关于近期量化对冲策略回撤与投资配置的思考
时间：2019-12-11 19:05
来源：
FunofHedgeFunds
作者：对冲王语嫣
摘要: 在过去，股票量化对冲被赋予了“固定收益”的标签，因此我们容易忽视它们的收益也会有波动和周期。投资每一类策略，就意味着既收获它的收益，也承担它的风险。
最近对于股票量化对冲策略回撤的讨论比较多，也来谈谈我的思考。首先要感慨，市场上投资者对于量化对冲基金的要求真的很高，持续两三周的回撤就引起巨大的怀疑与赎回冲动。反观价值投资基金回撤的时候，投资者想的是：hmmm，回调就是买入的好时机。。。回到对量化对冲策略最近回撤的分析，其实一方面跟股票市场近期发生的风格切换密切相关。
02
接近年底，机构投资者获利了结的动力比较强，毕竟忙了一年，托消费医药电子食品饮料（尤其是猪）的福，今年收成还不错，大幅跑赢指数。马上年底要开始排名要算奖金了，还是落袋为安要紧。因此公募及主观私募等前期多头资金开始集中抛售白马股。而量化资金如果是使用多因子/机器学习等策略进行选股，本质上还是会选出前期表现相对强势的因子和股票进行做多，那么经过这一年来的白马行情后基本上各类高频量价or机器学习模型都会赋予这些前期表现好的白马股较高的权重，导致量化基金的持仓逐渐累积在前期强势股上，那么在现在机构获利了结的时候量化基金就开始经历因子回调的痛苦。这个就涉及到量化策略因子组合的问题：是否在逻辑上给予了“因子的动量”过高的权重？这个其实是所有高频量价或者机器学习模型绕不开的问题：在模型训练的时候，必然是以前一段时间内表现较好的因子和标的作为输入来训练模型，这就意味着此类模型本质上多数会有因子层面的“动量追踪”的成分（我很少听到有管理人说，我们专挑前期表现不好的因子用作下一阶段的预测）。那么结合今年机构抱团消费医药食品饮料等行业的白马股票的行情，这个效应就会持续加强，体现在量化策略的选股也会逐渐向这些标的靠拢。
03
而另外一方面，近期的回撤也跟股指期货合约的基差收敛过快有关，尤其是近月合约，导致贴水提前兑现在净值上。关于这部分倒没什么可说的，贴水在建仓/展期时就已经锁定了，到下一次交割日或者平仓的时候是一定是亏掉的，区别是每天均匀地亏还是一天亏完之后平水拿到交割。既然当前已经收到几近平水了，那么接下来基差的累计影响就不用太纠结了。关于股指期货合约基差显著收敛对后期的影响，其实也可以做个推演：基差收敛的动力有两个来源，一是多头新开仓，意味着投机交易者的主动性买盘；二是空头买入平仓，意味着对冲交易者的平仓交易。前者体现做多意愿，后者间接反映出市场上投资量化策略的资金在发生赎回退出。第一种情况下，如果市场有投机性资金开始做多，那么意味着系统性beta看涨，这个对于量化策略是利好信号，因为系统性beta上涨意味着整体波动率和交易量有望提升，有利于阿尔法因子尤其是量价因子的收益表现。另外对量化对冲策略的容量提升也是利好因素。第二种情况下，可能是有前期跟风投资量化策略的资金开始赎回，导致量化机构发生较大规模平仓。这个其实对于当前拥挤的高频量价交易环境其实也是利好，更有利于量化策略的长期发展。
04
