Local EPUB Text
无用数据的进进出出
根据我个人的投资经历，所有有关数学模型、算法或者预期分析的观点，若不是基于合理的前提，基本上都是无用的。我曾听厌了我们班上工商管理硕士研究生大谈自己如何精通公式，因为他们根本没有意识到应该根据前提条件来评判某些公式是否有用。在这种情况下，指数化是投资者唯一的选择。经过深思熟虑，慎重挑选已经经过验证的因素能让你更好地开展指数化投资。我们管理资金不是为了验证哪一种投资方法有效，也不会单凭我们讨论过的例子和支持产生风险调整额外回报的量化标准研究来得出这种结论。我们要注意的是如何规避那些欺骗投资者的风险陷阱。
使用量化融合分析方法可以在算法交易方式中开展，也可以据此为长线交易选择投资的有价证券种类。对于短线交易来说，你可以使用金融算法来捕捉可见的定价效率低下现象。（这完全可以让人们无需继续盯着彭博资讯电脑的终端上察看动态消息。）客户交易的重要里程碑是明确最佳执行（Best Execution）的成交信息。算法交易是一个数学的分析过程，可以用于分次交易，即按照渐进的方式来执行交易，从而实现利润优化。
算法交易迅速增长。据数据供应商TABB集团（TABB Group）统计，2008年以后的两年时间里，算法交易从占美国股票交易13%这样的比率迅速上升到23%。迄今为止，这一数值还在上升，按照华尔街买卖双方机构提供的高利率水平，这一比率肯定大大提高了。算法交易的目标是满足关键要素的既定标准，包括交易规模、流动性和监管规定等。3
现在我们要回过头来看一看。目前有多种算法交易办法，但是它们各自的目的是什么？它们设计的原则是推动基金经理鲁莽行事、不断犯错吗？换言之，分析师已经妥善分析了资产，他们有足够的时间来安排资产的进出。若投资者在市场顶部支付基金经理资金，但在市场底部的时候却希望拿回这笔资金，那么投资管理者应该管好资产的资金。但我们明白，技术分析和投资行为问题已经使这种做法毫无可能。因此，可能出现财经评论褒贬不一的现象，结果客户认定自己的资产管理妥当，完全是那些留意好股票的经理的功劳。
那么我们能否认定买入持有比公开交易更好一些？
经济学家认为从寻求长期回报的角度来看，成交额低比成交额高更有意义。当然，若交易员能够在低点买入，高点卖出，那么大量交易就是一种更好的策略。但是这毕竟不可能经常发生。因此，若某人不擅长低点买入、高点卖出，为了不用支付高昂的成交费用，长线交易最好采用追踪指数和买入的策略。但是他（她）很有可能会错过及时卖出的机会，价格进而暴跌。这样说未免有些牵强，因为人们往往认为是这一类人的卖出才让价格很快下跌。抛售狂潮会发生，但是要隔一段时间，且价格也要高一些。因为交易者往往会在市场筑底的时候买入。也有可能投资人太胆怯了，要等到价格筑底，转而上涨后再行动。因此，预测市场时机进行交易对很多人来说并不是交易的好办法，连职业的基金管理者也未必能时刻有幸运女神的眷顾。
晨星公司（Morningstar）曾对高换手率基金和低换手率基金进行了比较，研究两类基金是否有较大的区别，以及人们是否对某一类基金有着更多的偏爱。4
该公司还对使用战略和战术进行交易的两类基金进行了比较。交易战略往往是指长线交易采用的计划，而战术一般针对近期的短线交易，是临时的策略。在这类研究中，常用换手率作为确定交易战略和临时策略孰优孰劣的标准。晨星公司将成交额定义为“衡量基金交易行为的方法，使用较低的成交额数字（不包括1年内到期的有价证券）除以月平均净资产额”。5为了简化问题的研究，若基金经理A的交易额是1，而净资产额为10，那么经理A就有10%的换手率；基金经理B的交易额是5，净资产额是10，那么经理B的换手率就是50%。这样一看，基金经理B的换手率较高，那么他的业绩表现会和经理A的继续比较，由此确定两者业绩的高低。晨星公司开展的研究中，采用交易战术的基金往往换手率较高，是比较活跃的基金，而采用交易战略的基金换手率较低。
人们还研究了截至2009年12月31日之前10年，下列三类基金的表现。它们分别是美国大盘股基金（large-cap blend US.Equity）、非美国大盘股基金（large-scale blend non-US equity）和美国中期债券基金（US intermediate bond funds）。请看表14-1，其中高换手率基金的回报率较低，尤其是分析年限从3年、5年延长至10年来评判的话。
一般来讲，我们可以认定希望从某种短期的交易策略中受益，交易较活跃的基金往往回报更差。财经新闻、收益率、针对变化的态度以及其他各种影响短期估值因素以及之后的交易行为都会影响这些基金所使用的短期策略。为什么使用这些战略呢？投资人常常雇用经济学家和战略家来构建妥善利用经济变化的模型，希望赢得更高的回报。