第3章　理论驱动型阿尔法模型的六类策略

阿尔法不是一个数字，是一种关于时机的技巧#

本章开篇用玻尔那句「预测，尤其是预测未来，是极为困难的一件事」（第3章题记）定调。作者先给阿尔法的常规定义：扣除市场基准回报之后的投资回报率。举例：基金回报 12%、同期市场基准 10%，则阿尔法为 2%（假设组合贝塔恰好为 1），由市场因素带来的那部分回报称为贝塔。但作者立刻指出这种算法的缺陷——它无法判断收益是策略带来的还是单纯的好运带来的，而任何交易者都倾向于把超额部分归功于自己的策略。

于是作者给出他的非常规定义：阿尔法是在交易中关于买卖时机把握和持有头寸选择的技巧。这个定义背后有一个基本观点：没有永远好或永远坏的金融产品，因此没有任何产品值得一直持有或从不值得持有。趋势跟随者靠识别趋势来挑时机；价值型投资者也一样——如果某只股票的价格总是处于低位，基本可以确定它不值得持有，因为它的估值不会发生什么变化。价值投资的逻辑是低估时买入、合理或高估时卖出，这同样是一种时机选择。作者由此把趋势和价值这两个看似对立的门派收进同一个框架。

阿尔法模型在系统里扮演的角色，作者用了一个比喻：它像个乐观主义者，通过对未来的预测来取得收益。所有成熟的阿尔法模型都有局限性，在一定范围内预测精确，某些情形下也会犯错，但扣掉错误损失和交易成本后仍然有利可图——这就够了。作者顺带点了巴菲特：他长期跑赢市场的超额部分就是阿尔法，但在 20 世纪 90 年代末互联网泡沫中他的策略没发挥作用，阿尔法收益很低，因而饱受争议。

两类宽客：理论主义与经验主义的分野#

绝大部分宽客是理工科出身再投身金融，理工科背景会左右他们一辈子的策略选择。科学有两个重要分支：理论型科学家假设世界为何是现在这个样子来解释世界（作者的例子是工程师依据空气动力学原理设计出能远距离平稳飞行的飞机）；经验型科学家则认为，即使不假设行为的合理性，只要观察足够充分也能预测未来的行为模式——知识源于经验，典型应用是人类基因组计划，研究碱基对与人类特征之间的对应关系。

这个分野直接产生两类交易策略。第一类也是迄今最常见的是理论驱动型：观察市场行为 → 找一个普适性理论解释它 → 用市场数据检验这个理论。作者强调这些理论绝大部分通俗易懂，在鸡尾酒宴会上讲给朋友听大家都会点头，例如「便宜的股票比贵的更有投资价值」（“两类阿尔法模型”一节）——众多价值型基金存在的原因就是它。关键在于：某种理论一旦可以被准确描述或定义，就可以被检验。

第二类是少数派的经验型，被戏称为”数据矿工”。他们认为不需要理论解释，只要用对技术手段就能识别出隐藏在数据中的模式。仍以人类基因组计划为例：科学家不去解释基因片段与人类行为特征之间的对应关系为何存在，只从理论上说明这种对应关系可以用统计方法刻画，然后去研究它。作者补了一句公允话：理论型科学家在研究之初也很依赖观测数据，也相信数据中的现象未来仍会出现；真正的差别是——经验型宁愿花大力气去发掘数据中繁芜丛杂的关系模式，也不愿总结一套理论去统一解释数据。

六类策略，和那条真正的分界线#

作者给出本章最重要的结论之一：绝大多数理论驱动型交易策略可以较容易地划分为六类——趋势型、回复型、技术情绪型、价值型/收益型、成长型、品质型。他同时打掉两个圈外人的误解：这些策略既没有保密的必要，也不是只有博士才能理解；很多宽客觉得自己的理论独特所以要保密，“事实证明，这通常都是错觉”。更关键的是，宽客用的这六类策略，和追逐阿尔法的主观判断型交易者用的策略完全相同。

那么区别在哪？作者给出全书反复出现的那把尺子：理解一个交易策略所使用的数据，比理解策略本身更加重要。按数据分，趋势型和均值回复型依赖价格数据，技术情绪型可看作基于价格的第三类；价值型/收益型、成长型、品质型则基于基本面数据。图 3-1 给出理论驱动型阿尔法模型的分类框架（本书提取到的只有图题，无图内容，见文末说明）。

