本文目录一览:
中证1000股指期货及股指期权的出台,一下子将中证1000这个还略显“小众”的宽基指数拉到市场聚光灯之下。
较高成长性是中证1000指数的重要魅力,但不止于此。相对于其他指数,中证1000较高的波动性,也为量化投资挖掘超额收益提供了肥沃的土壤。
里面有什么奥秘?正如同牛顿第一定律是物理学中的基本定律之一,量化投资中也有一条类似的“牛顿第一定律”,诠释了量化投资与中证1000指数之间的奇妙化学反应。
在量化投资领域深耕十余年的国泰君安资管胡崇海博士将会把这个问题讲透,并向大家介绍中证1000指数的“进阶”玩法。
胡崇海,浙江大学数学系运筹控制专业博士。曾任香港科技大学人工智能实验室访问学者,现任国泰君安证券资产管理公司量化投资部(公募)总经理,负责团队量化投研工作。“国泰君安中证500指数增强型证券投资基金”基金经理、“国泰君安中证1000指数增强型证券投资基金”拟任基金经理。
券商资管开展量化投资独特优势
北落的师门
当投资遇见有趣的灵魂。大家好,我是北落的师门。今天我们邀请到国泰君安证券资产管理公司量化投资部(公募)总经理胡崇海。看到胡总的从业经验一直是券商以及券商系资管公司,您为什么选择在证券公司从事量化投研工作?
胡崇海
券商系资管开展量化投资,将得到背后集团证券公司在硬件、软件、交易系统方面的强有力支持,我觉得这是很多传统公募、私募基金没有办法比拟的。
作为券商的全资子公司,我们第一可以共享母公司在IT硬件上的投入,比如数据服务器,这些可以大大提高算力。第二是券商具备一定的数据优势。集团会集体采购朝阳永续、万得之类的数据,level2的数据获取也非常及时;因为券商的交易是直接连交易所的,所以数据落地也会较快。第三是在交易系统和费率上存在一定优势,尤其是相较于公募基金公司而言。
北落的师门
这些优势确实在您做专户或者私募产品的时候可以提供较大帮助,在您转做公募产品之后这些优势还明显吗?
胡崇海
优势依然明显。
公募相对于私募来说,主要有两个方面的约束。
第一,不能做日内的反向,这一点其实对我们当前策略的换手率影响并不是很大,依据我们现在策略的年化换手率来看,其实日内反向的概率是非常低的。我们也是做好了实际的应对,如果说有一些交易日内反向发生,我们就会去找同类可替代的股票。
第二个是成份股的约束,公募的指增产品有80%的成分股约束。从业绩角度来看,这个是有利有弊的。当指数本身较强的时候,这个约束的影响较小,甚至还有好处。如果成分股外的股票表现较好,可能有一定的影响。但是从近几年来看,对中证500的影响是比较小的。回到中证1000,基本上可能也没什么影响。
整体来讲,我们有信心把私募业绩和资源禀赋复制到公募赛道上面来。我们过去十年挖掘了大量的因子,储备了大量的有效策略,对于我们来说,在公募赛道上做相对高换手的策略没有太大影响。
北落的师门
指数增强这个赛道是很卷的,您觉得赛道里同质化的现象是否存在?如何做出自己的特色?
胡崇海
在量化投资领域里,同质化的现象是没有办法避免的,但是大家用的因子还是有一些差异,也就带来了超额收益层面的差异。
在理念层面,我们也会不断地琢磨如何在别人做不好的时候做好。比如去年的9月、10月,不少指增产品业绩回撤较大,是因为那个阶段有很多因子发生了拥挤。我们就会选取抗拥挤的模型来减弱影响。
归根结底,不论是因子上还是模型上的差异,根源是大家在理念上的差异。比如说我们如何用历史上的数据来训练,对历史的理解是什么等等这种理念上的差异,会让大家的模型差异度越来越大。我觉得做量化如果只是跟着别人做,是很难赚到别人赚不到的钱的。我们做量化追求的是超额收益,是超越市场的东西,所以一定要存在有别于市场的东西。
中证1000超额收益更强的秘密
北落的师门
做量化增强或者做量化投资的方法有哪些?您属于哪一类?
