中国量化圈子不大，董老师深耕这行多年，后来成立了自己的量化FOF 私募，结识、观测、筛选量化基金经理是本职工作，再加上技术背景、多年经验，以及非常友好的表达能力，能把量化投资降维呈现出来。
整场聊天中，她自己 hold 全程，完全不用 cue，而且总是自觉地把量化这个有些理解门槛的投资范式说得更加通俗易懂，打比方、举例子信手拈来。
其实本期节目是我们第二次录制，首次录制没搂住，直接聊了 3 个半小时，剪辑师还在辛苦剪辑中...
动量和反转像太极的两极，动量到了极致就是反转，反转到了极致就是动量。当动量极致到只有一毫秒就消失的时候，就已经变成了反转。反转到了极致就变成了动量。
把弱的公司找出来排除掉，相对优势是一样上升的。弱有弱的价值。有很多机构和分析师影响着这些数据和信息的流动以及情绪和处理，我们非常关注机构的行为、资金的流向和分析师的预期，它同样不是必要条件。只是告诉你，投票器量价是全市场用钱投出来的，分析师预期是分析师用脑子投出来，机构行为是用手里的钱投出来的。
今年是入行的第21年的，刚入行的时候很简单，在券商股票咨询团队学习基本面分析，学习怎么看政策，怎么看市场，很常规的投资经理的培养路径。2005年底的时候，开始股权分置改革，有13家券商作为创新试点，成立了衍生产品部。我作为理科背景比较强的，被调到衍生产品部，后来进入权证领域。权证业务，相对来说是一个比较短命的业务。从2006年到2008年底，基本就结束了。所以08年就处于一个休产假的状态，到09年的五一，回到工作岗位，开始做量化策略研究和投资。
量化里面有很多细分的部分。从09年到2016年，在做一个比较狭义上的量化对冲策略，这个过程我们也和别人不一样，我当时在一个很强的团队里面，所谓的很强，就是每个单兵都有很强的策略开发能力。这个团队在当时国内还是比较少见的。我们团队开发了很多的寻找阿尔法的策略。当时在实盘的投资过程当中，我在思考一个问题，策略的表现往往是不可预期的。怎么把一堆策略变成一个比较有竞争力的组合。简单的根据过去的表现，显然是不合理的。要找到原因，知道怎么组合性价比会更好。我就做了一套评估策略的性价比，以及如何把它们变成组合这样一套标准，做了一个流程。这个流程是2017年之后创业，做了一个大的F做全市场的基金分析的一个雏形。一开始用来分析内部策略，现在我们把它用于分析全市场的基金，它的原理是一致的。
对我来说比较延续的成长是从2009年我们自己做策略开始。可以理解先做了一个自我成长的运动员，再学会做一个裁判和教练，再把比较狭义的赛道扩展到比较广义的赛道。所以15年的一个成长周期延续性是比较强的。
这次约您来，主要是想帮大伙儿做一个全景式的扫描。聊一下30个一级行业，典型的大类策略。这些名字大家多少都听过，里边的门道有多深，其实并不太明白。希望您能帮我们做一个扫描和科普，不用太深，普通投资者觉得友好就行。
我经常跟人打比方，假设我们进入到一个陌生的广场，广场上有一两百个人随机走到这儿，要求你用几种方法把这些人分成两类或者三类。要求是分出来的这两类或者三类之间，他们的差异性是最大的。最简单的方法，比如性别，男生和女生。我们在另外一个场合，在一个演奏厅或者是一个商场，不是在早高峰时间段，会发现年龄它是好的分类方法。但在我们刚才那个地方，年龄就不是一个好的分类方法。因为这个时间节点到这儿上班的人，年龄可能是很接近的。
研究上市公司的时候，为什么要引入行业这样一个分类方法呢？因为它是一个长久以来被大家验证了，对上市公司之间的差异解释度特别高的一个点。希望所有人get到，研究行业到底为什么要从这个点进去。
包括看上市公司大、小、价值、成长，其实都是不同维度的分类方法。这些分类方法既有交叉又有重合的地方。有一些行业可能在这个阶段，大家觉得非常小，还没有长大。在另外一个阶段可能公司都比较大，比如银行，券商这样一些行业。
行业和风格之间，都是区分上市公司的一种维度。这种维度，有交叉的时候，有分离的时候。所以形成了投资决策过程当中的名词，叫中观。宏观的股票，是一大类的宏观资产。中观这个层面，行业大小、风格，就形成了中间这个维度。怎么把它区分开？投资人非常在意现在的市场趋势是牛还是熊，对他来说这个很重要。
是在说宏观的趋势。会发现不管在怎样宏观趋势下，中观这一层存在差异，它带来的收益差比牛熊本身带来的波动大很多。甚至是频繁的发生。假设以年维度看，最好的行业，最差的行业，大盘和小盘，价值和成长，甚至季度看，月度看，收益差很大。
行业和大小风格都是在以分类来决定，在这个时间节点以什么信息决策，或者怎么运行我的策略。它是一种维度，相对固定而长期使用的维度。为什么要研究行业？行业比另外两个维度经济学的信息量更大一点是什么呢？它包含了不同的经济主体，这个经济主体里每一种行业当前所处的发展阶段是不一样的。
对于我们来说，一些行业已经非常成熟了，上上下下几轮大周期都走过，分久必合，合久必分。经历了行业格局的聚拢和分散，经历了微观的繁荣和微观的萧条。比如消费行业，尤其是我们特别在意的食品饮料。这方面我们的上市公司品类非常丰富品牌体系也很完整，经历的发展周期也很完整，属于成熟行业。有的行业就非常新，上市公司也很少。这样的行业很多会随着这经济和社会的发展，不断的进来。我们分析处于不同发展阶段行业的时候，复杂之处在于这个时候，必须用不同的理论框架或是不同的经济学解释去理解它。比如一个行业已经走到成熟阶段了，我们会非常在意每个上市公司的品牌的竞争力，它的财务报表、治理情况、估值。这些因子很大程度上决定了这个上市公司在行业里的相对优势和地位。
