Skip to main content

前言与致谢

前言

“预测很难，尤其是预测未来。”
——丹麦物理学家、诺贝尔奖得主尼尔斯·玻尔

一代又一代的金融研究人员和实践者试图预测金融市场，但成功者寥寥无几。

尤金·法玛，一位以有效市场假说（EMH）研究而闻名的美国经济学家，撰写了多篇讨论市场不可预测性的论文。他最有影响力的两篇论文是：

  • Fama, Eugene F. (1965). “The Behavior of Stock-Market Prices”. Journal of Business, 38(1): 34–105.
    在这篇论文中，法玛提出股票价格遵循随机游走，使其无法根据历史价格信息进行预测。这为有效市场假说的发展奠定了基础。

  • Fama, Eugene F. (1970). “Efficient Capital Markets: A Review of Theory and Empirical Work”. Journal of Finance, 25(2): 383–417.
    在这篇开创性论文中，法玛全面回顾了截至当时关于市场效率的现有理论和实证研究。他认为，市场在反映所有可得信息方面是有效的，这使得投资者难以在风险调整的基础上持续跑赢市场。

这些论文与其他成果一起，构成了法玛在有效市场假说方面具有影响力的工作的基础。该假说认为，由于市场能够有效地将可得信息纳入资产价格，因此市场通常是不可预测的。

与此同时，著名投资者、伯克希尔·哈撒韦公司的首席执行官沃伦·巴菲特曾说过：“如果市场总是有效的，我将拿着一个锡杯流落街头。”这句话反映了巴菲特对有效市场假说的怀疑。

事实上，如果像沃伦·巴菲特和吉姆·西蒙斯这样的投资者能在约30年的时间里持续战胜市场，那么市场就不可能是有效的。问题是：他们是如何做到的？

本书深入探讨了使量化交易能够跑赢市场的隐藏要素。具有讽刺意味的是，这些隐藏要素（或“因子”）是由尤金·法玛及其金融经济学家同行们开发的，而他们自己并不相信市场可以被持续战胜。

“因子”一词在金融和资产管理领域无处不在。在过去的50年里，它一直是资产定价文献的主要焦点，也是业界活跃的研究领域。然而，当我们阅读学术期刊时，常常感到困惑：学术界的“因子”一词似乎与业界实践者所指的含义截然不同。从学术角度看，因子是市场范围内的，它们解释资产收益的横截面差异，而资产之所以有不同收益，是因为它们对因子的暴露程度不同。经典且著名的单因子模型是资本资产定价模型（CAPM），该模型认为市场超额收益是唯一的因子，资产的收益由其相对于市场的系统性暴露（贝塔）决定。在多因子领域，Fama-French三因子模型（FF3）开启了竞赛，用HML（高减低）和SMB（小减大）补充了市场因子，这两个因子分别是高账面市值比股票与低账面市值比股票收益之差，以及小市值股票与大市值股票收益之差。随后，Carhart（1997）的四因子模型在FF3基础上增加了动量因子（MOM）。此后，市场超额收益、HML、SMB和MOM成为学术界的共识因子。后来的发展包括流动性因子（Pástor and Stambaugh 2003）和尾部风险因子（Almeida et al. 2017）等。与此同时，Fama-French又提出了另一个五因子模型，在FF3基础上增加了两个因子：RMW（强盈利减弱势），即运营盈利能力强的公司与弱的公司之间的收益差；以及CMA（保守减激进），即投资保守的公司与投资激进的公司之间的收益差。

相比之下，业界的术语定义则宽松得多且不严谨。在这种语境下，它们似乎指的是与资产未来收益相关的变量或属性。与学术因子不同，业界因子不被视为市场范围内的度量。例如，股票的波动率与其下期收益相关，因此波动率可被视为一个因子。尽管学术界和业界都试图利用因子来捕捉横截面差异（这本质上试图回答为什么不同资产在特定时期内会有不同的收益），但因子的定义、动机、处理方式和用途存在巨大差异，导致人们对因子究竟是什么、其用途和局限性等产生混淆。

本书结构

我们旨在为读者提供一幅因子投资的地图。每一章涵盖一个重要的因子发展方向。

  • 第1章 从因子投资的当前格局开始。它对比了学术界与业界对因子的定义、处理方式和识别，并介绍了因子众多现象，即“因子动物园”。
  • 第2章 介绍基本面分析以及将基本面与量化分析相结合的新趋势——“量化基本面”。
  • 第3章 研究各种统计矩如何与风险相关并作为因子使用。
  • 第4章 讨论一个关键的风险概念——系统性风险或贝塔——作为因子。
  • 第5章 介绍基于价格历史和技术指标的因子，特别关注趋势和跳跃分析。
  • 第6章 考察微观结构以及广泛的流动性指标，从早期关于成交量影响的研究到关于交易时间指标和流动性恢复能力的最新进展。
  • 第7章 讨论尾部风险，这是一个日益受到关注的话题。
  • 第8章 聚焦于行为金融学中的因子，这本身就是一个非常广泛和热门的话题。
  • 第9章 研究其他资产类别（如大宗商品和期权）如何影响股票收益。
  • 第10章 聚焦于我们对分布不确定性理解的最新进展。
  • 第11章 讨论基于另类数据的因子开发。
  • 第12章 讨论机器学习对因子投资的各种贡献方式。
  • 结语 总结我们穿越因子动物园的旅程，并反思因子投资的多面世界。