胡崇海
最开始的时候大家都用基本面做量化,就是通过财务数据和报告中的数据,加上机构持仓的数据去刻画出资历较好的公司。但是这种方式在长期维度容易失效,比如这两年估值因子就失效了,大家都不看估值了。这是基本面低频模型不好的地方。
后来就发展成了基本面+技术面。以前看技术面,可能是看MACD、KSI线,或者是看资金流。后来技术面发展成看一些日内高频的数据,刚开始用分钟数据,后面又应用了level2的数据。因为纯看基本面是不够的,就算一个股票基本面什么都没有变,它的股价也是在不断波动的,在这中间其实是市场博弈产生的波动,就需要技术层面的介入,于是就有了高频量价模型。高频量价模型可以从更细致的维度挖掘股票背后的蛛丝马迹,包括资金流、市场博弈层面的东西。
在海量数据下,这个时候就必须要引入擅长处理大数据的机器学习模型。机器学习模型有非常大的胃口,需要很大量的数据才能把它喂饱(即把模型训练得准确)。一般而言,机器学习模型都有比较复杂的训练机制,有比较多的参数,大量独立的数据可以把机器学习模型训练更准确一点,然后这个模型就可以捕捉股票技术面的东西。
现在公募量化可能更多是低频基本面量化,所以他们有些时候α的波动会比较大一点,甚至会押一些市场风格的偏离。而私募量化更多使用的是高频量价模型,因为整体上来看它的业绩爆发性会比较好,比较符合私募的商业模式。
我认为高频量价是有利有弊的,它的弊端在于大家都在用高频数据,那么这些数据也会失效,所以高频量价会有一个比较明显的失效期。但是如果我们就把这两个模型叠加起来,一方面去赚持股基本面的钱,另一方面去赚高频量价提供的技术面支撑,找到基本面跟高频量价共振的股票,就可能让超额收益变得更可持续。
北落的师门
这个有点像把私募的策略应用到公募上,又延续了公募比较擅长的基本面量化,希望能做出一个不一样的策略。您觉得中证1000这个产品好不好做收益增强?
胡崇海
我们从两个层面来讲这个问题。第一个层面是现在机器学习模型在中证1000上的应用思维更好。
一般来说,机器学习模型需要成分股比较具有代表性。因此大数据对于机器学习模型产生的优势在中证1000更容易得到充分的发挥。因为中证1000的股票基本在50亿-200亿规模的区间,中位数大概在80-100亿左右,这类股票在整个市场中是一个比较典型的样本。所以拿中证1000去训练与全市场训练的差异度不大。
第二个层面就是我们讲的投资界牛顿第一定律:一个基金的α超额收益正比于三个层面,分别是信息比率、投资广度以及走势差异度。
首先说IC信息比率,判断一个模型好不好,要看现在的信号跟未来的收益率相关性高不高。IC的*值越大,说明相关性越高,模型的能力越强。
第二个就是投资广度,投资广度越大α超额收益越多。从广度的角度来说中证1000是非常占优势的。简化而言,在其他因素都不变的情况下,如果一个模型可以投资n只股票,那么它的α收益是正比于根号N的。比如,投资中证1000的1000只股票收益是√1000,投资中证500收益是√500,所以他们阿尔法收益的差异就是√1000比√500,即√2,也就是有41%的增强(包括多和空两个部分)。
第三是正比于股票之间走势的差异度,走势差异越大α投资机会就会越多。中证1000成分股的走势差异度要比中证500和沪深300要高。首先中证1000成分股的市值相对较小,所以它的波动性更大。此外,中证1000的行业覆盖更多是在一些新兴行业上面,这些行业的业务也存在较大的差异。
从这三个维度来看,中证1000都是要强于中证500和沪深300的,理论上它会比其他两个指数有更好的α收益水平。
北落的师门
既然都已经机器学习了,那还要基金经理做什么呢,难道基金经理是在训练机器吗?您能不能再通俗地解释一下?