但对于一个新兴行业，比如文化类的上市公司，有几种专门做cosplay的，专门去做类似于盲盒手办的，还有专门做自媒体的动画。这种设计就属于刚刚兴起的行业。这样的行业形成了稳定的竞争格局了吗？肯定没有。都是从微观上，自发的形成非常小的公司。当然已经开始有比如抖音以亿为单位的用户。这么大量的视频，排名在特别靠前的可能就只有6到7个MCN公司，已经经历了初始的大量样本，往少部分公司去聚拢的过程。是不是已经是终点了？显然不是，它还在继续演变。
我们研究每个行业的时候首先确认几个问题，还是自上而下的思维方式。把行业当成研究对象，在宏观上，第一，在经济主体里，它处于一个什么样的地位。第二，从纵向时间上，它的发展周期属于早期，还是上升期、瓶颈期，还是在成熟期，还是二次增长期，有不同阶段。第三个是深入到内部，研究它内部的分布，有多大的体量，什么样的公司，什么样的技术水平，什么样的财务状况，和现在投资的价值怎么样，同样是一个自上而下的过程。我们研究行业的时候，维度是非常多的。不知道大家要展开讲的点主要在哪儿？
就是它在不同阶段或本身的贝塔，波动率这。或者在什么阶段更容易、更好。比如在牛市初期，会对证券行业有一种本能的映射。以前说策略，大家爱说大势研判，潜台词是A股上市公司没有那么多，各个行业各个股票和市场整体的协同性是比较一致的，如果能判断出大势，我的个股和我所押注的行业会大差不差。后来越来越分化，这个词，出现次数越来越多，潜台词可能是A股越来越大了，资金只是能拉出来局部，未必能拉得起整体。临界点体现在数据上，您觉得是从什么时候开始的？
我们经常讲贝塔，贝塔的来源是什么？对于上市公司来说，上市公司就是资本市场最小的单元。它的贝塔有几个层次的来源。大市的波动显然有一定的解释度。但不同的公司，贝塔的系数不一样。对于权重股，它的系数会高一点，对于小公司小股票，系数会低一点。
贝塔是一个组合，各种各样的主因构成了贝塔。跟人一样，性别、年龄、生长环境、基因、都是贝塔的一部分。它有不同的贝塔来源。贝塔之间行业和大小风格不一样，既有交叉，又有互相影响的部分，你中有我，我中有你，也有分离的部分。
在早期的时候，研判好大势就可以了，行业不太起作用。第一，在那个阶段，行业之间的分化没有那么严重。第二，跟认知有很大的关系，认知没到那个水准。比如在一个班级里教学生，传统教育方法是老师给同学讲的课是一样的，为什么不做区分呢？这是一种成本相对低，输出又相对有明确目标的方法。这些课都讲到了，作业都批改到，考试都考过了，平均分就可以到80分，我的工作就完成了。以前的投资在早期的发展水平就是这样。现在觉得不够，孩子里的有一些，希望他不只是100分的问题。他可能是学霸，他考100分，是卷子只有100分，他可以有更好的发展。是不是给他布置一些额外的课程，甚至允许他不用来听课，就是这种分化。
投资是一样的。早期说只要把大势研判对了，就拿到了一切结果。有80%的这个预期目标已经够了。后来发现这是不对的。第一，80%不稳定，有些个股完全跟80%没有关系，它自己走自己的。第二，是发现研判不对，胜率再乘以0.8就没了，可能变0.4了、0.3了。而行业是另外比较好的切入点，抓住了一轮行业发展的周期，2019年到2021年初，你如果买了食品饮料，你就赢了全天下，所有最高的收益就是你。如果过去两年你买了银行股，这两轮是完全不同的逻辑驱动。行业复杂的地方，既有非常直接跟基本面挂钩的点，也有和市场风险偏好以及跟这个阶段相对优势挂钩的点。
比如银行的财务数据，确实是不错的。有人跟我说好公司好股票这个概念，那银行在早年，长期处于无人问津状态的时候，难道不是好公司吗？财务数据不好看吗？估值不低吗？都不是。从相对投资、相对的估值来说，现在银行股的估值水平是近年来之最。在它估值最高的时候认为它是好公司好股票，在它估值低的时候就不这么认为呢？这是非常奇怪的事情。
其实每一轮所谓的主线年的食品饮料，也是拉估值。典型就是茅台，创了记录，其实EPS并没有太多改善，总是对银行的EPS有些隐隐的不自信，或者对资产分类表的质量有些不自信。这类银行股涨得好的逻辑就是估值修复。你成为主线，涨得好，是轮到你了。轮到你的原因，事后都可以解释的头头是道。
事后解释也是不一样的，比如消费那一轮，消费内容是度过刘易斯拐点之后的消费升级，必然的在资本市场上的投射。估值提升来自于对消费本身升级的信心，这种信心是很多信息的映射，可能是微观的消费数据，可能是心态，或者直接体现在上市公司财务报表的边际变化上。如利润的增长超过营收的增长、高附加值体现的风险溢价超过了普通消费、刚需基本消费的溢价。理论上学术上大概率发生的事情真的发生了。把信息投射到了股票的估值提升上面。
银行股是另外一种状况，银行股最近三年有点像沙漠里的孤岛，大家对其他东西没有信心，发现这里有一块稳定的现金流和财务报表相对稳定的所在。这一部分资产经历了多年的沉淀之后，确实非常便宜，是几个因素交集的结果。在沙漠里发现了这个孤岛，它的估值当时已经非常高，也形成不了后来的行情。每一轮原因不一样，最后的结果都是相对优势。相对优势是基本面驱动的、相对的估值驱动的，还是微观驱动的，还是各种特殊的行为模式驱动，每一次非常难预期。
