关于IR(信息比率)

　　如果看主动风险基本上是5%的主动风险，假设目标的回报是在3%，上下游一个5%的波动。这就是潜在的回报区间。我们知道分布是2/3要落在这里边的，可能有2/3的概率是从2%到8%。

　　现在我们来讲一下一个典型的IR大概有多高。当你看到一个IR，如果说IR是等于100，你觉得这个人是吹牛还是真的可以实现出来？我们要有一个大概的概念，这是美国市场大概的情况，大部分情况下我们的IR在0.5—1之间就算不错了，有比例很高的，但是大部分情况下成熟市场是0.5—1。为什么？因为在成熟市场去找α的机会就比较低，因为成熟市场专业机构很多，大家都很专业的时候一旦有好的机会都很容易被套利掉。因为竞争比较激烈，机会就比较少。

　　但是在中国市场就不一样了，中国市场散户很多，傻钱很多的时候做α就比较容易，因为你总是很容易从他们的傻钱上赚钱。这就是一个博弈。中国市场的IR通常比美国成熟市场更高一点，在国内做主动投资相对来说比美国容易。别看中国市场波动那么大，真的做主动投资的时候相对比美国容易一些。

　　下面我想讲一下我们怎么样能够来看待信息比率。为什么花很多时间讲信息比率？我们做投资的人都要去最大化股票。这个指标可以表述成两个部分，一个部分是信息系数，一个部分叫做广度。信息系数表示预测和实现回报的相关性，如果你每次预测都很准，说明你的信息系数很高，如果每次都不准，你的信息系数就可能是负的。你的技能越高，最后对信息比例的贡献就更好。

　　第二个就是你的广度，一年投资一次，广度就很小，一年有一百万次投资广度就很高。这就是高频和低频带来广度的差异，股票数量也会造成广度的差异。举个例子，假设你选股的IC是0.035，3.5%的相关性。如果我们给你说每个季度可以投200支股票，这个不算多，中国现在有3000支股票，每个季度给你投200支股票，一年就有800次机会。你把这个带到这里来，一年的投资IR应该是0.99左右，成熟市场上已经算不错的了。

　　相反我们来看一下择时，我们要投沪深300，每个季度投沪深300的机会，你预测涨还是跌。假设你的成功率很高，10%能搞对了，你一年4次乘以0.1，IR就只有0.2。所以也不是很高，比刚才0.99还差很多。

　　从这个例子可以看出来做量化除了提高技能之外，更多的还要关注你的投资机会，不能就选择一支股票去投。这样就完全没有充分利用量化的优势，投一支股票的人会非常深入调研一家公司，它的成功概率就比较高，我们做量化管理模型肯定很难达到主动投资的成功率，更多的需要扩展你的广度。

　　我刚才讲的是很多专业团队非常看重的两个因素，第一个是风险模型的重要性，怎么管理你的风险，怎么样让你的风险最低。任何一个投资大家都要注意，不要仅仅做回报，一定要管理风险，能够生存下来是一个基金经理最基本的原则，要是自己都没有生存下来，没有活下来，以后就再也没有机会了。

　　第二个是广度的重要性。增加广度不仅可以分散风险，还可以提高策略的稳定性。

量化投资的流程

　　下面花几分钟讲一讲我们在做投资基本的流程。量化投资有两个东西我们必须得重视，即IT投资平台和专业知识。有的时候理论讲得很多，没有技术平台帮助获得数据、处理数据，再好的想法也是纸上谈兵，必须通过回测和模拟才能判断策略的价值。IT平台在所有量化成本里边都是第一优先的，任何量化投资的公司，如果告诉连平台都没有，自己拿笔记本把量化做好的话，我对它是持有怀疑态度的。

　　做量化投资的第一步处理数据，这对所有的策略都是非常非常重要的环节。有的时候一个策略没有什么效果，可能就是因为数据处理不当，把真正好的东西淹没了。第二步是找出α模型，风险控制模型，产生出高回报、低风险的组合。这就量化投资最核心的流程。

　　关于量化投资，最需要被记住的

　　结束之前给大家讲量化投资里头几个最核心的东西，大家一定要记住：合理性，预测性，辅助性，一致性和附加性(SPACA)。

　　我们在做任何一个量化策略的时候千万要避免一件事情是什么？是数据挖掘。因为数据挖掘可以给你带来非常灾难性的后果。经典的例子孟加拉国的黄油跟纽约股票是正相关的，你能够用孟加拉国的黄油预测纽约的股票价格吗？一定记住在做任何策略之前千万不要先做相关性分析，这是最忌讳的事情。第一件事情要做什么？要做合理性的分析。就是研究策略之前要想清楚逻辑是什么，为什么他能够预测你的股票价格。

　　回到刚才的例子，为什么PE低要买进，PE高要卖出？基本的逻辑是因为市场的定价便宜。所以必须要选便宜的股票买进，贵的股票卖出。虽然这里头可能还有很多复杂的东西，但是没关系基本的逻辑要能够解释你的结果。

　　如果数据表明确实便宜的股票未来回报更高，就说明你的合理性判断是对的。这是建立量化模型的基础，无论是处于宏观还是微观的角度，都要给出符合逻辑的理由。

　　第一在做任何信号或者策略之前都要先分析一下。第二要判断你的模型能不能预测未来的股票价格，然后就可以用历史的数据模拟检验你的经济逻辑。有时候还要做一些辅助性的测试，当直接检验难以做到时，可以通过测度中间变量来检验原来的相关性

　　接着是一致性，就是你的策略是不是一直很好，不是说牛市的时候好，熊市的时候不好，或者说1月份可以工作，12月份就不行。我们希望策略能够在不同环境下都表现的不错，说明策略是比较稳定一致的，不要说今天好，明天就不工作，这不是我们希望看到的。

　　最后一个是附加性，你要判断新的东西是不是对现有模型有附加价值，能否是现有模型表现比以前更好，如果没有价值也没有必要用了。

　　最后是模型建完后要做样本外的测试。仅仅是样本内的数据并不能验证模型好坏，需要用样本外的数据跟踪一段时间，优矿网会逐渐把专业的工具开放给大家，让大家从简单的策略做起，然后逐渐将一些专业的、复杂的工具融合进来。