2003天祥集团数量化股票管理欧洲研究是什么？
2003天祥集团欧洲研究涉及的是金融建模在欧洲资产管理公司中的使用。它是基于天祥集团评估市场从2000年3月的顶峰下降过程中的模型表现以及探究那时起发生的变化所进行的研究。总计61名来自比荷卢经济联盟、法国、德国、意大利、斯堪的纳维亚半岛、瑞士和英国的欧洲资产管理经理接受了采访（这项研究没有覆盖另类投资公司，例如对冲基金）。至少有一半被采访的公司是各自市场上的主要参与者，他们管理的资产从500亿欧元到3000亿欧元不等。
主要的发现如下：
模型作用的增强
在2000年3月市场达到高点后的2年里，投资决策过程中的数量化方法起到了越来越重要的作用。差不多75%的被调查者都证实了这一点，然而大约15%的公司认为模型的作用维持原样。剩下10%公司指出，它们的投资过程在本质上已经是数量化的了。从另一个角度看，模型的作用也在增加，越来越多的资产被基金定量运作管理。一家公司告指出，在过去的2年里，由基金数量化管理的资产增加了50%。
在模型使用的广度和深度上，大的欧洲公司已经稳步地追赶上它们的美国同行。随着计算机和计算机软件价格的下降，甚至小公司也报告说它们开始采用数量化模型。然而在美国公司和欧洲的公司之间还是存在差别。美国公司倾向于使用相对简单但适用范围广泛的技术，欧洲的公司则倾向于使用复杂的但适用范围较小的统计方法。
需求拉动和管理推动都是模型作用越发重要的原因。在需求方面，资产经理承受着在控制风险的同时创造收益的压力，他们开始挖掘数量化方法的潜能。在推动方面，一些受访者评论道，在研究了这几年的表现以后，相对于判断驱动的决策方法，他们的管理人员对于模型驱动的方法给出了积极的评价。在一些情况下，这导致公司转向数量化决策方法；而在另一些情况下，这导致将更多的资产转移到数量化管理基金。
据报道，建模已经延伸到资产管理中更广的领域。除了给管理过程中带来更多的结构和训练，研究的参与者们评论道模型有助于控制成本。在2000年3月市场下滑随后的时期里，很多公司一时间无法增加收益，便开始削减成本。然而，报告称建模预算大部分没有被削减。大约68%的参与者称，在之前的2年里，他们在建模上的投资反而增加了而50%的参与者预期他们在建模上的投资在下一年继续增加。
客户对于风险控制的要求是促进模型使用增加的又一因素。尤其是来自机构投资者和咨询顾问的压力也促进了模型的广泛使用。
更一般地说，风险管理被广泛认为是模型使用推广的首要驱动力。
一些公司提及到它们已经对模型在资产组合管理中的作用进行了重新定位。并非像在欧洲通常的模型应用那样使用模型来选拔和评估资产，而是在资产管理者进行操作后应用模型，目的是衡量基本分析的有效性、刻画资产组合风格，最终通过衍生品来转换产品，优化投资组合，并追踪风险和表现。
模型表现的改进
超过50%的研究参与者回复表示,模型在2002年的表现要比之前的两年好。大约20%的参与者评价2002年的模型表现和前两年相差不大,剩下的20%认为模型的表现变得更糟糕。参与者们发现表现得更好或者更差的不是通用模型而是专门模型。
对于模型表现的改进存在几种解释。每个模型,从根本上说,都是由过去数据训练和估计的统计模型。当市场在2000年3月从顶峰开始下滑的时候,模型还没有经过能让它们捕获衰退的数据的训练,因此一些模型暂时表现较差。甚至比预期收益评估更稳定的风险评估也成问题。在很多情况下，很难区分波动和模型风险。据报道，后来模型经过新的数据训练后，表现开始好转。
从严格的科学和经济理论观点看，模型总体表现的问题并不容易解决。在经济学中，不确定性成为理论的一部分，随着这种增加了的复杂性，基本的问题变成理论能够多好地描述现实。正如我们在前一节所提到的，我们不能反对金融建模，但是我们也不能事先就假装模型表现良好。建模应该反映出呈现在金融过程中的不确定性的客观数量。“模型表现更好”的论调暗示不确定水平改变了。为了使讨论富有意义，无疑我们应该以某种方式限制所考虑模型的范围。一般而言，利用给定类型的模型进行预测的不确定性等于市场的波动性。由于市场波动率不是一个可观测量，而是一个隐藏量，所以它具有模型依赖性。换言之， 金融市场中不确定性的数量依赖于模型的准确性。例如， 一个ARCH一GARCH模型给出的波动率的估计与基于恒定波动率假设的模型给出的波动率是不一样的。然而，在波动之上，还有另外一种不确定性的来源，即模型被错定的风险。后一种不确定性通常被认为是模型风险。
