基于大數(shù)據(jù)的量化基本面分析法探討

文|未央網(wǎng) 袁峻峰

12月6日訊，量化基本面分析法(Quantamental)將量化和基本面兩種方法結(jié)合起來，是近幾年隨著市場電子化、大數(shù)據(jù)、自然語言處理技術(shù)快速發(fā)展產(chǎn)生的新的基本面分析法?，F(xiàn)在已經(jīng)是DT時代，發(fā)揮海量數(shù)據(jù)價值已成為可能。以下討論都是假設(shè)已合法的收集相關(guān)數(shù)據(jù)包括交易、消費、關(guān)注度、GPS、衛(wèi)星數(shù)據(jù)等等。

一、基于大數(shù)據(jù)的量化基本面分析法一定有更好的預(yù)測嗎?

一般來說，我們會將整個經(jīng)濟看作一個大的動態(tài)市場系統(tǒng)，其中又會分割為一些子市場系統(tǒng)，可以認為每一個子市場系統(tǒng)中參與方與相關(guān)變量彼此之間的聯(lián)系要比其他子系統(tǒng)中變量的聯(lián)系要更強些。所以每個子市場系統(tǒng)中的參與方以及變量獨立于其他子系統(tǒng)相對均衡動態(tài)移動。短期均衡及每個子系統(tǒng)顯著主導(dǎo)的行為往往是波動而不可預(yù)期的。但長期動態(tài)均衡往往是可預(yù)期的，既雖然每個子系統(tǒng)中的變量一起動態(tài)移動，但保持了每個子系統(tǒng)間的相對均衡。既從微觀角度考慮的時候現(xiàn)象是變化的，而從宏觀角度考慮時，現(xiàn)象是不變的?，F(xiàn)在基于之前的數(shù)據(jù)假設(shè)，我們有了關(guān)于各個子市場系統(tǒng)方方面面的數(shù)據(jù)，自然可以更好地統(tǒng)計長期動態(tài)均衡中那些穩(wěn)定的關(guān)系，從而得到更加可靠的基本面分析結(jié)果。

但與此同時，我們也能聽到另一種聲音。在《信號與噪聲》書中，作者認為在大數(shù)據(jù)時代信息量呈指數(shù)增長，需要驗證的假設(shè)也正在以同樣的速度增長。數(shù)據(jù)中那些有意義的因果關(guān)系組合少之又少，增長的速度也不及信息本身的增長速度快。大多數(shù)數(shù)據(jù)都只是噪聲。人們很難從干擾他們的噪聲中分辨出有用的信號。數(shù)據(jù)展示給我們的通常都是我們想要的結(jié)果，而且我們通常也默認這種皆大歡喜的結(jié)果。作者納特•西爾弗還引用莎士比亞劇作中的話“人們照著自己的意思解釋一切事物的原因，實際上卻和這些事物本身的目的完全相反”。更大量信息能幫助我們更好預(yù)測嗎?

當然我們知道，通過深度學(xué)習(xí)和大數(shù)據(jù)，一定能得到一個更優(yōu)的模式識別效果。但前提是我們假設(shè)未來和歷史特征向量是符合同一概率分布。未來當然不會和歷史是同一概率分布，就像彼得·林奇說的“你無法從后視鏡中看到未來。”哈耶克也說過“我們做出的預(yù)測有可能被否定，因為他們只具有經(jīng)驗的意義。”這里也不想用深度學(xué)習(xí)成果來證明大數(shù)據(jù)在預(yù)測方面的效用。

納特•西爾弗在其書中接下來說：“信息只有在恰當?shù)沫h(huán)境下才會成為知識，沒有環(huán)境，我們就無法從噪聲中區(qū)分信號，不斷犯錯，不斷嘗試，這或許是貝葉斯定理應(yīng)用起來最容易的一個原則：進行大量的預(yù)測。”“貝葉斯定理告訴我們，任何時候獲得新信息，我們都應(yīng)該更新自己的預(yù)測。簡單地說就是，不斷犯錯，不斷嘗試。真正‘擁有’大數(shù)據(jù)的公司，比如谷歌公司，并不會在建立模型的問題上花費太多時間。它每年會進行上千次實驗，并在真正的客戶身上檢驗它的想法。”[1]在谷歌等互聯(lián)網(wǎng)公司都會有完善AB測試框架，以方便不同功能快速部署AB測試，通過客戶使用效果反饋不斷迭代完善功能。我們知道AB測試本質(zhì)上是個分離式組間實驗，不斷獲取客戶反饋既新信息持續(xù)優(yōu)化模型效果。同樣我們可以認為基于大數(shù)據(jù)的量化基本面分析法，不只是用大數(shù)據(jù)補充之前基本面分析法所用數(shù)據(jù)不足，其也是通過量化和更及時的數(shù)據(jù)不斷修正預(yù)測模型的過程。

