Facebook加入
LINE加入
2021/12/25
2016年量化基金大獲全勝，如果回頭看，用近一年，近二年的收益率去衡量，也是處於「無敵」狀態。但今年，不少量化基金燈下黑，上下震蕩比指數還厲害。
量化基金到底是賺什麼錢？
是命好，適合牛市呢？還只是運氣好，賺的小盤股的錢，小盤股不行就不行了？到底，量化基金是能力還是運氣，這裡為您仔細掰扯掰扯。
量化基金長什麼樣？
量化投資基金是利用數學，計算機等數量化的方法對投資組合進行管理。
以量化模型為基礎的基金能夠發揮出區別於主動管理型基金的一些優勢。藉助計算機模型，量化基金跟蹤發現交易機會，力求把握獲取超過市場的平均回報。
量化基金業績怎麼樣？
數據來源：Wind、好買基金研究中心，數據時間截至2017-01-01
在2016年期初使所有的量化策略基金和滬深300的初始凈值都為1，之後將上述量化基金收益表現進行平均並和滬深300指數進行比較。在2016年一年中，我們可以發現量化型基金能夠大幅跑贏滬深300 ，初步看來量化型基金確實產生了超越市場的回報。
維基揭秘註：超額收益，又稱alpha。舉個例子，上海的房子去年平均漲了50%，你的房子去年漲了80%，那麼你的超額收益就是30%！
接下來分析這些基金是否能夠取得較高的風險收益比和超額收益，量化型基金又是依靠什麼跑贏滬深300，就要分析量化型基金的風險收益比和賺取alpha的能力。
量化型基金sharpe比率分布圖
數據來源：Wind、好買基金研究中心，數據時間從2016-01-01至2017-01-01
值得關注的一點是，在2016年中只有兩隻量化策略基金的sharpe比率大於1，那麼可以看出大部分量化策略基金在市場整體表現不好的時候，也不能通過量化策略來使得風險收益比大於1，也就是說量化策略基金在2016年中每承擔1單位風險獲取的回報是小於1的。
維基揭秘註：上圖中，橫坐標表示夏普比率，縱坐標表示不同夏普比率對應的基金數量。夏普比率一般要大於等於1，如果該比率是2，代表的是每承擔1%的風險，換來的是2%的收益。如果夏普比例小於1，則意味著風險大於收益。
量化型基金在CAPM模型下alpha收益
數據來源：Wind、好買基金研究中心，數據時間從2016-01-01至2017-01-01
使用CAPM模型對量化基金進行初步的歸因分析，我們發現大部分量化基金都產生了正的alpha，但是此處的alpha並不是量化型基金賺取的真正alpha。
量化基金的超額收益是怎麼回事？
首先由於每個量化型基金選擇的投資範圍不同，那麼此處採用全A指數作為市場指數的歸因方法較為粗糙。
其次量化型基金很容易通過選取fama-french中的市值因子和賬面市值因子來賺取風險收益，因此在後續的歸因分析中需要使用fama-french三因子模型來對量化投資基金進行業績歸因。
維基揭秘註：基金收益歸因分析，就是分析基金的收益來源因素。fama-french模型（見下面公式）三因子分別是：市場資產組合（貝塔1i）、市值因子（貝塔1i）和賬面市值比（公司凈資產/公司的市值）因子（貝塔3i）。每個因子前面係數貝塔的意思是相關度。（下面表格的漢字部分為維基揭秘所加，原文可能忘記標明了）
對量化選股型基金用Fama-French三因子模型
模型做績效歸因分析：
| 基金代碼 | 基金名稱 | Alpha | 貝塔1i | 貝塔2i | 貝塔3i | Benchmark |
| 000978.OF | 景順長城量化精選 | 0.09 | 0.98 | 0.09 | -0.07 | 中證500 |
| 001050.OF | 匯添富成長多因子量化策略 | 0 | 0.83 | 0.15 | 0.13 | 中證500 |
| 001291.OF | 大摩量化多策略 | 0.2 | 0.91 | 0.6 | 0.08 | 滬深300 |
| 001421.OF | 南方量化成長 | 0.42 | 0.91 | 0.24 | 0.03 | 中證500 |
| 001733.OF | 泰達宏利量化 | -0.02 | 0.77 | -0.06 | -0.12 | 中證500 |
| 001917.OF | 招商量化精選 | 0.23 | 0.86 | 0.79 | -0.19 | 滬深300 |
| 001974.OF | 景順長城量化新動力 | 0.07 | 0.83 | -0.43 | 0.32 | 全A指數 |
| 002210.OF | 創金合信量化多因子 | 0.08 | 0.72 | 0.04 | 0.27 | 中證500 |
| 002952.OF | 建信多因子量化 | -0.29 | 0.76 | 0.47 | 0.44 | 中證800 |
| 162107.OF | 金鷹量化精選 | 0.24 | 1.07 | 0.88 | -0.14 | 滬深300 |
