明汯投资：数据点及结构化数据越多越有利于建模

自2000年以来,机器学习、深度学习等前沿技术在量化投资领域的应用日益广泛,对传统投资策略和方法产生了深远影响。明汯投资积极拥抱新兴技术带来的机遇和挑战,不断采用更为复杂的预测模型来提升投资决策的准确性和效率。

回顾2023年,尽管量化私募行业的规模扩张速度有所放缓,但业绩优势仍然得以保持。据私募排排网数据,去年全年量化私募机构平均收益达到了4.89%,这一数字足以证明其在市场中的竞争力和影响力。随着行业步入高质量发展阶段,行业内的竞争也愈发激烈。为了在竞争中脱颖而出,头部量化机构如明汯投资不断加大在模型迭代方面的投入,在核心竞争力上下功夫,期待针对优化投资体验有所贡献。

从量化投资的基本步骤来看,模型开发始终建立在收集数据、数据清洗和特征提取的基础之上。数据和量化投资模型是相互依赖、相互促进的关系,数据为模型的开发提供了输入和验证的基石,量化投资模型也为数据的解读提供了新的视角。

在明汯投资看来,一般而言,数据点及结构化数据越多,越有利于量化投资进行建模。如果某个大事件历史上没有发生过或仅发生过几次,基于过往总结出的“规律”在这个阶段不一定有效,也很难找到合适的数据来训练,进而影响置信度。

明汯投资等规模较大的量化机构,每年都会投入大量成本以获取全面而深入的基础数据,这些数据不仅涵盖基础的证券信息、交易记录、宏观经济与行业数据,还广泛搜集难以轻易获取的另类数据源。从新闻报道、各类研究报告的文本舆情,到通过卫星图像捕捉的港口运输数据,海量数据中蕴藏着可以反映金融市场情绪、企业经营实况及经济发展的领先指标。

经由对数据进行分析和处理而获得、对个股收益差异有解释作用的特性或指标即为因子。明汯投资指出,目前国内主流量化私募的模型中价量因子占比较高,但也会同时持续对基本面因子进行深入的研究。随着量化行业的持续发展,未来各类因子都可能提供非常重要的贡献。

数据和算力是量化投资机构保持竞争力的关键要素,通过不断优化数据处理和模型迭代,明汯投资在量化投资领域保持领先地位。一方面,明汯投资始终强调数据点及结构化数据的丰富性对于建模的重要性;另一方面,明汯投资紧跟科技发展最前沿,持续加大对交易系统、算法以及硬件设备的投入,始终保持硬件设备和软件建设在市场中处于顶配水平。