市场赚钱效应升温，风格却不断切换，抓住低吸潜伏的好时机！立即开户，踏准节奏，不错过下一波大行情
来源：投基家
在当前的市场环境下大家很想跟上指数并超越它，但战胜指数一直是个亘古难题。从巴菲特与对冲经理的十年赌局里，大家知道了站在金融金字塔塔尖的对冲基金经理们也是很难战胜指数的。
赌局之后指数基金被捧上神坛。但股票量化基金里有一类产品就是主打超越指数，它有个神奇的名字——量化指数增强产品。它是在指数收益的基础上再加上部分增强收益，比如：指数在这一年上涨了15%，但某指数增强产品这一年的收益是25%，也就是说收益中的另外10%是超额收益增强的部分。
很多投资者可能都有一个疑问，就是这个神秘的超额收益是怎样产生的呢？下面我给大家概括几类股票量化获得超额收益的方法。
01 技术面超额收益
首先介绍一下知名度很高的T+0策略，顾名思义就是一支股票在同一天完成了一圈买和卖。这个策略可以说最早是由华尔街的交易员发明的。基金经理在建仓的时候需要下命令给交易员让他们完成”下单“这个操作。交易员可以把一笔买入分散成为多次、不同时间点买入，而且根据他们丰富的交易经验可以判断短期市场趋势，在相对低点买入，相对高点卖出，降低成本，其实某种程度上来说就是增加了收益。
美国股票市场交易制度是T+0交易，买入的股票可以当日卖出，可以是买入的后几秒卖出，也可以是买入的后几分钟或后几个小时卖出，只要中间差额覆盖交易的手续费后还有剩余，这样就是盈利。交易员运用的一个策略就是极短的趋势交易，把握短期趋势，低点买入高点卖出。当然不可能每一笔都盈利，但有经验的交易员会通过一些指标辅助判断，包括：买卖盘口的一些实时数据、交易量的数据、指数价格、指数波动、其他技术面的量价指标等。
但随着计算机在交易上的运用，情况发生了变化。因为人的反应速度是远远比不了机器的，人的反应速度以秒为单位，但机器的反应速度以毫秒为单位。机器也可以去分析各种量价指标，捕捉趋势，而且杜绝了人的主观情绪因素，严守纪律性，所以预测趋势的准确度更高，交易员在慢慢被机器所取代，国外投行交易员的数量也在急剧缩减。T+0每笔的收益可能比较少，但日积月累，年化也可以带来可观的超额收益。
可能大家说A股是T+1交易，怎么做T+0呢？第一种可以利用之前就持有的底仓，利用底仓和部分资金就可以达到先卖后买或先买后卖的T+0效果。第二种没有底仓，利用融资融券的方式，比如你先买了A股票，当天不能卖，但可以融券卖出，这样的话你就锁定收益，之后还券就可以了。
T+0其实是一个比较宽泛的概念，只要是日内完成一圈买和卖的交易都叫T+0，但T+0可短可长，可以是下三秒完成一圈交易，也可以是下一分钟，下一个小时，下3个小时。甚至利用技术面的方法预测下一个交易日，下一周，下个月，这就超脱了T+0的概念，变成了T+N。很多量价趋势指标看的不是一天的量价情况，而是几天的或者一个更长期的时间段，这样的量价关系也可以去产生超额收益。
预测越短时间段的趋势胜率越高，越好预测，但是价差没有那么大。预测越长时间段的趋势胜率越低，越难预测，但价差更大。同时越短时间的高频策略容量越小并且硬件要求越高，因为短时盘口的交易量有限而且只有硬件速度足够快才能抢在别人之前完成交易。市场上一直流传量化在收割散户，在量价交易模型上是这样的，市场上不理性的散户投资者越多，追涨杀跌的不理性趋势交易就会更多，利用技术面量化策略赚钱肯定会更容易，所以此类策略一般在市场交易额放大的时候超额收益更高，而且量价模型在现在的A股市场还是比较有效的。
02 基本面超额收益
我们都知道股神巴菲特，他最喜欢的一个指标就是ROE（净资产回报率）。他认为长期ROE高的企业会有自己的护城河从而给股东带来更好的投资回报。量化一般应用多因子选股模型，把很多基本面的指标（市盈率，市净率，ROE，毛利率等）当成因子放在模型里，希望通过模型筛选出来的股票可以跑赢市场平均，从而产生超额收益。就像巴菲特的思想一样，在平庸的公司中挑出优质公司。举个例子：如果筛选出的优质公司组合在六个月内的收益是10%，而这六个月指数涨幅5%，这样六个月就是产生了5%超额收益。
