做投资很久了，各种方法都尝试过，趋势投资，长期持有，价值投资，成长股投资，但最后还是选择了量化投资。今年来一直在开发自己的量化模型，有一些心得，分享出来。我对量化的定义就是，定量的系统化的方法，第一是定量，第二是系统化，第三是要有大量的数据检测。每个人成功的交易者，都有自己系统化的方法，只是从选择标的到最后的执行可能是人工的。主动投资，深度发掘个股，是在信息深度方面进行拓展。而量化借助了机器的计算能力，利用海量数据，在信息广度方面进行充分拓展，另外从统计意义上在信息深度方面进行挖掘，远远提升了投资决策的效率。
关于使用历史数据检测有很多争议，有人认为根据历史数据作出决策是典型的归纳法，不是演绎法。我的观点是：第一，广义来说，任何已知数据都是历史数据，无论是基本面数据还是博弈数据，现实社会中存在商业惯性，金融市场中存在博弈惯性，这种惯性的存在是根据历史数据作出判断的基础。如果历史数据完全无效的话，那我们也不用做投资了。第二，理想的演绎法是指我们知道系统的分布，比如物理定律是确定的，很多物理现象是可以推导出来的。但金融市场是一个多因子非线性的市场，长周期之内我们大概知道是那些因素在起作用，而短周期之内价格的运动是混沌的，连分布函数都不能精确的知道，只能去拟合，拟合的参数呢？是用回归的方法得出来的，还是归纳法。第三，造成这种短期混沌的根本原因是金融市场是一个动态博弈的市场，市场参与者对市场的观测和博弈策略会反过来影响市场，同时会导致特定状态下概率分布的偏移。总会有人用掷骰子来形容金融市场，这是不恰当的。理想的硬币是两面都是50%的概率向上，但现实中掷硬币，如连续多次掷出同一面，我有理由怀疑硬币是两面不是50%的概率向上。这其实就是贝叶斯学派的认知方法，假设一个先验概率，通过数据检测，如果得到一个小的P值，就有理由怀疑先验概率不正确，再进行修正，再检测。
量化投资，大概有这几种模式：套利、市场中性、动量反转等。我目前主要做两部分，一是传统的多因子轮动，也就是选股，二是系统性风险的控制，或者叫仓位控制。
先说选股，单个因子都不是太稳定，多因子会好很多。常用的因子包括：估值，成长性，动量反转，质量等。做多因子模型要对因子有深入理解，一定要想清楚，你挣的是哪一部分的钱。比如相对估值，P/E，P/B，E和B是每个季度更新一次，而P是每个交易日都在变动。所以做短期轮动，你挣的是P的钱，而不是E或者B的钱。再比如，市值因子，法玛三因子之一，在A股非常有效。有各种解释，比如流动性补偿，成长性预期，风险补偿等等。其实还有一个重要的原因没人提到：如果股份数不变，市值本身直接就是价格P的反映，市值轮动隐含了反转因子。A股由于制度的原因，存在壳价值底线，接近这个价值底线会产生强烈的反转效应。即使将来壳价值底线消失了，还可以用其他的标准进行筛选，比如价值和成长性。只要反转效应有效，市值因子就会有效。做因子分析，要做一些特殊的处理。一是要根据市值做分层处理，市值规模不一样，因子表现也不一样；二是要注意行业，风格不同的话，因子特征也不同，需要做一些中性化的处理。
下面说一下风险控制。在A股市场，因为波动率大，如果满仓长期持股的话，大概率在某个阶段会遭遇净值腰斩的情况，我自己就曾经遭遇过这种情况，所以一直在研究如何控制系统性风险。对于多头，我们喜欢上行波动，需要控制下行波动，但涨跌同源，控制了下行风险的同时，也会损失上行收益。我测试过不少模型和算法，发现最有效的控制系统性风险的方法还是传统的动量趋势类方法，它的理论基础其实就是过滤法则。过滤法则是检测有效市场的标准，当没有重大信息进入市场时，价格会在一定区间内随机游走，一旦出现新的重大信息，价格会向某个方向突破，构建新的区间，这时会形成高概率的交易机会。弱有效市场，这个过程会慢一些，半强有效市场，会比较快。例如美国市场的统计，创历史新高的股票大概有65%的概率会再创新高，创新低一样。只要过滤法则存在，趋势动量的方法就会有效，它也是能有效控制尾部风险的方法。长期资本公司的崩溃，就是因为没有处理极端尾部风险的措施，俄罗斯债券违约，造成头寸价格偏离度远远大于模型给出的期望值，是百万分之一的概率，而LTCM又使用了高杠杆，崩溃是难免的。动量和反转，各有各的优缺点，美国市场存在长期动量效应，而A股市场，则存在明显的短期反转效应，说明A股市场短期过度反应的程度更高。
不存在一种方法在任何时段都有效，任何一种长期有效的方法，都会出现阶段性无效的现象，而这种阶段性无效是长期有效的保障。价值投资也好，成长股投资也好，动量反转也好，各有各的优缺点。投资方法的有效性还跟资金规模直接相关，如巴菲特一样千亿美金以上的规模，大概只能用价值投资这种方法了。西蒙斯的大奖章基金，采用高频短线的方式，一直把规模控制在几十亿美金的水平，规模再扩大收益率会下降。他曾经做过一个产品，想把规模提升到五百亿美金的水平，但没有成功。动量这种方式对小资金比较有效，缺点是需要付出一定的成本，可以在选股模型中加入反转因子来对冲这种成本。
最后，说一下实盘的体会，和主动投资的感觉完全不一样。以前会每天看盘，交易会导致肾上腺素飚升，现在感觉投资就像开车，红灯停、绿灯行，一切都是按规则来操作。评价一个交易系统不要只盯着胜率，还要看盈亏比，总而言之就是要看整体期望值。早期投资胜率很低，能到10%就是极高的水平了。很多交易高手，胜率也不高，也就30%~40%的水平，但却能持续稳定地盈利。既然选择了量化投资，就要充分相信统计数据，可以有必要的人工干预，但不要搀杂太多的主观因素。实盘组合要足够分散化，按照模型操作，长期来看，都会收敛到模型期望值。
