中欧基金曲径：智能选股重在“稳定胜率”

“量化选股”早已不是新鲜词，但并非每一只量化产品都能长期获取满意回报，原因何在？中欧基金量化投资策略组负责人曲径一语道破：数据更新的“及时性”，以及不拘泥于数据模型的“一招鲜”，或是智能量化选股获得稳定胜率的优势所在。

在曲径看来，量化投资的本质是“信息获取”和“信息处理”。A股每天全市场数据和公告超过一万条，仅标题的阅读量就超过一万字，凭人脑是无法搜集和处理如此庞大数据的。如果把传统股票投资比作武林高手“华山论剑”，那么大数据投资方法则更像调兵遣将的集体作战，可以提高分析的效率，增加选股的胜率，尽管这并不能保证每次都能获胜。所以，要想长期战胜市场，就要在信息的获取和处理上下更多功夫，正如手握重兵，也要配合适当的战略战术，才能打胜仗。

为了及时获取并处理第一手信息，曲径掌舵的中欧基金量化投资策略组自建工程师团队，将自建模型抓取数据与第三方数据获取相结合，及时有效地进行数据处理。“通过整合多元数据，包括网络用户行为数据、舆情信息的扩散与信息影响的追踪、零售消费的大数据整合等，可以深入变革传统的股票投资行为。

“只有选到独立研发的、与主流模型有差异的阿尔法，才能保证策略的可持续性。”正是经历过美国量化投资的兴起和挤兑，所以曲径对投资策略的差异性非常重视。而基于量化投资的分析框架，也使中欧的数据源更独特，策略体系更为稳健，与传统投资方式选出的股票相关度低。

曲径指出，A股的波动率远高于发达国家的股市，市场的非有效性颇为明显，因此利用“机器选股”的策略也或将更为有效，它会显著提升收益的稳定性。中欧全新的量化投资模式通过对海量多维数据的挖掘，提升数据宽度及各类数据利用率，进而提升了获取超额收益的空间和可能性。而其通过更多选股指标建立起的因子库，能动态调整因子，集中关注弱特征因子，并通过算法的整合与其他因子互相弥补，及早发现低估值标的。这种策略，与策略组坚持追求“独立研发的、高胜率的”的投资方法一脉相承。