基于价格之一：趋势跟随#

价格数据这一块，宽客通常只分析两种现象之一：已有趋势是否会延续（趋势跟随/动量），或目前趋势是否会反转（反趋势/均值回复）。

趋势跟随的基本假定是：在一定时间内市场通常朝着同一方向变化。它的经济学基本原理是市场均衡理论。作者用一个宏观情景讲清楚这个机制：假设美国经济中期前景高度不确定——劳动力市场不错但通胀过于严重、贸易赤字扩大，同时居民消费快速增长、房地产强劲。这种指标互相矛盾的情形才是市场常态。假如通胀最终失控、市场转入熊市，最早意识到动向的交易者很快就顺势行动（比如卖空债券），随着形势明朗化，越来越多交易者采取相同策略，债券价格需要很长时间才能达到新的均衡——这段从一个均衡向另一个均衡的缓慢过渡期，正是趋势跟随者苦苦寻觅的机会。

作者也给了另一个更不体面的解释：博傻理论——人们因为相信趋势才去追涨杀跌，这种行为反过来又促进了趋势的形成，关键是把手里的东西卖给更”傻”的下家、别当最后一棒。

实操上，趋势跟随者寻找的是价格在预期方向上的”显著”变化，因为这种显著变化很可能是市场参与者预期趋于一致的信号。为什么执着于”显著”？因为趋势策略的绝大部分风险来自市场”拉锯战”——价格快速上下波动。作者的例子很直白：标普 500 过去 3 个月上涨、你做多，你就需要它在 3 个月观察期后继续涨；如果它差不多每 3 个月反转一次，这段时间的趋势交易基本都亏。界定”显著”最常见的两种方法是滤波（filtering）和调理（conditioning），对”显著”的不同理解正是同样推崇趋势的交易者之间策略千差万别的原因（细节留到”策略实施”部分）。

定义趋势的一种具体做法是移动平均线交叉指标：比较短期（60 天）与长期（200 天）价格均线，短期在长期之下判为下跌趋势，反之为上涨趋势。按这个规则，2007 年年底 60 日均线转入 200 日均线下方，趋势跟随者应做空标普 500，且这个状态在 2008 年大部分时间持续（图 3-2）。趋势策略最典型的舞台是期货行业，从业者称为期货管理者或商品交易顾问（CTA），这也是所有量化策略中最古老的。

然后是本章密度最高的三个真实案例（见案例档案）：唐奇安—史柯达—海特—伯利坎普/文艺复兴。作者讲完光鲜面立刻泼冷水：丰厚回报伴随极高风险。通常来说，成功的趋势跟随者冒着资产净值减少 1% 的风险，换来的收益达不到 1%；换言之，想要 50% 的年化收益率，就要做好至少损失 50% 的心理准备——趋势跟随策略的收益极其不稳定。而且这不是趋势策略独有的病：本章介绍的主流阿尔法模型都可能长期低回报，因为策略寻找的市场机会不是总存在，而是具有不稳定性和偶发性。通常的形态是：市场繁荣（机会出现）时大赚特赚，市场惨淡时控制好损失，从而保证整体盈利。

最后作者提醒：趋势跟随并非宽客专利。从 17 世纪臭名昭著的郁金香事件到 20 世纪末的互联网泡沫都有趋势的影子，而这两起事件貌似都不是宽客造成的——很多主观判断型交易者本来就有强烈偏好去买热门、卖冷门。

基于价格之二：均值回复#

均值回复认为价格终究会朝已有趋势的反方向运动，不可能一直延续。基本理论是：价格围绕其价值中枢上下波动，判断出中枢和波动方向就足以捕捉机会。

作者给了两个解释。其一是流动性造成的短期买卖不均衡，从而超买或超卖：某只股票进入标普 500 之类的著名指数名单，跟踪该指数的基金会大举买入，但短期内愿意按老价格卖出的人相对较少，价格迅速上涨；随着价格上扬，买方需求逐步消退，涨速放缓，到一定价位不再上涨，反向下跌的概率不断增大。其二是信息不对称：市场参与者并不了解其他人的观点和行为，当他们下单推动价格向新均衡移动时，某个时点可能因超买或超卖而剧烈波动。

