.7万亿,创出2015年之后的新高。我们看到非常多的声音质疑量化私募在其中做出的推波助澜的作用,有华西的分析师提出量化私募已占50%的市场成交,在这种言论影响之下,大家普遍对量化的市场影响力采信了非常负面的态度和观点。比较有代表性的结论是:

1,量化私募采用较多的量价策略会推高市场的波动,在他们追涨杀跌的影响下导致个股涨跌极致,趋势会被超级强化;

2,日内交易增多,私募间互为对手盘,他们的交易导致了虚假成交量的放大,构造了高成交假象。

这两点都有失偏颇,这篇文章是指数增强系列的第二篇,从这两个问题开始,我们尝试解决量化成交量和市场变化情况之间的简单关系,同时从三类因子的复现说明海外量化目前进展局面和实现过程,方便大家更为了解和理性看待量化,也更了解市场

一,量化成交量和市场变化情况

1,在中信的量化规模统计中,最早突破万亿的临界点是今年2月份,而真正各平台数据统计都得到验证和公开信息传播正式开始是6月份,这其中其实有完整的半年时间是万亿量化有效运行的时间段。

从上图可以看出,虽然万亿规模的量化差不多完整运行了半年但是其中全市的成交额度依然有明显的谷底(3月底4月初6000亿),从4月1日到上周四这5个月时间里,市场的成交量攀升了仅3倍,这期间量化产品的新设和整体规模攀升其实并未出现这么离谱的现象,大概是增长了10-15%的规模,这并非线性对等的关系。

既然市场成交量的急剧攀升并非和量化规模增长保持一致脉络,那么是否是由于:“私募间互为对手盘,他们的交易导致了虚假成交量的放大,构造了高成交假象?”

这在直观的图形判断上似乎显得很有道理:中证500下跌,量价表现清淡,减少成交,导致市场成交量下降;中证500上涨,量价表现强势,交易增加,导致市场成交量下降。

但是在真实的数据分析中,我们发现:中证500的日度收益率和市场成交量增减之间的相关性是0.4,这是一个比较低的数值,代表没什么太大的关系。也就是说,市场并没有表现出中证500越好成交越高的规律,当然也就不存在行情越好,量化成交越疯,成交量越大的线性关系,这是一种直觉上靠谱,但是并不真实的想法。

2,量化是否推动了市场的极端趋势加大了波动?

这也是一个非常经典的直觉性错误,以两张历史数据统计图示例

美国90年代至今市场波动率变化:

中证500近10年波动率变化:

由以上两图我们可以得到一些直观的观测结论:

美股30年来波动率并没有明显的提高趋势,随机性较强;中证500有不明显的下降趋势,以当前时间点看,大概相比10年前下降了20%,但是也保持了比较强的随机性,如果以17年的视角看,是7年降低了60%的波动率。

在美股的30年间,量化成交占比从0到50%大踏步地提高,但是整体市场的波动率并没有出现明显的上升,当然,对于量化私募宣传中量化有助降低市场波动的说法从数据图中也没有得到很好的印证,两者之间也没有呈现明显线性关系(量化成交占比和市场波动率),相关性更低于0.1,这基本代表一个非常特殊的结论:量化的发展并没有影响市场的波动变化,市场先生依然伟大保持他随机的样子。而放在中证500上则也取得了相似的观察结果,量化成交占比即使在国内也和市场的波动没什么关系。

历史上出现过几次非常经典的量化策略黑天鹅,除去比较久远的长期资本高杠杆下注失败破产清算外(当时投资品种为债券,计算波动率偏离正常,下注波动收窄),当我们讨论量化加大市场波动和极端趋势这个命题的时候,往往离不开2007年8月。

当时8月7日(周二)和8月8日(周三),这两天固定收益和股票市场的波动相对较小,但由量化模型驱动的市场中性基金开始出现史无前例的亏损。在后来的论文《What Happened to the Quants in August 2007》中对量化基金的风险的内生性,以及极端事件冲击的不可避免性进行了剖析:

依靠历史数据测算风险还面临这样的问题:如果历史数据并未包含极端事件,根据历史数据评估风险就无法反应极端事件的冲击,进一步的,极端事件是很少发生的,因此即使历史上发生过极端事件,样本数也是很少的,评估的误差也会很大。