接下来从投资配置的角度讨论一下策略盈利来源的一些浅见。股票阿尔法策略本质上可以归为相对价值，通常是通过分析各个股票在各类因子上的相对强弱来筛选标的，在做多一篮子股票的同时做空另一篮子股票或者股指来获取超额收益，因此策略收益与整体市场的横截面波动率密切相关。而与此对应的另外一类策略，比如短期趋势的股票多空或者再高频一点的股票T0等策略，则是通过预测短时间内的股票涨跌进行交易，那么本质上是通过交易时间序列波动率进行获利。再延伸一下来看，持仓周期更长的基本面价值投资策略判断的是股票价格与内在价值的偏离情况，其实也是受益于更大级别上的时间序列波动率，从股价偏离内在价值的波动中获利。从预测方法来看，通常越短时间级别上股价波动受市场行为和量价因素影响较大，而越长时间级别上受基本面信息影响越大，因此不同交易频率上使用的基本面和量价信息的权重也有所区别。那么从策略配置的角度来说，理想情况下，同时配置横截面波动率策略和时间序列波动率策略，在时间级别上兼顾高频T0、中频股票多空和较低频的基本面价值投资策略，会带来分散风险和稳定收益的优势。
05
积极管理能力 = 转化能力 * 预测准确率 * sqrt(策略广度)其中IR是积极管理能力也就是承担了单位风险之后所实现的收益；IC是单次预测的准确率；BR是策略广度也即独立判断的次数；而TC则是将预测能力转化为实际收益的转化系数。简单地说，想要提高策略收益可以从三个方面努力：提高IC，提高BR，提高TC。在基本面价值投资策略中，管理人致力于努力提高因子预测的准确率也即IC，于是通过大量地调研积累研究能力和信息优势、自下而上深入挖掘个股机会，在价格低于价值的时候进行投资，于是通常基本面价值投资策略一次性交易的标的不会太多，力求精准出击，瞄准机会重仓持有。而股票高频量价策略则更多的是重量多于重质：他们通常对于交易标的选择范围更广，虽然在IC上单次预测率可能不及基本面策略，但是他们更注重通过提高预测次数和标的只数，也即通过大量提高BR来提高收益。这里想多说一嘴，BR强调的是独立判断的次数，有些管理人在选择交易因子的时候盲目追求自己有多少多少个因子，却对因子之间的相关性不太在意，那么表面上因子数量很多，但是实际BR也没有提高多少。。。回过头来风险暴露还是较高。
06
IC BR TC这三个因素中，IC和BR最容易让人肾上腺素飙升，因为这两者通常与激动人心的字眼联系在一起：比如高IC的投资人通常会有几只“十倍股”等赫赫战绩或者“精准择时”的神级操作；高BR的管理人通常与“大数据”、“机器学习”、“神经网络”、“高频交易”等高壁垒词汇分不开，反而TC是最容易被忽略的。TC代表的是将预测能力转化为实际收益的转化系数，这里面包含的内容其实远比字面意义深刻。套用一句时髦的术语：TC体现了管理人将认知变现的能力。比如，我们知道很多因子多空收益很高，但是落实到交易上能实现多少收益呢？如果对冲端使用工具非常有限，那么因子阿尔法就只能获取一半（往往我们发现因子阿尔法在空端比多端收益更丰厚，但是受交易品种限制很难获取到）。又比如，如果因子和模型的预测指向较集中的持仓分布，实际产品的投资范围和投资要素能否支持这样的集中度？又比如，价差波动经过一轮极端环境下的较大背离之后有非常高的概率会回归中枢，但此时产品净值已发生较明显的回撤，此时风控条款是否支持策略继续在当前仓位水平上等待收益的回归？又比如，模型测算出来将资产组合投向一部分低相关资产可以显著推升有效前沿，但是产品设计中的流动性要求能否允许这样的仓位分配？又比如，构建投资组合的时候通过市场调研发现了优秀新锐管理人，能否顺利过会入库。。。从这个角度来说，其实产品经理做得好，也能产生阿尔法。
07
回过头来看近期股票量化对冲策略的回撤，也提醒我们要时常反思：在过去，股票量化对冲被赋予了“固定收益”的标签，因此我们容易忽视它们的收益也会有波动和周期。
投资每一类策略，就意味着既收获它的收益，也承担它的风险。
如果觉得承担一类风险过于难受，那就做好分散化配置。
毕竟，现在市场上最为人知的股票量化对冲策略，其实只是广义对冲策略的其中一类。