不论原因为何，由于均值回复交易者都在逆势交易，他们给市场带来了流动性（执行技巧细节留到第 7 章和第 14 章）。但代价是：他们事实上在对赌市场趋势，必须承受逆向选择的风险。操作上他们必须识别当前的价格中心或均衡点，并判断偏离多少时值得进场——和趋势策略一样，确定均衡点和反转点有很多方法。作者补了个术语对照：主观判断型的均值回复者通常被称为反转交易者（contrarians）。

最著名的均值回复类策略是统计套利：价格出现背离的类似股票，其价差终究会缩小到合理区间。作者梳理了这条谱系：埃德·索普可能是最早的量化型股票交易者，但真正的统计套利先驱是摩根士丹利农西奥·塔尔塔利亚的交易柜台，班伯格和大卫·肖都是这个团队的成员，后来基于股票的相对价格研发了一套交易策略。作者认为统计套利宣告了交易理念的一个重大变化：不再关注 A 公司的股票本身便宜还是昂贵，而是关注相对于 B 公司，A 的股票是被高估还是低估——这个转向直接导致了大量基于相对价值预测的策略涌现。图 3-3 用美林（MER）和嘉信理财（SCHW）举例：两家公司的股价价差在较长时间内都在一个较窄范围内波动，交易者可以在价差显著背离时进场、等它回复到合理区间时获利。

趋势与回复为何能同时成立：时间框架#

作者专门处理了这个悖论：趋势跟随和均值回复在理论上是相反的，但在现实中均能奏效。答案很大程度上是不同的时间框架。在完全相同的时间段内，两个截然相反的策略当然不可能同时获利，但我们并不需要在同一投资期限内构建两个策略——趋势通常在较长的投资期限上延续，均值回归通常适用于短期投资期限。图 3-4 展示标普 500 的确具有长期趋势（上图）而短期内具有均值回复现象。作者给出具体年份：20002002 年以及 2008 年市场趋势很强劲，趋势跟随策略收益较好；而 20032007 年均值回复策略更奏效。整个时间段上，如果运用得当，两种策略都可以盈利。他还提了一个视角：在某些情况下，均值回复可作为长期指标，而动量可以作为速度指标。所以一些宽客会组合使用这两种策略。

基于价格之三：技术情绪型#

第三类价格类策略追踪投资者情绪相关指标来判断预期回报，常见指标有交易价格、交易量、波动性等。作者在这里明确要求读者保持警惕：不像趋势、回复或后面的基本面策略，没有明确的经济理论支持这类策略。对于情绪信息的预测价值，市场上声音分裂：有人认为对某产品过于正面的信息意味着已经超卖、未来价格可能下跌；有人认为很正面的情绪意味着上涨动力；还有人认为情绪只是个条件变量（该概念留到”条件变量”章节）——只有当价格变动显著时才启用趋势跟随，微小变动忽略。作者判断：把情绪数据作为条件变量是最普遍的做法。

具体实例分两支。第一支是从期权市场读情绪，有两个”直接”的做法：（1）看认购量与认沽量之比，认沽多于认购超过正常水平，可能意味着投资者担心未来价格下跌；认沽相对认购少于正常水平，说明市场以看涨情绪为主。（2）看认购与认沽的隐含波动率之差。作者解释了成因：股票价格慢涨快跌，对于虚值或平值期权，慢涨快跌会使认沽期权波动率高于认购期权，进而认沽卖方要价高于认购卖方，隐含波动率也更高。因此历史上认沽/认购波动率比率会维持在一个大于 1 的固定水平，观察比率偏离该水平就能读出情绪迹象。类似思路也可用隐含波动率或信用违约互换等作为情绪风向标。

第二支是从量里读情绪。极短时间窗内，一些高频交易者观察限价指令簿的形态判断近期情绪——指令簿形态含有大量信息，如相对于最优买入/卖出价的买卖单量、买方与卖方出价的规模、买卖报价单总量等。较长期的策略则分析成交量、交易量、公开市场利率以及其他交易活动度量。作者再次强调争议仍大，但给了自己的观察：量的信息可以做反向指标也可以做正向指标（例如认为成交量大或换手率很高的股票预计表现不佳，低成交量或低换手率的股票表现出色），而据他所知，大部分策略都是把它当反向指标用的。

