上次说到（戳这里）：
投资请永远先考虑风险！
股票组合的波动率可以通过共同因素的波动特征计算出来，这样可以大幅减少需要估计参数的数量，以及提高估计结果的稳定性和准确性。
直接的“最小波动优化”结果不稳定，需要小心。
共同因素的未知变化可能引起风险，可以控制。
本期我们终于要进入制定赚钱计划的环节了！
收益的获取
首先，我们还是先回顾一下因子模型的中心思想：收益由共同因素收益和特异收益两部分构成，
那么要获取收益自然也得在这两方面下功夫。
首先，我们来看看如何获取共同因素带来的收益？
以获取市场因素的收益为例，最简单的方法就是投资市场指数，由于直接投资全市场组合基本上不可能，主要可行的投资办法包括：
1）买指数期货
2）买指数ETF
3）买指数基金
4）构造“跟踪”市场指数的股票组合（如何构造高效的跟踪组合有一套独立的技术，这里不讨论了）
这个挺直观和容易操作的，那么如何获取其他因素的收益呢？譬如，我们想获取工业生产因素的收益，没有相关的投资标的咋办？
国外不少投资机构提供各种目标明确的可投资指数和投资产品能满足这方面的需求，国内貌似还没有。只能自力更生，自己构造股票组合来达到目标了。
做这件事一般需要先弄清楚“纯因子组合（pure factor portfolio）”，或者叫“因子模仿组合（factor mimicking portfolio）”，它们是理论上仅仅反映目标因素收益的一个股票组合（对其他因素的暴露都是零）。这种组合一般本身无法直接投资（跟全市场组合类似），但有了目标我们自然就能“跟踪”，亦步亦趋还是可以实现的。
说到这，就不得不提，最近慢慢开始流行的“聪明的贝塔（smart beta）”。Smart beta产品一般可以以原有的市值权重指数为基础，通过改变权重分配方案生成新的指数，或者直接构建以因子值为基础的权重指数。Smart beta产品的构建、调仓等管理规则都是事先定好的，透明公开，使用基于因子值和波动特性的非市值权重方案，本质上也是为了获取目标因素的收益。
国外这种投资方式已经流行多年，管理的资金规模年年增长，很是风光（不过，一窝蜂大干快上之后，现在也有人开始讨论它的危险性，主要是担心同质化引起的系统性崩溃）。国内市场这方面才刚刚起步，个人认为这种投资方式目标明确，管理透明，风险可控，资金容量大，未来必然有广阔的前景。
这里插播些小知识，上面的投资方式有一个特点，就是不对未来做预测，选了一个投资因素（大多数情况下指市场因素）就砸钱，坐等结果，这种一般称为“被动投资（passive investing）”。市场有效假设和CAPM理论都认为“自作聪明”想打败市场是痴心妄想，同时考虑到股票市场长期看总是上涨的，所以大家就老老实实构建类似市场指数的组合，投资市场因素就好了，做被动投资。
但是总有人不信这个邪，想靠自己的聪明才智发现一些特别的规律，打败市场获取超额收益，这些人江湖上被称为“主动投资经理”（active investing/management manger）。相对于被动投资，“主动投资（active investing）”的主要特点是对未来做预测，根据预测结果投资，一般投资过程中进行的调整也更频繁些。在两者之间，也有些投资方式被称为半被动投资，譬如smart beta。
好的，轮到特异收益的获取了。
这里基本是主动投资的天下，得对特异收益做预测。如何做预测是个世界性难题，有效的预测方法和模型都是对冲基金严格保密的“聚宝盆”，方法不一而足，八仙过海各显神通。既然写到这了，我也斗胆提几点个人认为重要的问题（说得不好的话，别打脸）：
1）既然是特异收益，那么就得注意“特异”这两个字。对所有股票都有效的因素可以划到共同因素那里去，可以通过获取共同因素收益的方式获取，剩下的是针对个股或某小范围股票有效的因素，这里就得弄清楚因素的适用范围，然后来理解它和获取它。
2）相对于共同因素来说，关联特异收益的因素一般不那么稳定，得动态地检测和调整。
除了获取这两方面的收益，我们还能干点什么吗？
能的！
还有一个重要的收益获取来源——择时收益（timing skill）。从大的方面看，我们可以进行宏观择时，这方面的择时结果一般应用于战术资产配置（tactical asset allocation）。其次，可以对共同因素收益择时，择时结果可以直接用来指导我们对组合进行因素倾斜（factor tilting）。再次，可以进行股票级别的择时，用于选择股票。
最后，我再啰嗦几句。量化投资在国内方兴未艾，经常可以看到《基于XXX模型的投资策略》这样的文章，其中的XXX模型一般都是高大上的人工智能/机器学习/高级统计方面的模型，并以此为重点构建策略。虽然很多此类投资策略的后验业绩相当惊人，但个人认为这类策略在进一步完善之前，实际应用价值并不大，原因有三：
1）这类策略少有对风险的考虑，不估算风险，缺乏风险控制手段。不控制风险的投资都是耍流氓！
2）策略收益的来源是什么，这类策略很难回答。这个策略为什么在这一段时间赚钱，在那一段时间为什么不赚钱，在什么样的市场环境下，这个策略合适，什么样的环境下不合适。不搞清楚策略收益的来源，这些问题都难以回答。仅仅是依靠后验业绩，指望明天重复昨天，这不是成熟的投资方法。金融市场瞬息万变，虽然很难完全弄清楚我们的收益点来自哪里，风险点有哪些方面，但在这两方面必要的努力还是必须的。
3）人工智能也好，机器学习也好，高级统计也好，它们跟数学一样，仅仅是量化投资过程中可以使用的工具，不能反客为主地成为构建投资策略的主体。只有对投资目标、投资理念、投资风险有了充分的理解和计划，才能够在合适的方面应用这些工具，发挥它们的价值，舍本逐末就不太好了。
好的，告一段落。聒噪了半天，废话居多，大家看得辛苦了。说实在的，做投资赚钱真的好难，不如去卖牛肉面！
