价值投资方法与量化投资在理论上存在交集。

　　【《证券市场周刊》记者 吴晓兵】随着中国股市规模的扩张，成熟市场投资理论与方法的引入，价值投资在5年前的牛市中大行其道，而量化投资也被诸多机构所关注。

　　那么，依靠投资者对上市公司深入研究来选股的价值投资和依靠数据挖掘来寻求超额收益率的量化投资可能有交集吗？

　　本文所采访的对冲基金经理刘海影，就是将上述两者熔于一炉，并以此方法管理投资于A股的阳光私募基金。

　　《证券市场周刊》：用量化方法来做价值投资，与典型的量化投资有何不同？

　　刘海影：传统上，典型量化投资的方法，是从数据到数据。

　　数据处理方法是经过特殊处理先排序、回归、再排序：1.先排序，股票按照超额回报率，将上市公司的各指标在数据库中排序；2.回归，用回归方法来确定某一个指标对超额回报的贡献，按照贡献大小对指标(因子)赋予不同权重；3.再排序，根据因子权重来打分，选择那些排序比较高的股票。

　　本质上，这种量化选股技术是使用数学手段去识别强势个股具有什么样的基本面特征，也就是去识别哪些基本面因子能够带来超额回报，并且按照其作用大小来对因子赋权，据以识别具有强势特征的个股。

　　然而，这种仅靠数据回归建立模型来进行投资决策和操作的方法，“知其然而不知其所以然”，忽视了数据与结果之间的内在联系。比如一个公司市盈率比较低，就对这家公司排序比较高，却不管市盈率低背后的逻辑。

　　我原来也使用主流的量化选股模型，后来觉得这种方法从数据到数据，缺乏逻辑上可解释的投资哲学和投资理念而放弃。

　　由于因子权重是从过去数据的回归中得到，在现实中，同一因子所起作用可能与过去有差别。某一因子在何时起多大作用无法预知，某一阶段可能是价值型因子作用大，价值指标得分高的股票表现好；而下一阶段可能是增长型因子作用大，股票表现情况就相反。

　　因此，当市场发生风格转换时，逻辑上讲基金经理要不断调整模型，调高或调低某类因子的权重。但这与量化投资的要求相矛盾。

　　在加拿大担任基金经理的后期，我越来越认识到了典型量化投资思路的局限性，因此开始尝试一种“非典型”的量化投资策略，并将其运用到实践中，包括现在A股基金的管理。

　　《证券市场周刊》：这种投资策略的基本思路是什么？

　　刘海影：这种投资策略简单来说，就是用量化模型织“渔网”。

　　首先，投资决策框架由三部分组成：1.通过选股来创造超过基准指数的回报；2.战略风险管理，通过仓位控制来防范系统性风险；3.投资组合优化和管理，包括行业配置和个股仓位比例。

　　该方法与典型量化投资的区别在于，其中使用的数学模型、方程都只是一种工具，是为价值投资理念服务的。

　　选股就是量化加价值，将量化作为手段，在财务数据中提炼和寻找有效信息。模型中的数据都是财务信息，因为：1.在有效性较高的市场，过去股价信息不能提供超额回报；2.量化只是手段，挖掘财务数据与超额回报之间的内在联系才是目的。

　　据此建议一个模型，将1800家A股上市公司的数据代入，通常会有150家-200家符合标准。这是根据模型建立的股票池，作为买进或进一步做价值投资研究的目标。

　　这当然与典型量化投资有别，因为投资思路完全不同；但另一方面，它也与“手工作坊”式的传统价值投资方法有别，因为借助了数量化手段。

　　该方法在A股市场应用的效果，比在美国还要显著。因为：1.A股的市场效率比美国低，提供了更多可把握的机会；2.从选股的方法论来看，中国一般投资者的方法是“叉鱼”，收益的不确定性非常高；这种方法是“网鱼”，这样选股不一定能选到大黑马，但可以保证一定的收益率水平。

　　用数据来说，我认为，在美国所谓的市场定价错误机会在5%-10%。其他90%无法证明市场定价错误，也就没办法抓住机会。A股定价错误带来机会的比例大约15%，也就是说2000家公司约有300家价格被低估，这是我们的系统要去捕捉的。

新浪声明：此消息系转载自新浪合作媒体，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。文章内容仅供参考，不构成投资建议。投资者据此操作，风险自担。