BigQuantAI量化平台实训报告
已经在BigQuantAI量化平台实训一个多月了,量化研究加上Fintech真的非常有趣。在互联网热潮过去之后,现在的潮流是人工智能+各种行业,根据国家的人工智能发展,这波热潮咱们还能赶上几年。我觉得知乎上有句话说的真对,虽然量化研究有用,但大形势下还得跟党走。希望我将来研究生毕业之后,量化+金融科技+人工智能产业还是蓬勃发展,让我找到一份有趣的并且可以实现人生价值的工作。
我的量化研究实习主要内容是量化基本面研究。基本面投资的框架主要有三点:理解过去、预测未来、如何建立一个模型来估值和决策。
进行基本面研究可以完全从市场的角度来分析。我们假设市场有所有的信息,这样所有的信息都包含在市场里,因为市场反映了基本面和市场情绪。同时,我们也假设市场是有一定的规律的,因为有一定规律我们才能找到一个模型或一种方法,从而利用这个规律进行投资。我们在研究的时候,首先要观察数据,发现里面的规律,然后确定买卖的时间点。所有的技术分析人员基本都遵循这个逻辑。
这种投资的特点是技术分析人员只关注价格或者价量的变化,通常用图表来分析它们的趋势和周期性。这种操作一般都是相对短期的,很少有人用这种投资方法做像巴菲特一样非常长期的三年、五年的投资。在投资学中,巴菲特这种,深入研究股票基本面,少而精准地分析股票的偏艺术风格投资称为主动投资。另一种投资就是量化大师西蒙斯倡导的量化投资,通过广度地挖掘市场规律进行投资,偏科学性。
我主要跟的是TMT行业。TMT实际是未来互联网科技、媒体和通信,包括信息技术大融合下的产业。带我的老师认为大形势下,媒体行业现在不太行,所以我现在跟的就是
计算机和电子行业。我本身对科技比较感兴趣,所以老师根据我的兴趣就让我研究这两个行业的基本面和公司,然后做量化模型。我,一个实习工资一个月几百块的同学,每天在发掘这些百亿的上市公司的alpha,为这些公司操心qwq。我觉得一个人能清楚的知道自己喜欢什么不喜欢什么,是非常非常重要的一件事情。
我在buy side,没有了解过sell side是如何做行研的。但根据我和不同的实训生聊天的结果,拼拼凑凑大概觉得卖方行研是把握大趋势和格局。研究用什么样的方法来说服buy side,说服投资人。但一个刚接触行研的人是不可能形成关于“道”层面的全知认识,必然是在“术”的层面积累以后,慢慢形成自己对于整个产业格局、对于整个行业趋势的理解。所以我司很多买方行业研究员的职业途径,都是第一份工作在具体产业里工作了5年以上,再来做research。
我一直在想一个问题,我觉得有做实业背景+有专业知识的人,比较适合某个具体行业的行研。虽然看上去各个行业的研究思路大体相同,但是我在学习某1.5Tier的研究报告与框架合集的时候(因为我也要找指标),发现差距还是很大的,虽然大家都要做ppt都要找数据都要写报告。每个行业就是有每个行业的特点。消费品和军工这能一样么?房地产和TMT,这差了不止一点半点吧。
BigQuantAI量化平台是我们自己找买点和卖点,在一个合适的位置去买它。但卖方行研我觉得不太精确。卖方研报里提供的都是季度数据,我猜测了下是上市公司一般只会公布季报,但是季报已经延迟了很多了。如果用这种数据会造成很大的误差。
量化基本面研究对于各个行业的方法都不尽相同。一个合理上升期的产业必然是供给和需求的合理匹配,所有非正常的波动都会回归正常。
我做完量化基本面研究以后,然后用合理的数据去跑回测,一直在细化如何找到并正确使用 更高频次的数据去fit 一个合理的股价model,得到尽可能大的SR,赚到超额收益。
但是量化基本面研究并不是说我把数据input进模型,就会output出一个非常完美的策略,这样是不对的,世界上哪有那么简单的事情。所有的事情都要符合逻辑,这部分就是人工来操作。然后再一轮一轮优化模型,这个过程就非常花时间了。所谓人工智能,大概就是我+python吧。然后学习到了一些投资技巧。
以低市盈率买入潜力股票,待成长潜力显现后,以高市盈率卖出,这样可以尽享业绩和市盈率估值同时增长的倍乘效益。
需要我寻找两个条件同时达成:
1、 企业在今后的业绩成长是持续的
2、 人们对其估值已经是太低太低的
有两个赚钱的规律持续了几十年,一个是低市净率的股票赚钱能力高于高市净率的股票,还有一个是小规模公司股票的赚钱能力高于大规模公司。所谓“市值规模策略”和“市净率策略。
要成为一个杰出的人,要做基业的长青,必须要学会延迟享受,控制欲望。幸福感,只有和控制结合,才能长期体会到。人生苦短,有很多有趣的事情可以去体验,能力越大责任越大。扪心自问,要对他人负责。做什么事情都要多想。
因篇幅问题不能全部显示,请点此查看更多更全内容