文汇阁为投资者提供了软件产品
智能交易系统、智能分析系统、自动跟单系统、智能对冲系统、行情转换系统、交易信号专家等，满足了不同用户的需求。
任何疑问请联系我们客服，可拨打7*24小时服务热线：400-660-1612
在线客服金融市场最容易让人产生误解的一件事，是我们总喜欢把“正确答案”想象成只有一个。
一只股票涨得越来越贵，价值投资者会说估值已经过高，未来预期收益可能下降；趋势或者动量交易者却可能认为，只要价格强势没有被破坏，昂贵本身并不是卖出的充分理由。一个资产持续下跌以后，价值模型可能认为价格已经出现足够折价，风险补偿正在提高；动量模型则可能得出完全相反的结论：既然弱势还没有结束，就没有必要急着接住正在下落的东西。
这两种思路放在一起，会形成一个非常有意思的冲突。
到底是谁对？
很多交易者刚进入市场时，会下意识地认为必须选一边。要么相信价值，认为价格最终会回归基本面；要么相信趋势，认为市场能够比任何个人保持非理性的时间更久，所以真正重要的是顺着价格方向走。可当一个人真正研究市场几十年以后，会逐渐发现，真正的问题并不是价值和动量谁能永久战胜谁，而是它们分别在什么条件下赚钱、在什么环境中受伤，以及为什么两种看似互相矛盾的方法，都能在长期数据中留下自己的痕迹。
Cliff Asness的职业生涯，正好站在这个问题的核心位置。
他后来创立AQR Capital Management，并长期担任首席投资官。AQR之所以在系统化投资史上占有重要位置，不只是因为它使用量化模型，而是因为它把大量原本属于学术研究领域的资产定价问题，真正转化成了可以管理真实资本的投资框架。价值、动量、质量、防御性、跨资产配置，这些在今天已经被交易行业反复讨论的因子和风格，在当年真正要被机构化、组合化、风险预算化，并没有现在看起来这么自然。
Asness真正值得交易者研究的地方，也不在于某一个因子公式。
更值得研究的是一种非常成熟的量化思维：市场可能同时存在多种赚钱逻辑，而且这些逻辑并不需要在每一年都有效。某一种方法可以连续几年承受巨大压力，另一种方法则可能在完全不同的环境里失效。真正的投资工程不是找到一个永远正确的模型，而是理解不同收益来源为什么存在、什么时候可能互补，以及当某一种方法进入长期低谷以后，你究竟凭什么判断它只是暂时失灵，还是已经永久死亡。
这才是Cliff Asness故事真正值得写的地方。
真正成熟的量化交易，不是找到一个永远正确的答案，而是接受不同市场环境需要不同的答案。
传统选股最迷人的地方，是它非常符合人类对投资的直觉。研究企业，判断管理层，分析利润、行业、竞争优势和未来增长，然后找到一个价格与价值之间存在偏差的机会。整个过程带有很强的人类判断色彩，也给优秀投资者留下巨大的发挥空间。一个真正了解企业的人，当然可能比普通市场参与者更早发现长期价值。
但量化研究提出了另外一种问题：如果我们不先看公司名字，而是把大量股票放在一起，观察几十年的历史数据，会不会发现某些共同特征与未来收益之间存在长期关系？
这是现代因子投资真正改变传统资产管理的地方。
比如，把市场中的股票按照估值高低进行排序，长期来看，相对便宜的资产是否存在更高的预期收益？把股票按照过去一段时期的价格强弱排序，过去表现较强的资产是否在随后一段时期仍然表现出某种延续性？如果这种现象不是偶尔出现，而是在不同市场、不同国家、不同年代中都留下统计痕迹，那么它是否意味着，投资机会不一定只能通过逐家公司阅读财报才能发现，也可能通过研究大量资产之间的横截面关系来理解？
Cliff Asness正是在这样一个学术背景中成长起来的。他在芝加哥大学接受金融学训练，而芝加哥长期以来就是现代资产定价理论的重要阵地。学术金融最大的特点之一，是它不会轻易接受“大家都知道”这种理由。任何被认为理所当然的市场规律，都必须面对数据。
