來源於智匯量化，作者許靖源
作者：許靖源
導言
「
11月以來，近一個月以來的股票量化行業超額收益回撤，相比起去年，可以說有過之而無不及。不管是眾星捧月、實力強大的「頭部機構」，還是想要拼命躋身百億規模的行業中堅力量「腰部機構」，抑或是剛剛步入資管行業的潛力新星「腳部機構」，在這個月，都或多或少的遭受到了相對中證500指數非【can】常【wu】嚴【ren】峻【dao】的考【du】驗【da】。諸多投資人一如熱鍋上的螞蟻，各大機構在淡定安撫的背後也感覺到了隱隱的不安，是誰在又一次的黑色11月偷走了量化的超額？周期行業爆發究竟是何人所為？量價因子回撤的背後又隱藏著什麼？這究竟是人性的扭曲，還是道德的淪喪？讓我們再次走近科學，筆者將為您一一分析各中原因。
視角1：風格因子角度
隨著股票量化策略在中國的飛速發展，相對中證500指數超額收益【以下簡稱為超額】這一概念越來越深入人心，各個量化團隊歷史業績中的超額年化值、超額夏普率/卡瑪比，越來越成為理性投資人選擇產品的重點關注指標。
BUT，以筆者的理解，超額收益≠真實ALPHA，超額夏普/卡瑪比也是有待商榷的。
第一，筆者認為真實ALPHA的定義是，不受市場風格影響的超額收益。
第二，各大機構普遍應用的風控模型都是BARRA或基於BARRA的衍生模型。BARRA模型定義了影響市場股票漲跌的以下幾個因子：市值/非線性市值、行業、動量、波動率、流動性、BETA、帳面市值比、盈利、企業槓桿率，也被稱之為風格因子。意思就是說，這些因子計算出的值就是類似策略持倉的眼睛鼻子嘴、胸圍腰圍臀圍、身高體重顏值、家境收入朋友圈……如果策略持倉在上述因子各項得出的值相較於基準指數的值【每個因子都能用策略持倉計算出來一個數字，指數也是】，這個偏離值越接近，就說明策略和基準越像，反之亦然。
這一波行情是正向流動性、正向波動率、負向帳面市值比、負向盈利這四個風格因子的集體回撤【即負向流動性、負向波動率、正向帳面市值比、正向盈利這四個風格因子的集體爆發】，不同機構間策略持倉相較於基準指數的風格暴露有大有小【即便做到相對BARRA完全不暴露，在BARRA之外依然有未涵蓋的市場因子，何況BARRA因子暴露算法具有一定的局限性】，即各家機構的策略都跟中證500指數本身有著或多或少的「不像」，因此每家機構在這一波的回撤也是有大有小。
那麼，是否一定是和中證500指數更像的策略值得買？或者是否在極端風險行情下，回撤小的更值得買？筆者認為：不完全是。站在入門級投資人的角度，一個相對客觀的、選擇投資股票量化策略的歷史定量指標【專業的投資人不僅僅需要分析這一個指標，也不存在一招鮮的指標，需要更多定性、定量的客觀分析】，應該綜合評估該策略的真實ALPHA收益風險比率而非僅僅是考量回撤；其中，真實ALPHA≈長期超額收益率，該收益風險比率≈(長期超額年化收益率-年化負基差)/(長期超額年化收益波動or超額收益最大回撤)。在股票量化的世界裡，無風險超額收益率=年化負基差，而非無風險現金收益率。說到這裡懂的人自然懂，筆者點到為止。
回到正題，各機構策略基於BARRA的偏離足夠解釋行業性回撤嗎？
筆者認為，小部分能，上述偏離差異更能解釋的是在黑色11月中，各家策略超額回撤大小的差異，不能足夠解釋群體性回撤如此慘烈的現象。
視角2：行業錯配角度
之前有業內同仁簡單分析過了周期行業的爆發，以及股票量化策略在低估值行業上錯配的原因，筆者再補充幾點自己的理解。
第一，目前5000億的私募量化資產規模中，主流的絕大部分是通過量價類行情信息去捕捉錯誤定價機會，不論他們是何種打法，都脫離不開量價數據和量價因子/特徵。
