A股上市公司2023年中报季近日拉开帷幕，投资机构正在密切关注目标上市公司的业绩表现，作为7、8月份投资决策的重要依据。 其中，量化私募基金管理人通过另类数据、基本面因素等量化研究方法，利用量化模型预测相关业绩并做出投资决策。
私募业内人士指出，相关数据研究方法也可以与主观长期策略的基本面研究和业绩预测相互借鉴。
另类数据被广泛使用
梦溪投资相关负责人表示，量化投资模型通常依靠统计规律来预测业绩和股价。 同时，一致的业绩预期和基本面因素也会通过因素反馈到模型中。 具体来说，就上市公司常规业绩数据而言，通过“建模”行业数据、卖方研究报告数据、另类数据，可以在一定程度上预测上市公司的业绩。 例如，线上销售的数量可以用来预测公司的营收，而通过工厂车间的红外温度、夜间灯光的强度等“另类数据”，可以用来预测公司的生产是否活跃。
蒙西投资认为，对于A股上市公司的业绩展望，另类数据主要有三个方面的帮助。 一是拓展分析判断的信息维度。 另类数据的特殊属性使其包含了大量的预测信息，可以进一步优化分析判断工作的质量。 二是增强分析判断的时效性。 替代数据的获取和传输对时间更加敏感。 利用另类数据，有助于及时、快速掌握企业经营的实际情况。 三是提供智能分析判断的机会。 各种形式的另类数据为数据挖掘、机器学习等研究方法提供了更多的空间和机会。
灵骏投资首席投资官马志宇介绍，从量化投资的整体角度来看，另类数据具有独特的价值。 例如，量化机构可以通过一定的算法组合，对卫星图像、手机活动、信用卡交易、地区天气、销售记录等“非传统数据”的投资决策提供有价值的投资信息，这对于A股上市公司的业绩前景也有利。 另类数据在海外市场已得到广泛应用，但目前在中国还处于起步阶段。
目前，主流量化机构已利用行业景气度、竞争对手经营数据、产业链上下游采购和销售、特定公司或行业的招聘信息、生产工厂的通讯信号等另类数据进行基本面因素挖掘和包括业绩预测在内的模型开发，并取得了良好的投资效果。
投资预测需要整合到模型中
值得注意的是，多家受访量化机构也指出，虽然上市公司业绩等具体基本面数据已经是量化策略模型的重要参考维度之一，但类似中期业绩数据对量化投资决策的影响并不是“线性体现”，即不是直接的因果推导关系。
马智宇表示，从灵骏投资的实践来看，最新的中报数据和信息可以作为量化策略模型中的一些参考维度，但由于相关策略模型本身就是多维度、多数据的“复杂综合体”，中报数据和信息变化对策略模型的影响并不是“线性关系”，需要对策略模型和后续交易决策进行调整和优化，最终实现更准确的股票交易预测。 总体而言，A股上市公司中报包含了大量最新数据和信息，本身就反映了上市公司的财务健康状况和竞争力，具有较强的研究价值。 但结合公司股价的流动性、波动性等交易逻辑因素，可以获得更好的股价预测结果。
蝶维资产总经理魏明三介绍，该机构的量化策略主要侧重于打造与上市公司基本面相关的量化产品线，其中财务基本面是基石，而“业绩超预期”是公司超额收益的重要来源之一。 其中，“我们将构建多因素、非线性选股模型，通过业绩超预期筛选个股。竞争对手、供应商、外部股权投资、招聘等数据，可以视为基本面信息的补充反映。”
主观量化有其自身的优势
业内人士表示，从不同的投资方式来看，主观长线机构往往从买方和卖方研究人员对行业和公司的密切跟踪和研究出发，提前预测财务报告期的业绩； 与量化策略相比，两者在基础研究尤其是业绩预测方面各有优劣，也存在“融合借鉴”的空间。
蒙西投资认为，主观长期策略和量化策略在对上市公司业绩等基本面的研判上各有特点。 主观长期策略可以通过投资研判，从周期性机会或中长期趋势中赚钱。 当选择优质个股时，可以获得可观的超额收益。 量化研究及相关策略更像是一种处理数据和信息的方式，可以更好地挖掘数据和信息，在交易活跃、波动较大的市场环境中具有优势。
魏明三表示，对于股票量化投资机构来说，有效因素和模型的构建往往需要对主观基本面分析的深刻理解，对金融数据建模的深刻理解。 从这个角度来看，丰富的主观长期策略投资经验也可以开启并赋能量化因素和模型的挖掘。
此外，从融合的角度来看，两大赛道的不少头部机构也进行了更深入的思考。 知名主观长线私募重阳投资表示，量化投资的优势是频率高，可以快速处理大量的市场数据，在游戏场景中更有优势； 在对单个上市公司业绩和基本面的研究和预测方面，主观策略更能把握中长期宏观、行业和企业发展趋势，能够更好地捕捉定性的基本面因素。 未来主观性与量化相结合预计将成为资产管理行业发展的必然趋势。
马智宇表示，总体而言，在上市公司的业绩预测和业务前景方面，主观策略的核心优势在于深度，而量化投资的优势在于速度和广度。 量化投资，尤其是对于一些“弱投资逻辑”的投资，具有比主观感知更敏感的优势。
搜虎网转载此文目的在于传递更多信息，不代表本网的观点和立场。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。
Copyright © 2017-2018