当然，量化机构也一直在研究巴菲特，希望破解巴菲特的收益秘密。2012年，全球第二大对冲基金公司AQR的三位大佬写了一篇名为“巴菲特的阿尔法”（buffett‘s Alpha）的文章，他们指出在卡哈特（Carhart）的四因素模型（市场因素,规模因素,价值因素和动量因素）基础上再加入了两个新的因子（质量因子和Beta因子）就可以解释巴菲特的投资业绩，也就是说如果按照这个方法选股，就可以选出跟巴菲特一样的股票。下图就是原文中量化方法构建的巴菲特风格投资组合（绿线）与巴菲特真实组合（蓝线）以及市场平均组合（红线）收益的对比图，但绿线没有考虑市场的交易成本以及一些后见之明的优势，所以剔除这些因素后，绿线和蓝线是应该高度重合，从效果上做到了像巴菲特一样投资。有兴趣的朋友可以找到这篇文章原文看一下，可以学到很多基本面量化投资的知识。
03 新科技超额收益
新科技可以概括为ABCD（A是AI人工智能，B是Block Chain区块链，C是Clouding云计算 ，D是Big Data大数据）对金融领域以及其他领域都影响巨大。
下面主要介绍一下 AI人工智能对量化的巨幅增强作用。AI人工智能的两大领域——自然语言处理和机器学习，都在量化投资领域中有很深入地应用。
自然语言处理在金融量化方面的应用逐渐显露。
自然语言处理的出现帮助我们做到了获取整个市场情绪，在之前这是不可能实现的，量化机构把这种因子叫做舆情因子，用它来预测市场。它是如何运转的，以前我们和机器交流需要c语言或python等机器语言，但现在自然语言处理让机器能看懂我们平常使用的语言，可以理解我们说话和文字的意义。比如，我们想了解市场对格力电器这只股票的看法，首先可以从新闻提供商处直接购买新闻或将各大新闻网站以及各大论坛出现的文章都用爬虫软件爬下来。自然语言处理可以帮助我们在文章中找出跟格力电器有关的所有关键词，比如格力空调，董明珠等。之后还可以分析这些文章中的情绪。比如有人说格力质量好，盈利提升，董明珠直播带货效果好，这种正面评价的可以加分。而那些负面的，质量有问题，客户投诉比较多等等，就适度减分，而且所打分数会综合考虑新闻的新鲜度和对公司的影响程度，打完分之后就可以得出格力电器的总体市场情绪。这样就利用了我们以前不能应用的另类数据，新科技让越来越多的另类数据变得可以被应用于投资中，并且随着5G和物联网技术的普及，未来量化投资不光会应用交易数据，金融数据，投资者行为数据，也会去应用物联网设备产生的大量新数据去产生新的超额收益。
机器学习在量化投资中运用的很多而且也特别深入。
如果我给电脑一张动物照片，让电脑告诉我这张是不是猫的照片，我需要跟电脑描述说猫是两只耳朵的，带胡须的，浑身毛茸茸的。这种情况下你给电脑一张狗的照片，电脑可能告诉你照片里的是猫，你觉得电脑不智能，其实不是电脑的问题，而是我们给的限定条件不够，所以这个时候我们可以让机器去自主学习，给它看五千张猫的照片甚至一万张，让电脑去寻找照片中猫的特征并进行学习。下一次再让电脑去辨识照片里是不是猫，它就能很准确的告诉我们结果，这就是机器学习。
用在金融投资领域，寻找一些可以超越市场的股票组合，让机器去寻找这些股票的特征并进行学习，最终让机器去帮我们把更多有这些特征的股票选出来。机器学习可以挖掘一些市场上还未被人发现的因子。更深层次的机器学习——深度学习，伴随着大数据可以挖掘出更深层次的复杂内在规律，而且很多因子权重其实是使用机器学习给出的。当市场风格发生改变，机器学习依然可以根据市场调整给出更好的配比。道理说的比较简单，但其实机器学习在投资领域也是有很多挑战的。比如过度拟合问题、非线性关系不可解释等。但随着技术的发展，众多量化机构成为了机器学习的先进生产力，不断的用各种方法克服这些问题，从而实现了惊人的超额收益。
当然除了股票量化产生超额收益的方法之外，还有一些其他创造超额收益的方法，如期权波动率曲面套利，ETF套利，可转债套利等等。
