年末說點心裏話(huà)

發布時(shí)間:2018-12-26  |   來(lái)源: 川總寫量化(huà)

1

緻謝


這(zhè)是 2018 年度公衆号的(de)最後一篇推送。


Technically 這(zhè)不是 2018 年我寫的(de)最重要的(de)一篇文章(zhāng);但是 non-technically 這(zhè)是本年度我最看重的(de)一篇、最交心的(de)一篇。本文分(fēn)爲緻謝、2018 年回顧、2019 年展望以及附錄幾個(gè)部分(fēn)。


公衆号于 2016 年 5 月(yuè) 25 日推送了(le)第一篇文章(zhāng),到今天已有兩年半的(de)時(shí)間。在這(zhè)期間,通(tōng)過一篇篇的(de)推送讓我們結識了(le)很多(duō)朋友。在此,我想送出兩份感謝:


感謝公衆号的(de)老朋友在 2018 年對(duì)我們一如既往的(de)支持!


感謝 2018 年通(tōng)過各種渠道關注到我們的(de)新朋友,緣分(fēn)啊!


在 2018 年,無論是原創文章(zhāng)的(de)質量和(hé)公衆号的(de)關注度都較 2017 年有不小的(de)提高(gāo)。我把文章(zhāng)的(de)回顧留到本文第二節,先來(lái)說說公衆号運營方面。2018 年,不少文章(zhāng)被優秀的(de)大(dà)流量公衆号轉載,加上我寫了(le)一系列讀者關心的(de)多(duō)因子文章(zhāng),使得(de)更多(duō)的(de)小夥伴知道了(le)我們的(de)公衆号,知道了(le)它背後有一個(gè)喜歡碼字的(de)家夥。時(shí)至今日,每篇文章(zhāng)的(de)閱讀量能基本穩定在 1000 左右,較 2017 年提高(gāo)了(le)一個(gè)數量級。


量化(huà)投資促使人(rén)不斷的(de)學習(xí)新的(de)知識。當我們學的(de)越多(duō),卻發現自己其實知之甚少,于是便時(shí)刻不敢松懈。碼字本身是将知識真正掰開揉碎吸收的(de)過程,每周一篇的(de)寫作除了(le)讓我釋放碼字熱(rè)情外更讓我受益匪淺。如果這(zhè)些文章(zhāng)能夠幫到關注公衆号的(de)小夥伴,那對(duì)我們而言則是更加欣慰了(le)。不少朋友在後台留言、評論;很多(duō)鼓勵讓人(rén)感動、很多(duō)問題發人(rén)深思。我們歡迎并珍惜每一次討(tǎo)論,希望能堅持下(xià)去,和(hé)各位共同進步,在量化(huà)投資的(de)道路上越走越遠(yuǎn)。


2

回顧 2018


寫完 2018 年的(de)文章(zhāng),給我最大(dà)的(de)感受是“文章(zhāng)越來(lái)越長(cháng)、公式越來(lái)越多(duō)”。我的(de)不少朋友也(yě)和(hé)我調侃道 “公式多(duō)了(le)看不懂(dǒng)啊”。


先來(lái)說說“文章(zhāng)越來(lái)越長(cháng)”。我當然不會故意把文章(zhāng)拖長(cháng),但也(yě)不會爲了(le)完成每周一篇的(de)目标而草(cǎo)草(cǎo)收筆。我希望每篇文章(zhāng)都能從邏輯上比較完整把一個(gè)話(huà)題講清楚 —— 無論是一段曆史、一個(gè)技術、一個(gè)策略或是一個(gè)定價模型,以便感興趣的(de)朋友保存并在未來(lái)能夠非常方便的(de)翻出來(lái)看看,而無需在多(duō)篇細分(fēn)文章(zhāng)之間“輾轉騰挪”。


