量化股票市場中性策略的發展新方向

高思卓

源起于配對交易

股市的高波動性，通常也會導致股票投資的高波動性。為規避此高波動性，一些投資經理構建出市場中性策略的投資組合，而無需再擔心市場走向。配對交易可能是最原始的股票市場中性策略，起源于20世紀20年代初。當時，傳奇交易員杰西·利弗莫爾（Jesse Livermore）憑借他所謂的“姐妹股票對”（sister stocks）賺得缽滿盆滿。“姐妹股票對”交易策略基于這樣的觀點：兩只具有相似特征的股票通常會一起波動，其價差會形成一種平衡，一旦價差增大到一定程度，基于價差會恢復到平衡狀態的預期，通過多/空頭交易便能獲利。

起初，配對交易策略由具有單純選股背景的經理來運用，從基本面估值的角度挑選配對股票。而后許多統計員也開始介入這一策略，利用純統計模型來挑選配對股票，揚長避短。由于系統應用了統計模型，使得涉足的投資范圍更加廣闊，同時避免了因主觀判斷失誤而遭受損失。久而久之，這種統計學方法不僅運用在配對交易領域，還進一步拓展到一籃子股票的相對定價，這種方法便是俗稱的“統計套利”。

借助數理模型進行 “統計套利”

“統計套利”的基礎假設是：多組具有相似特征的股票應該以相同的方式進行平均定價。但由于非理性、歷史或行為等因素影響，這些股票組之間可能會出現短暫的價差，這種價差有望在一段時間內重新恢復到正常水平。

這一策略借助于統計模型，并根據若干標準將整個股票市場“大卸八塊”，以尋找各組股票之間的系統性差異。統計模型通過多種因素來解釋股票價格的波動，不僅剖析市場風險（貝塔值）和股票具體風險，還會進一步將股票具體風險分解為各種普遍風險（例如板塊、市值以及其它宏觀或微觀因素風險）和剩余具體風險，剩余具體風險被認為是隨機變化的。由此構建的投資組合通常包含大量的多頭和空頭頭寸，多頭選自表現最優的股票組，而空頭來自表現最差的股票組。

借助于因素模型，投資組合經理就構建出一個具有最高預期超額收益而風險因素中性的投資組合。當然，風險因素的所謂“中性”是有限度的，隨著更多的風險因素被對沖，增值機會也會相應減少。因此，“因素中性”意味著投資經理要在風險與收益之間做出權衡。

一般來說，一個統計套利投資組合通常包含成百上千只股票，其中最大的頭寸規模在基金中所占比例通常都是個位數，以此保持投資組合的多樣化，并可運用杠桿實現預期風險回報率。模型不斷納入新的信息，投資組合也會在模型的推動下達到動態平衡，交易成本和損耗情形也被考慮在內。由于投資過程主要依賴基于復雜數學運算的計算機程序，而且大部分程序內容屬私人所有、不對外公開，因此對于業余投資者來說這就像一個神秘的黑匣子。

以某亞洲統計套利基金投資組合為例。從多頭和空頭的頭寸數量到風險敞口，都是比較匹配的：多頭的市凈率1.26，稍低于空頭的市凈率1.32；多頭市盈率11.7，大幅低于空頭的16.06；而多頭的股息率1.86%，遠高于空頭的1.02%（表1）。而從國家或地區配置和板塊配置來看，多頭和空頭比例均比較均衡。

統計套利變成

“高智商天才”的游戲

統計模型要從Barra模型說起，這可能是第一代多因素風險模型，由任職于伯克利大學的經濟學家巴爾·羅森伯格（Barr Rosenberg）設計。巴爾在20世紀70年代初擔任富國銀行的顧問，后創立咨詢公司—巴爾·羅森伯格聯合公司（Barr Rosenberg & Associates，簡稱“BARRA”），1979年，BARRA將加州大學伯克利分校金融學教授Richard Grinold招入麾下任研究部門主管。巴爾1985年離開公司后創辦資產管理公司，Richard成為BARRA的總裁。1987年，哈佛大學物理學博士Ronald Kahn加盟，進一步推動了BARRA的研究工作。Barra模型針對美國股市設計，共有55個板塊因素，外加13個普遍風險因素，例如增長、凈收益率、股息率、市凈率、財務杠桿等。后Richard和Ronald加入富國銀行從事指數投資，該指數部門后來發展成為巴克萊國際投資管理公司（“BGI”），擅長指數產品和統計套利。

