量化投资在中国并不是非常成功的原因可能有两点，一是市场发展没有提供足够的广度和深度，二是此前的量化投资操作没有严格按照合同规定操作。而这两点目前在某种程度上都部分得到了解决。

量化投资是各种投资策略中最神秘的部分，在中国同时也是一片亟待开发的处女地。包括交银施罗德基金在内的国内多家基金公司开始把数量化投资作为重点发展的领域。量化投资领域涉及各类技术性问题，需要实践与理论密切结合。

在交银施罗德举办的论坛上，美国金融学会理事(Director of the American Finance Association)、普林斯顿大学John Scully’66讲席教授Harrison Hong详细介绍了他关于高风险股票长期表现不如低风险股票的相关研究。

交银施罗德量化投资部总经理龙向东博士也接受了记者的采访，畅谈数量化投资在中国的广阔发展前景。

量化投资初来乍到

大多数听说过数量化投资的人，也许并不十分清楚量化投资家们究竟在做什么。艰涩难懂的数量模型像一座座高耸的围墙，让普通人难以接近这个领域。

不过在龙博士看来，量化投资只是在理论和实践中寻找、搭建一座桥梁。他说：“量化投资有时候源于学术研究，在某些人看起来过于学院派。但实际上，我们试图从实践中寻找到某些可能的方向，然后用一些模型去回溯历史，并且通过这些模型预测未来。简言之，就是通过回溯历史找到最有效的方法预测可能的未来。”

在国内，量化投资仅仅只是小荷才露尖尖角。虽然过去几年中被多次提及，也有相关产品问世，但令人印象深刻或表现突出者，却“乏善可陈”。乃至有人甚至认为，量化投资在中国市场水土不服。

龙向东说：“量化投资在中国并不是非常成功的原因可能有两点，一是市场发展没有提供足够的广度和深度，二是此前的量化投资操作没有严格按照合同规定操作。而这两点目前在某种程度上都部分得到了解决。”

西方理论的中国运用

“我们量化模型的建模思路主要有两个来源，一是洋为中用，将海外的东西本土化；二是对国内实战部分的成功经验加以提炼。”龙向东说，Harris Hong教授的研究有助于拓宽量化团队的研究思路。

作为普林斯顿大学John Scully’66讲席教授的Harrison Hong，曾连获学术界大奖，也是美国金融领域为数不多的华裔教授。Hong教授的一个重要发现是，长期来看，低风险股票的收益显著超越高风险股票。

过去被奉为投资经典和基石的“证券市场线(SML)”理论认为，高风险股往往带来高收益、低风险股往往低收益。而根据Hong教授的长期数据研究，全球股市中低风险个股具有更高的长期累积收益，而高风险股的长期累积收益往往偏低。这一颠覆性观点引发了量化投资者的高度关注。

Hong教授的研究表明，从1968年至2010年，和美国股市中风险(日波动率)较大的股票相比，风险较小的股票，累计收益率要高几十倍。美国股市中，波动性较小的股票通常是公用事业股和低估值价值股；波动性较高的股票通常是各个时代最推崇的时尚股，比如1990年代的网络股等等。

Hong教授发现了一个十分有趣的现象：和人们印象中的结论恰恰相反，那些保守的、低波动率的波澜不惊的股票，长期收益远远超过高波动率股票。更为引入瞩目的是，在历经了2008年的投资溃败之后，风险最大的那批股票最终的累积收益甚至低于其初始资本。具体而言，如果投资者在1968年投资1美元于美国股市的高风险股，每次选取当月波动率较高的(也是最热门的)前四分之一股票，于每月月底进行资产组合调整，那么30多年后的投资结局将是跌破面值(累积面值不足1美元)。这无疑是比内地市场所谓“十年零收益”更令人惊讶。

Hong教授还发现，高风险股和低风险股之间的长期收益差距，往往在一轮市场泡沫破灭后显著拉开。最近两次收益悬殊的阶段分别是2008年的次贷危机和2000年初的网络股泡沫。

根据这些发现，Hong教授提出了一系列投资策略，比如“在大家对宏观前景预期高度不一致时，投资低风险股票；而在大家对宏观前景看法较一致时，投资高风险股票”。

“Hong教授的研究成果为我们自身的建模提供了十分有益的借鉴，但我们取其思想，而在形式上有所改动。比如Hong教授用美国市场上分析师对市场前景的分析判断来作为基础数据，但中国市场上分析师的研究报告尚有可完善改进的空间，我们会用更符合中国市场特点的数据作为分析基础。”龙向东解释说，此类改良不胜枚举，是谓取理论之神，改细节于形。

步步为营

当市场上真正的量化投资者凤毛麟角的时候，也是这种投资方式可能大展拳脚的时候。不过，量化投资如何真正运用于中国市场，也许还有很长的探索之路要走。

过程是繁复而且漫长的，但千里之行始于足下。龙向东介绍道，此前交银施罗德量化团队专注于量化被动产品(指数基金)的运作，2011年团队专注于研发，为2012年量化主动产品的问世打下了坚实的基础。

“我们需要把理论成果化繁为简，灵活运用到投资实践中去。慢工出细活，把时间放长了看，3到5年的时间，就可能取得较好的效果。先让投资者了解我们的目标，然后我们可能再稳步推出量化系列产品，目前在绝对收益产品、结构化产品、配对交易、高频交易等方面均有一定的储备、布局。”龙向东说。

我们的模型主要在几个方向：大类资产配置模型、阿尔法信号模型、风险模型和优化模型。回溯测试的结果显示在2009年、2010年、2011年都能取得不错的投资模拟收益。”