随着科技进步开辟了量化投资新领域，您能谈谈我们是如何以及何时开始将另类信号整合到荷宝的量化投资中的？以及荷宝在下一代量化投资方面的实践？
“我们的主要模型囊括了价值、动量和质量等广为人知的因子，我们将其归类为回报因子，此外还包括用于保守型策略的低风险因子。我们不断地研究如何改进这些因子，并于2009年开始通过应用择时指标而将另类信号纳入投资策略。这一指标通常基于变动更快且具创新性的信号，有助于我们在主要模型识别出具有吸引力的股票后，确定最佳交易时机。”
“起初，我们为择时信号分配了10%的权重，并逐渐增加其他要素以改进策略。这些要素带来了巨大的潜在收益和多样化好处。例如，择时指标与传统因子的相关性低，可以减少回撤幅度，改善风险回报比。但是，由于这些信号变动快速，如果我们给予太高的权重，可能会导致换手率和交易成本升高。”
“最新信号方面，其中一个进展是机器学习的应用。最初这一信号用于预测风险，尤其是困境风险，即识别哪些股票可能会下跌。而今，机器学习在这方面非常高效，特别是当你输入各种风险相关的变量时。”
“你还可以应用机器学习来利用交互效应，这的确令人振奋。例如，在短期反转效应下，过去几周持续下跌的股票通常会出现反弹。机器学习可以通过研判这些股票的流动性等更多因素，帮助我们优化这些策略。”
“大约在2019年，我们开始使用自然语言处理（NLP）信号，将信息中的情绪转化为分数。它可以评估消息中的积极或消极情绪。我们正在扩大NLP的应用范围，用于分析财务业绩发布会记录，甚至是财务业绩发布会的音频文件，不仅是分析其中的文字，还会分析其中的语气和语调。”
荷宝如何在投资策略中强化这些信号以降低风险？
“以分析师修正为例，分析师会上调或下调收益预期。但是，分析师有偏向性：他们往往青睐大盘股、成长股。我们的目标是中和这种偏向性，这在过去帮助我们降低了风险，并获得了更好的回报特征。”
“我们在学术研究中探讨了这类问题。我们的残差动量论文与价值和困境风险论文就是学术研究方面的很好例子。在价值和困境风险论文中，我们选中价值溢价作为研究切入点，展示了如何在策略中获取价值溢价并消除困境风险。我们利用困境风险信号来帮助我们选择低风险特征的公司。我们也利用这一信号来避开破产风险最高的股票。”
如何确保这些数据集产生的所有新信号都是可靠的？
“虽然我们拥有海量数据集可供使用，但并不是所有的数据集都符合标准。我们在挑选数据集时非常谨慎，确保它们准确可靠，并且能够为我们的策略增值。同时我们也在开辟新领域的数据集，范围涵盖专利数据到金融博客数据。”
“许多新兴信号的使用时间确实并不长，但通常已经足够满足我们的需求。例如，我们最初在2006年开始研究新兴市场时，这里的数据并不像发达市场的那样全面或优质。但却足以让我们开始研究，随着我们深入挖掘，我们了解到更多数据，并且能够随着时间推移提高数据质量。”
“为了确保新信号的可靠性，我们通常从学术文献中获取灵感，这些文献主要着眼于美国市场。之后我们也在其他地区观察此类信号。例如，即使新兴市场的数据较少，但欧洲市场可为我们提供一个强有力的样本外检验。我们还评估这些信号在不同市场条件下的表现。即使是在较短的给定时期内，我们也会分析信号在不同市场阶段（如牛市、熊市或高波动时期）的表现。掌握这些信号在不同情境中的表现至关重要。”
“‘阿尔法张成检验（spanning alpha test）’是令人振奋的另一方面。通过这种检验，我们会调查新的数据集是否能够带来新信息，因为我们不希望重复做无用功。有时，一个新变量可能只是‘换汤不换药’，实际提供的还是已有信息。在这种情况下，我们可能会决定放弃这个变量。但有时我们会发现独特而有价值的新变量。鉴于我们现有的模型相当成熟可靠，要通过这一检验是相当不容易的。”
下一代量化投资中使用的新信号，哪些与可持续发展有关？