“一个不太恰当的比喻是巨灾保险行业。在大部分时间内,保险公司可以享受稳定的保险费现金流,但一旦灾害发生,保险偿付将导致保险公司承受巨大损失。不过只要保险公司拥有足够的资本金,灾害事件不会导致保险公司出现倒闭。不过在一种情况下行业会出现问题:当行业内涌入太多资本,引发保费价格战,保费下降最终会导致保险公司资本金无法承受一次灾害事件冲击。不过在经历过一次灾害事件冲击后,由于大部分公司退出行业,保费竞争趋缓,价格回升,又会推高利润水平。一段时间以后又会吸引新进入者进入行业,行业周期循环再次开启。”

想要更好地理解量化没有增加或减少市场的波动率,但是他们本身存在内生性的风险这个命题,我们可以对一些经典策略做复现,更直观地体验量化私募在非常庞大的体量下进行的投资方式。

二,从三类因子的复现说明海外量化目前进展局面和实现过程

AQR是2020年末全球最大的纯量化基金,规模996亿美元,它曾经是做alpha的私募,但是现在主力是公募指数增强,也就是我们在前文提到的smart beta。

这家公司的创始人克里夫·阿斯内斯师从诺贝尔经济学奖得主,fama三因子的提出人之一尤金·法玛,他在学术研究中发现了一个有趣的现象,就是处于涨势的股票总会比理论上涨得更多,反过来,处于跌势的股票会也比理论上跌得更多。后来人们借用一个物理学的相似概念——动量,为这个现象命名。

之所以以他们来举例,是因为AQR是很稀少的把自己的研究成果和投资路径思考不断更新公开,我们可以很清晰地进行复现,同时,他们有超小规模的超级业绩,也有超大规模的清晰商业化变革,他们体现的是量化很完整的前后变化、优势劣势、过去和未来。

AQR的smart beta主要集中于三个方向,防御性,动量和价值。每个方向都有大量的因子,我们在每个方向都举例一个例子。

1,在防御性因子中,最出名的就是BAB因子,根据经典的capm理论,每个股票都有一个BETA值,BETA值体现的就是股票波动和大盘波动的关系。使用美股和港股的数据来回测,假设我们做空高beta的股票,做多低beta的股票,这样我们可以来观察如果以低beta作为一个选股标准,是否确实能选到更好的股票,也就是构建了一个BAB因子,下图是BAB因子的收益累加,可以看到beta因子的收益曲线是稳定向上的,也就是说在我们看中同样一批股票的情况下,没准我们买入低beta的效果会更好。

也就是说购买高beta会跑输市场获得较差的收益,这个选股标准起到负面的阿尔法贡献。在实际投资中,不同的投资者受到不同资金使用的限制。为了追求更高的收益,一些投资者(特别是机构)会把有限的资金投资于高风险的投资品,资金过多涌入这些高beta股票就会导致股票价格上升,这便造成了它们 α 的下降。α和β的关系如下。

AQR采用的这个选股标准很合乎日常的市场观测,我们常常可以看到很多人在天地板妖股中奋勇搏杀,最后百不存一。

2,动量就使用截面动量因子,做空过去12个月跌多的,做多过去12个月涨多的,动量因子在12个欧洲国家市场和20个新兴市场都有效,但是在中国和日本动量因子无效。

对于动量因子的解释分为两个方向,

第一种是从风险补偿的角度出发,多头和空头具有不同的,时变的系统性风险暴露,构建的多空组合具有一个系统性风险敞口,需要风险进行补偿,200年美股数据研究发现,动量因子的多头暴露了更多的市场风险,在危机时会有大量损失,这意味着高动量需要更高的收益来弥补风险,比如今年二月份的暴跌,前期涨幅较大的抱团股跌幅最大,比如2015年的股灾,涨幅最大的中小盘股票跌幅最大。

第二种从行为金融学进行解释,价格动量主要是来自于反应不足,反应不足可以用盈余动量来解释,在完全有效的市场中,一个股票发布了利好消息,它的股价应该很快的涨到均衡的价格,然而现实市场中,股票发布了利好,往往需要数周时间股价才能涨到均衡的位置,现实市场中投资者对于消息反应不足导致了动量效应。