再來(lái)說說“公式越來(lái)越多(duō)”。确實,很少有人(rén)看到數學公式之後是會非常愉悅的(de)。2018 年的(de)文章(zhāng)中被其他(tā)公衆号轉載次數最多(duō)的(de)一篇是《投資中的(de) N 種認知偏差,總有一款打敗你》,全篇沒有任何公式。MIT 的(de) Andrew Lo 教授(金融工程學術界非常厲害的(de)一位,我很喜歡看他(tā)的(de)文章(zhāng))在 Talks at Google 講過一個(gè)小故事。他(tā)在創作新書(shū) Adaptive Markets 時(shí),出版社建議(yì)他(tā)不要放任何公式,因爲書(shū)中每多(duō)一個(gè)公式,潛在讀者就會減少 50%。他(tā)最終聽(tīng)從了(le)出版社的(de)建議(yì),通(tōng)篇沒有公式,代價是用(yòng)更多(duō)的(de)文字來(lái)說明(míng)公式傳遞的(de)含義。最終該書(shū)有 150,000 字,遠(yuǎn)遠(yuǎn)超出出版社 80,000 字的(de)限制。


回到“公式多(duō)”的(de)問題。量化(huà)投資的(de)文章(zhāng)大(dà)概很難和(hé)數學公式完全絕緣。當然,我們也(yě)不是在寫學術論文或者做(zuò)數學推導,因此在今後我僅會在絕對(duì)必要時(shí)使用(yòng)絕對(duì)必要的(de)公式。其實,文章(zhāng)中的(de)每一個(gè)公式 —— 無論複雜(zá)或簡單 —— 都是我用(yòng)一個(gè)叫 latexeqedit 的(de)小軟件敲出來(lái)再保存成圖片的(de),而不是從别的(de)地方 Ctrl+C & Ctrl+V 來(lái)的(de)。當各位看到複雜(zá)大(dà)數學的(de)時(shí)候想想我在那裏敲公式,也(yě)許就沒那麽抵觸了(le)。:)


2018 年公衆号一共推送了(le) 51 篇文章(zhāng)(見文末附錄),涉及很多(duō)類别。下(xià)面根據閱讀量的(de)高(gāo)低列出十大(dà)熱(rè)門文章(zhāng),它們大(dà)緻反映出讀者的(de)喜好。有些文章(zhāng)寫的(de)較早、閱讀量高(gāo)可(kě)能是占了(le)時(shí)間的(de)便宜,但考慮到關注公衆号的(de)人(rén)數随時(shí)間線性增長(cháng),因此後期寫的(de)文章(zhāng)也(yě)未必就有多(duō)少劣勢。



就我個(gè)人(rén)而言,想借此機會推介兩篇文章(zhāng):


第一篇是《股票(piào)多(duō)因子模型的(de)回歸檢驗》。它是我迄今爲止寫的(de)最重要的(de)一篇文章(zhāng)。裏面涉及的(de)多(duō)種檢驗方法爲我在這(zhè)之後寫的(de)很多(duō)關于 empirical asset pricing 的(de)文章(zhāng)打下(xià)了(le)重要的(de)基礎,而且衆多(duō)統計手段在我平時(shí)研究多(duō)因子選股時(shí)也(yě)非常有幫助。


第二篇是《獲取 α 的(de)新思路:科技關聯度》。這(zhè)篇文章(zhāng)介紹了(le)發表于 Journal of Financial Economics 上的(de)一篇題爲 Technological links and predictable returns(Lee et al. 2018*)。Lee et al. (2018) 邏輯清晰、行文幹練,是一篇研究 empirical asset pricing 的(de)典範。在公衆号介紹這(zhè)篇文章(zhāng)後不久我獲悉它獲得(de)了(le) The Q Group's 2018 Roger F. Murray Prize 一等獎。這(zhè)讓我非常欣慰,因爲它說明(míng)公衆号在傳播正确、有價值的(de)研究。


* Lee, C. M. C., S. T. Sun, R. Wang, and R. Zhang (2018). Technological Links and Return Predictability. Journal of Financial Economics, forthcoming.