基本面策略的学术地基：法玛与弗伦奇#

转入基本面之前，作者先立地基。基本面数据长期以来是主观判断型交易者极为看重的，量化型基本面策略产生的时间要短一些。量化股票、量化期货以及一些宏观交易所用的策略，很多要归功于尤金·法玛和肯尼思·弗伦奇 20 世纪 90 年代早期发表的一系列论文，尤其是《股票期望收益的截面分析》，总结了他们十多年用量化基本面要素预测股票的成果。核心结论：股票的贝塔系数并不足以有效解释股票收益的千差万别；结合账面净值与股价的比率、股票市值的历史记录，再加上贝塔，可以对预期收益做出更准确的预测。

作者点出其中的反讽：法玛的理论奠定了量化阿尔法交易策略的基础，而法玛最著名的工作是市场有效性理论——该理论认为在有效市场上不可能获得阿尔法收益。

基本面之一：价值型/收益型#

价值型极为常见，主要用于股票，也可用于其他市场。度量价值的指标绝大部分是基本面数据与资产价格的比率，如市盈率（P/E）。但宽客倾向于用这些比率的倒数，把资产价格放在分母上——市盈率的倒数（E/P）称为盈利收益率，同理还有股息收益率。基本理念是：收益率越高，价格越低。

为什么一定要取倒数？作者用一组数算给你看：两只股票都是 20 美元，收益分别为 1 美元和 2 美元，则 P/E 分别为 20 和 10，第二只更便宜——这没问题。但如果收益分别是 -1 美元和 -2 美元，P/E 分别为 -20 和 -10，此时 -20 看起来比 -10 “更差”，可实际上 P/E 为 -20 的那只只亏了 1 美元，另一只亏了 2 美元——盈利为负时用市盈率会让人产生误解。更糟的是，收益恰好为 0 时分母为 0，市盈率无法定义。图 3-5 对比 E/P 与 P/E：只要股价大于 1 美元，无论每股收益如何 E/P 都表现良好，而 P/E 在收益为 0 时甚至无法给出定义。作者由此引出一个更一般的工程要点：很多基本面指标产生的时间早于计算机交易，它们的定义和分布都比较随意，宽客必须把这些数据转化成更规范、更便于使用的变量，才能进系统化交易软件。

接着是本节最反直觉的一段。作者认为”价值型 = 低价买入”这个定义过于肤浅。他的说法是：价值型策略认为市场倾向于高估高风险资产的风险，而低估低风险资产的风险，因此在适当时间买入高风险资产和/或卖出低风险资产可以获得收益。依据是：有时市场需要某类资产提供较高收益，这些资产的实际收益就会高于单纯由基本面算出的收益；买入高收益产品的投资者，在价格向更有效率、更适中的价位变动时获利。作者强调一个方向性判断——相对于基本面的变化，价格才是价值的重要决定因素；对于低价格的产品，这意味着价格已经发生了大幅下降。所以在某种意义上，价值型投资者是因为承担了”价格趋势会延续”的风险而获利。芝加哥大学布斯商学院教授雷·鲍尔在《证券收益及其代理变量之间的异常关系》中指出，投资者期望获得高风险和高收益的股票通常更可能具有高收益率。

（此处原文表述较绕，提取文本中”因为在这一变动过程中，产品价格并非仅仅是下降，因为在其基本面大大改善时价格并不变动”一句逻辑不畅，疑为中译或排版问题，此处按上下文如实转述，读者阅读时可标存疑。）

利差交易（carry trade）：在同一相对水平上买入估值过低的证券、卖出估值过高的证券——卖出低收益资产获取资金，买入高收益资产，两者之差称为利差所得（carry）。例：卖空 100 万美元美国国债，用所得买入 100 万美元收益更高的墨西哥债券。作者把它接到格雷厄姆和多德《证券分析》的安全边际上：价值型交易带给投资者安全边际，很多情形下这个安全边际可以用利差所得算出来。货币市场的例子最干净：欧洲央行目标利率 4.25%、美联储联邦基金利率 2%，利差交易者卖美元买欧元，2.25% 的净收益就是安全边际——如果交易亏损，2.25% 的亏损可由多头收益弥补。债券市场同理，作者点名：1998 年长期资本管理公司倒闭前，这就是其核心交易策略之一。