“我们最近开始使用的两个可持续发展相关要素是员工敬业度和资源效率。员工敬业度确实是一个值得关注的因子。员工可以在Glassdoor等平台给自己的公司打分，也可以在平台上表达自己的满意或不满。评分高的公司通常拥有积极高效的员工队伍。我们发现，与劳动成本相比，员工满意度可以带来更高的销售额。值得关注的是，这些公司未来的股票回报往往更好。员工满意度是与环境、社会与公司治理（ESG）中的‘社会’要素相关的阿尔法信号。”
“而资源效率偏向于ESG中的‘环境（E）’要素。以燃油效率高的航空公司为例，显然它们的成本更低，消耗的资源更少，也就具备了竞争优势。我们认为这可能也适用于其他能源、公用事业、汽车和工业等资源密集型行业。衡量资源效率的一个方法是关注企业单位销售额的碳排放量（代表消耗的资源）。经过分析我们发现资源节约型公司（单位销售额的碳排放较少）未来的股票回报率确实更高，而且它们的碳排放量更少，因此成为可持续发展的赢家。”
关注官方微信
随着所有这些进展的发生，保持领先是否会变得更加困难？
“我们认为长期深耕这一领域是我们的优势，因为我们是在严谨的研究中积累了这方面的经验，而且我们的目标是将传统数据和新出现的信号相结合，在现有因子和创新数据集之间取得最佳平衡。”
“换手率和交易成本在学术文献中要么被忽视，要么被视为一成不变的因素，但我们会仔细考虑这些问题。换手率和交易成本对变动较慢的策略影响较小，但对于那些较新、变动较快的信号来说，忽视这些因素，往好了说是幼稚，往坏了说是浪费。”
“你需要考虑一种智能再平衡策略，即一种智能交易策略。我们和量化股票总监周维礼合著的几篇论文解释了如何实施相关策略，即如何以智能的方式考虑交易成本，而又能在不计入交易成本的情况下执行这些策略。”
最后，荷宝希望如何在未来保持作为创新者的地位？
“我们没有并且将来也不会未经深入调查就采用新的另类数据集。我们不会仅仅为了看起来有创新性而就采用某些信号，我们采用某些信号，是因为我们相信它们能够创造价值。我们的目标是通过关注已知信号以外的多个信号，实现多样化阿尔法收益。如果某种特定方法有助于实现多样化，提高阿尔法收益，或改善风险特征，那么我们会积极采用它。但是，我们将始终追求适当的平衡，并会认真考虑交易成本，因为这是我们策略的一个关键方面。”
免责声明:
本文由荷宝私募基金管理(上海)有限公司(“荷宝上海”)编制, 本文内容仅供参考, 并不构成荷宝上海对任何人的购买或出售任何产品的建议、专业意见、要约、招揽或邀请。本文不应被视为对购买或出售任何投资产品的推荐或采用任何投资策略的建议。本文中的任何内容不得被视为有关法律、税务或投资方面的咨询, 也不表示任何投资或策略适合您的个人情况, 或以其他方式构成对您个人的推荐。本文中所包含的信息和/或分析系根据荷宝上海所认为的可信渠道而获得的信息准备而成。荷宝上海不就其准确性、正确性、实用性或完整性作出任何陈述, 也不对因使用本文中的信息和/或分析而造成的损失承担任何责任。荷宝上海或其他任何关联机构及其董事、高级管理人员、员工均不对任何人因其依据本文所含信息而造成的任何直接或间接的损失或损害或任何其他后果承担责任或义务。本文包含一些有关于未来业务、目标、管理纪律或其他方面的前瞻性陈述与预测, 这些陈述含有假设、风险和不确定性, 且是建立在截止到本文编写之日已有的信息之上。基于此, 我们不能保证这些前瞻性情况都会发生, 实际情况可能会与本文中的陈述具有一定的差别。我们不能保证本文中的统计信息在任何特定条件下都是准确、适当和完整的, 亦不能保证这些统计信息以及据以得出这些信息的假设能够反映荷宝上海可能遇到的市场条件或未来表现。本文中的信息是基于当前的市场情况, 这很有可能因随后的市场事件或其他原因而发生变化, 本文内容可能因此未反映最新情况, 荷宝上海不负责更新本文, 或对本文中不准确或遗漏之信息进行纠正。