Knowledge@HEC

Hugues Langlois

HEC助理教授

Hugues Langlois是巴黎HEC商学院的助理教授，他同我们分享了自己的大数据方法研究成果在金融领域中的实际应用，以及他的研究如何能为衡量国际股票市场预期收益提供新的工具。这对金融界的资产和风险管理人来说又是一次巨大的进步。

您好，Hugues，

大数据是否在金融领域有所应用呢？

当然有！最近几年，关于机器学习、深度学习，以及人工智能应用于诸如机器人和医学等领域的相关新闻不绝于耳，事实上在金融领域的应用也有很多。例如，在最近的研究项目中，我们使用大数据方法为投资者提取出全球股票投资回报的合理预期。

资产定价模型是一种经济模型，它可以解释为什么股票等资产的平均投资回报会高于其他资产。

许多金融研究人员都在竭力寻找最佳的资产定价模型。资产定价模型是一种经济模型，它可以解释为什么股票*等资产的平均投资回报会高于其他资产。希望通过解释过去这种平均投资回报差异的原因，我们未来可以评估投资能够实现的预期回报（即预期投资收益）。

为什么好的资产定价模型会有利于投资者？

配备了最先进模型的投资者可以察觉市场中的投资良机，然后打造出业绩更好的投资组合。金融学家和基金管理人因此被卷入了一场军备竞赛，争相寻找更好的模型。事实的确如此，像AQR、DFA、曼氏金融（ Man Financial）、阿洛斯瑞特资本公司（Arrowstreet）或者东方汇理资产管理公司（Amundi Asset Management）这样的老牌资产管理公司，都在聘请顶尖的学术研究人员或与他们开展合作。

好的资产定价模型也对公司财务应用有着巨大影响。投资者购买一支股票时所预期的收益，对于企业管理者来说同时也是股权资本的成本，是决定投资新项目时所必须考虑的。

我们的方法：使用股票投资组合、机器学习和统计学

在金融学领域，我们已经以传统的形式，通过投资组合测试我们的各个理论，在测试中，股票按照相似特征进行分组。举个例子，我们采用投资组合的方式讨论了金融界长期存在的问题：高风险股票平均投资回报都比相对安全的股票高吗，还是说小公司的股票比大公司的股票收益要高？

到目前为止，用股票投资组合检验我们的理论规避了用单个股票进行检验会面临的两方面难题。第一类难题是统计偏差，也就是即使拥有大量数据，也不一定能取得预期收益。第二类难题则集中在计算难度上。在过去处理成千上万支股票时，有些测量数据因为太难计算而无法获取。

 举个例子，统计学101入门课程的每个学生都可以推算出两个变量共同波动时的测量方法。可是相同的计算方法用在成千上万支股票上是很难，甚至是不可能的。

大数据方法有助于评估国际股票市场的预期收益
图片来源：James Thew/AdobeStock

最近我在日内瓦大学跟同事Olivier Scaillet和Ines Chaieb共同开展了一项研究，研究中采用了机器学习和统计学最新的发展成果来克服这些难题。我们列出了过去三十多年时间内46个国家的全部60,000多支股票，并通过它们来提取信息以解答股票市场的关键问题：左右股票预期收益的主要因素有哪些，以及这些预期收益是如何随着时间发生变化的？

您能多讲讲此研究的实际应用吗？

指数供应商富时罗素指数（FTSE Russell）最近的调查**发现几乎五分之四的资产管理人正计划采用或已经采用了聪明贝塔（smart beta）策略，也就是说他们所遵循的策略具有系统性、规则性、透明性，而且有据可查。

我们的大数据方法与他们的需求是直接相关的。我们可以指出他们在投资组合中需要使用聪明贝塔策略中的哪些以及使用的数量，还可以评估当前的预期收益。

优秀的资产定价模型是资产管理、风险管理、业绩评估，以及公司财务的基石。我们的研究提供了一种评估国际股票市场预期收益的新工具。

• 了解一支股票的预期收益……

了解和衡量股票市场中预期收益的决定因素（也称作风险因素）对分配投资组合，评估基金管理人业绩，以及为公司计算资本成本是十分重要的。一支股票的预期收益可以从两个方面来理解：（1）股票涉及风险因素的程度，和（2）这些风险因素能带来的预期收益。

• 对于资产管理人而言

首先，我们谈谈在资产管理中的应用。聪明贝塔或涉及多因素的策略是否可行很大程度上取决于我们自身辨别和整合投资组合中风险因素的能力。更好地了解其工作原理能够从收益和风险两方面带来好处。

我们的研究中使用的信息提取自包含单个股票收益、企业特征和宏观经济变量的大数据库，以此处理资产管理人所面对的三个具体需求。

首先，判定待选的一系列风险因素（或聪明贝塔）是否能完全理解股票收益共同波动的结构。例如，如果基金管理人已经采取了一项价值和动量交易策略，是否还应该增加盈利策略？

其次，按照时间变化为每个风险因素评估补偿。例如，我们可以判断持有小型企业股份的补偿是否还和20年前一样。由此可以表现，在国家、地区以及全球层面，投资人根据市场、规模、价值、动量、盈利能力、投资等广泛因素进行投资获得的补偿如何随着时间变化而变化。

最后，我们测试股票市场中一系列套利机会的出现。虽然这是一个更具技术性的问题，但对于资产管理人来说却是十分重要的。这一点解决了多个问题，如：如果对常见风险因素的影响进行控制，是否就能通过战略以最小的风险实现正收益？

• 对于风险管理人而言

我们的研究对风险管理人和资本分配者而言也很重要。例如，优秀的资产定价模型可以作为评估管理人工作中风险和优势的标准。因此，确定国际股票市场中的风险因素对于股票投资组合业绩评估和风险管理是十分重要的。

最后，我们的研究对企业管理者也很重要，因为在评估新项目投资价值和公司收购价值等活动中，股权融资成本是一种十分关键的投入。

优秀的资产定价模型是资产管理、风险管理、业绩评估，以及公司财务的基石。我们的研究提供了一种评估国际股票市场预期收益的新工具。

*本文仅测试了股票资产，但资产定价模型可用于任何资产类别。

**详见《Smart beta（聪明贝塔）：2018年资产管理者全球调查结果》