跟大家分享一下我们关注的几个点，还是自上而下。第一点，来自基本面，包括相对基本面优势和绝对基本面优势。相对基本面优势就是跟别的行业对比，叫行业比较。比如银行业的平均EPS，跟芯片的EPS比，显然没有可比性。那跟保险比可不可以？就比较有可比性，跟券商去比，是不是也可以？银行和非银比，就有相对的比较优势。除了境内比，还可以跟境外比，跟香港比，跟美国比，跟印度比一下，跟不同发展阶段的国家横向纵向都可以比，这是基本面比较。
第二点，市场的技术量价。技术和量价它体现的是所有人观点的一个投射，用钱投票出来的结果。就像很多人认为银行股是好公司好股票一样。特别想问他早干嘛去了？点？其实是看了这么多人的投票，100万个人里有80万人投了银行，原来它是好的。这种认知对未来的投资是没有太大帮助的。量价是观点的集合或是观点的表征。我们不认为它是驱动行情的必要条件。
不是，动量和反转像太极的两极，动量到了极致就是反转，反转到了极致就是动量。当动量极致到只有一毫秒就消失的时候，就已经变成了反转。反转到了极致就变成了动量。如果做过回溯测试，当时要把动量和反转的最优参数找出来，如果找不出来最优，大概率比较优也可以。为了祛魅，做了暴力的穷举，把每个阶段的最优参数找出来看它的分布，显然是非常随机的分布，东南效应也好，量价技术指标也好，形态也好，是市场投票出来的结果。它在某个区间内会延续有效，超过这个时间区间，直接就变成另外一种状态。你并不知道什么时候超过这种区间。
做量价交易的时候，最稳妥的方法是把多种频度信号集中在一起。即使每个人都投，比如高频的信号，投1万次，中频的投100次，低频的投一次。再把所有的权重再加在一起，得出当下的决定。它是各种各样的组合，维持相对的胜率，这是大家现在的做法。料价之外，是偏微观的层面，叫行业内的盈利效应。盈利效应不是直接判断收益率，而是在行业内选股，有多大的空间战胜行业指数，叫行业内盈利效应，不同的行业拉开截面的差距是很大的。
拿班级举例子比较好理解。这个班的最高分100分，最低分20分，平均分是60或者中位数是60。另外一个班中位数也是60，但是最高分是70，最低分是50。在第二个班当老师，就没有成就感。好孩子升不上去，也没有太弱的孩子供你提升他的水平。在第一个班当老师，非常有成就感。孩子100分之外还能更好。20分的稍微使点劲儿就上60了，提升的空间很大，就特别有成就感。不同的行业是一样的，有的行业上下的差距非常大，就非常值得研究员和基金经理去使劲儿。
没错，阿尔法的土壤更丰富。把弱的公司找出来排除掉，相对优势是一样上升的。弱有弱的价值。有很多机构和分析师影响着这些数据和信息的流动以及情绪和处理，我们非常关注机构的行为、资金的流向和分析师的预期，它同样不是必要条件。只是告诉你，投票器量价是全市场用钱投出来的，分析师预期是分析师用脑子投出来，机构行为是用手里的钱投出来的。是不一样的。
分析师预期要展开是另外的话题。很多年市场上，有个数据商一直做分析师预期数据库。他把分析师分了五星、四星、三星，不同的星级，给每个人赋予不同的权重。就可以把所有分析师的投票集合成分析师观点，听起来没毛病，那这个五星是怎么来的呢？一种是他的行业地位，一种是过去观点的准确性。再问个问题，行业地位是延续不变的吗？显然不是。如果给成长中的分析师，去年是第三名，就把他放在三星，他今年第一名了，怎么办呢？这个是一个点。
第二就是观点的准确性。去年给不同的股票不同的评级，事后追溯发现评了十次，有七次是对的，意味着今年一定对吗？他的影响力是不是也在变？
有人说人的优势的延续性比市场价格的延续性更好一点，大概率说没有大问题。理念是对的，但涉及到个案的时，对就对，没问题。错的后果能不能接受？后果对组合的影响是不是能接受的？所以它是投票器之一，它不是必要条件。
举个例子，我当过卖方分析师，三十多岁拼的时候，那种状态，研究的爆发性，对客户的影响力，成长性，已经功成名就了。跟四十多岁时那个状态是完全不能比的。甚至已经快退休了，让我跑也跑不动了。但我的影响力沉淀在那儿，不等于不会犯错误，有可能已经掉到路径依赖里，思路已经完全过时了，大家不知道就更可怕。预期也好，机构行为也好，只是某一种特殊群体的投票器。我们会关注投票结果，跟关注美国大选一样，关注一些摇摆州。不是这些摇摆州的结果决定了最后的结果，大概是这个意思。
有一些有意思的信号，比如市场的预警，就像我们说的拥挤度，或者说有一些标志性的投资者开始撤出。比如特别关注巴菲特抛售了什么公司，事后看，可能也只是短期的冲击。巴菲特抛售，短期之内大家都很关注，十个人关注里只要有三四个人信了，就改变买卖力量的边界。在这几天里，它的走势确实受到了影响。但是更多人会觉得，正好你走了，把地方腾出来了。你用更低的价格把股票卖给了我。反而是我进去的机会。市场是在反复博弈中不断往前走。
我认为市场是不存在神的，没有哪一个投票器或者哪一个人的观点能够左右所有的结果。做量化的人最喜欢的一种方式是所有的投票器我都有，你琢磨不出来我在看哪个，就想全部看完之后，有自己的方法和智慧，把这些投票器的结果再做一次加权，变成自己的信号。至于说我是怎么加权的也不会告诉你。它有时候是个黑盒。后来经过很长时间反复验证，发现很多黑盒都是跑不过等全的。