这种训练方式与交易大厅上的经验文化完全不同。
一个交易员可以说：“便宜的东西迟早会涨。”学术研究会追问，什么叫便宜？使用市盈率、市净率还是其他指标？在哪些样本中成立？需要持有多久？收益究竟来自风险补偿还是市场错误？如果考虑行业结构以后，结果还在吗？如果换成其他国家市场呢？
同样，一个趋势交易者可以说：“强者恒强。”研究者则会继续问，过去多长时间的上涨定义为强势？最近一个月需要排除吗？持有周期多久？这种收益是否集中在某些市场阶段？交易成本会不会把优势完全吃掉？
这些问题把投资从一个充满故事的世界，带进了一个充满样本的世界。
但这里必须特别强调，量化并不是因为拥有数据，就天然比传统研究高级。数据只能回答你设计的问题。如果问题本身很差，统计结果同样没有意义。真正有价值的是，数据让很多过去只能凭感觉争论的问题，第一次拥有了可以被系统检验的形式。
Asness后来真正做的，就是把这种研究方式带进机构资产管理。
他并不是简单地把股票分成几组，然后买便宜、卖贵，或者追涨杀跌。机构量化真正困难的地方，在于怎样把研究结果转化成一个可以容纳真实资金、控制风险、跨越多个市场并且长期运行的组合。单个因子可能很有说服力，但真实组合还要面对仓位、相关性、成本、回撤、容量以及投资者行为。
所以，从学术走向华尔街真正发生的变化，并不是数学家突然发现了赚钱密码。
而是投资开始出现一种新的语言。
传统投资说：“我喜欢这家公司。”
量化投资更愿意问：“我究竟在暴露什么风险？我为什么认为这种特征能够获得收益？如果把名字全部拿掉，这种关系还存在吗？”
这是一种去故事化的过程。
市场当然需要故事，因为企业和经济本身就是现实世界的一部分。但当一个投资者能够把故事拆解成变量，再重新检查这些变量在历史上究竟发生了什么，他会得到一种非常不同的市场观。
个体会变化。
公司会变化。
热门行业会变化。
但人类对便宜与昂贵、趋势与反转、贪婪与恐惧的反应，可能以不同形式反复出现。
量化真正研究的，就是这种重复。
价值投资最容易被理解成一句话：买便宜的东西。
可真正的价值因子远没有这么简单。
如果低估值资产长期表现更好，我们首先需要问的不是“那就买便宜的”，而是为什么。因为任何长期收益来源都不可能只靠一句口号维持。市场参与者不是傻子，如果一种策略既简单、又稳定、又没有风险，而且人人都知道，它的收益应该很快被竞争消灭。
所以价值因子背后通常存在两种非常重要的解释。
第一种解释是风险补偿。
便宜资产之所以便宜，可能不是市场犯错，而是这些公司确实更危险。它们可能盈利不稳定，资产质量较差，行业处于困境，或者投资者必须承担更大的经济周期风险。既然承担了更难受的风险，长期投资者自然要求更高的潜在回报。
如果这是主要原因，那么价值溢价并不是免费的午餐。
你获得更高长期收益的代价，就是必须忍受这些资产在某些时期非常难看。
第二种解释则来自行为金融。
市场参与者可能过度外推过去。一个优秀公司连续几年增长以后，投资者会把这种增长想象得比现实更持久，于是愿意支付越来越高的价格；一个公司经历连续失败以后，投资者则可能把坏消息外推得过远，把一个暂时困难的企业当成永远没有希望。
如果市场真的存在这种行为偏差，那么价值策略赚到的钱，就可能来自情绪最终回到现实。
这里真正值得交易者注意的是，“便宜”从来不意味着马上上涨。
这是价值策略最折磨人的地方。
一个东西已经便宜，可以继续变得更便宜；一个资产估值已经极端，也不意味着明天开始修复。市场价格从错误走回合理，可能需要很长时间，而在这个过程中，使用价值逻辑的人会承受巨大的心理压力。
这也是为什么很多人在理论上认同价值，真正实盘却坚持不下来。
假设一只资产的长期价值明显高于当前市场价格，你可以买入。但如果接下来继续下跌30%，你会怎么处理？如果市场上所有热门资产都在上涨，而你的组合连续两年落后，你还能不能相信原来的研究？如果客户每天看到别人赚钱而自己不赚钱，你又能不能继续执行？