市场开始下滑时，出现的问题是模型不能预测波动，仅仅因为它们是被错定的。普遍的观点认为，现在的市场是剧烈波动的，它的另一种说法是模型不能很好地预测收益。然而现在的模型与实际更加一致，收益的波动与关于波动的预期是同步的。模型风险实质上减少了。
总的来说，参与研究的欧洲市场参与者总体上认为现在的模型更加可靠了。这意味着模型的风险已经减少，尽管它们预测收益的能力没有重大改进，但是模型可以更好地预测风险了。实践者对于模型表现的评价可以总结如下：(1)模型将带给我们越来越多的关于风险管理方面的观察力。(2)在股票选择方面，我们将看到一些本质上基于更好的数据，而不是更好的模型的改进。(3)在资产分配方面，模型的使用将依然困难，因为市场仍难以预测。
尽管模型的表现改进了，但欧洲市场参与者分享的看法只是关于市场宏观趋势的一个不确定性。模型经受着波动、结构变化还有不可预测的事件的连续挑战。除了面对一连串有关大型公众公司会计的令人不愉快的不确定性，参与者表示担心的还有大量基本的关于现金流方向的不确定性。
一个广泛认同的评价是，模型本身的独立性、对模型的理解及模型的限制方面有所改进。大多数的交易员和资产组合管理者至少接受过一些统计和金融理论的训练，使用计算机的能力大幅提升。因此，大部分市场参与者至少理解基本的市场统计分析。
多模型使用的增加
根据 2003 年研究的发现,在过去的几年里欧洲出现了三大趋势:(1)越来越多地使用多模型;(2)新增因素的建模:(3)基于价值的模型使用增加。
让我们首先从现代金融计量经济学的角度,特别是从减轻模型风险的角度评论一下多模型的使用。目前应用于投资管理的金融建模的前景是广阔而清晰的。金融模型通常是计量经济学模型，它们不服从自然规律，而是一个具有有限效力的近似模型。每一个模型都存在与之关联的模型风险，这种风险可以被粗略地定义为模型不能正确预测的可能性。请注意，抽象地，而不针对每种可能的假设来考虑模型风险是没有意义的，只有在限定了替代假设的集合以后，模型风险的定义才是有意义的。例如，如果标的资产价格所服从的分布与期权定价模型所基于的分布不同，我们可能要计算由期权定价模型所得结果的误差。显然，我们必须要指定我们正在考虑的替代分布族的类型。
本质上每个模型都基于一些关于变量间相互依赖性的函数形式的假设以及噪声分布。给定假设，可以估计模型、做出决策。估计模型风险的想法就是估计当模型假设被违背时所产生的错误的分布。例如：当假定没有相关性或者自相关性的时候，它们是否存在?当假设噪声为白噪声和正态噪声时，是否存在厚尾性分布？从计量经济学的观点，以这种方式结合不同的模型意味着构建一个混合分布。这个过程的结果是由各个模型加权得到一个单一模型。
在2003年研究中的一些被采访的管理者提到他们在统计分析之前先进行判断。这就导致了模型在开始产生低于预期的结果时就得到检查。在实践中，数量化研究团队不断评估不同类型模型的表现，并采用其中表现更好的。不过这需要给出从一类模型转换为另一类的标准。反过来，这也需要大量的数据样本。
尽管存在这些困难，但是在金融中多模型的应用得到了广泛的认可。在资产管理方面，最主要的驱动力是有关估算收益的不确定性。
关注因素、相关系数、情绪以及惯性
2003年研究的参与者也汇报了他们在确定可能有助于预测预期收益的新因素方面所做的努力。情绪和惯性是在股票投资中被提到最多的两个模拟的现象。特别是市场情绪，得到了越来越多的关注。
因素模型的使用就其本身而言是金融建模中一个完善的实践。存在着很多不同类型模型都是有效的，从应用最广泛的经典静态回报因素分析模型到动态因素模型，它们都将在后面的第五章中进行介绍。因素的确定仍然是一个挑战。大量资源用于研究市场的相互关系。先进的相关性稳健估计技术正在应用于大公司和专门化金融机构。
据被调查对象说,在2001年以前的3年里,很多资产管理公司的数量化研究团队致力于确定哪个因素是反映价格变化的更佳指标。情绪经常作为建模策略方面的主要创新而被提到。资产管理公司通常模拟股票市场情绪,然而至少在欧洲大陆,用公司和消费者信心来度量情绪经常是中央银行宏观经济团队的责任。在收入估算方面,市场情绪通常被定义为分析师对收益估计校正的分布。其他的市场信息指标还有现金流、成交量、成交金额以及公司管理人员的交易。
根据这项研究,代表市场惯性的因素也越来越频繁地被采用。惯性意味着整个市场以相对小的不确定性朝着一个方向移动。有很多不同的方式来表示惯性现象。人们可能会确定一个定义市场惯性的具体因素，也就是一个估计市场惯性状况的变量。于是这惯性变量改变了模型的形式。存在趋势市场模型和不确定市场的模型。