人类一思考上帝就发笑。上帝看你们忙来忙去，你们只是这个世界必然的组成单元。每个人的声音有他自己发挥作用的一瞬间，试图把组成单元做各种各样的优化，发现不如像上帝一样在那儿看着什么也不做。很有意思。早年做很多策略的时候，比如选行业，先招个分析师，让他做这个选行业的策略，是不是要评估他的策略效果好不好？把我的头寸分5%给你，这5%每个月赌你最看好的行业。我得评估你，怎么评估？用哪个东西来当你的业绩比较基准认为是合理的呢？
在现成的随便挑一个指数，觉得哪个是合理？比如A500，中证800、万德全A。这不是行业选择的好基准，这些指数都不是行业等权的，做行业比较业绩评估的时候，我们通常用等权的行业指数，是把所有的行业做平均，完全不管大小、差异，直接等权作为选择行业的基准。早先能看到很多研究报告和论文，证明自己选行业有超额收益，是跟宽基指数比的。宽基指数不是行业中心，这个比是不对的。我们设计了几个很有意思的基准，第一个叫行业等权。
不是一个意思。行业中性意思是，比如所有的银行股加起来占A股的权重是5%，它在我的指数里的权重就是5%，跟它的总权重完全一致，这叫中性，没有额外的暴露。等权是大家都平均。当时试过用等权，结果发现开始的超额收益好多都没了。等权默认的是不管大小，只看挑行业本身挑对了没有。结果一等权很多的策略看上去很美的超额就没了。
是的，不管做任何配置的时候，等权本身是很好的策略。等权的风险是什么？等权是放大了小的弹性，不应该那么高，结果给了它这么高，发现很难跑赢，它是有点经济学解释的。越小的东西成长性越好，越小的东西受到流动性冲击后，产生的价格波动越大。更容易产生波动，它很难跑赢。这也是其中一种。
另外一种，我们设计了一个小程序，叫猴子扔飞镖。在30个里面，选一个、选两个、选三个，意味着给它多少个标，可以从1个给到29个，从选1个到排除1个，全部穷举了。每天用一堆猴子扔飞镖，扔完了会形成一个业绩分布，它是从理论上的最好到最差，涵盖了中间大概接近正态分布的坡。然后把研究员选行业的业绩拿来，在猴子库里排名。看它在一万个猴子里能排多少名。如果你的策略长期在中位数，就是50百分位以上，或者阶段性的在以下，平均百分位数能够到40%、30%，认为是有效的。这个比等权有意思，因为它包含了随机，包含了运气。再看你的分布，研究员就更头疼了。他们发现大部分策略很难持续的排到前50的百分位的。
经常做一件事情，就是默认这个方法论有没有超额收益，有没有效的时候。如果基准用错了，天然就找错方向了。像刚才说的一大堆投票器，投票器可以无限的多，每一种投票器里包含了频率的差异和加权方式的差异，比如给社保超高的权重可不可以？给长期投资人超高权重，这是以身份来讲。根据之前的业绩，业绩越好的给越高的权重可不可以？还有一种是完全不管，就是等权。还有按大小。还有特殊的偏好，比如某系，就认为这个系很牛，给它很高的权重，可不可以？都可以，你的投票器就发展出来，变成无数的信号。这些信号背后有的有经济学解释，有的没有，有的是随机，有的是噪音，最后形成了综合信号。
用综合信号选行业的时候，同样在稳定状态，信息与变量匹配没有问题的时候，胜率是相对稳定的，就不停的交易，攒攒攒，超额收益攒出来了。突然最大的关系破裂了，所有的信号有七成失效了。在你下手的一瞬间，不知道未来一个月会失效，同样下手，这一个月就把过去11个月的超额全亏完了。
毕竟经历过这么多指标在我眼前失效，经历过严密论证、学术论证，各种各样的东西失效，经历过无数次。他们在开发策略的时候，我说你们别生气，这个东西对我来说最大的价值，就是看着它失效的时候，那一瞬间它的价值是最大的。它的失效告诉我市场的大势变了。以别人的失效做精准的择时，比试图去用各种东西做胜率要高。所以人类一思考，上帝就发笑，就是这个意思。
所有的中观层面，因子也是一种分类方法。我特别喜欢看各种奇奇怪怪的书，我的书橱里有一部分是做投资的人不会看，跟自然学科相关的东西，很多关于物种分类的书。看这种书特别解压，等于以快进的方式看自然界的进化史。整个自然界的进化，是随机性、偶然性和必然性在交织的结果。包括宇宙也是，是更大的维度。看过很多这样的东西后，会形成一种世界观，你没有办法控制必然性，也没有办法对抗偶然性。不是没有办法就躺平了，而是降低预期。
没有高预期，不会在投资的时候给很高的权重。意味着什么？意味着即使犯错，只会犯小错误，不会犯大错误。首先规避犯大错误的可能性，再从错误的信息里找到它给我的价值。反而比追求信号本身带给我的收益更难得。不同的指标会有不同的应用方法。
回到看行业话题。以前用各种各样的指标去看，现在有AI了，更多的研究员试图用AI解释这些因子，打包这些因子，甚至选择这些因子，都没有问题，都是出于进化的本能。但是不知道下一个分叉把你推到哪里。甚至发现返璞归真了，啥也不干，比你折腾了半天还要好，都是有可能的。
我们以前还挖掘财务报表。觉得财务报表好或不好，就像考试的分数一样。虽然不是绝对的公平，至少有很强的指导意义，是公司的基本面嘛。我们偏要反其道而行，我们认为所有的财务报表都包含着人的思想和意图在里面。只要包含了非客观性，一定有人的主观意图在里面。那财报表会不会隐含了虚假信息呢？显然是有的，而且是很大的可能。