真正的价值策略不是便宜的时候敢买一次。
而是在便宜继续变便宜以后，你仍然知道自己最初为什么买。
这需要非常强的研究纪律。
但更重要的是，价值策略也不能把“长期有效”当成拒绝认错的许可证。一个资产价格下跌，可能是市场情绪错误，也可能是基本面真的恶化。一个因子历史上存在溢价，也不意味着任何一个低估值资产都值得买。
所以系统化价值真正做的是组合，而不是英雄式抄底。
它不是试图找到某一只绝对确定被低估的资产，而是让大量具有相似估值特征的资产共同形成一个统计暴露，再通过分散降低个别判断错误的影响。
这和普通交易者的直觉完全不同。
普通人喜欢确定。
这只股票便宜，所以我要买它。
量化价值更接近概率。
这一组资产相对便宜，长期统计上可能拥有更高预期回报，但任何一个单独资产都可能失败。
把这个思维放到黄金交易里，同样有启发。
你不能因为黄金“涨太多了”就自动做空，也不能因为“跌很多了”就自动做多。所谓便宜和贵，必须有参照体系。没有定义的价值判断，本质上只是主观感觉。
真正专业的价值研究，一定会先回答：
和什么比？
为什么便宜？
历史上这种便宜意味着什么？
基本面有没有永久变化？
这种溢价是风险补偿，还是市场错误？
如果这些问题都无法回答，“价值”很容易变成另一种死扛的借口。
如果价值因子符合人类“低买高卖”的直觉，那么动量因子刚好挑战这种直觉。
一个资产已经涨了很多，为什么还要买？
价格越高，不是风险越大吗？
这就是动量研究最有意思的地方。
大量历史研究发现，过去一段时间表现较强的资产，在随后一段时间里往往存在继续相对强势的现象；过去较弱的资产，也可能继续弱势一段时间。这并不意味着任何上涨都会持续，更不意味着趋势永远有效，而是说明价格调整并不一定瞬间完成。
为什么会这样？
一个可能原因是信息扩散需要时间。
市场并不是一个所有参与者在同一秒钟同时理解信息的世界。大型机构、个人投资者、企业管理层、基金经理和量化模型，获得信息、理解信息并做出行动的速度不同。一个真正重要的信息出现以后，价格可能不是一次跳到最终合理水平，而是经过一段时间逐步调整。
第二个原因同样来自人性。
投资者可能存在锚定和反应不足。面对新的信息，人们往往不会立即完全推翻原有判断，而是先小幅调整预期。如果好消息持续出现，市场才逐渐承认原来的价格体系已经改变。
第三个原因是机构行为本身存在惯性。
大型资金不可能在一天里完成全部仓位。一个基金经理需要调整巨大组合时，买入和卖出可能持续一段时间。这种执行过程本身就会形成一定价格延续。
于是，动量策略出现了一个很反常识的结论：
贵，不代表马上跌；涨得多，也不代表趋势结束。
这对普通交易者特别重要。
很多人最大的亏损，不是因为方向判断完全没有逻辑，而是太早和趋势对抗。黄金连续上涨以后，看到技术指标进入超买区，第一反应就是做空；价格继续上涨，又觉得更贵了，于是继续增加空头仓位。
这里的问题不是“高位永远不能做空”。
真正的问题是：你的交易逻辑到底是估值逻辑，还是趋势逻辑？
如果你使用的是均值回归方法，就必须拥有确认价格开始回归的证据，而不是仅仅因为价格已经涨很多；如果你使用趋势模型，就必须允许价格在看起来很贵的时候继续上涨，因为动量策略的利润本来就来自这种延续。
这也是为什么价值和动量看起来如此矛盾。
价值会告诉你：这个东西已经贵了。
动量会告诉你：贵不代表不能继续涨。
两者可能同时正确。
一个资产从长期估值角度已经很贵，但短期趋势仍然非常强；如果你在趋势还没有结束时根据长期估值提前做空，最终价值判断可能正确，交易结果却仍然非常糟糕。
这就是交易中经常出现的一个残酷事实：
方向最终正确，不等于时点正确。
动量真正提供的，不只是一个因子。
它提醒投资者尊重价格。
基本面告诉你资产应该值多少钱。
价格告诉你市场现在愿意付多少钱。
两者之间可能长期存在距离。
