专栏名称: 诺亚精选

诺亚财富所属一站式理财资讯平台，为您提供全方位的投资理财服务：公募基金、VC/PE、二级市场、房地产、类固定收益、保险及海外投资相关的最及时的市场资讯、最深度的原创干货以及最实用的投资配置建议。

平均而言，每买5只股票有一只是机器卖给你的

诺亚精选 · 公众号 · · 2021-01-23 08:00

正文

点击文末“阅读原文”，一键预约理财师

来源

阿皮亚

（ID：APPIA-ANTICA）

作者 | miniQ

每操作5只股票

就有一只对手盘是机器

我们刚才讲现在市场上量化的规模 5200亿，可能大家没有什么概念，你 5 200亿也好，5万亿也好，50万亿也好，好像没有一个直观的概念。5200亿对我们这个市场，到底意味着什么？

比如今天市场行情非常好，我们经常会用什么话去描述？

“ 成交量破万亿 ” ，对吧？

破万亿的成交量跟这 5200亿去做对比，因为这 5200亿都是中高频交易的资金，也就是说，这个市场大概 20%左右的交易量是由量化去贡献的。

这对我们投资者来说意味着什么？

如果我们自己买卖股票， 平均而言，每买 5只股票，有一 只 是机器卖给你的，每卖 5只股票，有一只是机器买走了。

大家想象一下，如果未来你还是常态化的去跟精密计算的机器去做对手盘，你觉得你的胜率会有多少？至少胜率比之前应该要更低一点。

这个是到现在为止， 2020年量化对于国内市场的一个影响。从现在往后看， 2021年量化的比例会不会更高？

应该是要更高的。海外成熟市场量化交易占整个市场总交易的比例差不多 50%。

所以， 无论是从规模的增长上看也好，从交易占比 来 看也好， 2021年以及以后 ， 量化交易占整个市场的比例应该会越来越高。

市场交易向头部市值公司集中

量化机构头部聚集效应也显现

前20家公司管理规模占全行业50%

过去几年的市场还呈现怎样的特征？就是 市场交易迅速向头部市值公司集中。

2016年的时候，A股市值后50%的股票成交占比是 33% ，到 2020年下降到只有 19%，

也就是说，大家通常意义上所说的小票，它们的成交比例迅速下降，几年时间就降了百分之十几。

日本在 2 019年的时候，后50%市值的股票，成交占比也就 4% ，虽然我们降得很快，但是从成熟市场经验来看，应该还会继续降。

在市场如此迅速变化的过程中，量化机构获取阿尔法的难度会越来越高。到现在为止，量化行业内部还呈现头部聚集效应。

这怎么理解？

现在量化 管理规模 前 20 的私募公司， 整体管理规模占整个量化行业管理 规模 的 50%。

我们讲，一个行业要实现龙头份额的集中，应该经过的时间越长，头部集中度才会越高。

国内的量化应该说是以 2010年为界限开始起步的， 短短几年时间 ， 为什么量化 私募 呈现出这么强的聚集效应？背后 的原因 是什么？

我们其实也可以用一个简单的逻辑去看这个问题。

简化来看，如果我用计算机去做投资，假设市场上存在一类机会我可以把它吃下来，理论上来讲，是不是市场上所有这一类的机会都应该被我吃下来，对吧？没有理由让给别人。这就跟主观投资很不一样，我这里说的主观投资指的是一种投资方式，而不是说主动管理类的公司，这是两个概念。

如果用传统的主观方式去做投资，会存在这样一个问题，比如说这个行业和公司我比较熟悉，那出现某一类机会的时候我能抓住，但是当这一类机会出现在其他行业和公司的时候， 大概率 这个机会 就被别人吃掉 了。

但是，对于用 计算机 来投资的 量化来说不是这样。

只要存在 某一类我定义 的 机会，并且我 能 吃下来，全市场所有这一类机会 ， 理论上就 都应该被 我吃下来。

所以，一定程度上由于背后的策略问题，量化一定会呈现出强者恒强的效应，头部机构的业绩稳定性会更好。

量化投资未来要赚谁的钱？

那么我们再来看一下，量化赚了谁的钱？

资料来源：幻方量化

应该说到现在为止，量化主流的一个赚钱模式还是赚 原来 技术流派赚的 钱， 也就是说 ， 量化现在更多的是用技术面相关的因子。

我们会发现，这个市场上好像新冒出来的牛散越来越少，牛散一个很明显特征，他们往往都是用技术面来指导投资的。

不是说牛散做不了基本面，而是说要想通过基本面做到牛散这样一个程度，至少要几十年，我们言必称巴菲特，巴菲特的投资经过了多少年，我们的证券市场才多少年？

所以，之前在 我们市场上出现 的牛散， 绝大多数都是用技术面特征 来 获取收益的。

大家可能会发现，早几年在市场上听到的牛散故事非常多，这几年好像不那么多了，早几年成名的牛散，这几年好像更多开始转向价值投资了。

为什么这几年 牛散没有再 频繁的冒出来？

其实原因 也很简单， 原来 他们赚钱的逻辑， 现在量化在 用同样的逻辑在赚钱，如果这个钱被量化赚走了， 牛散 自然而然就难 做了。

那为什么说量化用技术面的因子跟人家牛散去对比，你就能够赚到他们原先赚的资金呢？

比如说都去看交易数据，交易数据最直观。

个人投资者去做投资跟量化机构去做投资 ，抛开 其他方面 不说，假设我们 的 策略都是一样的， 但是， 当你看到那个机会的时候，你 的 手还没碰到键盘 ，量化机构 就已经完成了交易。

