研究閱讀 4 分鐘
量化負責廣度,基本面負責深度
我們如何在系統化引擎與基本面判斷之間分工:以數據發現機會,以基本面建立確信,並且整個閉環每天重新運行一次。
量化投資與基本面投資常被視為對立。我們則將兩者視為同一流程的兩半,各司其職。系統化引擎負責廣度:它每天讀取大數據、機器學習與另類數據訊號,覆蓋投資範圍內的每一家公司,不知疲倦,亦無偏私。基本面分析負責深度:公司質量、盈利與估值、產業與競爭格局,以及管理層洞察 - 這些是模型能夠排序、卻無法真正理解的事情。
這套引擎並非靜態模型。每一天,數據刷新、訊號重校、模型權重更新、持股在風險約束下重排,而執行結果又回饋至下一個循環。研究、持倉、執行與回饋構成閉環;市場每天改變,策略也每天學習。
在引擎與投資組合之間,是基本面融合與覆核環節。財務質量、產業趨勢、估值與事件脈絡用以過濾或加權量化訊號,並由一位擁有十四年以上經驗的基金經理覆核每一個由演算法選出的持股,確保其符合投資邏輯與風險控管。廣度提出候選,深度作出裁決。
若沒有誠實的歷史,這一切都不可信。一般回測識別的是修訂後的過去;我們的研究則以每個決策日的 as-of 時點,重演當日真實可見的資訊:時點切片、有界前向填充、每項結果的 run-id 血緣,以及前推評估。在這些規則下依然表現良好的策略,才有資格交由人工覆核 - 然後才進入交易。
這正是確定性、可追蹤與可持續在實務中的含義:明確的股票池與交易計劃、能夠解釋每一個持倉的逐筆交易評估系統,以及在任何單一觀點出錯的時期仍能讓流程延續的回撤控制。