16282
60🎤本期嘉宾：
孙蒙@华夏基金，主管华夏中证500指数增强、华夏智胜先锋、智胜新锐等产品
⏯️本期简介：
就像上一期量化单口说的，我想努力多访谈一些量化的公私募基金经理。本期是量化系列的第一期，这是量化系列的第一期，嘉宾是孙蒙。
他从500指增做起，思路是在仓位与行业分布层面复制指数，同时着重挖掘基本面因子，在选股层面做出超额。打给比方就是给此刻的市场拍一张快照，然后对此刻的股票按照一些基本面指标打分排序，进而选股。
后来孙蒙又意识到，公募量化在交易层面所面临的限制本就要比私募量化严格得多，传统的指数增强型产品又只能在指数成分股内选股，这又多了一层限制。
于是他又做了新尝试，在仓位行业市值维度仍然复制指数，但选股层面可以突破指数成分股的限制，实现全市场选股。
此外我们还聊到了刚过去不久的2月份的量化风波等话题，欢迎大家收听本期节目。
因为本期节目不可避免地谈到了一些具体标的，所以容我把风险提示放到前面来：
⚠️风险提示：所有内容皆仅以交流嘉宾和主播个人想法和分享知识为目的，完全不构成任何投资建议或参考。请读者注意判断其中风险，结合个人投资目标、财务状况和需求，独立思考，谨慎决策。your money your decision. 依据或使用本播客内容所造成的后果由您独自承担。
🎯时间轴：
01:25机器决策，人来编程。攻在算法，守在人性。
02:22一个量化基金经理的市场观
04:13因子对全市场拍照，照片叫「截面」，再用某些维度对截面里的股票进行评分排序
05:43价值的内涵会随着时间的尺度而改变
07:45相信市场有效，因此无效性会被交易来修正—是为投资机会
09:15相信历史会阶段性的、局部的复现
11:15量化核心还是做阿尔法，寻觅阿尔法因子
13:16孙蒙的指增做法：淡化择时，淡化行业偏离，淡化价值观和风格判断，靠基本面选股去做超额
17:48对策略友好的市场状态是怎样的？
19:56聊聊产品设计
22:28止步于中证1000不再继续做市值下沉，因为担心流动性风险
24:30亲历者视角下的2月份量化危机复盘和应对⭐️
29:48关于长期持有和贝塔收益的讨论⭐️
31:10Again！量化主要是核心还是做出阿尔法！对贝塔的判断需要投资者自己来
34:09量化投资到底是在贡献流动性还是在收割市场现有流动性？
35:26为啥没看到过标普500指数增强，纳指100指数增强？
36:20聊聊量化投资对AI这个新工具的应用
37:56量化基金经理真的了解自己模型给出的指令吗？
39:56规模天花板的问题
41:11公私募量化，应该如何比较？
📁本期内容相关资料：
孙蒙分阶段收益VS.中证500 （韭圈儿APP）
孙蒙最大回撤（韭圈儿APP）
孙蒙业绩指数VS.中证500 （韭圈儿APP）
📣 欢迎关注@老钱日日谈 ，如果播客没听够，可以来公众号找我玩，这边的更新频率会高一些。
也欢迎大家来🪐知识星球找我玩，这里是我自己学习的输入笔记。
市场足够有效，任何非理性或者不正确的行为，都会受到惩罚。用量化建模，规避人主观情绪的影响。
大数定律（统计力量）：某件事情出现次数越来越多，发生的频率将趋近于它的概率。
真相是一个人不可知但可以通过某些角度测量，比如物理实验在做认知世界真相的局部规律。金融市场通过统计学找到一些显著区别于噪声的规律。
基于历史行情的复盘，相信历史会阶段性的、局部的复现。
「市场有效」
无效的投资一定会被纠正。长期存在巨大定价偏离的可能性不大。市场在大部分时间有效，但在局部会出现偏离。做交易是为了纠正定价偏离。
投资一定要基于充分的信息和充分的分析。希望在更长期的维度获得更稳健的收益，做确定性更高的事情。
