量化投资战略：从Smart Beta到风险溢价

量化投资战略是基于一系列算法规则，致力于发现金融市场异常以提高投资回报率、管控风险以及投资组合多样化的投资模型。

众所周知，量化投资战略的目的是要在市场上发现那些有前途的投资机会。量化投资模型能自动识别这些投资机会，并对它们进行回测。这一过程要经历高水平的量化投资战略分析，很难三言两语解释清楚，但总而言之，量化投资旨在识别好的投资“要素”并且为这些“要素”量身定制投资策略，所以量化投资又被成为因子投资(factor investing)。

基于广泛的分析，量化投资战略使用计算机技术来制定、回测并且实施投资战略。正因为如此，量化投资战略才被称之为是建立在规则之上的投资战略，意味着量化投资在追求投资回报最大化的过程中有相对客观的分析。

在计算机技术发展到一定阶段之前，要实现量化投资就必须处理大量的信息和数据，这对传统理财顾问来说几乎的是不可能完成的任务。

在很多情况下，量化投资都与有效市场(efficient-market)的概念背道而驰。价格模型与资本资产定价模型(CAPM)一样，希望仅仅依靠与市场的关系来获得投资回报，当然这是在投资者给证券合理定价的前提下。标准的资本资产定价模型并不能解释特定股票表现突出的原因，所以在新版CAPM模型中引入了不同股票的风险，以衡量预期收益。

“因子投资”中的因子是指在一组投资组合中能解释不同投资的风险度量与回报度量中表现存在差异的原因。这些“因子”中投资者最关心的有：价值、小规模、波动性小、质量、高产、流动性以及动力等。这些因素已经赢得了长期风险溢价，并且可以再股票市场、债券市场、大宗商品市场以及货币市场中找到踪迹。

比如说，价值因子指那些不被看好的股票跑赢被看涨的股票，规模因子指小规模股票的长期受益跑赢大规模股票。而低波动率的股票通常被用来管控风险，但很多投资者更倾向于投资回报率高的股票，尤其是在金融市场持续低迷的情况下。动力因素则解释了为什么有些股票能一直保持上涨趋势。

量化投资战略有好几种类型，不同的类型使用不同的工具提取风险溢价因素。最常见的两种量化战略是智能测试(smart beta)与风险溢价(risk premia)。智能测试是一个长期的量化战略，建立在侧重于一个或多个因子的另类构建指数上。这个权重调整基准指数可以是标准普尔500指数、罗素2000指数以及MSCI指数。这些指数可能会改变投资者对低波动性股票的偏见，从而对投资组合进行更优的风险管控。

智能测试基金与市场密切相关，基金的表现取决于市场的动向。而风险溢价策略既有长期投资也有短期投资，追求的是绝对回报。这意味着风险溢价策略与智能测试策略相比精简了很多投资要素，并且有能力在市场下行压力增大的时候仍保持客观的投资回报。拿对冲基金中的风险溢价战略举例，它能充分利用杠杆与金融衍生产品，不仅对对抗风险还能扩大收益。