以上就是對(duì) 2018 年文章(zhāng)的(de)回顧。


3

展望 2019


最後來(lái)聊聊 2019 年文章(zhāng)的(de)預期。


公衆号中有相當一部分(fēn)文章(zhāng)是關于某個(gè)量化(huà)投資話(huà)題的(de)深度思考。創作它們背後需要參閱的(de)文獻更多(duō)、思考的(de)時(shí)間更長(cháng)。爲了(le)保證文章(zhāng)的(de)質量,往往花費很多(duō)心血。以近期的(de)一篇《尾部相關性、尾部風險平價和(hé)聖杯分(fēn)布》爲例。放在一年前,我會針對(duì)題目中的(de)三方面寫三篇文章(zhāng)。但是在現在,我會把這(zhè)幾些關于尾部風險的(de)不同方面按照(zhào)一個(gè)合理(lǐ)的(de)邏輯串聯起來(lái),希望能給小夥伴們更加豐滿的(de)介紹。這(zhè)類文章(zhāng)往往是我和(hé)我的(de)合夥人(rén)學習(xí)、思考、辯論、互相 diss、再思考、并最終達成共識後的(de)思想輸出,是最有生命力的(de),但我坦率的(de)預期是它們不會每周出現。


另一大(dà)類文章(zhāng)是海外優秀學術文獻介紹,特别是關于 empirical asset pricing。我個(gè)人(rén)有一些非常喜歡的(de)海外頂尖學者(比如 John Cochrane、Campbell Harvey、Andrew Lo、Charles Lee 等)以及一些将科學研究完美(měi)融入到投資實踐中的(de)對(duì)沖基金(比如 Bridgewater、AQR、Winton Capital 等),因此會持續追蹤他(tā)們的(de)最新研究。同時(shí),我關注的(de)公衆号也(yě)會定期推送金融領域幾大(dà)頂級期刊的(de)最新文章(zhāng)。每當我看到适合中國市場(chǎng)的(de)先進研究,便會通(tōng)過公衆号的(de)推文介紹給大(dà)家。當然,寫作中一定會加入自己的(de)思考。在 2019 年,這(zhè)類文章(zhāng)依然會占有一定的(de)比重。


最後一大(dà)類是偏技術性的(de)文章(zhāng),比如介紹某個(gè)統計學或者機器學習(xí)的(de)算(suàn)法。不過這(zhè)類文章(zhāng)最近已經寫的(de)越來(lái)越少了(le)。因爲對(duì)于很多(duō)技術或算(suàn)法,網上都已經有了(le)鋪天蓋地的(de)介紹,其中不乏優質文章(zhāng),遠(yuǎn)比我理(lǐ)解的(de)深、寫得(de)好。我會把重點放在一些曾讓我感到非常困惑、或者在量化(huà)投資的(de)實踐中有很多(duō)坑的(de)技術上。在寫技術類文章(zhāng)時(shí),我的(de)指導思想是“緻敬經典” —— 我不是技術的(de)發明(míng)者,我隻是知識的(de)搬運工。因此,我會毫不避諱的(de)直譯相關的(de)海外經典文獻(當然會給出處),目的(de)就是把技術講明(míng)白、說清楚。曾經有個(gè)朋友在一篇文章(zhāng)後留言說“翻譯的(de)不錯”。我不知道這(zhè)是誇我,還(hái)是 diss 我。但這(zhè)都不重要,因爲目的(de)已經達到了(le)。


以上是關于文章(zhāng)内容方面的(de)展望。在公衆号運營方面,2018 年的(de)一個(gè)薄弱環節是對(duì)關鍵字查詢支持的(de)嚴重缺失。很多(duō)朋友在後台回複一些關鍵字,在這(zhè)種情況下(xià)我們都是人(rén)工來(lái)匹配文章(zhāng)、再把相應的(de)連接回複給 TA。2019 年,我們會加強後台對(duì)關鍵字查詢的(de)支持,希望這(zhè)個(gè)問題能夠得(de)到改善。


最後,再次感謝各位朋友給予公衆号的(de)大(dà)力支持;也(yě)感謝各位耐心看完我的(de)碎碎念。


願 2019 年的(de)市場(chǎng)對(duì)我們好一點。


祝各位新年快(kuài)樂(yuè)。


A

附錄


除去本文,2018 年公衆号共推送 51 篇原創文章(zhāng)(外加一篇勘誤更正),它們可(kě)以粗略的(de)被劃分(fēn)爲以下(xià) 7 大(dà)類:Empirical Asset Pricing(9 篇)、因子投資(7 篇)、回測與數據挖掘(3 篇)、量化(huà)技術(14 篇)、量化(huà)策略(11 篇)、行爲金融學和(hé)交易心理(lǐ)(4 篇)以及其他(tā)投資(3 篇)。這(zhè)些文章(zhāng)的(de)鏈接如下(xià)。