第二，有些長期有效的具有較高性價比的高低頻量價ALPHA因子/特徵，天然的就會指向更多的非周期行業股票。即歷史之中，長期時間序列上體現了該因子/特徵的強有效性，讓尊重統計結果的模型賦予了其更高的權重，假設未來是歷史的有限重演，則該模型必然能獲取更多的超額收益，雖然無法完全規避歷史或未來短期失靈帶來的回撤，這顯然是符合普適性、重複性、行為金融以及量化信仰的決策。由於邏輯簡單清晰、長期效果好、易於挖掘，造成眾多機構的模型在該類因子/特徵上交集較多，造成了錯配的共性結果。
第三，筆者去年的文章亦提及過，市場中的量化資管策略在流動性、波動率這兩個市場因子維度上是正向暴露的，前者是追求策略容量【更小衝擊成本與更大可運作規模】，後者是追求更高效的捕捉錯誤定價【每單位換手勝率+盈虧比】。【私募工場：Funds-Works】眾所周知，周期行業股票在歷史上呈現長期低流動性、低波動性，可以說完美的規避了機構們在策略構建上的需求。
綜上，不論各家策略模型在行業上面限制的偏離有多少，結合策略間在某些ALPHA因子/特徵的交集和量化資管模型構建的剛性需求，都會長期大概率低配周期性行業。【筆者想闡述的是，造成周期性行業錯配的原因，並不是在於強加給模型主觀上的行業主動選擇，而是受到模型構建層面的被動結果。】
此外，偏日內和高換手日間打法的，這一波影響較小。原因筆者也直接給個人結論：日內打法的【大部分】，在日間的行業上暴露極小，因為預測的是偏短周期，追求行業上非常嚴格的中性，不會發生行業錯配，其容量有限，超額回撤低，波動小，長期收益未必特別強，畢竟太吃市場流動性了，單從配置角度是有價值有機會的；高換手日間打法的【小部分】，輪動很快，有一些能夠跟上行業的切換，這種自營策略偏多，容量很小，咱買不到。【在市場風格急劇切換的時候，就像咱不能指望車神藤原拓海開著一輛大巴車，拉著您過秋名山的五連髮夾彎比他開著AE86進了排水溝飄著移還快吧？但重要的是，一座秋名山只有一個五連髮夾彎，在更多的常規賽道上，藤原拓海可以開著大巴車，拉著您輕鬆超越其他更多的開著大巴車、私家車甚至是老年代步車、三輪車的菜J選手。不滿足？就想坐他開的AE86？筆者勸有這樣想法的看官放棄這不切實際的幻想，先不說這個速度受得了受不了，人家就副駕駛一個座位憑什麼讓您坐呢？】
筆者認為，上述能夠大部分解釋這一波的群體性回撤。
視角3：博弈論和行為金融角度
在不在博弈論的視角裡，咱都不得不承認，A股金融市場的交易是針對市場平均收益的近乎零和博弈【說近乎是因為交易有手續費、印花稅等成本需要支付】。也就是說，你的策略相對基準指數超額收益賺到的，一定是別人相對基準指數超額收益虧的，反之亦然。
從行為金融的角度，我們可以將市場參與者進行歸類，為了各位看官好理解，筆者簡單分成以下的相互不重合且能涵蓋市場群體的幾類：
A.弱理性交易者、B.強理性交易者、C.知情交易者
絕大部分的機構投資者，特點是平均掌控的資金量大，絕對數量少，投資和交易有邏輯，在B類中分布較多，A類中分布較少；而個人投資者，特點是平均掌控的資金量小，投資和交易邏輯偏弱，感性成分重，絕對數量多，在A類中分布較多【如韭菜】，在B類中分布較少【如遊資】；而機構投資者和個人投資者都有一小部分是分布在C的，特點，先想一想，筆者下面邊分析邊說。
能夠長期取得超額收益的股票量化投資自然也可以大部分歸結在B的範疇裡。
我們可以有如下推演：
