北大经院《对话投资总监》系列讲座（二十二）| 朱剑涛：因子投资与机器学习

朱剑涛首先对中国的量化投资发展情况进行了概述。具体而言，量化策略可以大致分为两类：Q-Quant和P-Quant。其中，P-Quant又可以根据其交易策略的来源分为卖方和买方两种类型。近年来，量化技术在投资流程中得到了广泛的应用，尤其是在股票选择方面。

朱剑涛介绍了因子投资的相关内容。因子投资的理论基础是金融学中的套利定价理论（APT）。能否在实操中运用APT理论主要取决于市场是否存在套利机会，而这又由市场是否充分有效以及是否完备决定。因子投资的核心在于识别有效的定价因子，而这些因子的构造通常基于金融数据，包括但不限于K线行情、财务基本面、level-2数据以及另类文本、舆情数据等。近年来，level-2数据在实操中的重要性及贡献度显著上升。他强调，由于金融数据的信噪比较低，因子的稳健性尤为重要。同时，因子的有效性也具有时效性，不存在永远有效的定价因子。因此，量化因子库的构建对于策略的持续更新至关重要。现有的因子主要包括成长性因子、盈利性因子、传统量价因子、高频因子等等。选股因子资源丰富且开源，且各种机器学习方法的演化为因子的挖掘提供了新的工具和思路。尽管新因子的挖掘难度并不大，但做出增量却很难。朱剑涛详细介绍了因子投资的标准流程并指出，在因子投资中，我们需要同时考虑Alpha因子以预测收益、风险因子以风险控制和跟踪误差，并将这两者整合进行组合优化与风险管理，并通过算法交易系统进行交易。

随后，朱剑锋为大家介绍了常见的量化产品。他指出，过去几年，国内的指数产品规模迅速扩张，其中，ETF产品占据了较大的比重。指数产品对量化投资产生了重要的影响：随着指数产品规模的增大，指数成分股调仓效应加强，成分股占比风险更加值得关注，指增策略的难度大幅增大。主动量化是另一重要的量化产品，具体涵盖风格策略、类指增策略、“量化+指增”等多种形式。指数增强是量化的主流产品形式，其在保证与基准指数跟踪误差的前提下，做出尽可能高的超额收益。公募对于指数增强产品有更严格的要求。量化对冲产品则用股指期货进行对冲，将指增策略的超额收益转换成绝对收益，相对风险更小，但由于基差变化的影响，需要择机对冲。在所有量化产品中，指增产品在过去几年内稳定增长，主动量化产品受小微盘影响而规模波动较大，对冲产品相对规模较小。

最后，朱剑锋向与会学生详细介绍了卖方量化工作与买方量化工作的主要内容，并与他们就机器学习与传统多因子模型的优缺点、金融时间序列预测与一般时间序列预测的差异、深度学习模型是否是炼金术、另类数据的类型与运用、2024年的两次量化冲击、量化投资对股票市场的影响、量化投资在固收领域的运用等问题进行了深入的探讨。黎新平博士对光大保德信基金团队的到来表示了衷心的感谢。

本场讲座旨在为北京大学师生提供了深入了解因子投资与机器学习在量化投资领域应用的机会。朱剑涛不仅详细介绍了因子投资的实践流程，还强调了机器学习技术在因子挖掘和策略优化中的重要作用。讲座内容涵盖了因子投资的分类、因子库构建、量化产品的市场现状等，为听众提供了全面的认识。

朱剑涛，光大保德信基金量化投资负责人。历任海南进化论私募基金量化研究总监，东方证券首席量化分析师，东方证券金融创新实验室负责人，东证期货衍生品研究院副院长。