量化投資可以運用在多種資產(chǎn)上，我們在這里重點介紹投資者最關(guān)心的量化股票投資，特別是量化模型是如何選股的。我們希望通過這篇短文掀開量化股票投資神秘的面紗，幫助投資者理解量化選股的邏輯和運作方式，增進投資者對量化股票投資的理解和信任。

首先我們來看一個生活中的例子—買投資房。因為房子是用來投資的，所以房子的增值潛力是最重要的。什么樣的房子增值潛力最大呢？顯然，很多因素都重要，比如單價，地段，房型，樓層，物業(yè)，配套，市政規(guī)劃等等。然而十全十美的房子是不存在的，比如便宜的房子可能地段不好，價格可以接受，地段又好的可能房型差，市政規(guī)劃要發(fā)展的新區(qū)當下的交通，學(xué)校，醫(yī)院等配套不足等等。購房者根據(jù)自己的經(jīng)驗和判斷，對不同的因素綜合考量，最后選擇他們認為升值潛力最大的房子。最終房產(chǎn)投資是否成功取決于市場是否認同購房者的判斷。

把這個例子平移到股票市場，我們會發(fā)現(xiàn)買股票和買房何其相似。股票投資人希望收益最高的股票，他們也會考慮影響股票未來價格的諸多因素，比如股票的估值，業(yè)績，成長性，市場偏好等等。十全十美的股票也是不存在的，便宜的股票多半業(yè)績和成長性都差，而業(yè)績好，成長性高的股票往往太貴，還有一些股票很便宜，業(yè)績也不錯，但是市場不認可，股價不漲反跌。最終股票投資是否成功取決于市場是否認同投資者的判斷。

大多數(shù)的投資人是主觀選股，即他們根據(jù)自己的經(jīng)驗，直覺，偏好等主觀因素來選股，比如有的人喜歡小市值，強勢的股票，另一些人喜歡大盤，藍籌股。量化投資不是從個人主觀的經(jīng)驗、直覺、偏好出發(fā)，而是通過統(tǒng)計分析，從歷史數(shù)據(jù)中找到影響股票價格變動的因素，并賦予這些因素不同的權(quán)重，從而形成對股票的最終判斷。我們通常把影響股票價格波動的因素稱為因子，所以量化選股模型也常被稱為多因子模型。

量化多因子選股模型的基礎(chǔ)是因子的挖掘和選擇。量化投資者尋找因子主要依靠各種理論（包括經(jīng)濟，金融，心理學(xué)等），市場觀察，和對經(jīng)驗的總結(jié)等。檢驗因子的手段是回溯測試，即考察因子在歷史數(shù)據(jù)當中是否有預(yù)測的效果。大量研究表明影響股票價格變動的因子非常多，既有基本面的因子，比如估值，業(yè)績，成長性等，又有技術(shù)面的因子，比如交易量，換手率，過去一段時間的價格變化等。除此之外，預(yù)測的時間不同對因子的選擇也不一樣，比如對影響股票下一分鐘價格變化的因子基本是和交易相關(guān)的，而影響股票未來十年價格變化的因子幾乎完全是基本面的。另外，因子的適用性也是變化的，比如估值對銀行股可能是很重要的，但是對醫(yī)藥股就不太重要。

能通過歷史數(shù)據(jù)檢驗的因子很多，但對未來價格有較強預(yù)測作用的因子很少，因此因子的選擇很重要。我們希望選取有很強的投資邏輯支持的因子，而不僅僅是歷史表現(xiàn)好的因子。比如，估值作為一個因子有很強的投資邏輯，因為低估值意味著風(fēng)險溢價高，因此可以考慮納入模型。但是如果我們發(fā)現(xiàn)代碼第三位數(shù)字是5的股票表現(xiàn)比較好，這就是一個缺乏投資邏輯的因子，很可能是個隨機的結(jié)果，所以不應(yīng)該被納入模型。

當我們完成對因子的選擇后，接下來要做的就是確定不同因子對不同類型股票的重要性，用數(shù)學(xué)語言講就是每個因子的權(quán)重對不同的股票是不一樣的。比如前面的例子中提到估值因子對銀行股重要，對醫(yī)藥股不重要，那么估值因子在銀行股模型里的權(quán)重就比較高，而在醫(yī)藥股模型里的權(quán)重就比較低。權(quán)重可以是一個復(fù)雜的概念，不一定是簡單線性相加的關(guān)系，這里我們不展開討論，但是權(quán)重大意味著重要性高是一定的。確定好因子以及它們的權(quán)重后我們就可以對股票的相對吸引力做一個排名，相對吸引力高的股票就是模型青睞的股票，也就是量化投資的標的。

總結(jié)起來，量化選股并不神秘。量化選股的投資邏輯和主觀投資并沒有本質(zhì)的不同，區(qū)別在于量化投資是建立在統(tǒng)計研究基礎(chǔ)上的，當直覺和偏好與歷史數(shù)據(jù)不吻合的時候，量化投資者選擇相信數(shù)據(jù)。量化多因子模型是指影響股票價格變動的因子有很多，它們共同決定我們對股票未來價格變化的判斷。

量化投資不神秘，但也不簡單。如何挖掘和選擇因子，以及如何利用因子都是復(fù)雜的問題。比如我們知道估值很重要，但是如何進行估值，對不同類型的股票是否應(yīng)該使用不同的估值方法，都是需要反復(fù)研究的。再比如我們知道股票的估值和業(yè)績、成長性往往是魚和熊掌不可兼得，怎樣取舍才是最合理的也是一個難題。最后，因子會暫時性地或永久性地失效，當這種情況發(fā)生時，量化模型應(yīng)該怎樣調(diào)整是量化投資長期面臨的挑戰(zhàn)。

量化投資不是編一套軟件，然后根據(jù)軟件輸出結(jié)果來投資。好的量化模型一直都在不斷進化，進化的原因可能是市場生態(tài)的改變，也可能是數(shù)據(jù)量的增加或者是技術(shù)的進步。專業(yè)的量化投資者需要做的是充分認識到模型的優(yōu)勢和局限性，不斷優(yōu)化模型，與時俱進。