主观投资与量化投资的关系

主观投资与量化投资的关系

小象实战讲义 · 初阶量化交易：策略编写及系统搭建 本讲义仅用于编程与量化方法教学，不构成任何投资建议。

在投资界，常常存在将”主观投资”与”量化投资”对立看待的误区。有人认为量化交易是不可捉摸的”黑盒算法”，也有人认为主观投资纯粹依赖经验与盘感。事实上，主观投资与量化投资在底层逻辑上并无本质鸿沟，核心区别仅仅在于策略如何被制定以及如何被执行。

本讲将系统梳理投资策略的两大范式（理论驱动与数据驱动）、剖析五大经典投资门派的底层逻辑，并结合有效市场假说（EMH）与理查德·塞勒的行为金融学理论，深入探讨在真实市场中”到底赚谁的钱、赚什么钱”的终极问题。

💡 核心导读

• 策略制定的两大范式：
  • 理论驱动：拥有逻辑自洽的理论体系（如价值投资中价格向内在价值收敛），执行端可借助量化程序自动化筛选与监控；
  • 数据驱动：挖掘历史统计相关性，但必须强调业务逻辑的可解释性，坚决摒弃”无脑统计、纯属巧合”的伪策略。
• 五大经典投资门派：价值投资、成长投资、技术型投资（量价技术分析）、组合型投资（现代资产组合理论 MPT）与指数型被动投资。
• 超额收益的来源：有效市场假说（EMH）认为无法获得超额收益，但现实中超额收益长期存在，其根本源泉在于人性中对获利的贪婪与对损失的恐惧亘古不变。
• 量化交易的两大盈利本质：
  1. 市场在特定时空维度的无效性（捕捉别人犯下的非理性错误）；
  2. 主动承担某种特定风险以赚取合理的风险溢价（如期权卖方赚取确定性时间价值）。

┌─────────────────────────────────────────────────────────────┐
│                    量化与主观投资盈利本质框架                    │
└──────────────────────────────┬──────────────────────────────┘
                               │
         ┌─────────────────────┴─────────────────────┐
         ▼                                           ▼
┌──────────────────┐                       ┌──────────────────┐
│   市场短期无效性   │                       │   特定风险溢价   │
├──────────────────┤                       ├──────────────────┤
│ • 情绪恐慌错杀   │                       │ • 承担特定尾部风险│
│ • 短视冲动交易   │                       │ • 收取确定性保费  │
│ • 均值回归获利   │                       │ • 严控黑天鹅爆仓  │
└──────────────────┘                       └──────────────────┘

一、策略的两大范式：理论驱动与数据驱动

不论是主观交易者还是专业量化团队，其投资策略均可归为两大驱动模式：

1. 理论驱动型策略（Theory-Driven）

• 代表形态：经典价值投资、宏观对冲策略。
• 核心特征：建立在完备且逻辑自洽的经济学或金融学理论之上（例如：股票价格围绕内在价值波动，当市场价格远低于清算价值或现金流折现价值时买入）。
• 量化赋能：在理论驱动下，量化程序充当强大的自动化研究与执行助手，通过编写代码批量爬取财报、计算估值指标，快速锁定符合理论框架的候选标的。

2. 数据驱动型策略（Data-Driven）

• 代表形态：日内高频统计套利、日历效应、多因子量化选股。
• 核心特征：通过对海量历史行情数据进行统计建模与机器学习，挖掘出显著的价格相关性或异常溢价规律。
• ⚠️ 核心警示：数据驱动必须具备可解释性。
  • 市场上常有人无脑统计”国庆节前持股还是持币”等表面相关性，这种单纯的历史数据巧合极度危险；
  • 正确的数据驱动必须有深刻的微观机制支撑。例如，A 股常出现的”周四资金波动（黑色星期四）“，其背后本质是部分机构资金为了在周末获取货币基金或短期理财收益，必须在周四前平仓卖出回流资金的流动性摩擦。只有具备可解释性的数据规律，才能作为实盘策略的基石。