二、基于過程理性的量化基本面分析法

接下來，將以郝伯特·西蒙的過程理性理論結(jié)合AlphaGo算法步驟探討量化基本面分析法的步驟[2][3]:

1. 設(shè)想可選方案集合，以及可能后果集合。

還是基本面分析法經(jīng)常需要分析的那些問題，包括上下游、銷量、成本、利潤、財務(wù)比率等。設(shè)想不同預(yù)測值下的可選方案與可能后果。

2. 評估可能后果集合的概率。

以上兩步，過程理性和貝葉斯定理要求基本一致。都需要基于歷史統(tǒng)計得到各可選方案的概率。這種預(yù)測被稱作“初始觀點”。”從理論上講，我們希望將初始觀點建立在過去的經(jīng)驗最好是社會經(jīng)驗的集合之上。”

3. 改進預(yù)測的數(shù)據(jù)，獲得新數(shù)據(jù)，從而改進預(yù)測模型。

新信息和原有信息結(jié)合起來的理性過程也是應(yīng)用了貝葉斯定理。同樣，基于大數(shù)據(jù)的量化基本面分析法可以更及時的收集最新數(shù)據(jù)以及結(jié)果反饋來改進預(yù)測模型。

4. 預(yù)測模型結(jié)果將會影響可選方案集合，以及可能后果集合，從而持續(xù)優(yōu)化決策過程。

持續(xù)優(yōu)化的預(yù)測模型，即是一個預(yù)期過程，可以進一步減少不確定性以及消剪了行動域即可選方案集合。這點本質(zhì)上也是緩沖預(yù)測誤差影響，和量化中動態(tài)對沖，不斷調(diào)整風(fēng)險敞口的方式是一致的。

5. 從可能后果集合中，根據(jù)預(yù)期目標，選擇滿意的可能后果集合子集。并從可選方案集合中得到滿意的可能后果集合子集對應(yīng)的方案。

在AlphaGo中使用蒙特卡羅樹搜索(Monte Carlo Tree Search，MCTS)結(jié)合估值網(wǎng)絡(luò)(Value Network)來做可選方案集合選取。其決策時也可以認為是符合過程理性的。比方AlphaGo會走一步導(dǎo)致贏面更小，但贏的概率更大的棋。這太不優(yōu)雅了，但修改對局勢的期望，減少了搜索時的空間。

而投資人、分析師會基于之前的經(jīng)驗與直覺做這個決策。依托的是人類的長期記憶和人類個體和集體的學(xué)習(xí)能力。納特•西爾弗也認為從噪聲中區(qū)分信號既需要科學(xué)知識，也需要直覺，那是基于人類長期記憶的。郝伯特·西蒙對比過國際象棋世界冠軍十年間不同的下法，認為這是這是全部職業(yè)強選手的集體經(jīng)驗而積累起來的知識的結(jié)果。專家和新手區(qū)分不僅僅是前者具有大量和多樣的信息，而且是他的直覺經(jīng)驗使他能發(fā)現(xiàn)他所面對的形勢中的熟悉模式，長期記憶中儲存大量的棋子的共同模式，通過識別這些模式，從長期記憶中重新找到大量相關(guān)信息。

不論如何，這是一個過程決策，正如郝伯特·西蒙強調(diào)的“抉擇不是由問題的客觀特征所唯一確定的，而是取決于用來達到?jīng)Q策的啟發(fā)式過程。”

三、結(jié)論

基于大數(shù)據(jù)的量化基本面分析不只是彌補了公司季報時間上空白，也不只是通過方方面面的數(shù)據(jù)提供更多特征得到更好的基本面分析預(yù)測結(jié)果。其本身也是一個符合過程理性的分析方式。介于其也是隨著大數(shù)據(jù)的發(fā)展剛剛起步的新的分析方法，如何不斷借鑒量化、基本面分析法、大數(shù)據(jù)、機器學(xué)習(xí)等各方面的成果還有待進一步探討。就像黃霑歌詞里寫的“論武功 俗世中不知邊和高 或者 絕招同途異路”。

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責(zé)任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。