既然是可编辑可调节的东西，一定有人想调节它必然表现出来东西。比如茅台的ROE比五粮液高一点，这是所有人都知道的信息。理论上是所有人都认知，只要这个信息一公开，就可以认知的这个信号。应该认为投资市场是有效的，已经兑现了这个信号，而被隐藏起来的的信息，反而是应该去挖掘的点。早期我们做了一个因子，叫财务报表隐含信息挖掘。比如一个上市公司今年不想融资，今年的利润还不错，不想融资的情况下，并不希望自己的股价透支当前好的财务状况。就会做些费用的调整，或做一些投入性的工作，把成本摊销在这个财务周期。它的EPS跟它的同行比一下就没有优势了，变得很平庸，把一部分利润通过这样方式转移到了下一个周期。
隐藏利润，隐藏风险、调节成本以及长期的投入和长期的风险，甚至包括造假。农业的公司有很多无法审计的东西，类似这样的信息，都是稳定性非常好的阿尔法来源。原因很简单，人少的地方有机会。大家都习惯了正向思维，很少有人反向思维。反向思维里隐含的机会被大家漠视掉了。这时候就产生了更低的价格，又给了你机会。也有可能产生了过高的价格，也给了你机会。去规避了下跌的风险。总之过去的价格意义不大，我们关心的是未来价格的变化。
既然是未来价格的变化，就要去找隐含的信息。我们在做行业的时候，所有东西已经是现实中存在的信息，所有人都能拿到的数据。区别在于怎么算，怎么用。这样的信息它的边际效很低。现在的量化工具这么发达，IT投入这么大、算力这么强。些数据里包含的信息，已经被人挖过一千遍、一万遍了，是很平的矿了，再去找东西很难找。短期之内找不到太多没有被挖过的增量信息，意味着这个领域变得有点危险了。我们就会收紧风险额度，不去冒险。
在比较行业的时候，有没有被大家忽略或者不太关注的点，我认为是有的。比如市场非常抗拒高度的密集的融资，可能忽略的就是技术投入带来的护城河到底有多深的问题。包括抗拒上市公司出现短期或者连续的亏损。亏损背后如果是行业的普遍现象，也许是周期的底部，也许是都在投入，准备更新迭代的点，再结合对基本面的真实研究，确认他们不是在瞎搞，那就是产生了新的机会。静态信息里没有超额，就是这个意思。
再就是演绎。比如政策扶持新置生产力，很少有人认真研究过，一个行业发展起来，从政策扶持到资金投入，到团队成熟、企业成熟，要经历多少阶段和多长的周期？大家就抗拒，抗拒到某一天这个结果，让你不得不承认它的时候才进去。在那个阶段，它的估值和能给你的市场空间已经比现在要小很多很多。
这个话题永无止境，见过很多的同行，不管出于卖产品的目的，还是投资者教育的目的，还是出于分享的目的，讲他怎么做投资。我认为所有公开的信息和信号，可产生的东西都是有限的。一堆指标，花大量的时间去跟踪和计算，我一直在等什么时候失效。说这个月对了，这个月又对了，都不care你。该给的有限风险额度早给了，失效的一瞬间给我的信息量才是最大的。再讲另一个分类方法，30个毕竟太多了
按一级算，无论是中信还是申万的，口径下都是30个一级。可以进一步的，升为二级，二级还可以再分，今天肯定不能覆盖，太多了，更想在节目把它降维，比如大周期大消费，具体怎么分你来主导。
从大类上，最早的时候做了周期和非周期。周期是围绕着房地产产业链的上下游，有非常强的宏观周期性。它的反面就是非周期，类似于消费、科技，这些都属于非周期。
最早做分类就是一个西瓜的两半儿。发现两半之间有非常强的阿尔法的轮动。跟客户去沟通的时候，客户说不对，只要对一个西瓜砍一刀，不管坎在哪儿，都会分成两半。最公平的方法是一刀砍下去，恰好分成了两个大小相当的两半，这一刀是最有有效性的。周期，非周期就是这样的一刀，它卡在中间的时候，两端的距离是最远的，像太极中间分界线一样。也可以换个方法，哪怕随便一扒拉，随机的抽，都是一种方法，都可以分成两半，都是轮动的。但那个轮动是杂乱无序的，或每次轮动的时候，两半的阿尔法差异不大。
周期和非周期是每次轮动两个差异很大。就是在聚类上距离最远，就像男性和女性去分人类一样，永远可以分成距离最大的两半。按照基本面的分类，周期包括周期的上游、中游、下游和大金融，大金融是地产和所有的金融都属于周期，剩下的大消费和TMT属于非周期，非常简单粗暴的过去分法。
尝试过聚类方法。聚类就是分成几坨，这里一坨那里一坨。大概聚成6到7类，聚类会有漂移的，有些行业这段时间跟这些聚在一起，那段时间跟那些聚在一起，在中间跑来跑去，跟摇摆州一样。分叉到6到7坨差不多是稳定的，中间的摇摆是比较少的，就去找它背后的原因。
医药更多的时候在消费里面。医药也分不同的药。比如中成药、保健品甚至医美，把它放在消费里问题不大。但化学药跟这些更靠在一起。主导因素是医药行业本身的经营环境和利润率的周期性波动。更多的是上下游价格对它影响非常大的时候，也会往化工那儿靠一靠，不一定就在这个地方。它的主导因素是多维的。这段时间受原材料的影响更多，下一阶段受政策的影响更多，再下一阶段受终端消费者的和价格影响更多，导致它的走势和波动出现了和别人不同的特征。科技里就会比较复杂，比如环保行业，比如偏军工的、偏IT的、偏通信的。主导因素太多了，政策周期也不太稳定。它有时候会在一块儿，有时候会分开，也是背后驱动因素在那个阶段的表现力不一样。
至于说叫什么，没有很认真的命名这一坨叫什么，那一坨叫什么。认真去看那个分叉，树的枝干是稳定的，有一些小的分叉，在不同的地方跑来跑去的。做过各种各样的分类方法，发现还是回归到大类是最通用的，为什么呢？有个执行性问题，不同的券商有不同的行业指数的版本，得有延续性。回溯测试的时候，前面用的是申万版本，申万版本不更新了不延续了，现在用中信版本，两部分的数据接不上，这是可执行性之一。