3,价值因子,这个因子最简单的构造方法就是选取低pb的因子。在美国的几十年数据中,价值因子都有着比较好的表现。

关于这么选股有超额收益的金融学解释,主流是从风险补偿方向解释:

低pb企业面临的更多的财务风险,比如最近市场上走势很差的保险和地产,他们的pb低并不代表它们的股票被严重低估了,而是因为它的公司在基本面上有很大的问题,所以市场给了它一个低pb的估值,低pb的企业往往基本面都面临困难,有着较高的风险,对于这种基本面风险市场给予了它一定的风险溢价,这就是低估值的超额来源。

从2006年底开始,价值因子表现有点力不从心,呈现缓慢下跌态势,截止到2020年一季度,回撤已经超过13年;新冠病毒疫情,更是让其雪上加霜,致使最大回撤超过了50%。关于价值因子失效的争论有很多,其中认可度较高的是——以pb为基础的价值因子之所以表现不好,是因为新经济时代保守的会计准则存在缺陷。

1990年之前,经济结构还比较传统,公司投资主要集中在有形资产,即土地、厂房和设备等,在会计处理上也以资本化处理为主,因此净资产相对来说能度量公司的内在价值。1990年以来,越来越多的新兴产业产生,不同于传统行业,这些新兴公司在研发、广告、软件、商标和人力资源等方向进行了大量投入,根据保守的会计处理原则,这些投入大多进行了费用化处理,问题就出在这个地方。

对于传统价值因子的缺陷,aqr也提出了一些观点,除了考虑公司的估值,也考虑了杠杆,波动等其他因素合成的新价值因子。

AQR的smart beta主要集中于以上三大方向,但是事实上还有许多其他的因子,比如国内认为还有超额的小市值因子,它们已经抛弃,小市值因子长期来看会有超额收益,但是这种超额收益有着较大的波动和较长的回撤期,小市值的收益是小市值公司具有更大的波动带来的风险补偿。国外还有一些比较好的因子它们并未归入smart beta中比如投资因子:公司再投资少的比较好;比如盈利因子:roe高的企业比较好。

纵观AQR向外展示的投资框架和因子系统,你是否更明白他们这些真正学术顶级的量化机构在做的事情?金融不是无本之木,量化也非无水之源,量化研究的是市场参与者的普遍行动规律,既有割韭菜式的规律统计:低波动、动量等;也有顺应企业经营本质式的基本面优势统计:不用疯狂投资也能高利润率的企业股价表现更好等。在我们的认知中,优秀的量化本身也需要不断进行良好的金融学解释,在西蒙斯早期的一次电视访谈中,对机器本身定义为工具,它实现数学家们的所思所想,有时候它实现起来精美但是出错,需要人为纠偏。

AQR就经历了这样一个完整的量化私募发展过程,这和他们本身的规模增加以及整个美股市场量化成交占比过高有关,但是现状是可信的。在国内一些量化机构中,对two sigama等更新一些的海外量化头部等回国的人士采取偏信原则,恐怕也是有失偏颇的,其实他们人数并不少,有的人也许每天只是在对一些无效数据做一些奇怪的统计测试,反而像AQR一样最终发现大道至简,在超级规模下一切从简的量化更值得信任。

从这两年的整体业绩上,两家也几无出入,都没有跑赢标普500,但是曲线非常相似。他们可以说分别代表了smart beta 和alpha。

三,总结

1,量化私募规模的膨胀并不会影响市场的整体波动,但是会在统计数据之外的黑天鹅发生时出现意想不到的回撤,甚至是风平浪静的是市场环境中,量化都可能突发性的下跌,这源于小部分品种的流动性问题,是投资量化私募不可避免存在的问题;

2,量化私募后期会不断向两个方向进行演变,一个极致的方向是西部利得在公募中率先也最优效果的转变,固化优秀的商业选股标准和长期市场交易特征,享受beta;另一个方向是尽可能地挖掘市场上不受关注的微小统计套利,在规模小的时候受益良多,当规模膨胀时不可持续,附two sigma近年整体净值变化,基本和标普差不多,相关性也很强:

