過去多年， 市值因數成為多因數模型中最有效率的因數。 如果按照基本面選擇股票， 得到的回報遠不如按照市值選擇的結果。
2017年前8個月， 隨著藍籌股一路走高、小盤股行情持續疲軟， 許多量化基金的業績差強人意。 那麼， 究竟是什麼導致了許多量化基金在這段時間裡的失落呢？量化模型難道不是掌握大資料、進行常人無法進行的分析嗎？它們難道不是可以理性投資、不受感情波動困擾、因此更容易取得超額回報嗎？
其實， 筆者看來， 問題就出在大多數量化基金的選股策略上。 從大類來說， 量化投資策略可以分成幾種：高頻交易、事件驅動、多因數選擇、趨勢跟蹤、基本面優化等等。
在A股市場， 由於T+1交易制度和更高的交易費用， 以及衍生品的匱乏， 導致高頻交易型量化基金相對較少。 事件驅動型基金則需要強大的資料分析能力， 比如能夠即時讀取、歸類、智慧分析互聯網上的各類不規則資訊， 這超出了許多基金管理者的能力範圍。
基本面優化本身是一個非常好的策略， 2017年前8個月中， 使用這種策略的量化基金普遍取得不錯的回報。 不過， 鑒於基本面優化基金往往需要更長的持股週期， 這也就意味著它們需要更有耐心的投資者， 而後者恰恰是A股市場所缺乏的。 因此， 在A股市場， 基本面優化型基金從來都不太受人待見。
結果最後， 在基金投資者與基金管理者的雙重共同選擇下， A股市場剩下的、也是最適合市場口味的， 多是多因數選擇型量化基金， 輔助以趨勢跟蹤型量化手段。 而這兩種量化分析手段有一個通病：根據過去的股價表現預測未來。
對於主流量化基金採用的多因數策略來說， 它們會選擇在過去對股價最有正向作用的因數， 從而在未來選擇具備這些因數的股票作為持倉。 對於跟隨趨勢的量化策略， 即過去的股價意味著將來股價的走勢， 你絕對不會在趨勢系統向上的時候做空一檔股票。
過去多年， 市值因數成為多因數模型中最有效率的因數。 如果你按照基本面選擇股票， 那麼得到的回報遠不如按照市值選擇的結果。
問題是， 2017年的前8個月， 恰恰是過去最有效的股價因數不再有效、過去走勢優秀的股票不再優秀的一段時間。 在過去多年中表現優異的小市值股票， 在這段時間裡展現出了嚴酷的估值下行。 反而， 估值更低、基本面更穩健的藍籌股， 價格大漲。
從均值回歸、價值回歸的角度來說， 高估的小市值股票的估值和低估的藍籌股估值彼此向對方靠攏， 是有極大概率的事情。 但是， 對於機械的多因數模型、趨勢模型來說，
事實上， 如果我們本著“歷史資料就印證未來”的思路研究， 我們會錯判非常多的東西。 這個世界上最優秀的判斷， 從來都不是根據“現有資料”做出的， 更多的是依據經驗、規律、細緻的洞察、恢弘的遠見。
比如， 在改革開放初期， 如果根據中國經濟一直以來的低迷狀態做預測， 你就不會預測到之後幾十年裡震驚世界的經濟奇跡。 而郭嘉為什麼能在官渡大戰之前， 用“袁紹有十敗、曹操有十勝”預測到大戰的結果？難道“四世三公、門多故吏、部下能事者極多”、兵精糧足佔據地利的袁紹，
所以說， 知其然、而不知其所以然， 非算之上。 相比於基於歷史股價波動分析的多因數策略、趨勢策略， 那些真正基於價值優化的量化策略， 其長期的表現更值得期待。
因為， 這種價值優化策略並不理會“歷史上股價到底是怎樣波動”這個虛無縹緲的因素， 而是持續試圖讓自己的持倉變得“又好又便宜”。 “又好又便宜”， 恰恰是長期投資成功的基石， 也是無數價值投資大師的制勝法寶。 將這種法寶， 配以量化投資的大資料分析，自然就能讓投資者的長期業績如虎添翼。
（作者系信達證券首席策略分析師、研發中心執行總監）
配以量化投資的大資料分析，自然就能讓投資者的長期業績如虎添翼。（作者系信達證券首席策略分析師、研發中心執行總監）