可执行性之二是更复杂的点，到底哪些上市公司属于哪个行业。在中证分类里，是根据证监会给的上市公司行业分类，证监会是怎么给呢？看出生证，就是IPO的时候，娃生出来章就盖上了，不会改了。在申请IPO的时候，是一个服装公司，现在已经变成互联网销售公司了。但出生证上永远是服装公司，一直被放在中证的服装行业里，没有被拿出来。所有中证系列的指数都在延续这样的分类，这就麻烦了。在券商行业版本里，会根据上市公司当前的业务主要分类，比如50%以上收入来源于互联网销售，就会放到互联网行业里。也不太对，过一年服装的市场份额回来了，它又变成60%服装业务了，那怎么办呢？这个公司到底属于价值还是属于成长？
指数编制上也有两种方法，一种是今年哪个大就放在哪。下一年又变成另外，这是一种。可能会带来信息误差。上市公司多的情况下一个公司的影响不太大。另一种方法是国外一家指数公司，通用的方法是按比例切。把你切开了，一半放在这个指数里，一半放在那个指数里。我们各种方法都研究过，也试图强迫自己去维护一套版本。希望市场的统一性和一致性是好的。后来发现太乱了，做出来的东西很难跟同行有统一的口径对比，还是在券商的体系里挑数据质量相对比较好的去用。
现状可能看中信的比较多的。做历史上的回溯测试的时候，它没有那么长，很老的那一部分还得用申万，中证的都用过，没有绝对的优劣，看拿来干什么。作为一种分类方法，唯一的标准是谁分的最纯，距离最远，就是当下是最好的。在应用上要考虑延续性和历史的长短，所以没办法。所有的因子也是一样的，因子的程度和距离最远是投资永远追求的东西。谁把这个做对了，就像奠基的生物的分类学一样，是颠扑不破的东西。
有的指数最好的和最差的这两坨的分化很大，阿尔法效应很强。会不会基于这种情况，再给它做一些精选？
不只是精选了，我们会自己做。指数不是什么神秘的东西，把它理解成每一个指数都是一种因子或者某一种组合方式的延续。你也可以编指数，比如就叫面基叉叉指数。自己做一套逻辑，可以非常无厘头。比如把代码是偶数的放在一块儿，把代码是奇数放一块，最后发现指数长得都像模像样的。不同的加权方式按上市公司的大小也好，市值波动也好，甚至就按昨天的涨跌幅，都会呈现不同的波动特征。可以强调交易量，强调活跃性，也可以强调波动性。因子在这里有两层应用，一层用来选，一层用来加权，这样就好理解了。两种因子交互的结果就是这个指数最后的表征的特征，任何无厘头的方式去选，都可以把它叫做一种因子或者一种策略。
所谓的量化大厂模式，就是不同的时间周期。现在挖一个因子的速度已经变成几秒了。跟挖矿一样，已经变成一个机械的流程。流程是不管任何经济学行业，任何逻辑的，就是挖出来。只要有用，就变成一个因子。所有的因子理论上都可以变成一个指数，把这些指数再排列组合，又可以衍生出无数的策略和指数。
行业之所以有这么多人关注，是行业始终保持距离的一种分类方法。距离主够大，足够有说服力，这种情况下再叠加阿尔法土壤。阿法土壤是很有意思的一个点，我们一直说投资是自上而下的，人会更多一点。我做OF的角度，会更倾向自上而下。实际这个市场，万万千千的参与者当中，毕竟有大有小，有不同的方法论。自下而上也是一股很强的力量。自下而上会驱动什么？这个行业如果阿尔法的土壤非常丰富，会驱动很多自下而上的人去关注它。这些人聚集在一起就形成了贝塔，下对上也是有影响力的。我们对行业内的阿尔法效应有非常强的关注度，这个关注很有必要，影响的不仅仅是阿尔法本身。
这么多行业，可以大致把我们观测到的阿尔法土壤的变化分成这几类。一类是一直在上行，之前没有什么阿尔法空间，但这几年一直在上行，可以挖出来的阿尔法越来越多。这里面的行业居然有银行，大概十年前，那个时候银行是根本做不出来超额，行业全粘在一块儿，要么一块涨，要么一块跌。从哪个角度去选股，都打脸，就没有阿尔法。而且每一个股票的权重都很大，恰恰是因为合规不能选的银行往往打你打的最厉害。
比如在光大系做投资的时候，光大银行不能买，因为是关联公司。基金早年有很多限制，托管行不能买，销售行不能买，关联方不能买。有的基金特别buff，挤满了四大国有行，有三个不能买，导致跟踪误差和指数会差的很远。那时银行股的阿尔法很难找，但是一件事情到了极致后，就开始变了。这些年银行股的阿尔法空间越来越大
也不是，股份行影响会更大一点。股份行的估值波动空间大。这几年银行股上市也变丰富了，还有城商，一些小的银行。这些银行带来了更多的成长性和鲶鱼效应。也是为什么银行股的阿尔法空间反而变大了。因为有层次，不一定是因为股票或者基本面很接近，而是上市公司的代表性不够，也是比较早时候的一个现象。
上行的有色也是，前几年我们帮客户找有没有主观基金经理长期特别擅长做有色行业，一直做有色行业还有超额的，很难找。这个领域跟银行一样，沉寂了很久没人看，产品不够大。但它放了太久了，没人看它，反而长出来一直在上升的阿尔法空间。有色、银行、通信都是大公司，表现它的代表性不够，或者行业本身层次拉的不开的时候也不太找得到，一块涨跌或者一个权重股占的比例太大。
我们都从2005年开始算，开了20年的数据，有一些是下行的，下行的几个是有共同点的。比如农林牧渔、食品饮料、餐饮旅游，它的阿尔法空间这几年在下行。刘易斯拐点之后，消费升级大背景被透支了，成长空间和行业逻辑都发生了变化。这几年被系统风险主导了，成分会更多一点，这时候阿尔法空间开始下行了。