Barra模型推出后，日益受歡迎。20世紀80年代末和整個90年代，統計套利公司風起云涌，包括文藝復興科技公司（Renaissance Technologies）、數量投資者公司（Numeric Investors）、和聲公司（Symphony，BARRA的姊妹公司）、雙阿爾法（Double Alpha）、AQR等。隨著越來越多的新進入者，競爭異常激烈，數理模型也推陳出新。其中之一是運用了“潛在因素”，單純通過主成分回歸的統計學分析得出，而并不去定義風險因素。另一個創新方向則是采用聚類分析，這種分析模型完全不需要使用風險因素。聚類分析并不是將股票的具體風險分解成不同因素，而是將股票看作不同的集群，并對每一個集群進行分析。其他模型則完全采用價格-數量數據，分析方式類似于期貨顧問（“CTA”）對商品期貨進行投資。經過持續不斷的研究，因素類別變得越來越多，尤其是出現了不同的行為因素，不過，多數創新模型并非長期有效，多因素模型仍然是主流分析方法。

有些股市中性策略經理主要關注短期投資機會，而高頻交易的出現也加劇了機構在實時數據收集和自動化交易方面的競爭。最后從競爭中勝出的都是那些有財力的公司，它們能夠聘用一批數學博士、物理學博士或計算機科學博士團隊開展長期研究，競爭變得越來越像高智商天才之間的游戲。

文藝復興科技的傳奇

在這些采取高智商天才路線取得成功的對沖基金經理公司之中，最著名的當屬由傳奇數學家詹姆斯·西蒙斯（James Simon）1982年成立的文藝復興科技公司。文藝復興科技公司管理著超過230億美元的資產，公司在石溪大學旁擁有一塊50英畝的地產，上面建有一棟面積達11.5萬平方英尺的校園式建筑。公司共有員工275人，其中1/3擁有博士學位。擁有50億美元資本的大獎章基金（“Medallion Fund”）是文藝復興科技公司的標志產品，其主要投資于注重短期收益的統計套利，同時也從事貨幣、期貨和商品交易。該產品創下的收益紀錄十分驚人—自1989年成立以來，扣除高額費用（5%的管理費和44%的績效費）后年化收益率仍高達35%。

統計套利發展新方向

盡管投資過程主要依賴于模型，但當某些重大事件發生，會對某只股票或某個板塊產生巨大影響時，個人判斷也會影響有時甚至主宰投資過程。例如，如果一家經營不善、資產狀況不佳的公司被某一戰略性買家接管，這樣的股票通常會被排除到投資范圍之外，以免將其納入空頭投資組合。此外，像2001年“9·11事件”也足以說明這一問題：這場恐怖襲擊導致所有航空公司的股價都大幅下跌，由于商業前景十分慘淡，有些航空公司甚至面臨破產風險，所以投資經理很可能決定退出整個航空板塊，因為這次災難會大大改變這個板塊的發展前景。當投資經理認為股票或板塊價格行為的性質會因某事而發生改變，而模型又無法分析出這種變化時，投資經理可能會決定剔除這只股票或退出相應的板塊，這是風險管理中十分重要的一部分。

所以，近年來出現了一種不同于“高智商天才路線”的統計套利發展方向。有時人類的判斷高于自動化處理，因而越來越多的研究致力于將人類判斷與機器相結合。其中一個例子就是通過自行判斷確定模型中各種因素的重要性。投資經理對因素重要性的判斷反映了其宏觀觀點，或宏觀觀點與業績趨勢的結合。一旦確定了因素的重要性，其他內容都會在模型投資組合中自動生成。在具體事件中，人的判斷也可能與機器進行互動。投資經理并不只是剔除股票，還應該深入了解這只股票和項目，以便根據頭寸大小和其他相關風險管理問題來決定運作方式。所有的這些活動都是嘗試把從宏觀或微觀環境歸納出的前瞻視野加進自動化處理的程序。從某種角度上說，這偏離了自動化處理的原則，但是它可以彌補“模型總是只會回顧歷史”的缺陷。

對于本文內容您有任何評論或補充，