基本面量化方式

2019年年底，美国股市标普500指数突破了3000点大关，连续11年保持上涨趋势。尽管如此，美国资产管理公司的主动型基金仍免不了一场恶战，只有23%的美国股票型基金超过了被动型基金的年平均收益率，这与在长期上升的市场中主动型基金通常会表现卓越的认知完全不同。在过去的10年里，美国股市中主动型基金的比重不断减少，市场份额逐渐被被动型基金蚕食，韩国股市情况整体上与美国相似。为了在这种艰难的环境下生存，很多美国主动型基金管理公司标榜基本面量化的概念，不断寻求变化。

基本面量化方式是由量化与基本面两个单词合成的。顾名思义，这是既使用量化分析（量化投资）又使用基本面分析（主动投资）的一种投资方法论。2008年美国金融危机爆发时，基本面量化方式经常被作为业绩低迷的量化基金应对方案提及，而最近也经常被资金流出且业绩不佳的美国和欧洲主动型基金称作新一代投资方法论。基本面量化投资的典范就是美国最大的资产管理公司贝莱德集团。2017年3月，贝莱德集团宣布，将相当于主动型基金11%的300亿美元资金注入SAE（系统性主动股权）部门。SAE部门是贝莱德集团内应用基本面量化方式进行投资的部门，是通过算法将投资经理的经验和技术进行系统化，并在科学的数据分析、投资模拟、风险管理等方面融合量化技术的部门。

基本面量化方式投资备受关注的原因多种多样，主要有传统主动型基金业绩不理想、近几年各类数据量爆发式增加、数据收集及加工成本下降、机器学习分析技术发展和流行等。除贝莱德集团以外，美国和全世界在最近10年中使用基本面量化方法的基金规模不断增加。由于缺乏对基本面量化的严格定义，概念变得模糊。对此，可以参考几年前初期阶段的基本面量化方法论和近期的外国案例。在早期提出的基本面量化方法论中，很多是通过量化分析进行第一轮筛选（量化选股），其后在第二轮筛选中，由投资经理的直觉和定性分析最终确定投资组合。最近基本面量化投资还在适用于把所有的投资决策都编制成算法，并在另类数据的使用和分析、风险管理等方面积极应用量化分析（包括机器学习数据）等。此外，正如前文提到的，另类数据是与传统数据相对的概念，包括首席执行官、首席财务官等声音信息、人造卫星照片、消费者信用卡记录等数据，而非此前投资中主要使用的以3个月为周期的财务数据、经济数据或券商分析报告。这是最近随着大数据分析领域的发展而逐渐开始被广泛使用的数据。(https://www.daowen.com)

在基本面量化方式中使用的另类数据和机器学习算法并不是万能的，依然存在执行困难和解释的局限性。对特定类型的另类数据进行分析后，转换成适当的数值信息，可能会耗费很多时间和成本，还可能需要对极数值进行额外加工。机器学习算法存在着对于录入的数据过于敏感、难以解释因果关系等瓶颈。

投入使用基本面量化概念在资产管理行业不是选择问题，而是理所当然，因为不仅是金融领域，大部分行业中都在以数据科学、人工智能、机器学习等名义展开流程创新。美国甚至出现了专注于基本面量化转型的人事咨询公司或猎头公司，而且向证券公司或资产管理公司提供量化基础设施或软件解决方案的公司也不断增加，理想的基本面量化投资的方向是将量化投资和基本面投资的优点最大化。