还有军工和建筑这两个行业，阿尔法空间也在下行，就说不出来什么理由，有一些长期阿尔法空间都很小的，十年以来都很小，像石油、石化，因为三个大上市公司基本上占了99%的权重，怎么做阿尔法。非银保险和券商，包括信托，还有个别的期货公司、建材，还有煤炭，煤炭的阿尔法空间也是长期低，因为它周期性太强了，价格的透明性和联动性也太强了，其实很难做出差异。另外一个原因就是客观执行上的差异，因为它的长期低迷形成了负反馈，很少有基金经理和研究员能够深耕这些行业。就算它发生了什么变化，这个信息的被发现的速度也不够快。
没有客户需要你，你在这个行业待20年，就看石油、两个公司，自己也觉得很无聊。还有一种有很强的周期性，有时有阿尔法有时没有。非常明显的，如3到5年一个周期的，房地产、钢铁、电力设备非常强的。阿尔法本身就有很强的周期性，不是价格。房地产行业指数是长期下行的，它的阿尔法空间反而是周期性波动的。具体原因，可以理解成下行的阶段是被政策主导的，上行的阶段是大家在微观上重新拉开差距的一个阶段。
显然是不一样的，不可能一样。汽车和交运也有很强的周期性的。大概可以分成这几种现象，总之从图上看也都不太好预测。
还有长期尔法都很高的。比如机械行业，机械行业选股都能选出很强的阿法效应，数据穷举出来就这个结果，不知道为什么。
一个研究员假设他的贡献有两个，第一个是帮我找到行业内的阿尔法，第二个是不说报告里边的，当基金经理来问，我说你得关注一下我们行业了，它择时了，提醒你这个行业的贝塔要起来了，这个事的胜率高吗？
研究员的角色跟基金经理很像，更多时候大家关注他的观点和他的贡献。但是他们都有很强的职业属性。比如演员演戏，除了贡献他的演技外，得跟着本子走，不能把正派演成反派了，就像张颂文的高启强一样，《狂飙》觉得他演技太好了，讨厌不起来，他是个很复杂很丰富的人。但是法律告诉你，他就是犯法了。作为职业属性，很多表层的公开信息，以及这些信息的通用处理，是必须要做的，给出我的观点，否则工作等于没干。实际这个观点的有效性是他没法控制的。
其实是这样的，也会在某一些阶段提示风险，告诉你没有机会。或者跟你讲贝塔上没有机会，细分行业和阿尔法上有机会。他的职业价值一定要有个观点。对这个观点的正误，他是没有控制力的。他是投票器中的一个票而已。
每个阶段的东西真不一样。比如这一轮经济周期，我认为在资本市场，它的成长性最强，应该去布局的。比如新置生产力，包括一些高科技。这些上市公司和股票对于很多人来说，根本下不了手。他觉得基本面不足以说服他，估值也太高，会觉得很虚。大家都羡慕漂亮国的长期牛市，在成熟市场里，最后总结，最大的超额收益来源就是来自于成长性的。很多人会说不对，红利也是长期跑赢宽基指数的。红利跑赢宽基指数，在国内是有buff的。国内的宽基指数不含分红，含分红的指数跟不含分红的指数讲长期跑赢，没有任何意义。
有这样的指数，每个指数都有自己的全收益指数，只是关注的不多而已。我们做选股策略的回溯测试，要证明因子的有效性。都是用全收益指数的。分红不能作为阿尔法贡献，那是上市公司给的，不是研究员给的。评估策略的有效性，包括评估长期投资的收益率的时候，在理论上都用全收益指数。业界习惯用价格指数，不知道这个历史是怎么形成的，就形成了长期的bug。
持股时间短是一个因素，还是早期不关注分红，形成了约定俗成的文化。理论上认为所有的基金里的权益部分都应该用全收益指数，不应该用价格指数。包括对冲股指期货的时候，股指期货更重要的是价格指数，也形成了天然的收益差。这个又麻烦、又不公正。但是没办法，现在约定俗成了。
它挺难理解的。核心思想就是猴子扔飞镖。不要认为这个行业长期有超额空间，人就一定能把它找出来。随机的意义上确实有。用现有的投资理论，不能有效的完全找出来，或者说它的门槛很高，很难研究。像化工和机械行业，长期的阿尔法空间都很大，研究门槛也高，一般人看不懂上市公司的基本面。
比如大家在缅甸挖翡翠，几个著名的场口被挖完了。现在告诉你，有一个很牛的卫星在天上发现了某个角落还有个富矿没被挖过，告诉你了又怎么着呢？过得去吗？投资上有很多这样的事情，过不过得去？做不做得到？到那了挖不挖得出来？有很多有效性的问题，即便挖出来，风险控不控得住？
现在市场阶段，很多同行跟我讲说，对成长性的资产还是很心虚，不太敢买。作为市场构成者的一部分，本身你的观点就投了一票，因为不敢买，现在牛市也没有太牛，不等于将来是这样。
不知道这种习惯对个人来说是好的还是不好的。长期这样会变成一个很无趣的人，对很多事儿失去了幻想。作为投资来讲，投资是反人性的，失去幻想是好事，让你冷静、公正。人没有人味儿了，就挺让人讨厌的，像个机器人一样，不能什么事儿都喜怒不形于色，什么事儿都觉得不会有什么想象空间，但他或许是个很棒的交易者。非常成功的交易者在人性上都不一定是讨人喜欢的。大家喜欢的投资大师，并不一定是交易上的高手，只是个marketing的高手。比如市场上同行都觉得做量化的人好讨厌，不喜欢分享。因为信息的复杂和所谓的祛魅就在里。不敢分享的特别彻底，听众不一定喜欢这种对话。会觉得既不提供情绪价值，说出来的东西也听不懂，甚至听懂了更生气，因为执行不了，会带来反面的负面情绪。
大家都说量化同行不太喜欢交流？我身边有很多量化的朋友，不谈投资的时候，大家都是特别好的朋友。可以乱吵架乱抬杠的，并不是说丧失人性。但对于投资，第一，如果我讲的不够透，可能误导别人。如果讲的太透了，发现确实可以用。其实99%的人拿到这个信息是没有用的。我不会浪费时间做没有用的分享。