胡崇海
我觉得这是一个非常有趣的问题,机器和模型都这么厉害了,那我是不是就可以下岗了?其实这是一个很大的误解。任何模型或者因子都是按基金经理的投资逻辑来设计的。
在投资领域里面没有一个标准的东西,越标准的东西就越容易失效。今后需要在因子层面、模型层面和模型刻画的投资逻辑层面,有越来越大的差异度。通过这个差异度挖掘别人抓不到的钱。像我这个模型虽然在跑,但是很多时候要淘汰掉一部分的因子,淘汰过后要给它灌输进去新的东西,所以我们每年可能淘汰掉两三百个因子。我们很多时候所谓挖矿就是在挖因子,这是我“挖矿”的一个主要工作。
如果一些子模型随着市场慢慢失效了,我也要去不断观察它,看看它刻画的投资逻辑有没有发生变化。最后从理解历史、预测未来这个层面,每个人现在差异越来越大,用历史上不同的数据训练出来的模型差异度都会很大。还有在投资组合管理、交易层面差异度也越来越高,这种差异度是有点百花齐放的感觉,大家都在拿出自己的看家本领。
所以做量化经济并不是模型摆在那,印钞机躺着就可以了,量化是非常苦非常内卷的一个行业,我们每天要挖因子去观测市场,理解市场背后的逻辑,同时也要看一些业绩归因,做一些模型上未来的布局。
中证1000依然是好贝塔
北落的师门
你们在模型输出结果的时候,会不会因为是公募基金从而加一个条件,就是必须80%是中证1000的成分股?
胡崇海
只要这个指数在市场当中是一个相对强的指数,把它约束成分股内反而是有好处的。我们做高频量价一是赚持股的钱,另一个是赚交易的钱,成分股的约束更多影响了持股的钱,但是对交易的钱的影响是较小的。
北落的师门
跟踪哪一只指数,对我们投资人也是一个很重要的事情,如果我们要投资中证1000指数或是增强,是不是这个指数本身的β很重要?
胡崇海
第一,指数增强型的产品,从中长期来看业绩可能主要是由α贡献的,并不一定是由β贡献的。第二就是很多时候没有免费的午餐。一个好的、波动性小的β,可能就对应了相对差的α,比如上证50是最稳健的一个指数,但它上面的α是最难做的。包括沪深300,它相对来讲波动小,α就更难做,所以α是正比于指数的波动率。业绩主要是α带来的,所以会找一个波动性大的指数,自然就会找到中证1000。并不是β差的指数,它的指数增强业绩就会差。
这两年中证1000的指数增强型产品会变好,是因为中证1000去年是涨*的宽基指数,它具备相对较好的α。当α和β两个都是好东西的时候,就形成了一个共振,形成了戴维斯双击。未来我们还是看好它是一个好的β,即使它的α随着定价越发合理略有下降,但它的α+β作为指数增强型的产品依然是非常有吸引力的,在宽基指数里面是较有吸引力的一个指数增强。
北落的师门
中证1000现在推出的期货和期权,您觉得在这个赛道上会有什么样的影响?
胡崇海
影响有两个层面。第一,推出衍生品后,就会有一些机构资金进入,以前可能是做中证500对冲的,随着中证1000的上市,包括以后中证1000股指期货基差的稳定,这些机构就会去配中证1000的对冲。这种资金会在长线维度上慢慢过来。
第二,一般来讲推出衍生品就会让这个指数成为一个主流的指数。以前大家可能觉得中证1000是一个小盘股,好像是一个边缘性的指数。有了这些成熟的衍生品就会让它进入到市场舞台的中央。以前大家可能知道的是沪深300、上证50,没什么人知道中证500,当它推出了股指期货后,中证500就成为了市场的一个主流指数,进入了大家和机构配置的视野当中。
热爱、细致、突破思维限制很重要
北落的师门
您作为数学博士出身,又是做量化投资的一个基金经理,平常有什么个人爱好?