二、五大经典投资门派的量化视角解读

① 价值投资 ─── 寻找【价格 < 内在价值】的低估标的
② 成长投资 ─── 寻找【当前价值 << 未来价值】的高弹性标的
③ 技术分析 ─── 剖析量价与形态（千人千浪，依赖主观经验）
④ 组合投资 ─── 现代资产组合理论(MPT)，通过协方差矩阵优化风险收益比
⑤ 指数定投 ─── 被动投资，低估值区间分批建仓，依靠大盘长期β

1. 组合型投资（现代资产组合理论 MPT）：
   • 马科维茨（Markowitz）提出的现代投资组合理论是现代量化的基石。其核心在于：通过计算不同资产之间的协方差与相关系数，在风险恒定的条件下最大化预期收益，或在收益目标恒定的条件下最小化组合波动率。
2. 指数型被动投资（散户最稳健的量化原型）：
   • 承认单靠选股与择时很难长期战胜市场基准，转而通过定期定额（定投）追踪宽基指数；
   • 在指数处于估值低位（如历史上证指数 3000 点以下区间）时分批布局，彻底规避高位站岗风险，利用均值回归获取长期贝塔收益。

三、有效市场假说 vs 行为金融学：我们到底赚谁的钱？

1. 有效市场假说（EMH）的三种形态

由尤金·法玛（Eugene Fama）提出的有效市场假说认为资产价格已经充分反映了所有信息：

• 弱式有效：历史价格与交易量信息已完全反映，技术分析失效；
• 半强式有效：所有公开披露信息已完全反映，基本面分析失效；
• 强式有效：包含内部信息在内的所有信息完全反映，一切超额收益途径失效。

2. 真实市场的超额收益源泉：行为金融学

如果市场绝对有效，那么任何主动投资都失去意义。但在现实世界中，超额收益不仅长期存在，且规模巨大。其根本原因在于理查德·塞勒（Richard Thaler，2017 年诺贝尔经济学奖得主）所阐释的人性认知偏差：

• 禀赋效应（Endowment Effect）：投资者对”避害”（亏损）的恐惧远大于对”趋利”（收益）的渴望，导致深度套牢时不愿止损；
• 跨期选择偏误（Intertemporal Choice）：人类天生缺乏跨期远见，极易被短期涨跌噪音绑架而做出冲动追涨杀跌；
• 心理账户（Mental Accounting）：将不同来源的资金区别对待，导致非理性的风险偏好扭曲。

3. 量化交易的唯二盈利源泉

在充分理解市场微观机制后，专业交易者必须明确自己的盈利定位：

1. 赚市场短期无效性的钱（对手方犯错）：
   • 当突发性负面消息引发群体性恐慌抛售时，优质资产的价格往往会被非理性错杀（如外部制裁消息引发的短期大幅超跌）。量化策略在价格严重偏离内在价值时果断入场，等待市场情绪平复后的理性均值回归。
2. 赚主动承担特定风险的风险溢价：
   • 类似于保险公司收取保费，某些量化策略（如期权卖方策略）通过常态化承担小概率的波动风险来获取稳定的时间价值收益。此类策略的核心在于极端风险的防范机制，切忌因风控漏洞导致”平时赚小钱、一次黑天鹅爆仓”（如长期资本管理公司 LTCM 的历史覆灭教训）。

📝 动手练一练

下面我们通过 Python 代码，实现两项核心数学与业务模拟：

1. 现代资产组合理论（MPT）：计算两项负相关资产在不同权重下的组合收益与组合波动率，验证”分散化投资降低风险”的数学原理；
2. 市场短期无效性（恐慌错杀与均值回归）：模拟突发非理性冲击下跌后，价格向内在价值收敛回归的过程。

import numpy as np
import pandas as pd

def demonstrate_mpt_and_inefficiency():
    # ---------------- 1. 现代资产组合理论 (MPT) 模拟 ----------------
    np.random.seed(42)
    ret_A, ret_B = 0.12, 0.08  # 资产 A 与 B 的预期年化收益率
    vol_A, vol_B = 0.20, 0.15  # 资产 A 与 B 的年化波动率
    corr = -0.20               # 两项资产呈微负相关 (具备对冲分散效果)
    
    weights_A = np.linspace(0, 1, 11)
    portfolio_records = []
    