第一，常規行情，股票量化投資賺的是A類非理性交易的超額收益，以及B類大資金騰挪時產生的超額收益；B類其他交易者也能夠從A類的非理性交易中獲取超額收益。
第二，非常規行情，A、B、C類均能從股票量化交易行為中獲取超額收益。
第三，不管是不是常規行情，股票量化投資均無法獲取C類交易的超額收益，C類均能通過信息優勢從A、B類獲取長期超額收益——任憑操作再華麗，也不可能長期戰勝一個開了掛的對手，且C類交易者的行為，大概率是與A類交易者混在一起的。
因此，不難推論出，C類的特點是，人數最少，平均掌控資金量大。
而股票量化策略之所以能夠獲取相對指數長期較高的超額收益，是因為A股還不是強有效市場，A類交易佔比依然高，持續不斷的為B類、C類輸出著多樣的超額收益來源。
而B類，還有一個重要的參與群體，就是存量資產體量是量化資產數倍龐大的主觀公私募、外資等機構投資者。去年的文章中，筆者猜想機構的群體性規避風險的調倉行為是那一波回撤的重要影響因素，今年亦如是。畢竟，在如今充滿博弈和相對歷史更加健全的A股市場中，帶風格節奏的永遠不可能是A類。
又是一年11月，主觀機構的業績考核期又要到了，今年20%多的beta收益想想也是美滋滋了，甭管有沒有超額，業績都不會太難看，到年底了，是不是換個相對安全的地帶合適呢？周期趴在地板上好久了，宏觀上看安全邊際也高，低估值風格也沒有被關注好久了，各種角度沒毛病啊，換倉走起來。
結合博弈論，各位看官可以想一下，在這個動態的過程裡誰能夠獲得超額收益？
前提是，大資金換倉動作緩慢，理論上，唯有事先相對基準指數持有更多周期股的投資者才能獲得了這一波的超額收益。結合前述，用腳想也知道股票量化不具備這個條件的基礎，至於是哪類群體，以及為什麼筆者認為會一定程度上造成股票量化策略的回撤，在這裡留個白，想像和推演空間也留給各位看官，也歡迎留言探討。
結語
此外，中證500指數最近相對收益較強【當然滬深300和上證50更強】，11月一整月跑贏全市場平均水平較多，但這點跑贏的部分，假設放在常規行情或模型預測是有效的時候，戰勝它不是個難事，絕不至於輸這麼慘；還有就是近期的貼水收斂，意味著一部分量化對衝的股票倉位是伴隨著平倉股指空頭的過程平掉的，這或多或少的會影響行業超額，但並不足夠把行業一個月的超額表現拉下來這麼大的一個數字。因而上述算是火上澆油的原因，絕非主因。
在小概率行情下，控制風險很重要，但行業性的回撤，筆者依然如同去年一樣，堅定的認為不論是投資人還是量化機構，都無需恐慌。
畢竟，A股還是處於一個弱有效性市場中。理論上，股票量化的長期收益風險特性不會因為市場的短期風格切換而大幅削弱。正是因為在群體性的回撤行情下，單個機構策略也很難獨善其身，因此筆者認為更重要的，是在非極端行情之下的、偏長周期的維度上，策略的差異化與模型超額收益風險體現。而這都需要更加另闢蹊徑的數據、具有金融邏輯支撐的特徵提取、強有力的算法理解、嚴謹的模型構建能力、更加精細化的交易等等。畢竟常規行情是未來時間序列上的大概率事件，常態化的收割能力遠比小樣本行情的風險預計更加重要——短期拿到的超額收益或多或少會包含風格，只有長期拿得到的才接近真實ALPHA。另一方面，風險的釋放意味著的確存在機會，這是股票量化最壞的時候，但卻是股票量化最好的時代。
從產品層面上看，Beta不貴，基差也便宜多了，還趕上超額收益的風險釋放。理性的投資人們，結合您自身的風險收益偏好，且行且珍惜吧。
最後，筆者認為這一波也再次提醒了所有行業參與者——要充分尊重市場。自認任何行情都天下無敵能躺著賺錢的，引用馬老師的一句話：年輕人，耗子尾汁。