关于行业，有个特别典型的场景，比如我们看一些宽基指数，肯定希望把它穿透到行业，有很便捷的工具看行业权重，穿透到行业了，然后呢？
现在市场修复的比较好了，很多投资者对主观投资有点祛魅了，想买ETF或者想买指数增强。这两类产品有很重要的特征，就是在行业权重上，偏离是非常小的，尤其是ETF，基本不会有行业偏离，因为不敢偏离，一偏离跟踪误差就大了。对他来说，跟踪误差是忠实的再现指数本身的波动，是他的第一目标，不是超额收益为第一目标。这时候他对行业，对大小市值风格，都是不太敢偏离的，甚至对bara的十个因子，也是不太敢偏离的，这些因子本身是不可控的。我的投资人要求的是时时刻刻的忠诚，而不是一个阶段的超额收益。
指数增强也分两种，一种是相对比较自由的增强，在行业的道路上，上下给一定的空间。比如天然权重是10%，给上下20%。上下20%不是从-10到+30，而是10%的20%，可能+-4，从6到14，允许在这个范围内波动，那么争抢出来的收益就变成了两部分。一个部分是增配或者减配带来的超额收益，第二个部分是在这个行业内选股带来的超额收益。
指增是怎么做的、怎么选呢？要么从中观的偏离上来，要么从微观上的偏离上来，或者替代上面来。基本上所有的量化同行都会对自己的策略做冷静客观的剖析。有多少部分是从行业暴露上来的，有多少从微观来的。要分配我的风险额度给到性价比更高的地方，研究资源也要给到性价比更高的地方。
指数增强是介于完全复制和不受约束的主观投资之间的品种。不断剖析和选择策略的分布，导致它的超额收益的胜率稳定很多。形成了更多追求超额收益的人的一种选择。
那些东西怎么用？比如沪深300，不说那么多行业，就说两个，一个行业60，一个行业40。假设就是简单指数，对于60，要超配一点还是低配一点？有各种各样的投票器投出来，告诉我现在超配一点。就加到65，投票器告诉我低配一点，就把它减到55。在+-5个点的同时，对上市公司的权重又做了一些调整。比如+这5个点，一种方法是等比例放大，每个股票都加一点。一种方法是这60个点里有十个上市公司，有四个是我喜欢的。把这5个点分给我喜欢的公司，你的仓位就有两块了，一块是加的这个点本身出来的，一块是这几个上市公司给的。超越了它的行业指数的那一部分给出的两部分有时候是一起往上，有时候一起往下，有时候互相消减的。
选择可以延续的所有指增，做的第一步不是选，是把它拆开，哪些是从中间的维度和因子的维度来的，哪些从选股的维度来的。我更喜欢在微观上反复出现的胜率，那个地方的机会多，可以形成的复利效应好。而在中观上各方面性价比都没有那么高。会更喜欢它在微观上有长期持续的分散化的来源。怎么选呢？如果只选一个，就是更好的稳定性，代表了策略的多样性更好。不是绝对的，有两种可能，一种可能看的周期很长，比如看了十年，超额收益都很稳定。意味着它的超额收益来源已经多样性的覆盖了十年的变化的一个周期。它的可靠性得到了一定的背书保证。还有一种只有2到3年的业绩，发现超额收益好的一塌糊涂，我会很害怕。尤其是剥离出来，发现它的因子集中在个别因子上的时候，基本就给否定票了。这个是我的一票否决里的其中一种。
极目新闻记者 舒隆焕1月2日上午，宁夏银川金凤区发生4.6级地震，震感强烈。地震发生瞬间，银川一名高中生刚跑出去几步又返回背起腿脚不便的同学冲出教室，这一幕感动了无数网友。极目新闻记者此前在银川走访时了解到，返回背同学下楼的学生是银川外国语实验学校高二（6）班的郭庆。
731部队是日本军国主义者在第二次世界大战期间下令组建的细菌战秘密部队之一。1931年到1945年期间，731部队进行骇人听闻的人体实验和细菌战等，在中国犯下滔天罪行。数千名中国、苏联、朝鲜战俘和中国平民被用于人体细菌和毒气实验。
网友挑战最远上班路，6:40出发全程25公里，从天黑开到天亮，评论区不少网友晒自己的通勤路#最远上班路
网友挑战最远上班路，6:40出发全程25公里，从天黑开到天亮，评论区不少网友晒自己的通勤路#最远上班路
1月6日，广西多位村民反映，在村里的水井中，发现一头死猪，并且这条死猪是绑了石头的。村民称，置办酒席，需要大量用水，才发现。
潇湘晨报消息，1月4日，吉林长春，有网友在社交平台反映，在公交车上面发现公交公司张贴的通知，称从1月7日起，老年卡乘客恢复正常收费，引发了老年乘客的担心，今后是不是不能免费乘坐公交车了。
德国女外长贝尔伯克被叙利亚实际控制者艾哈迈德·沙拉拒绝握手的一幕传遍世界，这是她本人的尴尬、也让德国挺没面子。如果说是女性拒绝同男性握手，被拒者还有较大诙谐自嘲的空间。
“我家个体超市总共20多名员工中，有8人被以盗窃判刑，2人被检察院决定不起诉……半年超市采购22万多个鸡蛋，就丢了108000多个……”日前，赵女士向华商报大风新闻记者说起自家原本盈利的超市最终倒闭，资金亏损超过200万元的原因，气愤而无奈。
对一个普通的上班族来说，都知道要遵守公司规定，要准时准点上班打卡，上班不能迟到，更加不能早退，否则要被公司扣工资，严重的话甚至还有可能被通报批评。然而，对于国家公务员，国家公职人员来说，这点最基本的规定都做不到、不遵守的话，怎么做好为人民服务的宗旨，怎么做好一名称职的好公仆？
不愧是人口大省，就这样的出生率在全国绝对数得着，也幸亏现在的政策好，才会这么“肆无忌惮”的生育，放在80年代，绝对是不可能的事情。
标签： #网络营销方式有哪几种
评论列表