✅「因子」
是测量市场的手段（信号），比如宏观数据指导大类资产配置、基于技术指标做股票的择时。
选股因子（全市场评分）：基于多个维度，比如成长投资、红利投资。
截面：当天所有全市场标的打分，再用某些维度对截面里股票进行评分排序。
✅「市场定价偏离」
思考能从哪些维度纠正市场定价的偏离。
长期投资，提前挖掘被低估的标的，提前布局；市场当天肯定有无效交易产生，那一定有交易需要纠正。
两者不矛盾，是胜率和赔率的比较，长期投资相对低胜率、高赔率；短期投资相对高胜率低赔率。需要平衡，因为最后拿到的是预期收益（胜率 * 赔率）。
「价值」
投资机会：标的的当前价格和内涵价格出现偏离。
如果当前价格低于内涵价格有投资机会。相反的话，投资性价比不高。
✅「剥离贝塔的阿尔法因子」
主线（大β行情）：历史上出现次数不多，基于统计和大数据分析并不恰当，人为介入做一些主动干预更好。
投资方针：不一定会在长期带来超额收益，只是在过去一段时间有效。市场状态决定了这个阶段什么因子是更有效的。
寻找不太受市场变化影响的阿尔法因子。
✅「投资观 - 指增」
指数增强：可以在成分股里做偏离，但必须在成分股里选，但不一定复制指数。
1）淡化择时，大的资产配置，1~2次每年
2）淡化行业偏离
3）淡化价值观和风格判断，靠基本面选股去做超额
数据量越多，越适合统计模型抽取规律。
频率：公募机构低换手率。
美股指增可能放在对冲基金里。
✅「市场状态」
收益来源：当前价格和内涵价格的差异。
时间尺度：从基本面角度更长期的定价差异。
热钱涌入：价格和价值出现大幅度偏离。
模型内涵假设：如果两个标的基本面一样，市场应当给予同样的定价。
寻找两个标的类似，但市场给出了大幅的定价偏离，比如白酒只买茅台，一定有一个是定价错误。
✅「产品设计」
目标是战胜基准指数。
贝塔波动无法控制，在仓位、行业层面复制指数，着重挖掘基本面因子，在选股层面做出超额。在每个行业里选择认为比当前成分股更好的标的，或者被高估的成分股低配或剔除。
持仓的平均市值和中证500的平均市值相匹配。
止步于中证1000，再往下下沉，（流动性）风险较高。
流动性不好的标的（容量有限），就算看到机会，但很难拿到。买入标的会显著影响价格，不一定拿到想要的价格。
「亲历2月量化危机复盘和应对」
雪球产品敲入→期货多头必须平仓→期货市场多头力量下降→期货价格出现大幅贴水（期货市场价格显著低于指数）→对冲头寸开始平仓（卖出股票买期货）→期货市场进一步下跌。
春节前一周，同样市值的分布，标的的收益出现巨大差异。
应对：基于自己对市场判断做出的最优选择。不以结果反推自己的决策质量。
「长期持有」
长期持有，尽可能覆盖跟踪指数/指数的平均回报。
但这个指数的平均回报并不取决于持有时间长短，贝塔长期预期为正，时间才是朋友。
做任何策略测算，最后结果长期看（5年）不会差太多。
✅「量化核心 - 阿尔法」
收益 = 贝塔 +阿尔法
长期拿500和1000，贝塔收益区别不大，阿尔法差异显著。
流动性：量化让市场交易更充分，使交易标的定价更合理，使市场的有效性更强。
量化迭代：能比前一代模型稳健的提升性能表现，能更好的刻画市场。用历史数据测算，在历史各种行情下，是不是显著比之前的表现更好。
「AI工具」
提升对市场的理解，收集数据、文本处理、舆情分析、总结市场规律/建模。
模型根据给到的预期优化方向调整。
「策略失效」
市场状态的改变和同行竞争都会让策略失效。规模上涨，也会过早的摊薄投资机会，超额收益边际下降。
规模天花板取决于市场流动性，做任何容量的测算，使交易不会对市场有太多冲击。
如果一件事大家都知道，凭什么还能获得收益？