课程回顾|《行业前沿动态与职业发展》第一讲：基于量化投资的绝对收益策略

上财金融学院职业发展CDC · 公众号 · · 2024-09-24 16:13

正文

行业前沿动态与职业发展

量化投资板块

在金融行业融合发展、对金融人才不断提出新要求与高要求的大背景下，为帮助上海财经大学金融学院研究生学子深入了解量化投资业务板块的理论实践，对量化投资业务有更加全面的认识，更好地把握求职方向、明确用人单位需求与人才选拔要素，切实了解求职所需准备、掌握求职技巧，9月19日，《行业前沿动态与职业发展》第一课特邀业界专家——上海财经大学2010届金融工程专业博士校友、兴证全球基金管理有限公司的田大伟先生进行《基于量化投资的绝对收益策略》主题分享。本次课程，田大伟校友分享了他在量化投资领域的从业经历和实务经验，帮助同学们更深入地了解量化投资业务的收益策略、工作流程和模型框架等方面的知识，助力未来择业就业准备与发展。

此次课程由金融学院柳永明教授主持。课程伊始，柳永明教授介绍了在金融行业日新月异，新知识、新技能、新机遇不断涌现的背景下，开设行业前沿动态与职业发展选修课的意义以及本学期课程的具体安排和考核形式。并寄语学生务必做好笔记，以深化行业理解；同时，鼓励大家积极与嘉宾互动，拓宽视野；更需珍惜与校友交流的机会，汲取宝贵经验，共促成长。

正式课程中，田大伟校友从量化投资的行业发展路径、绝对收益策略、因子挖掘、模型框架等角度，结合自身多年从事量化投资的丰富经历，全面深刻地为同学们讲授了量化投资业务的相关理论观点和实务经验。

首先，作为曾经中国第一支量化基金的管理者之一，田大伟校友对中国量化投资基金的发展进行了梳理。首先，在2017年股指期货受到政策限制的背景下，量化私募基金开始崭露头角。田校友强调，这一时期的量化私募基金开始运用高频、另类数据，并开始运用机器学习技术和Python编程语言来增强其投资策略。随着时间的推进，到2020年，量化私募基金达到了新的高峰。但随着Qlib等开源平台的推出，公募基金也开始运用机器学习技术。这导致在2022年之后，公募主动量化产品的业绩相对较好，2023年，公募主动量化产品管理规模也在扩大。通过田大伟校友的深入解析，同学们清晰地理解了国内量化基金的发展脉络和演变。

介绍完行业发展脉络后，田大伟校友从红利优化的“高股息+SMART BETA”方法出发，为同学们深入阐释了量化投资的因子挖掘原理和方法论。首先，田校友分析了简单的指数增强方法：为了获取超额收益，可以在中证红利指数成分股的基础上对股票进一步排序，再筛选出波动率最低/成长性最高的，权重按股息支付率来配置。通过这种方法，可以得到指数增强的新指数，例如红利低波指数，这种指数的盈利表现确实比红利指数本身更好。随后，田校友对这种方法的不足展开了分析，他认为，这种方法是一种“刻舟求剑”的思维范式，可能在一定时期内会有超额收益，但由于数据处理和筛选方法比较简陋，指数回撤会比较大。

随后，田大伟校友对当前量化投资中常用的因子挖掘进行了深入阐述。他首先明确了α因子的定义，以帮助同学们更好地理解因子挖掘的基本原理。接着，田校友对挖掘α因子的方法、是否存在长期有效的α因子以及拥有优秀的α因子是否意味着投资成功等问题进行了精彩且深入的解答。他特别强调，量化投资的成功并非依赖于单一或多个因子（或策略），而在于建立一套完善的量化体系。因此，应当不断丰富和扩充量化因子和策略武器库，以应对不断变化的市场环境。

介绍完因子挖掘，田校友还对机器学习分享了自己的理解和看法。田校友介绍了微软（亚洲）研究院所开发的“Qlib”量化投资开源框架，并推荐有志于从事量化工作的同学对该框架进行深入学习。不仅如此，田校友还对Qlib的逻辑进行了深入的拆解和分析，让同学们更全面地认识到Qlib框架的独特性和优势，为后续的机器学习应用指引了方向。

课程回顾|《行业前沿动态与职业发展》第一讲：基于量化投资的绝对收益策略

正文

请到「今天看啥」查看全文