胡崇海
做量化投资压力是非常大的。我从2014年开始做投资,经历了多轮市场变化,比如说股指期货受限等各种不同的市场环境。在焦虑的情况下要保持状态通常会跑步来缓解下压力。
北落的师门
跑到什么水平了?
胡崇海
跑到马拉松的精英水平,大概2小时50分。
北落的师门
如果有小伙伴想从事量化投资行业,您有什么建议吗?
胡崇海
我从事量化投研12年,经历了国内量化的蓬勃发展。从第一个股指期货IF的上市,到后来IC,以及现在中证1000的IM,这三个时间点都是量化投资的标志性事件。目前国内量化整个环境确实还比较友好,可以做出比较好的α收益。但未来这个行业肯定会越来越内卷,竞争越来越激烈,很多人才会一起涌入这样一个纯智力密集性的行业,所以我认为想要在这个行业立足,一定要非常热爱。
量化是一个正反馈的东西,模型做得好,市场就会奖励你,你的模型就是“印钞机”,能从市场中体会到成就感。如果模型做得不好,市场也会给予及时反馈,让你去修正。我觉得这好像是一个非常好玩的“游戏”,同时竞争也格外激烈。
刚入行的时候,前辈就教导我,什么都要从细致之处开始。所以我入行那几年都在做一些底层性的工作,包括数据清洗、底层模型和因子库的搭建。要感谢那段经历帮助我打下了一个很好的基础。我觉得未来的量化也是如此,会越来越多从精细化中博取收益,每一个环节只要做的比别人精细还是有钱赚的。
另外,我觉得做量化,突破思维逻辑的限制也很重要。比如刚入行的时候会推荐看些经典的大部头书,书本身是要看的,但不要被书本里的投资逻辑所限制,不要给自己的思维设限,特别是未来竞争越来越激烈,你要一些有别于别人的想法、逻辑和算法。
前两天我跟大家讲了,去加油的时候薅了加油站的羊毛很开心,我也晒了一下我的油耗,很多朋友质疑,你这个不是日系的丰田吗,怎么百公里油耗达到11个多油,难道是买了个假日系吗?
说到这里我也给大家今天聊一聊,关于自己车子油耗这个问题。
一 驾驶习惯对油耗的影响
首先对油耗影响*的,其实就是驾驶习惯。
我自己开我那台SUV的时候,我开在市区的油耗,可能是在13~14个。
但我老婆开的话,它那个油耗就是在11~12之间,就比我低两个油。
就是由于她的驾驶习惯比我好,因为她起步很慢,然后刹车也很轻缓,属于特别温柔的开法。
但是我不太喜欢把车开得一点驾驶感都没有,纯粹它就是个代步工具的感觉,我可能会开得稍微激进一点。
所以就脚法的问题,它的油耗差距就可能达到20%以上,驾驶习惯我觉得是对油耗是影响很大的。
二 用车环境对油耗的影响
第二个影响很大的就是车子的用车环境和行驶路况。
内燃机的发动机,长期地走走停停,尤其是频繁的冷启动,这个时候你会发现,车子的油耗明显就会高一些。
尤其是很多朋友,基本的通勤距离就3到5公里,如果外面稍微冷一点,你的车子从启动,到你的单位,水温都没起来就熄火了。
这个时候你注意看一下油耗显示进度条,你在启动这一瞬间,尤其是冷车启动之后,还面临着一个上坡。
那么就会发现,油耗显示条打到顶了都不够,百公里瞬时油耗能达到30升以上,所以这就特别耗油了。
而且你每天都这样循环用车,所以你的油耗是十几个油。
别人同样的车,如果它走的是平路,而且每次通勤距离都有十几二十公里。
最关键是虽然有红绿灯,但是堵车不严重,大部分时候平均时速都能达到30、40,那么这种情况下,它的油耗就可能跑到6到7个油。
三 老车油耗更高
第三老车要比新车的油耗是要高一些的。
因为车子从出厂之后,它的油耗曲线一开始比较高,因为它会出现一个磨合。