| 163110.OF | 申萬菱信量化小盤 | 0.3 | 0.9 | -0.25 | 0.01 | 中證500 |
| 519965.OF | 長信量化多策略 | 0.4 | 0.84 | 0.24 | -0.09 | 中證500 |
| 519975.OF | 長信量化中小盤 | 0.46 | 0.83 | 0.46 | -0.14 | 中證700 |
| 000172.OF | 華泰柏瑞量化A | 0.11 | 1.02 | 0.09 | 0.18 | 滬深300 |
| 000646.OF | 華潤元大醫療保健量化 | -0.09 | 0.93 | 0.4 | 0.39 | 中證500 |
| 070017.OF | 嘉實量化阿爾法 | 0.38 | 0.83 | 0.86 | -0.26 | 滬深300 |
| 080005.OF | 長盛量化紅利策略 | 0.03 | 0.75 | 0.07 | 0.03 | 中證500 |
| 233009.OF | 大摩多因子策略 | 0.23 | 0.97 | 0.28 | 0.24 | 中證500 |
| 233015.OF | 大摩量化配置 | 0.08 | 0.87 | 0.18 | 0.03 | 滬深300 |
| 398041.OF | 中海量化策略 | 0.17 | 0.95 | 0.46 | -0.01 | 滬深300 |
| 460009.OF | 華泰柏瑞量化先行 | 0.34 | 0.92 | 0.58 | 0.01 | 滬深300 |
| 481017.OF | 工銀瑞信量化策略 | 0.12 | 0.9 | 0.71 | -0.03 | 中證800 |
| 519983.OF | 長信量化先鋒 | 0.52 | 0.76 | 0.86 | 0.08 | 滬深300 |
| 000062.OF | 銀華量化智慧動力 | -0.19 | 0.43 | 0.1 | 0.28 | 中證800 |
| 000609.OF | 華商新量化 | 0.16 | 0.76 | 0.81 | -0.03 | 滬深300 |
| 000877.OF | 華泰柏瑞量化優選 | 0.2 | 1.02 | 0.13 | 0.2 | 滬深300 |
| 001074.OF | 華泰柏瑞量化驅動 | 0.14 | 1.03 | 0.11 | 0.18 | 滬深300 |
| 229002.OF | 泰達宏利逆向策略 | 0.51 | 0.83 | 0.97 | -0.01 | 滬深300 |
數據來源：Wind、好買基金研究中心，數據時間從2016-01-01至2017-01-01
從分析fama-french三因子的結果來看，目前市場上較多的量化策略基金，還是通過大小盤因子，成長價值因子來賺取超額收益。
很多基金在CAPM模型下雖然能夠賺取較多的alpha收益，但是在fama-french三因子下，只能夠獲得較少的alpha收益。而少部分量化策略基金在選股上依舊能夠賺取alpha收益，說明其不是僅僅依靠傳統的fama-french三因子去賺取超額收益。
維基揭秘註：通俗點，拋開這三個因素，大部分量化基金就是靠前述三個指標去獲得收益，在上述三個指標外，還能有超額收益的基金，那才是真牛！
從整體看alpha收益的大幅下滑，說明量化策略基金還是很依靠傳統的大小盤因子和成長價值因子來賺取超額收益。
大小盤風格暴露型基金
數據來源：Wind、好買基金研究中心，數據時間從2016-01-01至2017-01-01
選取上面量化基金中 0.5的基金，可以看到金鷹量化精選，招商量化精選，大摩量化多策略，嘉實量化阿爾法，華泰柏瑞量化先行，工銀瑞信量化策略，長信量化先鋒，華商新量化，泰達宏利逆向策略都是依靠大小盤因子來取得很大一部分超額收益，而在這其中長信量化先鋒在經過fama-french三因子調整后產生的alpha最大。
成長價值風格暴露型基金
0.3的基金，可以發現景順長城量化新動力，建信多因子量化，華潤元大醫療保健量化都是通過深耕價值，利用賬面市值比因子去賺取CAPM模型較大一部分的alpha收益。這其中，景順長城量化新動力則在fama-french三因子模型中還能賺取最大的alpha收益。
維基揭秘註：貝塔越高，說明收益和這因素的相關度越高。
當然，作為我們小白不用看的那麼複雜，我們直接看fama-french歸因分析表格裡面的第一列，誰的阿爾法數字大，那隻基金在2016年的超額收益就多，值得我們關注。而那些超額收益不好的，同樣值得關注。
歡迎加微信號交流（weijijiemi888）
維基揭秘（weijijiemi333）
專註基金的測評研究！
尋找最牛基金管理人！
熱門推薦
留言回覆