作者补了一条重要的认知差：货币和债券市场对”高收益 ↔ 高风险”关系的理解比股票市场更深刻。如果某资产比同类收益更高，必定存在投资者要求更高收益的理由，通常就是风险更高——政府债券、AAA 级公司债、更低级别公司债的风险依次增大，收益也依次增加以补偿风险。

股票上的价值型：各类指标都在度量”便宜”，如 EBITDA/EV、市净率；每股账面净值对股价的比率（账面收益率）因法玛和弗伦奇常用而在宽客圈流行。关键分野是：绝大部分做股票价值型的宽客是在寻找相对价值较低的股票，而不是评估某只股票绝对便宜还是贵——这就是量化多空策略（QLS）：基于价值等多种因素对股票评级，买高评级、卖低评级。原书此处给了一个按假设市净率对主要集成油公司排序的示例表格，该表格在提取文本中只剩引导句而无表体内容，故本文不复原其数字；其逻辑是买排名高的、卖排名靠后的，假设下个季度高市净率股票表现优于低市净率股票。

跨品种延伸：个股、股指、货币、债券上价值型都比较简单；绝大部分商品交易中，“价值”更多被当作”便宜/昂贵”分析，通过期望供给和需求的变化表现出来，而不再是收益。期货市场则有明确以收益为形式的策略——展期收益（roll yield），即未来某天到期的期货合约价格与现货价格（或较短期到期合约）之间的价差：**现货溢价（backwardated）**市场现货价高于期货价，期货价格会向现货价格靠拢，展期收益大于零；**期货溢价（contango）**市场现货价低于期货价，展期收益为负。

基本面之二：成长型#

成长型通过分析资产以往的增长水平预测未来走势，GDP 或收益预测都属此列。作者先纠一个偏：判断一只股票属于成长型资产，并不意味着它的收益会怎么样。策略本身很朴素——其他条件相同时，买入价格正在快速上涨的产品，卖出涨幅较慢甚至负增长的产品。

一些成长性指标（如 PEG，即 PE 比率与 EPS 增长率的比值）本质上是度量价值的前瞻性指标：比较预期增长与预期价值，判断价格是否合理。作者给出这里的关键陷阱：如果你预计某资产会快速升值，但市场已经因为这种预期把价格推上去了，成长型的机会就不再存在；如果价格涨得远远超出你的预期，卖空反而才是合理选择。不过他也承认，很多成长型策略只管买价格快速上涨的、卖价格停滞或下降的，完全不看价格本身高低——哪怕那东西非常便宜或收益率很高也照卖。

理论上，成长型认为价格上涨通常存在趋势，涨得最快的产品通常比同类更具优势；对公司而言，快速扩张的公司比增长缓慢的竞争对手更容易占有更多市场份额。因此成长型投资者要尽早判断出公司股价处于增长期，从而捕捉后续更大的涨幅。

两个层次的实例：宏观层面，一些外汇策略基于”持有经济迅速增长国家的外汇”——至少这些国家的利率比增长缓慢或处于复苏期的经济体要高，作者称之为一种前瞻性的利差交易。微观层面，做 QLS 的宽客常用增长率相关指标让阿尔法模型更多元；其中最重要的变量是对公司预期收益的估计（或对市场情绪的预测，如价格目标、推荐等级），来源是各经纪公司分析师公布的预测和不定时发布的研究报告。逻辑与其他成长型相同（买增长期公司的股票），差别只在于通过分析师预测而不是等公司官方公布收益，从而尽早预判增长。

因为主要依赖分析师或经济学家的观点，这个做法也叫基于市场情绪的策略（sentiment-based strategy）。作者的立场很有意思：宽客群体并不完全相信情绪型策略（收益预测不过是成长型的一个变量而已），但据他的经验，情绪型策略和成长型策略在实务中高度相关，以至于经常被认为没什么差别——毕竟华尔街分析师预测未来收益时经常会参考历史增长水平。

基本面之三：品质型#

六类里的最后一类。使用者认为其他条件相同时，最好买入或持有高品质产品、做空或减持低品质资产。它与前两类的根本差别在于价值取向：品质型看重资金的安全性，而成长型和价值型对这一点都没有予以重视。持有高品质资产尤其能在高风险市场环境中保护投资者——所以作者说”绝非偶然”，这类策略常被称为安全投资转移策略（flight-to-quality）。它在股票量化投资中常用，在宏观量化交易中并不常见，可能因为历史上国家违约风险总是很低；但随着经济危机在欧洲大陆蔓延，越来越多宏观型策略也开始引入品质型模型。

