關(guān)于IR(信息比率)

　　如果看主動風險基本上是5%的主動風險，假設(shè)目標的回報是在3%，上下游一個5%的波動。這就是潛在的回報區(qū)間。我們知道分布是2/3要落在這里邊的，可能有2/3的概率是從2%到8%。

　　現(xiàn)在我們來講一下一個典型的IR大概有多高。當你看到一個IR，如果說IR是等于100，你覺得這個人是吹牛還是真的可以實現(xiàn)出來？我們要有一個大概的概念，這是美國市場大概的情況，大部分情況下我們的IR在0.5—1之間就算不錯了，有比例很高的，但是大部分情況下成熟市場是0.5—1。為什么？因為在成熟市場去找α的機會就比較低，因為成熟市場專業(yè)機構(gòu)很多，大家都很專業(yè)的時候一旦有好的機會都很容易被套利掉。因為競爭比較激烈，機會就比較少。

　　但是在中國市場就不一樣了，中國市場散戶很多，傻錢很多的時候做α就比較容易，因為你總是很容易從他們的傻錢上賺錢。這就是一個博弈。中國市場的IR通常比美國成熟市場更高一點，在國內(nèi)做主動投資相對來說比美國容易。別看中國市場波動那么大，真的做主動投資的時候相對比美國容易一些。

　　下面我想講一下我們怎么樣能夠來看待信息比率。為什么花很多時間講信息比率？我們做投資的人都要去最大化股票。這個指標可以表述成兩個部分，一個部分是信息系數(shù)，一個部分叫做廣度。信息系數(shù)表示預(yù)測和實現(xiàn)回報的相關(guān)性，如果你每次預(yù)測都很準，說明你的信息系數(shù)很高，如果每次都不準，你的信息系數(shù)就可能是負的。你的技能越高，最后對信息比例的貢獻就更好。

　　第二個就是你的廣度，一年投資一次，廣度就很小，一年有一百萬次投資廣度就很高。這就是高頻和低頻帶來廣度的差異，股票數(shù)量也會造成廣度的差異。舉個例子，假設(shè)你選股的IC是0.035，3.5%的相關(guān)性。如果我們給你說每個季度可以投200支股票，這個不算多，中國現(xiàn)在有3000支股票，每個季度給你投200支股票，一年就有800次機會。你把這個帶到這里來，一年的投資IR應(yīng)該是0.99左右，成熟市場上已經(jīng)算不錯的了。

　　相反我們來看一下?lián)駮r，我們要投滬深300，每個季度投滬深300的機會，你預(yù)測漲還是跌。假設(shè)你的成功率很高，10%能搞對了，你一年4次乘以0.1，IR就只有0.2。所以也不是很高，比剛才0.99還差很多。

　　從這個例子可以看出來做量化除了提高技能之外，更多的還要關(guān)注你的投資機會，不能就選擇一支股票去投。這樣就完全沒有充分利用量化的優(yōu)勢，投一支股票的人會非常深入調(diào)研一家公司，它的成功概率就比較高，我們做量化管理模型肯定很難達到主動投資的成功率，更多的需要擴展你的廣度。

　　我剛才講的是很多專業(yè)團隊非?？粗氐膬蓚€因素，第一個是風險模型的重要性，怎么管理你的風險，怎么樣讓你的風險最低。任何一個投資大家都要注意，不要僅僅做回報，一定要管理風險，能夠生存下來是一個基金經(jīng)理最基本的原則，要是自己都沒有生存下來，沒有活下來，以后就再也沒有機會了。

　　第二個是廣度的重要性。增加廣度不僅可以分散風險，還可以提高策略的穩(wěn)定性。

量化投資的流程

　　下面花幾分鐘講一講我們在做投資基本的流程。量化投資有兩個東西我們必須得重視，即IT投資平臺和專業(yè)知識。有的時候理論講得很多，沒有技術(shù)平臺幫助獲得數(shù)據(jù)、處理數(shù)據(jù)，再好的想法也是紙上談兵，必須通過回測和模擬才能判斷策略的價值。IT平臺在所有量化成本里邊都是第一優(yōu)先的，任何量化投資的公司，如果告訴連平臺都沒有，自己拿筆記本把量化做好的話，我對它是持有懷疑態(tài)度的。

　　做量化投資的第一步處理數(shù)據(jù)，這對所有的策略都是非常非常重要的環(huán)節(jié)。有的時候一個策略沒有什么效果，可能就是因為數(shù)據(jù)處理不當，把真正好的東西淹沒了。第二步是找出α模型，風險控制模型，產(chǎn)生出高回報、低風險的組合。這就量化投資最核心的流程。

　　關(guān)于量化投資，最需要被記住的

　　結(jié)束之前給大家講量化投資里頭幾個最核心的東西，大家一定要記住：合理性，預(yù)測性，輔助性，一致性和附加性(SPACA)。

　　我們在做任何一個量化策略的時候千萬要避免一件事情是什么？是數(shù)據(jù)挖掘。因為數(shù)據(jù)挖掘可以給你帶來非常災(zāi)難性的后果。經(jīng)典的例子孟加拉國的黃油跟紐約股票是正相關(guān)的，你能夠用孟加拉國的黃油預(yù)測紐約的股票價格嗎？一定記住在做任何策略之前千萬不要先做相關(guān)性分析，這是最忌諱的事情。第一件事情要做什么？要做合理性的分析。就是研究策略之前要想清楚邏輯是什么，為什么他能夠預(yù)測你的股票價格。

　　回到剛才的例子，為什么PE低要買進，PE高要賣出？基本的邏輯是因為市場的定價便宜。所以必須要選便宜的股票買進，貴的股票賣出。雖然這里頭可能還有很多復(fù)雜的東西，但是沒關(guān)系基本的邏輯要能夠解釋你的結(jié)果。

　　如果數(shù)據(jù)表明確實便宜的股票未來回報更高，就說明你的合理性判斷是對的。這是建立量化模型的基礎(chǔ)，無論是處于宏觀還是微觀的角度，都要給出符合邏輯的理由。

　　第一在做任何信號或者策略之前都要先分析一下。第二要判斷你的模型能不能預(yù)測未來的股票價格，然后就可以用歷史的數(shù)據(jù)模擬檢驗?zāi)愕慕?jīng)濟邏輯。有時候還要做一些輔助性的測試，當直接檢驗難以做到時，可以通過測度中間變量來檢驗原來的相關(guān)性

　　接著是一致性，就是你的策略是不是一直很好，不是說牛市的時候好，熊市的時候不好，或者說1月份可以工作，12月份就不行。我們希望策略能夠在不同環(huán)境下都表現(xiàn)的不錯，說明策略是比較穩(wěn)定一致的，不要說今天好，明天就不工作，這不是我們希望看到的。

　　最后一個是附加性，你要判斷新的東西是不是對現(xiàn)有模型有附加價值，能否是現(xiàn)有模型表現(xiàn)比以前更好，如果沒有價值也沒有必要用了。

　　最后是模型建完后要做樣本外的測試。僅僅是樣本內(nèi)的數(shù)據(jù)并不能驗證模型好壞，需要用樣本外的數(shù)據(jù)跟蹤一段時間，優(yōu)礦網(wǎng)會逐漸把專業(yè)的工具開放給大家，讓大家從簡單的策略做起，然后逐漸將一些專業(yè)的、復(fù)雜的工具融合進來。