真正成熟的交易系统，不会因为自己认为价格“不合理”，就要求市场明天必须回归。
很多交易者最难接受的是，两套互相冲突的逻辑可能同时具有长期价值。
价值倾向买便宜、卖昂贵。
动量倾向买强势、卖弱势。
一个资产既可能很贵，又可能非常强。
这时两个模型完全可能给出相反信号。
传统思维会问：到底谁对？
真正成熟的组合思维会问：这两个信号分别在研究什么？
价值研究的是价格与某种经济基础之间的相对关系。
动量研究的是价格变化本身是否存在持续性。
一个从横截面估值出发，一个从价格路径出发。它们并不是对同一个问题给出两个不同答案，而是在回答不同问题。
这就是因子组合真正高级的地方。
如果两种策略的收益来源不同，它们在不同市场环境中可能出现互补。一段市场极度追逐热门资产时，动量策略可能持续盈利，而价值策略承受巨大压力；当市场最终发生风格逆转，价值可能迅速修复，而此前拥挤的动量交易则可能遭遇猛烈反转。
这种关系并不是完美对冲。
价值和动量都可能同时亏损。
市场也可能出现过去样本很少见的新环境。
但如果两种收益来源并非完全相同，把它们放进一个组合，就可能比只押一种逻辑更加稳健。
这里有一个非常重要的交易观念。
分散不是拥有更多策略名称。
真正的分散，是拥有不同风险来源。
如果你有十套EA，但它们全部在趋势市场里做多黄金，本质上仍然只拥有一种风险暴露。一旦黄金进入持续震荡，这十套策略可能同时失效。
反过来，如果两套策略逻辑完全不同，一套依赖趋势延续，一套依赖均值回归，它们至少有可能在不同市场环境中表现出不同结果。
这并不意味着简单把两套策略相加就能获得稳定收益。
组合还需要研究相关性。
而且相关性不是固定的。
平时看起来互补的策略，在金融危机或者极端流动性环境中，可能突然一起亏损。真正的组合管理因此不能只看历史平均相关系数，还要研究压力状态下的关系。
这也是AQR这类机构量化真正与普通“多策略EA”不同的地方。
他们研究的不是简单叠加信号，而是不同风险溢价之间的组合关系。
收益来自哪里？
风险来自哪里？
在什么环境中会同时失败？
组合在极端情况下会怎样？
这已经超出了单一因子的讨论。
它进入了真正的资本配置。
对普通交易者来说，这同样是一次思维升级。
不要问：“趋势策略和回归策略谁更高级？”
应该问：“它们各自解决什么问题？”
不要问：“价值和动量谁才是真理？”
应该问：“什么时候价值更可能发挥作用，什么时候价格趋势本身更重要？”
这不是逃避答案。
这是承认市场本来就是多维的。
真正成熟的投资者不会强迫世界只能符合一种模型。
因为世界从来没有这个义务。
所有系统化投资最终都会遇到一个最困难的问题。
不是怎样找到策略。
而是当策略开始不赚钱以后，怎么办。
如果一个因子亏损一个月，大多数研究者可以接受。
亏损半年，还可以解释为正常波动。
如果持续两年、三年甚至更久呢？
这就是量化投资最痛苦的地方。
历史数据显示一种因子长期存在优势，并不能告诉你这一轮低谷到底会持续多久。市场没有义务按照投资者的资金期限恢复。
这时研究员会面对两种完全相反的风险。
第一种风险，是太早放弃。
任何真正长期有效的策略都可能经历低谷。如果只要半年不赚钱就删除模型，那么投资者永远只能追逐最近有效的方法。过去表现好的被买入，刚进入低谷就被抛弃，最终形成非常典型的高买低卖。
第二种风险，是太晚承认。
“长期有效”同样可以成为最危险的借口。市场结构会变化，竞争会增加，交易成本会改变，过去存在的错误定价可能被更多资金发现。一个曾经有效的因子确实可能衰减，甚至永久失效。
所以，真正的难题不是坚持还是放弃。
而是依据什么坚持，依据什么放弃。
成熟的量化体系不能只看最近盈亏。
它需要检查更深层的证据。
模型的经济逻辑是否还存在？
原来的行为偏差是否仍然存在？
收益下降来自估值变化，还是交易成本上升？
策略容量是否过度拥挤？