3,从量化挖掘市场规律的步骤:提出灵感——选定参数——清洗数据——股票打分——多空组合——观察超额——因子评价检验——金融学解释,我们可以清晰地明白,这其实和过去“神奇公式”等理念是一致的,当我们在A股使用乔尔·格林布拉在其畅销书股市稳赚中发布的神奇公式时:

1)剔除银行和非银金融,以及停牌和st个股;

2)资本收益率和股票收益率两个指标进行排名

3)等权买入前80,半年调仓一次

这其实就是一个简单因子的组合。这种选股标准的构建股票多头管理人一样可以完成和实现,而在多数情况下,股票多头的管理人天然自带一套自己较为成熟固定化使用的选股标准而已。

我们常常评述说,对于多数多头管理人来说,引入一些成熟的量化手段来检测更新自己的选股标准是必要的,而对于多数量化管理人来说,也普遍在尝试引入成熟的基本面分析团队来完善自己的基本面因子架构。

我想,我们没有必要过度神化和采信量化的偏门独见,比如量化会有效降低市场波动等管理人惯用的宣传口径,稍微做一些数据表格,大家会得到非常直观的结论;

4,根绝我们的简单测算,按照50-100倍的量化私募单边交易贡献度测算,大致贡献3000亿左右的成交,这个数据在交易行情清淡的时候会降低,在活跃的时候会提高,但均值大概保持在这个水平。如何解释市场成交大幅上升的情况?毫无疑问,A股的成交量不断攀升的背后是真切注入的市场活水。

在我们与很多信托方接触的过程中,会发现非常明显的困局,去年我们做过一个统计图,现在放出来依然可以信任:

财富搬家的速度不是渐进的,而是加速的,突发性的资金注入再正常不过,1.7万亿的成交是很高的15年后数据,也是二级市场真实关注度的增长,这和量化关系不大,和万亿投资者切身实际的财富搬家关系满分;

5,市场的长期有效性超乎想象。

我们在尝试寻找量化成交和市场波动之间简单关系的时候非常惊讶,惊讶于市场的长期有效性超乎想象,市场的调节机制不仅发生在投资人情绪纠偏和资产定价,甚至作用于钻空子达人量化机构。

美股经历了30年的量化成交洗礼,市场的微观特征也许发生了很多改变,但是在整体的宏观波动率特征上并没有改变,广义投资人参与的市场主体调节的机制似乎并不因为某些特定的规律利用者发生变化。

这更深层次的原因可能是更支持价值投资的:市场的投资品种主体由一个一个切实的商业公司组成,他们整体变好股市上升,他们整体变差股市下降,找到超乎寻常的公司,将大受褒奖,买到破铜烂铁,将受到惩罚。

6,市场的短期无效性同样超乎想象。

我们重新回顾了一下量化的发展历程,尤其是早期海外量化出现的一些黑天鹅净值表现,愈加印证市场的短期不理性波动的幅度能超越历史统计,也能超越投资人的想象和承受。如果基于以上所有的结论,能够给我们最强有力的启示是拥抱波动。

7,站在当前时间点看指数增强,从各家量化私募纷纷关闭指增募集渠道的举措应该也可以非常明白国内指增目前的容量已经达到了瓶颈,接下来是比较漫长的从20%的市场成交占比提升到50%的成交占比过程,这是一个超额收益率能力逐渐下移的过程。

我们在上一篇文章中对指增前景的描述是不变的:当前的高收益率是难以维系的。但是当我们把指数增强作为一种独有的策略作为配置使用时,他能提供给我们比较强的中小盘跟踪能力和一段时间里继续跑赢中证500贴水的能力,依然是很好的策略品种。在活水源源不绝的市场资金环境特征中,依然有一批严格跟踪约束的量化私募可以跑出稳定的超额收益,但是这个超额收益下降的空间其实并不多,其实仅有10%,当普遍下降到中证500贴水以下时,我想量化私募指增的容量会遭遇大幅的缩水。

免责声明:本网站所有信息仅供参考,不做交易和服务的根据,如自行使用本网资料发生偏差,本站概不负责,亦不负任何法律责任。如有侵权行为,请第一时间联系我们修改或删除,多谢。

今日中国财经