A.1. Empirical Asset Pricing

CAPM 的(de)一小段曆史

股票(piào)多(duō)因子模型的(de)回歸檢驗

獲取 α 的(de)新思路:科技關聯度

未知風險,錯誤定價,還(hái)是數據遷就?

量化(huà)殼價值

中國版 Fama-French 三因子模型,了(le)解一下(xià)?

美(měi)股上一個(gè)跨越時(shí)間尺度的(de)趨勢因子

解釋股票(piào)截面預期收益差異的(de)獨立因子

實證研究 —— A 股上顯著的(de)風格因子


A.2. 因子投資

你用(yòng)因子,他(tā)也(yě)用(yòng)因子;你沒賺錢,他(tā)卻賺錢了(le)

用(yòng) IC 評價因子效果靠譜嗎?

正确理(lǐ)解 Barra 的(de)純因子模型

關于《正确理(lǐ)解 Barra 的(de)純因子模型》的(de)一處更正

協方差矩陣的(de) Newey-West 調整

Barra 因子模型中的(de)風險調整

Barra 因子模型截面回歸求解

爲什(shén)麽要進行因子正交化(huà)處理(lǐ)?


A.3. 回測與數據挖掘

科學回測中的(de)大(dà)學問

出色不如走運(II)?

美(měi)麗的(de)回測 —— 教你定量計算(suàn)過拟合概率


A.4. 量化(huà)技術

且看再平衡如何“無中生有”

凱利公式,從賭場(chǎng)到量化(huà)投資

粗糙路徑理(lǐ)論 —— 價格序列降維利器

小心僞回歸發現的(de)假關系

收益率到底能不能預測(模型篇)?

收益率到底能不能預測(實證篇)?

樸素貝葉斯分(fēn)類器

邏輯回歸 vs 樸素貝葉斯

夏普率随想

究竟什(shén)麽是量化(huà)投資?

止損到底有沒有用(yòng)?何時(shí)有用(yòng)?

模型複雜(zá)度随想

有沒有哪個(gè)趨勢指标更好使?

尾部相關性、尾部風險平價和(hé)聖杯分(fēn)布


A.5. 量化(huà)策略

構建一個(gè)技術分(fēn)析策略需要考慮哪些因素?

動量策略的(de)是與非

給你的(de)動量策略加點“料”

中國股市日曆異象之換月(yuè)效應

寫在當越來(lái)越多(duō)的(de)人(rén)談論價值投資時(shí)

跟著(zhe)靠譜基金經理(lǐ)學選股?

沙鋼調價,市場(chǎng)是否買賬?

次世代均值回歸策略

Greenblatt 的(de)神奇公式及其改進

從 CTA 趨勢策略的(de)表現看量化(huà)投資面臨的(de)挑戰

簡單多(duō)樣化(huà),資産配置的(de)優秀基準


A.6. 行爲金融學和(hé)交易心理(lǐ)

投資中的(de)逆向思維

那些年,那些錯

投資中的(de) N 種認知偏差,總有一款打敗你

艱難時(shí)刻需要堅韌信仰


A.7. 其他(tā)投資

多(duō)投機、弱監管、高(gāo)波動的(de)比特币市場(chǎng)是否非有效?

多(duō)因子如何玩轉加密币?

機器學習(xí)能否助力風險投資?



免責聲明(míng):入市有風險,投資需謹慎。在任何情況下(xià),本文的(de)内容、信息及數據或所表述的(de)意見并不構成對(duì)任何人(rén)的(de)投資建議(yì)。在任何情況下(xià),本文作者及所屬機構不對(duì)任何人(rén)因使用(yòng)本文的(de)任何内容所引緻的(de)任何損失負任何責任。