今年给自己立了个flag，想通过「面基」多访谈一些公私募量化，有可能的话，甚至想把公募量化管理人都采一圈。

从配置的角度看，量化可以说是必选项，与主动权益类基金是很好的互补。

尝试了两期播客，可能量化真的很小众吧，这两期的播放量都很差。但内容层面，我自己都挺满意的。

从这两期中摘抄一些关于量化的观点，与大家分享。

以下内容来自我做的一期量化单口播客，算是个人学习笔记：

✅ 市场里发生着各种事，这些事变成了信息流和数据流，被市场各种主体接收→分析→交易，这一笔笔交易又变成了新的价格流，它们也是一种信息。

信息传递越快，分析得越精准，交易得越充分，市场也就越有效。

✅市场是有效的吗？信息进入价格了吗？

长期看，市场是有效的。

但毫无疑问，信息通过交易进入价格的过程会被各种变量影响，也需要时间。所以，在某些时段，某些局部，市场并不是有效的。

✅其实「市场有效理论」的推论更加重要：如果现在的价格已经充分反映了所有已知信息，那么，从逻辑上讲，价格未来的走势就与已经price in的已知信息无关了，只会受增量信息的影响。

翻译过来就是：如果市场有效，就很难预测未来，因为增量信息无法预测。市场走势很难预测的另一个点在于，不仅增量信息会影响价格，人的分析和交易也和价格互相影响。

✅最后的结论很简单，市场总是在变，巨变，甚至可以说随着增量信息和人的反应，人不可能两次踏进同一个市场。

这种变化让因子会失效，风格会切换，抱团会瓦解，策略会失效，去年的冠军基金经理今年就泯然众人。

✅ 市场的阶段性无效（信息层面、分析层面、交易层面的无效），这些无效才超额收益的根源。

在这个市场里，谁能贡献无效性，谁就在贡献超额收益。

✅量化流派坚信的另一个底层假设是：相信历史会重复。

历史上发生过的事，被记录为数据，价格本身也是一种数据。

而量化会基于这些数据，运用各种模型和手段进行归纳，海选出能带来「超额收益」或者说「市场无效」的各种大概率事件，形成策略。当现在的数据和过去的数据类似，模型就会给出交易指令，对它所发现的大概率下注。

✅可以说，量化在归纳上是吊打人脑的，它在广度的覆盖上也远非人力所能及。

这种特点就导致量化特别市场去搞那些没什么关注度，研究不充分，交易不充分，无效性较高的公司。

这类公司普遍还有两个特点，其一，不是传统意义上的好公司，否则也不会没人研究。其二，普遍都是小市值。而且这类公司数量庞大，也覆盖不过来。

但是，他们天然适合量化，因为它能做下沉。

以下内容来自我对「华夏中证500指数增强」基金经理孙蒙的访谈：

✅我们去搭一个结构出来，让它去理解市场，再去自动化地去做决策。所以直接地说，目前都是程序和模型去做我们的投资决策。但是背后的这个框架是基于我们人对于市场的理解，由人来构建。

像最近比较火的这个GPT，它本身也是机器去做交互。但怎么去做这个交互，怎么去训练这个模型，这个都是需要很多工程师来去做这个工作。

✅我的市场观，最根本的一个点就是我们要敬畏市场。我自己的很多的假设都是会认为市场本身是足够有效的。任何的非理性行为或者是任何的不正确的行为，其实都会受到惩罚的。所以我们为什么希望拿量化去做建模，就是要规避一些人主观的、情绪的影响。再到具体的建模的角度来说的话，作为一个量化的基金经理，我可能更相信的是统计的力量。

在某些局部，我们觉得通过统计学可能能找到一些显著的规律出来。那我们觉得可能是在这一个局部，我们发觉到了一些所谓的真相，大概是这个逻辑。

✅所谓的市场是有效，我们觉得无效的投资是一定会被纠正，偏离和错误无法长期持续。因为市场上有太多的有经验的或者是基于足够信息的交易者来去纠正这个事情的。我自己的认知是觉得市场是在大部分时间是有效的，但是在局部是会出现这个偏离。我们去做交易本质就是为了去纠正这样定价偏离。

✅价值是在于一个标的的当前价格是不是和它的内含价值有偏离。如果有偏离的话，这个标的本身来讲就是有价值。它当前的价格如果低于它的内含价值，那它就是有投资机会的。

✅量化的选股方法，打个比方的话，有点像给此刻的市场拍一张快照，我们将这张照片称之为截面，然后对着截面里的股票，按照一些因子进行打分排序，进而选股。

因子就是一些指标，可能是宏观数据、企业基本面指标，也可能是技术指标。因子也可以分两类：一个是风格类，也就是大家所谓的β；还有一类就是不受到市场风格的影响，所谓的α。

我们希望的就是把不太受到市场变化影响的这些α因子抽取出来。

✅β层面我们是没办法去控制的，我们有能力控制的，主要就是超额的波动。

思路是什么呢？就是我们不去做择时，不去做行业的这个偏离，因而和基准（比如中证 500）在仓位、行业分布上保持一致， 也就是尽量缩小和指数的跟踪误差。然后我们专注在选股端就可以了，个股可以和基准有偏离。

✅一些流动性不好的标的，我们去参与就会比较显著地影响它的价格。比如说我看到一个标的当前是被低估了：对于流动性好的标的来讲，我去买不会对它造成太多的冲击；但是流动性特别不好的标的，虽然看上去它定价的偏离可能会更多一些，但是你买入的行为就会对价格产生影响，所以偏离不一定能拿到。

✅二月份是一个我从业以来没有见过的行情，确实是有很大的冲击，当然它是一系列事件持续发酵的反应。人要不要凌驾在模型之上，这是一个问题。我们最后还是觉得应该更相信模型本身的能力。当然，每一家的做法不一样。

✅量化其实是让交易更充分、定价更合理，增强市场的有效性。从流动性本身来讲，我觉得可能偏中性。一方面它确实会去做更多的交易，但另一方面（拍脑袋想），可能会使得很多本来可能会参与到市场的投资者可能就不交易了。所以其实存在两种影响，但是哪个的影响会更多一些，我觉得很难给一个特别准确的判断。所以我们流动性角度可能不会去考虑那么多。

我觉得可能更多从纠正错误定价的这个角度，或者是使得市场更有效的角度来说，肯定是有帮助的。