输入特征是否发生结构性改变？
样本外表现是否已经长期偏离原来的统计分布？
如果这些问题仍然支持原有逻辑，那么低谷可能属于正常的策略周期；如果基础假设已经明显破坏，再坚持下去就不是纪律，而是固执。
这一点对个人交易者尤其重要。
很多人根据最近十笔交易决定系统生死。
连续盈利十笔，就认为找到圣杯。
连续亏损五笔，就彻底推翻策略。
这种评价周期通常太短。
一个真正具有统计意义的交易系统，必须使用足够样本评价。尤其胜率较低但赔率较高的趋势系统，连续亏损本来就可能成为正常现象；如果交易者没有提前理解这种分布，实盘一旦出现回撤，心理上就会误判为系统失效。
但反过来，任何人也不能拿“样本不够”作为永远不认错的理由。
所以策略研发真正需要事先定义失效条件。
不是亏了以后临时决定。
而是在系统还赚钱的时候，就提前写清楚：什么程度的表现偏差需要警戒，什么情况需要降低风险，什么证据出现以后必须暂停，什么条件满足以后才能重新启用。
这样，策略进入低谷时，交易者才能减少情绪干扰。
这其实就是把“信念”变成“治理”。
量化研究最成熟的一步，从来不是证明模型有效。
而是建立一个机制，判断什么时候应该不再相信它。
很多人进入量化市场，最初都想找到排名第一的策略。
胜率最高。
收益最好。
回撤最低。
最好任何行情都赚钱。
可真正做久以后会发现，这种策略几乎不存在。
一个系统在趋势行情里表现极好，震荡可能持续亏损；价值模型长期具有吸引力，却可能在市场追逐成长和热门资产时多年落后；动量能够捕捉持续趋势，但当市场快速反转时，也可能经历非常剧烈的损失。
这不是模型设计失败。
这是市场本身的性质。
任何收益来源都有代价。
如果一种策略从来不难受，那么它的长期超额收益为什么不会被所有资金迅速套利掉？
真正可以持续存在的优势，往往恰恰因为它在某些阶段非常痛苦。
价值之所以可能拥有收益，很大程度上正是因为长期持有便宜资产并不舒服。
动量之所以可能长期存在，也是因为趋势反转时会非常难受。
风险溢价不是市场免费送给投资者的钱。
它是市场为了让你愿意承担某种不舒服而支付的补偿。
理解这一点以后，量化组合的目标就会发生变化。
不再问哪一个因子最好。
而是研究哪些收益来源足够不同。
哪些逻辑在不同市场阶段可能互补。
不同策略同时失效的概率多大。
怎样配置仓位，才能让任何单一因子都没有能力毁掉整个账户。
这就是组合思想真正成熟的地方。
一个成熟组合允许某个策略表现很差。
只要它的风险已经被预算，其他策略仍然能够继续工作。
甚至某个因子连续几年处于低谷，组合也不会因为它暂时失效而彻底失去生存能力。
这与普通交易者追求“每一套策略都赚钱”的目标完全不同。
机构组合不要求每个部件每时每刻都优秀。
它要求整体长期能够承受各个部件的不完美。
把这个思路放回个人量化研发，同样非常有价值。
如果你拥有趋势、价差、回归、事件驱动和波动率等不同模型，真正需要做的不是把所有EA同时打开，而是研究它们之间的收益来源。
五套策略如果全部依赖同一个黄金上涨趋势，风险仍然高度集中。
相反，两套看起来交易次数不多、逻辑完全不同的策略，可能反而提供更真正的组合价值。
这也是为什么随着量化交易不断成熟，一个研究者会越来越少痴迷“神策略”，越来越多研究组合。
单一策略追求答案。
组合管理承认没有永恒答案。
这实际上是一种更加成熟的世界观。
因为市场环境一直在变化。
利率周期会变。
波动率会变。
政策会变。
资金偏好会变。
交易拥挤程度会变。
投资者行为也会变。
任何一种方法，只要建立在现实世界里，就必须面对变化。
因此，真正成熟的量化研究从来不是为了把市场压缩成一个公式。
而是建立一个能够与变化共存的系统。
Cliff Asness与AQR之所以值得交易者长期研究，不是因为他们证明了价值一定有效，也不是因为动量就是市场终极真理。
恰恰相反。