慢慢地它的油耗趋于下降,到一个很低的一个水平,然后随着零部件老化,它又慢慢往上走。
像喵哥这个15年的老车,再加上它是1.8排量加4AT变速箱,当时的技术比起现在的发动机的燃烧技术,确实是有差距的。
总的来说,它的油耗就会比起现在油耗偏高,按现在的油耗水平看十几年前的油耗水平,你会发现这都已经差的不是一个代差了。
四 其他方面的影响
除此之外,油耗也跟车子的胎压载重,以及保养情况是有一定的关系的。
尤其是老车保养得好的话,油耗会稍微偏低一点,如果平时车子比较轻,而且大部分都是一个人坐,它的油耗也会少一点。
如果你的胎压稍微打得高一点,不是长期低胎压行驶的话,那么你的油耗也会稍微经济一点。
最后
结合我自己的实际情况,我对自己目前老花冠的油耗水平,是趋于接受的一个状态。
当你了解了这些对油耗的影响因素之后,再结合你自己的用车情况去分析一下,就知道你当前的油耗水平,是否处在一个合理的水平。
如果你还纠结自己的油耗,你在评论区里面把你的油耗贴出来,喵哥帮你诊断诊断,看一看你的油耗到底合不合理。
总结
相信通过喵哥刚才给大家的分析也都知道了。
同*车,不同的人开,不同的路况,不同的用车环境,它的油耗真的是千差万别的。
但是它总归有一个相对稳定的区间,如果你自己的油耗太离谱了,可能是这个车的问题,也有可能是人的问题。
但是绝大多数,相对是正常的,大家不必过分地去纠结这点油耗。
如果你油耗确实太高了,首先从自己的驾驶习惯着手,把驾驶习惯改一改,看看油耗是不是就降下来。
映璇汽车工作室
【精品新车快评】
2020款丰田花冠混合动力油耗仅4.5升 这是要逼普锐斯退市?
近日,美国环境保护局(EPA)发布了2020款丰田花冠混合动力轿车的燃油经济性预测,该车型达到了令人印象深刻的4.5升/100公里的油耗水平。其中城市/高速公路的油耗分别为4.6/4.4升。而此前,丰田普锐斯的油耗为百公里4.52升,城市油耗5.47升,高速油耗3.98升。
丰田花冠混合动力一举突破省油王普锐斯的油耗标准,这是否意味着未来普锐斯在丰田家族里的低油耗王位将不再,未来是否将被丰田雪藏起来了呢?
事实上,新款卡罗拉混合动力系统与丰田普锐斯是共享,结构完全相同,因此,两款车拥有几乎相同的燃油经济性数字,而且,2020款丰田花冠混合动力车型还有一个ECO模式,在这个模式下,油耗更低,甚至达到4.2 升 / 100公里。
卡罗拉的混合动力系统有一个1.8升四缸的动力单元,搭载*的省油利器-“阿特金森循环”,还有一对电动马达和镍氢电池,总输出功率为121马力。
发动机系统与改进的无级变速器配对,并有一个新的“预载”差速器,有助于减少在加速过程中令人不快的“橡皮筋”效应。
另外,值得关注的不仅是混合动力的花冠轿车,还有2.0升的汽油发动机车型,因为它在市场上(相对其他燃油竞争车型)提供了更好的燃油经济性评级,甚至比功率较低的1.8升车型还要好。
2020款丰田花冠的燃油版油耗也很可观。1.8L搭载手动6速变速箱的车型综合油耗为7.1升/100km,1.8L搭载 CVT 变速箱的车型综合油耗也是7.1升/100km。
2.0升发动机手动搭载手动变速箱输出169马力的车型综合油耗为 7.3升/100km ,搭载自动变速箱的车型综合油耗仅为6.9升/100km。
今天的内容先分享到这里了,读完本文《丰田花冠油耗》之后,是否是您想找的答案呢?想要了解更多丰田花冠油耗、投资1000元3天赚500相关的财经新闻请继续关注本站,是给小编*的鼓励。