第61章 当市场里都是聪明人 (第2/3页)

监测市场上哪些因子、哪些策略、哪些股票正在变得拥挤。如果某个因子的拥挤度超过了阈值，我们就主动降低该因子的暴露，或者用其他因子来对冲。”

    他停顿了一下，补充道：“这两个模型，不是为了预测市场。是为了管理我们自己——确保我们不成为那个‘拥挤的人群’的一部分。”

    陈默想了想。“开发这两个模型，需要多长时间？”

    “三个月。最快也要两个月。”

    “那就做。预算你定。ACC投票。”

    五只手举起来。全票通过。

    ---

    接下来的两个月，林枫的团队进入了高强度的开发状态。

    “策略多样性指数”相对容易。林枫定义了一个简单的指标：计算策略库中所有策略的两两相关性，然后取平均值。如果平均相关性高，说明策略趋同；如果平均相关性低，说明策略多样。

    “这个指标的核心思想是：我们不需要每个策略都赚钱，但我们需要每个策略都‘不同’。”林枫在一次进度会上解释，“如果十个策略都在做同样的事，那它们本质上只是一个策略。一个策略出问题，十个都出问题。但如果十个策略各不相同，那即使有两三个出问题，其他的也能弥补。”

    “市场拥挤度模型”要复杂得多。林枫需要监测市场上所有量化策略的行为，而不仅仅是自己的。他设计了一个间接的测量方法：通过分析股票的“交易模式”来判断是否被量化策略拥挤。

    “量化交易的典型特征是：订单分散、频率高、规模小、有规律。”他说，“如果一个股票的订单流呈现出这些特征，而且这些特征在过去几个月里显著增强，那说明有越来越多的量化策略在交易这只股票。”

    他给每个股票计算了一个“量化拥挤度指数”——从0到100，数值越高，说明越拥挤。然后，他把这些指数汇总，形成了行业层面的拥挤度、因子层面的拥挤度，以及全市场的拥挤度。

    5月初，第一个版本上线。

    林枫在ACC会议上展示了初测结果。数据令人不安。

    “全市场拥挤度指数，从去年底的45，上升到了现在的68。这意味着，量化策略的拥挤程度，在过去五个月里增加了50%以上。”

    他翻到下一页。“最拥挤的因子是‘小市值’——拥挤度指数82。其次是‘反转’——79。然后是‘动量’——74。这些正是我们策略库里权重最高的几个因子。”

    陈默看着那些数字，表情凝重。“也就是说，我们自己也在这个拥挤的人群里？”

    “对。”林枫说，“虽然我们的因子库已经扩展到了九十个，但在实际配置中，权重最高的还是那些传统因子。这导致我们的‘策略多样性指数’——就是我们自己策略库的内部相关性——也从去年的0.4上升到了0.6。这意味着，我们的策略也在趋同。”

    会议室里安静下来。

    周锐打破了沉默：“那怎么办？把那些拥挤的因子砍掉？”

    林枫摇头：“不能简单砍掉。这些因子之所以拥挤，是因为它们在过去几年确实有效。如果完全放弃，我们的短期业绩可能会大幅下滑。我们需要一个更精细的方案。”

    他在白板上画了一张图。

    “我的建议是：动态调整因子权重。不是完全放弃拥挤的因子，而是降低它们的权重，同时增加那些不那么拥挤、但依然有效的因子的权重。比如，我们可以增加质量因子、成长因子、分析师预期因子的权重。这些因子目前的拥挤度较低，但历史表现也不错。”

    “另外，”他继续说，“我们可以在个股层面做更精细的筛选。对于拥挤度特别高的股票——比如那些被大量量化策略持有的小市值股票——我们主动降低配置，或者用期权对冲。这样，即使发生‘量化踩踏’，我们的损失也会比别人小。”

    陈默听完，点了点头。

    “做。但我要加一条——从今天起，ACC在审批策略权重时，必须参考‘策略多样性指数’和‘市场拥挤度模型’的输出。如果多样性指数低于阈值，或者拥挤度指数高于阈值，必须重新评估。这不是建议，是规定。”

    ---

    5月下旬，林枫的团队完成了第二版模型。

    新模型加入了一个关键模块——“拥挤交易预警系统”。这个系统会在每天收盘后，自动扫描全市场的股票、因子和策略，计算拥挤度指数，并与阈值比较。如果某个股票或因子的拥挤度超过了80，系统会发出红色预警；如果超过了70，发出橙色预警；如果超过了60，发出黄色预警。

    预警信息会自动推送到ACC成员的手机上。

    5月28日，系统发出了第一次红色预警。

    预警的对象是“小市值因子”——拥挤度指数达到了87，创下历史新高。预警信息写道：“小市值因子拥挤度过高，建议降低暴露。历史数据显示，当拥挤度超过80时，该因子在未来三个月的平均超额收益为-5.2%。”

    ACC召开紧急会议。陈默看完数据，问林枫：“你的建议是什么？”

    “将小市值因子的权重从15%降到8%。同时，增加质量因子和低波动因子的权重。”

    “投票。”

    五票赞成，零票反对。

    调仓在接下来的三天内完成。林枫的算法每天卖出部分小市值股票，买入那些质量高、波动低、且没有被量化策略拥挤的股票。整个过程没有对市场造成明显冲击，但默石的持仓结构发生了重要变化——从“高拥挤”转向了“低拥挤”。

    ---

    6月初，林枫在一次行业会议上做了一次演讲，主题是《量化投资的拥挤交易风险与应对》。

    他没有点名，但所有人都知道他在说什么。演讲结束后，几个量化私募的同行围上来，跟他交流看法。

    “林总，你也觉得市场太拥挤了？”一个年轻的量化基金经理问。

    “数据不会骗人。”林枫说，“我们的模型显示，几个核心因子的拥

    （本章未完，请点击下一页继续阅读）

『加入书签，方便阅读』