衡量资产质量的指标分五大类：

1. 杠杆比率（leverage）：其他条件无差别时，卖高杠杆公司的股票、买低杠杆公司的股票。QLS 分析师常用债务股本比，本质就是认为其他条件相同时杠杆低的企业比杠杆高的更可靠。
2. 收入来源的多样性（diversity of revenue source）：有多种潜在增长渠道的国家或公司比渠道单一的质量更高；为各类用户提供多种产品或服务的公司，比只为特定目的生产单一产品的公司更稳定。收入的波动率属于这一类——同等条件下投资者更青睐收益稳定（低波动率）的公司股票。
3. 管理水平（management quality）：买好领导团队的、卖坏领导团队的。作者说《名利场》很多文章会提及这类指标，并点名其《微软逝去的十年》一文——指出微软管理上的几次重大失误，导致这个世界上市值最大的公司衰落得”万劫不复”。这是五类里最难量化的（从所需信息角度看），但也有可用指标，如财报中操纵性应计利润的变化——变化越大，公司高层的管理能力越值得质疑。
4. 欺诈风险（fraud risk）：买欺诈风险低的公司股票或国家外汇、卖风险高的。QLS 里的**收益质量（earnings quality）**指标就是一个实例：度量公司的真实收益（自由现金流等）与财报公布的每股净收益之间的接近程度。这类策略在 **2001 年和 2002 年接连爆发的会计丑闻（如安然和世通）**之后逐渐引起重视，其警示是：有时上市公司高管更关注财报是否漂亮，而不是兢兢业业地管理业务。
5. 关于发行方实力的情绪型指标：对上述四类指标做前瞻性评估——前瞻地关注杠杆、收益多样性、管理水平、欺诈风险的任何变化。但作者说这类策略并不常见，原因很实在：这四类指标的变化都具有偶发性，且关于资产质量的投资者信心信息来源较少，很难检测统计显著性。近年来信用违约互换市场的发展成为投资信心信息的来源渠道；也有人用隐含波动率衡量信心，但隐含波动率上升可能有很多原因（市场走弱、对公司未来增长预期降低、收益低于预期等），未必与公司资产质量有关。

品质型的收益随时间波动很大，且极度依赖宏观市场环境。2008 年它在预测银行股相对价格中大放异彩——一些品质型策略帮投资者识别、避开并卖出高杠杆或涉猎大量抵押类业务的银行股，从而避开信用危机的损失甚至从中获利；21 世纪初的会计丑闻本也是品质型的获利窗口。但作者给出这类策略的宿命式总结：市场很惨淡时它们都能盈利，市场状态良好时表现一般，市场极度繁荣时收益就会很凄惨。

半章小结：一份可以”点菜”的策略菜单#

作者收束这半章：价格相关信息用于趋势跟随或均值回复，基本面信息用于价值型、成长型和品质型。这个划分有三重用处——帮助理解量化交易策略、帮助理解阿尔法策略，以及像提供了一份菜单，宽客可以”点菜”创造出自己的策略；它也有助于分析师理顺自己所用的指标并分类汇总。最后一句是全章的态度：有时宽客自己也会觉得阿尔法模型多如牛毛，但实际上并没有想象中那么多。

关于图表与表格的说明#

本半章原书含图 3-1（理论驱动型阿尔法模型的分类图）、图 3-2（标准普尔 500 指数的趋势）、图 3-3（嘉信理财和美林的均值回复）、图 3-4（趋势跟随与均值回复图）、图 3-5（P/E 和 E/P）共五图，以及一张按假设市净率对主要集成油公司排序的示例表。本文所依据的文本中，这些图表只保留了图题/引导句，没有图形与数值内容。因此上文只按正文对图表的文字描述转述其结论（如”60 日均线在 2007 年底下穿 200 日均线""两家公司价差长期在窄幅波动""E/P 在收益为 0 时仍可定义”），未复原任何图中数字，也未虚构那张油公司排序表的数据。读者若需核对具体图形，请参照原书对应页面。