价值与动量放在一起，真正告诉我们的，是市场根本不愿意给交易者一个简单世界。
便宜的资产可能长期继续便宜。
昂贵的资产也可能继续上涨。
趋势最终会结束，但没有人知道结束一定发生在今天。
均值长期可能回归，但交易者未必能够承受等待过程。
一种因子长期有效，也可能连续几年表现糟糕。
一个策略过去无效，也可能因为市场环境改变重新获得机会。
真正的市场充满这种看似矛盾的关系。
而人类最大的本能，是想把它简化。
我们希望知道到底应该做趋势还是做价值，到底应该买强还是买弱，到底什么时候坚持，什么时候认错。最好有一条永远正确的规则，只要找到以后，就再也不用面对不确定性。
可量化研究最终带来的答案，反而可能让人失望。
没有这样的规则。
真正有价值的是理解概率。
理解环境。
理解不同模型的边界。
理解风险来源之间的关系。
并接受自己的系统在某些阶段就是会不好用。
这不是悲观。
这是成熟。
一个年轻交易者往往希望自己的模型能够解释市场。
一个成熟研究者更愿意问，市场在哪些情况下不会符合自己的模型。
这两种问题之间，存在巨大的认知差异。
前者寻找证明。
后者寻找边界。
真正走到后面，你会发现量化交易越来越不像寻找圣杯，反而越来越像建立一个容错体系。
价值错的时候，动量有没有可能工作？
趋势错的时候，回归模型是否能够降低组合波动？
某个因子低谷时，账户还有没有其他收益来源？
如果所有策略同时失效，账户最大损失是多少？
这些问题比“下一笔黄金涨还是跌”难得多。
却也更接近真正的资产管理。
所以，如果要用一句话概括Cliff Asness带给交易者最值得长期记住的启示，我仍然会选择这一句：
真正成熟的量化交易，不是找到一个永远正确的答案，而是接受不同市场环境需要不同的答案。
市场不会因为你是价值投资者，就保证价格马上回归。
也不会因为你是趋势交易者，就保证趋势永远延续。
真正长期存在的，不应该是某一个永远有效的信号。
而是你面对不同市场环境时，依然拥有研究、验证、组合、风控和重新调整的能力。
这才是一套系统真正的生命力。
也只有到了这一层，交易才不再是一场证明谁更聪明的比赛。
它开始变成一场关于概率、适应、资本配置和长期生存的工程。
——文汇阁量化交易
文汇阁量化研发机构
本文仅用于量化投资史、因子研究、投资组合理论、系统化交易、风险管理及交易方法论方面的交流与讨论，不构成对黄金、外汇、股票、指数、期货、期权、基金、差价合约、数字资产或其他任何金融产品的投资建议、交易指令、收益保证或资产管理承诺。文中关于Cliff Asness、AQR Capital Management、价值因子、动量因子及系统化投资的讨论，主要用于说明不同收益来源、投资风格与市场环境之间的关系，不应被理解为对任何机构、策略或资产未来表现的预测。
价值、动量及其他因子策略均可能出现长期回撤、风格失效、市场结构变化、交易拥挤、容量限制及成本上升等风险。历史上存在统计溢价，并不意味着未来一定持续；某一因子长期有效，也不能保证任何具体时期获得正收益。因子研究结果还可能受到样本区间、数据质量、指标定义、幸存者偏差、交易成本及模型设定影响。
尤其需要注意，动量并不意味着追涨必然获利，价值也不意味着价格下跌以后必然回升。单一资产的价格表现可能与因子长期统计规律出现巨大差异，因此不应把横截面因子研究简单转换成某一只资产的机械买卖信号。实际交易应结合仓位、杠杆、流动性、交易成本、风险预算及策略适用环境独立判断。
多因子、多策略和组合配置同样无法消除风险。历史相关性可能在压力时期显著变化，平时表现互补的策略也可能在极端市场中同时发生损失。任何投资组合都应结合自身资金规模、最大可承受回撤、杠杆条件和真实执行环境进行独立风险评估。
真正专业的量化研究，不是相信某一个因子永远有效，而是持续检验收益来源是否仍然存在，并确保任何单一模型失效时，都不足以让整个账户失去继续参与市场的能力。
