夏春量化巴菲特分析.PDFVIP

夏春：量化巴菲特 2012 年8 月以来，路透社、《福布斯》、《经济学人》、CBS 新闻、《华尔街日 报》、英国《金融时报》等相继报道了一篇新的学术论文—— “巴菲特的阿尔法” （“Buffett ’s Alpha”），该文作者是对冲基金AQR(应用量化研究) 的研究员安德 烈·法拉瑞利、大卫·卡比勒和拉斯·彼德森，其中第一和第三作者也是纽约大 学金融学教授。这篇文章之所以得到如此高的曝光率，原因在于每一个投资者都 希望能够复制巴菲特的成功，但他们之中真正实现目标的却寥寥无几，三位作者 正是声称可以用量化投资的方法去系统性地重现巴菲特的辉煌( 图1)。 “量化投资”最近几年在中国成为一个热词，但到底有多少投资者真正明白 其中含义？例如，巴菲特非常重视公司的财务报表数据，为什么没有人称他为量 化投资者？另外，什么是阿尔法和贝塔？ 将经济金融指标量化帮助投资，在华尔街由来已久，第一次系统化的研究以 1934 年本杰明·格拉厄姆和佛兰克·多德出版被誉为“投资圣经”的《证券分 析》为标志。1951 年在哥伦比亚大学任教的他们，迎来其一生中最重要的学生 ——沃伦·巴菲特，公司基本面分析和价值投资哲学随后者而大放异彩。 与此同时，芝加哥大学的博士生哈瑞·马科维茨在思考如何平衡投资的回报 和风险。他发现厚厚的《证券分析》里竟然没有关于风险的量化定义。他想到用 统计中的期望值和标准差来分别测量资产的预期回报和风险，再假设不同的投资 者都偏好高回报和低风险，但风险承受能力不同。他很快算出投资者的最优选择 是将资本合理地多元化配置在不同的证券和现金上。他用到的数学如此简单，以 至于答辩时导师们都犹豫论文的贡献是否满足博士学位的要求。然而就是这篇不 被看好的强调“投资组合”的论文慢慢地改变了华尔街资产配置的实践。由于新 框架引入的数学工具可以处理现实中各种复杂的情况，量化投资理论由此而蓬勃 发展并逐步渗透到实践之中，“现代投资组合理论之父”——马科维茨因此在 1990 年获得诺贝尔奖。 传统的定性或基本面投资分析用到的量化数据较少，投资组合里的证券数量 通常在20～100 之间，而新的量化技术构造的投资组合往往包含成千上万的证券， 是名副其实的“大数据投资”。换言之，巴菲特清楚地知道他买卖是哪家公司， 而大数据投资经理通常不知道买卖了什么公司，一切都是电脑在处理。 1990 年诺贝尔奖的另一位得主威廉姆·夏普发现，如果投资者都按马科维 茨的方法去多元化配置资产，那么任何一种资产的回报都和市场指数的回报成正 比，这个比例被称为贝塔，实际是一种风险的衡量标准。如果一种资产的回报比 另外一种高，是因为前者的贝塔/风险高，回报是承担风险的补偿，许多投资者 认可这个道理。相反，许多投资者的直觉是，高回报的公司应该是高质量的公司 而不是高风险的公司。由于现实远比理论假设复杂，如果有些资产的实际回报与 这个“资产定价模型（CAPM ）”预期的，或者说经贝塔调整后的应得回报不同， 则差额被称为“阿尔法”。CAPM 预测在市场完全竞争等假设前提下所有资产的 阿尔法为零，但优秀的公司或者基金管理人可以创造正的阿尔法。 夏普的理论在1964 年发表，但一位社会学博士、《财富》杂志的记者阿尔弗 雷德·琼斯早就发现了这个规律，他在 1949 年创立了现代意义上的第一家对冲 基金。该基金的投资策略是，先算出单个股票的贝塔 (琼斯称为速率)和阿尔法， 然后买入(卖出)阿尔法为正(负) 的股票，再适当加入杠杆，琼斯的业绩好得惊人， 为他工作的人逐渐自立门户，对冲基金业也由此发端。巴菲特毕业后在格拉厄姆 的资产管理公司工作了一段时间后回到家乡奥马哈，1956 年，25 岁的他仿照琼 斯的收费模式成立了一家对冲基金，他擅长的正是包括困境证券和风险套利在内 的价值投资。巴菲特直到1969 年完全控股伯克希尔·哈撒韦之后才将其关闭。 不久金融学教授利用统计分析发现，在如此复杂的世界里产生的股票回报和 风险之间的关系，居然和如此简单的 CAPM 模型描述的差不多，股票扣除交易 费用后的净回报的平均阿尔法为接近零的负数，也就是说股票市场对风险的补偿 非常有效率。 1978 年，芝加哥大学的博士生迈克尔·詹森同样发现股票型共同基金回报 也是如此，考虑到许多业绩不好而关门大吉的基金的数据无法找到，投资者的实 际回报只会更差(这个发现是每个考取特许金融分析师证的基金经理都知道的) 。 其实，同在 1951 年，