大数据是否会逐渐成为选股的依据？

继资本流入于过去一年创下新高后，因子和量化投资的市场规模已达1.5万亿美元，且其影响力正与日俱增。专注基本面策略的投资者是否应该重视此现象？

青睐自下而上选股策略的投资者表示，无法仅靠客观数据预测投资某只股票或某一种资产类别是否会成功，因为电子数据表无法反映管理团队的才能或周期性趋势的影响。

相反，偏好量化投资策略的投资者则认为，利用复杂的数学模型去寻找投资机会，可排除人类情感、偏见和局限性的干扰。

尽管这两种投资风格都有其各自的拥趸，但摩根士丹利的最新研究报告发现，将两种投资方式融合可能才是上佳之策。

摩根士丹利研究部副主席兼量化投资委员会主管Martin Leibowitz指出，事实上，基本面投资和量化投资的流程将在未来五年广泛趋同。

 “专注于基本面策略的投资者需要更加重视量化和因子投资，因为它们是推动市场发展的因素之一，也可弥补基本面投资流程的不足。 而对于青睐量化策略的投资者而言，结合基本面和因子分析的量化基本面投资策略则可带来超卓回报。”

过去六年以因子和量化投资策略管理的资产规模的复合年增长率达17％；而其中仅零售和对冲基金的资产规模预计高达1.5万亿美元。

虽然该市场的增幅已经非常可观，但Leibowitz认为其仍有上升空间： “每年只要1%的全球管理资产转移至该领域，据此计算的以因子投资策略管理的资产复合年增长率即可达12%。而鉴于目前传统风格投资的回报机会极少，这种情况不难发生。”

这已引起投资者的关注。由Leibowitz领导的摩根士丹利量化投资委员会汇集了公司各部门的资深量化投资专家，其目标是确保摩根士丹利的量化资源能够满足客户及研究部旗下基本面投资策略师和分析师的需求。

尽管投资者越来越了解量化和因子投资，但仍有必要在此对两者加以区分。 量化投资是一种主动型管理。与传统的根据基本面选股不同，量化投资利用复杂的数学模型发掘投资机会。 但与基本面分析师一样，量化投资可利用多种策略进行分析，包括事件驱动交易策略、趋势跟踪（动量）策略、经济数据驱动交易策略等。

因子投资是量化投资的形式之一。作为单一的投资战略，它旨在通过集中投资于可带来风险和回报的特定因素，以增加投资回报、提高投资组合多样性和降低风险。 这些因素（或因子）根据股票的估值、动量、波幅、质量及投资者通常密切关注的其他股票特征得出。

在因子投资中，投资者对根据统计测试得出的提供较佳风险因子敞口的股票给予更多的权重。 投资经理可以根据其股票范畴、投资期限或其他标准，通过多种方式分析和权衡这些因子以取得理想的投资回报。

简而言之，量化和因子投资策略使用大量数据以厘清股票特征与整体回报之间的关系。

虽然因子投资常与基于规则的指数投资（又称智慧型投资）相关联，但主动型投资经理在基本面投资中日益使用因子算法以降低投资风险并提高投资回报。摩根士丹利全球量化股票研究主管Brian Hayes表示： “有证据表明，将基本面和因子投资策略相结合（或‘量化基本面’投资）可以产生高额回报。”

在大数据时代下尤其如此，因为投资者不仅可以通过具体的公司和经济数据，还可以利用卫星图像、互联网流量和物流数据等非传统数据资源对上市公司进行评估。 专注于基本面策略的投资者必须努力掌握如何系统地收集、分析及获取上述所有数据背后的深意；而量化投资者则可能需要运用基本面方面的专长发现可靠的数据模式。

Hayes总结道：“通过弥合基本面投资和量化投资之间的差异，并将两者的投资流程相结合，我们可发掘大量提高回报的机会。”

量化基本面投资也可以改进涉及多种资产类别的投资决策。 Leibowitz表示：“因子投资是资产配置发展过程中的新阶段，因为在低收益的环境下，提高收益来源的多样性变得越来越重要。”

为测试因子投资和量化基本面投资的有效性，本文作者在个股层面（微观）和资产类别层面（宏观）系统地构建了全球因子投资策略。

在个股方面，本文作者建立了国际通用模型，用于预测新兴国家的5,400只股票的个股表现；他们还研究了逾70个因子，可归纳为四大类别，即：估值、增长和投资者情绪、资本使用和盈利能力，以及资本结构和财务杠杆。

然后，他们将上述模型与摩根士丹利基本面分析师评级进行匹配研究。 2003年至2010年间，全球股市先后经历大幅上涨、量化投资危机和数十年来最严重的熊市，而根据因子模型和分析师评级严格筛选的股票在此期间的表现均优于只使用上述任一策略选择的股票。