    for w_a in weights_A:
        w_b = 1.0 - w_a
        port_ret = w_a * ret_A + w_b * ret_B
        # 组合方差计算公式: wA^2*σA^2 + wB^2*σB^2 + 2*wA*wB*σA*σB*ρ
        port_var = (w_a**2 * vol_A**2) + (w_b**2 * vol_B**2) + (2 * w_a * w_b * vol_A * vol_B * corr)
        port_vol = np.sqrt(port_var)
        portfolio_records.append({
            'Weight_A': w_a, 'Weight_B': w_b, 
            'Return': port_ret, 'Volatility': port_vol
        })
        
    df_mpt = pd.DataFrame(portfolio_records)
    min_vol_idx = df_mpt['Volatility'].idxmin()
    best_combo = df_mpt.loc[min_vol_idx]
    
    print("================ MPT 现代组合理论配置示范 ================")
    print(f"最小波动组合权重: 资产A {best_combo['Weight_A']*100:.0f}% + 资产B {best_combo['Weight_B']*100:.0f}%")
    print(f"组合预期收益率: {best_combo['Return']*100:.2f}% | 组合波动率: {best_combo['Volatility']*100:.2f}%")
    print("结论: 组合波动率(10.78%)显著低于任何单一资产的最低波动率(15.00%)！")
    
    # ---------------- 2. 市场短期无效性与均值回归模拟 ----------------
    intrinsic_value = 100.0  # 资产内在公允价值
    noise = np.random.normal(0, 1.5, 35)
    market_price = intrinsic_value + noise
    
    # 模拟在第 20 期遭遇突发恐慌情绪冲击，单日暴跌 8 元（严重偏离内在价值）
    market_price[20] -= 8.0
    
    # 模拟其后 5 期市场情绪理性修复，价格向内在价值均值回归
    for t in range(21, 26):
        gap = intrinsic_value - market_price[t-1]
        market_price[t] = market_price[t-1] + gap * 0.45 + np.random.normal(0, 0.8)
        
    mispricing = intrinsic_value - market_price[20]
    rebound_ret = (market_price[25] - market_price[20]) / market_price[20]
    
    print("\n================ 市场短期无效性与恐慌错杀模拟 ================")
    print(f"内在公允价值: {intrinsic_value:.2f} 元 | 恐慌错杀底价: {market_price[20]:.2f} 元 (定价折价 {mispricing:.2f} 元)")
    print(f"理性修复后价格: {market_price[25]:.2f} 元 | 均值回归反弹收益: {rebound_ret*100:.2f}%")
    print("=========================================================")

if __name__ == "__main__":
    demonstrate_mpt_and_inefficiency()

运行结果输出：

================ MPT 现代组合理论配置示范 ================
最小波动组合权重: 资产A 40% + 资产B 60%
组合预期收益率: 9.60% | 组合波动率: 10.78%
结论: 组合波动率(10.78%)显著低于任何单一资产的最低波动率(15.00%)！

================ 市场短期无效性与恐慌错杀模拟 ================
内在公允价值: 100.00 元 | 恐慌错杀底价: 94.20 元 (定价折价 5.80 元)
理性修复后价格: 98.75 元 | 均值回归反弹收益: 4.83%
=========================================================

本章小结

1. 主观与量化同源异流：两者共享金融逻辑与投资哲学，量化交易是利用程序化、模型化手段增强策略的制定与执行纪律。
2. 警惕无逻辑的数据驱动：数据相关性必须拥有扎实的微观机制解释，拒绝历史巧合型拟合。
3. 认清盈利本质并保持敬畏：在市场短期无效时把握情绪错杀机会，在承担特定风险时严密构筑风控底线，绝不因盲目杠杆重蹈 LTCM 覆辙。

📋 行动清单 (Action Checklist)

• 审视自己现有的交易逻辑，归类其属于理论驱动还是数据驱动；
• 运行本讲 MPT 模拟代码，尝试修改 corr（相关系数由负转正），直观感受资产相关性对投资组合抗风险能力的决定性作用；
• 课后阅读理查德·塞勒《错误的行为》或相关行为金融学文献，加深对市场非理性行为的理解。

— 小象教研组