大数据打造高效“机器选股”时代_数据分析师考试

曲径，美国卡内基梅隆大学计算金融硕士，9年证券从业经验。历任中信证券[-2.61% 资金 研报](600030,股吧)另类投资业务线高级副总裁，美国千禧年对冲基金量化投资高级研究员及副总裁。2015年3月加入中欧基金，现任中欧基金量化策略组投资总监。

A股6月中旬以来的剧烈波动，并没有影响曲径的投资节奏。相反，作为中欧基金量化策略组的负责人，曲径却透过A股市场的大幅波动，看到了量化投资的新机遇。

“目前A股的波动率远远高于发达国家的股票市场，市场的非有效性更加明显。很多量化策略的本质是为市场注入流动性，A股的现状比较适合这类策略的发挥。”曲径说，“基于A股的量化对冲产品，提供了收益率介于固定收益和股票投资之间的投资品种，丰富了投资人的资产配置范围，有可能吸引更多追求中低风险的资金流入市场。同时，伴随着大数据时代的来临，量化选股的手段趋于多元化，利用‘机器选股’更加有效，这也会显著提升收益的稳定性。”对于大数据时代的投资逻辑，曲径有着独到的见解。

中国证券报：大数据时代来临，你认为大数据对A股市场投资会产生怎样的影响？

曲径：随着计算机运算速度的大幅提升，以及分布式计算的技术推广，使得基于大数据的投资成为可能。

通过整合多元数据，包括网络用户行为数据，舆情信息的扩散与信息影响的追踪，零售消费的大数据整合等，深入变革传统的股票投资行为。例如，通过互联网用户的数据分析，消费者对地产门户网站的访问行为，以及特定楼盘主页的访问热度，我们可以预估整体地产行业销售的趋势，这种通过大数据得到的预测，要比官方住宅销售的事后统计更有前瞻性和预测性。量化投资的基础是信息获取和信息处理。通过这些有效信息的获取，我们在股票投资上就可以领先一步。由此可见，在未来投资中，数据的作用将尤其重要。

中国证券报：作为资深量化投资人，你会通过怎样的投资逻辑来把握大数据时代的机遇？

曲径：大数据的应用，使机器学习选股成为未来趋势。量化选股是基于大数定律的投资方式，如果选股模型的预期胜率较高，在样本量足够大且投资分散的情况下，最终的投资效果，将很接近预测的胜率，获得盈利。

在大数据时代的量化投资具有一些明显的特征。例如，需要整合海量数据，以此挖掘多元化的交易机会。金融工程师通过构建数学模型，使其选股的方法具有可复制、可持续的特性。同时，通过优化且分散的投资操作，量化产品有效地规避了个股风险，使其与传统股票型基金的相关度较低。

此前，主流的量化投资多为量化多因子模型和统计套利模型，这类模型在2007年达到了顶峰。当时，华尔街很多基金使用的量化模型高度相似，以2007年8月的“量化实效”为触发点，某只基金清仓时，触发了类似的基金大幅回撤，从而引发了量化踩踏事件。事实上，同质化的投资，由于有后续资金持续涌入，短期会产生看似很好的收益，但是一旦发生行情反转，集体亏损这样的极端事件难以避免，其结果就像我们刚刚经历的A股流动性危机那样。

正是经历过美国量化投资的兴起和挤兑，我对投资策略的差异性非常重视，只有选到独立研发的，与主流模型有差异的阿尔法，才能保证策略的可持续性。而基于大数据的分析框架，使我们的数据源更独特，策略体系更为稳健，与传统投资方式选出的股票相关度低。在中欧量化策略组中，我们坚持追求“独立研发的、高胜率的”的投资方法。

中国证券报：为什么选择到中欧基金发展自己的事业？目前量化投资策略组的团队构建情况如何？

曲径：我很喜欢中欧基金的合伙人文化。中欧基金平等、开放的风格，极大提高了内部的协同效率，给传统基金行业注入了创业的精神。作为量化投资团队，我们的基础工作依赖IT技术部门和产品设计部门的协同支持，中欧基金效率之高，对我来说是个惊喜。从我个人的角度来说，中欧基金一致的合伙人愿景，提升了团队的效益，最小化公司内部损耗；而市场化的激励机制保证了投资团队的稳定性，将投资团队与客户利益一致化，才能持续为投资人提供价值。

具体团队方面，量化策略组和其他策略组不同，我们本质上是一个工程师团队。每一个人都有数学建模能力，编程能力，对数字敏锐，热爱数据分析。目前，团队由三个小组构成：大数据核心研究、投资组合构建、算法交易执行。这三大支柱是我们构建量化模型的基础。