科学投资哲学

本书的两位作者（Zhang和Lu）既有学术背景（商学院教授），也有业界经验，共同创立了一家名为超级量子基金的量化对冲基金。Shi管理着一家名为北京量新投资管理有限公司的对冲基金。本书面向实践者，包括私募或公募股权基金、资产管理公司、券商、财务顾问和监管机构。我们希望它能成为一本从科学角度指导因子投资的实用手册，连接蓬勃发展的学术研究与业界的实践应用。本书旨在为实践者提供对业界所用因子的综合和正式论述，并解释这些因子如何与具有合理经济学基础的学术体系相关联。

尽管量化交易领域的许多市场参与者强调（1）发现更多因子，以及（2）开发更复杂模型的价值，但我们认为这些因子和模型背后的科学更为重要。基于我们在学术界的研究和通过超级量子基金在金融市场的实践，我们为学生和资产管理者开发了一个框架，以更深入地理解因子投资。在本书中，我们展示了这种理解如何能够带来超越牛熊市的持续回报。

该金字塔的顶端是金融，包括风险管理、交易执行、合规和运营。每个金融机构都应具备这一层，以确保投资策略的正确执行，为投资者服务。

第二层是技术，依赖归纳推理，所有量化基金都应具备。它包含金融工程方面，如因子创建、机器学习和投资组合优化。

图 0.1 量化投资超级量子金字塔

该图展示了量化投资的超级量子金字塔。它包含四个层次：金融、技术、科学和艺术。

接下来是科学层，强调演绎推理的重要性。它涉及创建理论和方法论工具，以解决技术层未能处理的问题。例如，数据驱动的决策有时会因其无法预见未来结果而受到批评：“根据历史事件预测未来，就像只盯着后视镜开车一样”。为了规避这一局限性，科学层必须在用数据验证之前发展出扎实的理论。

金字塔的底部是艺术层，需要基于强大的直觉和对金融市场的深刻理解来提出假设。这一层要求透彻把握市场中固有的不确定性。由于市场参与者要么是人，要么是人设计的模型，一个稳健的量化策略必须考虑到可能偏离逻辑预测的交易结果。

金字塔中的每一层都至关重要，它们建立在下一层的基础之上，形成一个融合直觉、理论发展、技术基础设施和金融智慧的全面框架，以产生卓越的投资成果。

从图中可以清楚地看到，金融工程、机器学习模型、因子等只是整个框架的一小部分。开发更好的模型应当超越技术层，并推动科学层和艺术层的前沿。

GitHub 仓库

在撰写本书的同时，我们开发了一个开源代码项目：因子投资研究引擎（FIRE）。我们邀请读者为该项目做出贡献。您可以在 GitHub 上找到该项目，链接为：https://github.com/fire-institute/fire

我们的目标是让 FIRE 逐步涵盖本书内外部讨论的所有因子主题，将因子研究思想转化为可执行代码，并通过验证确保其科学性。

书籍一旦印刷就静止了，但思想应该是动态的。通过 FIRE，我们可以持续更新和扩展新的研究主题，深入探讨书中提到的问题，并探索新的见解。本书将始终作为一份“活的文档”。

我们希望 FIRE 能成为我们作者与您（读者）之间的桥梁。我们期待讨论与因子投资相关的话题，并通过互动获得新的灵感。也许这些互动将带来一系列后续作品。

致谢

本书不仅是我们努力的成果，也是所有直接或间接参与者集体精神和奉献的证明。

我们深深感谢我们的配偶和孩子们，在我们为这个项目投入的无数小时里，他们展现了无尽的耐心和理解。他们的牺牲和鼓励是我们坚持不懈的基石。我们也感谢同事们在本书写作过程中所做的宝贵贡献。他们坚定不移的支持和富有洞察力的反馈是我们的力量源泉和灵感支柱，没有他们，这项工作不可能完成。

我们同样感激我们的学术同行和导师，他们严谨的批评和启发性的讨论极大地丰富了本书的内容。我们特别感谢各自所在机构（超级量子基金、北京量新投资管理有限公司、香港中文大学、清华大学、南方科技大学）提供的合作环境，这对我们思想的发展至关重要。我们的同事——超级量子基金的乔宝成和廖仁杰——在 GitHub 上创建了一个名为 FIRE（因子投资研究引擎）的开源平台，与本书相伴。

我们感谢 Erik Brynjolfsson、Shane Greenstein、Campbell Harvey、Terrence Hendershott、Yuriy Nevmyvaka、Michael Saunders 和 Feng Zhu 对本书的认可和宝贵建议。

我们感谢本领域更广泛的研究人员和专业人士群体。他们所创造的大量工作是知识和动力的源泉，促使我们通过本书为持续的对话做出贡献。

对所有在本次旅程中发挥过作用的人，我们表示衷心的感谢。

Michael Zhang, Tao Lu, and Chuan Shi

致谢 · xiv

参考文献

Almeida, C., K. Ardison, R. Garcia, and J. Vicente (2017). 非参数尾部风险、股票回报与宏观经济. Journal of Financial Econometrics 15(3), 333–376.

Carhart, M. M. (1997). 关于共同基金业绩的持续性. Journal of Finance 52(1), 57–82.

Fama, E. F. (1965). 股票市场价格的行为. Journal of Business 38(1), 34–105.

Fama, E. F. (1970). 有效资本市场：理论与实证工作综述. Journal of Finance 25(2), 383–417.

Pástor, L. and R. F. Stambaugh (2003). 流动性风险与预期股票回报. Journal of Political Economy 111(3), 642–685.

Back to top