惯性也可以被说成是模型的一个基本特征。一个随机游走模型没有任何惯性，而一个自回归模型可能有其内在的惯性特征。
一些参与者也提到使用市场时间模型和板块轮换来进行积极的基金管理。考虑到金融市场很难被预测，产生精准的定时信号是复杂的。可预测性的来源之一是均值回归和协整现象的存在。
回到基于价值的模型
在进行2003年研究的时期，存在着一个普遍的看法是基于价值的模型在2000年以后的市场表现更好。据悉，市场利用公司价值的一个函数而非价格趋势来评估公司效很好，而这并不否定关于诸如市场情绪这样的因素的应用越来越多的评论。从方法论的角度看，基于现金流分析的方法在欧洲已经普及。与更容易操作的收入估计相比，一个稳健积极运作的现金流被认为是衡量公司健康状况的更好指标。
基本分析正在变得高度数量化和自动化。几个公司提到，他们正在研发自动分析资产负债表的特有方法。利用在互联网上的有效信息，他们不用实地访问公司，就可以进行基本分析。一些参与者认为，在将价值模型的良好表现归功于市场时要谨慎。基于价值的模型的假设之一是，不存在通过偏好的渠道进行大量资金流转的机制。但在通讯、传媒、数字多媒体技术泡沫时期，该情况是存在的，这时基于价值的模型表现很差。该研究之前的最后一个牛市中，首要的是不要错过上涨行情，只关注价值的投资者获利都低。来自欧洲市场的调查对象说，他们现在同时关注趋势和价值。
风险管理
本研究之前投向资产管理的数量化方法的大多数注意力都集中在风险管理上。据83%的调查对象认为，在之前的两年里，风险管理的作用已经显著地向跨投资组合和跨法的领域延伸。
在学术界和金融机构得到广泛关注的一个话题是极值理论（EVT)在金融风险管理中的应用。由PaulEmbrechts率领的位于苏黎世的风险实验室率先在风险管理中使用了极值理论和copula函数。在公司层面上，诸如汇丰集团成员法国CCF银行这样的全能银行已经对EVT在风险管理中的可应用性进行了理论和实证研究。欧洲公司也对风险度量给予了大量关注。
在天祥集团研究的参与者看来，风险管理是数量化方法作出更大贡献的领域。自从哈里·马可维茨在20世纪50年代的开创性工作以后，投资管理的目标就被定义为确定投资者更优的风险一收益决策。在模型技术流传之前,风险一收益决策的评估由个人资产管理者的判断来进行。建模将事前风险一收益更优化问题放在最前面。资产管理公司使用数量化方法和更优化技术在源头控制风险。在这种情况下,需要被监测和管理的风险就是模型风险。
根据研究,使用完全自动化管理过程的纯粹的数量化管理者仍然很少。大多数管理者虽然以数量化为导向,但都使用混合方法,要求模型给出评估,再由管理者转化为决策。在这种情形下,风险没有在源头被完全控制。
绝大多数研究中被采访的公司已经建立了独立的风险管理部门作为监管实体,来控制不同投资组合的风险和最终(虽然现在仍然很少)在企业层面上的合计风险。大多数情况下,控制风险所选择的工具是多因素模型。当为机构投资者进行风险评估时,这类模型已经成为标准。然而对于内部使用,很多公司称它们是基于自有模型、EVT以及情景分析来进行风险评估的。
整合定性和定量信息
在2003年天祥集团的研究中,超过60%的受访公司称,它们已经将整合定量和定性输入的过程形式化了,虽然这其中有一半提到这个过程没有走得很远;30%的调查对象称根本没有将其形式化。一些公司提到,它们已经建立了一个理论框架去整合来自数量化模型的结果和基本观点。不同公司之间设定各种输入权重的方式是不同的,一些公司称它们对于定量输入设定的权重限制范围是50%~80%。
少数以数量化为导向的公司称它们已经将定性和定量信息的整合完全形式化了。在这种情况下,每个相关信息都进入了系统。同时进行数量化管理和传统管理的基金公司大多都报告称在前者中实施了形式化,而在后者中没有实施。
事实上,所有的公司都称至少部分实现了处理定性信息的自动化。一级自动化包括自动筛选、传送、分类和搜索,大部分是由卖方研究、一致性数据和新闻的供应方提供的。这些供应者使新闻、研究报告和其他信息的传递自动化。
大约30%的调查对象提到他们在第三方信息提供者提供的信息上增加了功能,通常是从诸如收人公告或者是分析师建议这样的容易量化的领域开始。有一些已经将其与某些定量信号结合起来,这些定量信号警告接受者改变自动进行初始分析的程序。
只有勇敢者才会挑战诸如自动的新闻汇总和分析这样的困难任务。在很大程度上，新闻分析仍被认为属于判断领域。研究中被采访的一些公司称，它们曾经试图去解决自动新闻分析问题，但最终放弃了努力。预测与新信息相关的价格变动方面有困难是放弃的一个主要原因。