而且更恐怖的是什么？

量化投资交易速度的优势现在已经是最不重要的一个优势了，现在它背后策略开发的复杂程度，它对于人思维的替代，已经远强于交易速度的优势了。

到 2020年为止 ， 市场上绝大部分 量化 公司赚 的是原来 技术面流派 赚的钱，那么以后， 量化投资要赚谁的钱？

一定会去赚基本面流派的钱 ， 量化投资一定不是大家想象中 那种 纯粹是看 K 线不看基本面 。

我们可以这么去看这个问题。

量化是用数学与统计的方法做投资，没有理由说量化只能统计技术面的数据，不能去统计基本面的数据，对不对？

只不过技术面的数据更直观、更容易转换，基本面的数据需要一个转换的过程，有些是直接的数据，有些是需要经过处理的，难度会比技术面数据会更大。

从投资的角度，自然是容易赚的钱先赚，但是，不代表难的钱我就不去赚，尤其是当容易的钱越来越难赚了之后，基本面因子起到作用可能也就会越来越大。

对于幻方， 我们早 在 2 015年 、 2 016年的时候就开始做基本面的布局 ， 在 2020年 ，我们的 收益里 ， 相当一部分是 由 基本面因子贡献的 。

当然， 绝对的主流还是 技术面因子，但是 基本面因子 （对收益）的 贡献作用会越来越大，这个是今后的一个趋势。

我们看头部公司，越来越多的机构在投研上有了更多的投入，我们相信，今后不止是幻方，在整个量化行业，基本面因子在投资里会起到越来越大的作用，这是今后发展的一个趋势。

那么从信号挖掘的角度，之前用的更多是（偏中高频的）日内数据，今后会有更多（低频的）基本面数据。

人工智能是未来量化投资的大方向

再一个， 量化投资我们觉得一定会朝人工智能的方向走。

在 2 020年其实非常多的量化机构已经运用了 人工智能的方式 ，比如我们公司 的策略完全都是用 人工智能做出来的。

在 2021年 ， 会有越来越多的公司投入到人工智 里面去，它 对我们整个投资的影响会越来越大。

人工智能好像听上去有点玄乎，我们公司是在 2 017年开始做的，大家有机会可以去翻雪球或者知乎上那个时候的帖子，大家当时一片质疑声。但是随着这几年公司业绩出来以及越来越多的公司投入人工智能，大家认为人工智能这个事情好像在投资上是靠谱的。

同时，人工智能在各个领域的应用变得越来越多。最早的阿尔法狗，然后现在资本市场上非常火热的自动驾驶，背后应用的都是人工智能。

但是， 大家会有一个疑问 ：你幻方 这么大的规模用人工智能 ， 我隔壁办公室一个 刚成立的三个人的 小公司也说他用人工智能，这些人工智能 到底 有什么区别？

用一句话去概括 ： 人工智能也是一个函数。如果是一个函数的话，大家 应该 可以理解 ， 不同公司做出来的人工智能一定是不一样 。

那一个函数怎么能够去投资呢？

我们讲，函数有输入有输出。比如我们刚才举例的放量下跌，这本质上是什么？本质上还是有输入的数据，比如在某个时间范围内成交量放大多少倍、股价下跌多少幅度，这些都可以作为输入数据。

只不过，放量下跌这样一个逻辑是以人的思维逻辑为前提，是因为人先设想一个场景，有了这么一个逻辑，然后去提取对应的数据，最后经过一个函数运算，得到一个结果。

对于人工智能来说，不需要以人的逻辑为前提，因为人的逻辑一定是有限的。比如说类似于放量下跌这样的场景，你能举出多少个案例？撑死几百个。

但是，数据的内在联系未必一定要以具体场景为前提，只要数据中某一个特征向量对最后的结果有影响，我把它提取出来加入到运算里面，是不是就会对我最终的收益有帮助？

如果这样的数据越多，那我的收益是不是能够做到相对更精确？

所以人工智能对投资的帮助，在于它能够提取海量数据中所隐含的，对股价预测有帮助的数据信息，用到最后的投资决策。

这相对于人工 去做 ，显而易见

平均而言，每买5只股票有一只是机器卖给你的

正文

请到「今天看啥」查看全文