因子投資股票資料處理流程

狂徒

Mar 15, 2022

IPFS

因子分析是一種研究方式，不是一張明牌，也不是獲利保證

★☆☆☆☆

大家喜歡喝蜂蜜檸檬愛玉嗎?

你想在園遊會賣檸檬飲料，可以自己準備材料和工具，手工現榨果汁。或者，妳也可以先買下整條食品「產業鏈」，在工廠大量生產，但我相信大家不會這樣做。(萬一讀者正是這種人，也歡迎聯絡我。)

作坊的靈活和工廠的效率各有優勢，因此我們在擴大規模之前，應該先檢視流程的合理性和品質。建立投資體系也一樣，大部分投資者的身分都是自然人，讓自己財富增加的最好方法就是提高投資績效，而不是roadshow或一昧模仿時髦技術。

所以，雖然我歡迎每個路過的讀者，但是本篇文章的目標觀眾，最好先有一套投資體系，才能將因子投資應用於實戰中。

1. 如果讀者被「因子投資」吸引，應該也會聽過很多數據處理的手段，還有隔壁量化多因子的各種帥氣模型。

不只因子投資，所有需要參考歷史資料的投資體系，都需要高品質的市場資訊，不過我認為心態比數據本身還重要。好的投資流程應該是從推論和策略出發，融合人類可以理解的概念，再藉由數據驗證和研究。或許各位會嚮往完全data driven的投資策略，但我覺得這對於大部分散戶的難度太高，甚至不切實際。換句話說，我們是藉由資料增強投資的優勢，而不是讓數據主導投資流程。

另外，我曾看過某投資作者，因為對股市數據獲取的要求較高，撰文嘲諷同行，「不懂產業分工而停留在低級的作坊模式，會阻礙自身市場競爭力的突破。」雖然這是實話，但我想一般讀者根本不會出來寫文章，更沒有時間、精力和資產規模把投資體系拓張到需要精密分工的程度。一個過高的標準不會造成進步，只會讓看到文章的人放棄。

回到投資本身，資料是重點，但是人們把錢花在升級其它環節，通常會更有投資效率。

記得當兵的時候，有位投資風格激進的同梯和我無話不談。我們曾經聊到購買Bloomberg Terminal，但後來我覺得資訊優勢帶來的超額收益難以量化，考慮再三也沒有下手。套句理財老師常說的，只要價格會讓我猶豫超過一天，代表我的「想要」還不是「必要」。

那麼，因子投資需要什麼種類的資料呢?

2. 風格因子模型

作為切入點，我們可以先觀察FF3/FF5/FF6, q⁴/q⁵, NM4 等經典多風格因子模型，思考資料的「解析度」。

公司「基本面」並不會快速改變，所以通常大家可以從月度或季度的資料開始。以市值因子為例，雖然股價每天不同，但是股數變動頻率很低，所以投資人可以自行計算結果，而不用購買現成資料。還有些資訊會隨著財報公布，到下一個季度之前都不會改變，所以投資人也買不到。

另外，「普通」日度價量資料幾乎都可以輕鬆免費取得。像在計算預期收益和Beta因子時，我曾下載Yahoo Finance美股一億筆資料，大概接近一小時。或是驗證「股息」是不是因子的時候，投資人也可以快速得到價格和分紅的直接資料，台股部分甚至有網站整理成可下載檔案，非常方便。

如果讀者完全不想花錢和時間，只想感受因子的歷來表現，當然也可以。Portfolio Visualizer是很好的工具，MSCI網站有各類因子指數可以供民眾檢視，最簡單的因子ETF走勢，也可以讓我們參考。(注意，金融機構會有商業包裝，像是低波動和高股息因子，屬於效力尚無共識但已經在售的商品。)

或許有人看到這裡會納悶，我剛剛提到了普通日度價量，那難道還有「特殊版本」嗎?

3. 量化多因子

廣義的多因子，有很大一個分支就是中高頻價量資料。我知道這和風格因子沒什麼關係，但我決定暫時離題，進入更小的時間尺度。

日度之下是日內，然後是小時、分鐘、秒，再來是Tick，那一個Tick又是怎麼產生的? 從市場的微觀結構來看，一個價格會是多組訂單的成交結果。Order book有bid/ask，而大家平常聽到的五檔/十檔之外還有更多levels, 至於訂單資訊中也會紀錄交易ID和訂單類型(例如撤單、hidden limit order...)，所以交易者也可以從中挖掘出spread/深度等因子。

只要我們有了這些豐富的底層資料，自然也能順便還原出更長時間尺度的價格變化，所以日內、日度、周度、月度......全包，聽起來真完美。

然而實際上，股票的訂單流在跑，就像熱門直播的留言，不斷刷新，一秒內可以跑數十筆成交訂單。有本事處理這些資訊的人非常少，我寫了上百篇文章也才遇過一個讀者而已。先不要說live data feed，一般投資者連研究歷史資料都很困難。

妳可能會問，雖然資料更新很快，但下載回家慢慢分析不行嗎?

可以，但妳的電腦夠強嗎? 事實上，我曾經拿到少部分的美股資料，一秒鐘的訂單有1000多筆，時間精度是奈秒。單支股票一個小時的order book, level 50內，檔案可以達到1G以上，也就是500套天龍八部小說。美股有6.5小時的盤中交易資料，如果簡單估算，光是全市場「一日」的資訊量大概在數百T，要花幾十萬台幣買硬碟來儲存，同時要有價值數千萬的ram來處理數據。相較之下，資料費用反而微不足道。

現在各位可以想像，高頻因子和風格因子，雖然都屬於廣義的因子，但是兩群投資者幾乎沒有交集。

4. 選定合適的目標資料集之後，就可以進入處理環節。

最入門的版本，就是到各網站找免費資料，然後擷取自己需要的部分。例如妳喜歡某支高股息金融股，又相信股息是一種因子，想驗證含息報酬是否能跑贏大盤，於是比對歷年績效，做出結論。如果高興的話，你也可以把資料寫進日誌，方便日後檢視。

稍微進階一些，我建議大家最好下載CSV檔案。Yahoo Finance和台灣證交所都提供CSV檔，而我們用Excel就可以直接運算。舉個例子，常見的排序、繪圖、四則運算、線性回歸，都是簡單的工作。不要小看常見的工具，很多時候一把瑞士刀就能完成任務。

不過如果讀者真的照做，會遇到至少兩個問題。首先，Excel只有一百多萬行，而且當資料量增大時，運算效率會減低。我曾經在做因子和槓桿的trade study時，幾乎讓電腦當機，而且之後檔案還開不起來。況且，手動下載CSV，根本不適用於全市場資料，畢竟全球光是股票就有數萬個標的。

那我們認真一些，利用程式來幫忙。通常交易所和交易商會提供公開API(接口)，我們只需要寫爬蟲，就可以直接得到資料。相似的，投資人向供應商購買資料，會拿到專屬的API key，而不同方案等級會有對應的限制，例如每小時幾萬個API call或每天幾G的總用量。

大家可以每次處理都重新抓資料，不過更好的方法是先架設資料庫，節省更新成本。就算不寫SQL，至少也要有個儲存資料的空間，方便日後分析。當然這裡我是在說因子投資，資料相對少，所以可以存在自己的機器中。如果讀者有處理大量資料的需求，也可以直接租用雲端伺服器，例如GCP或AWS.

接下來，拿個順手的分析程式，Python/MATLAB/R/C++都可以，也有些人會用專業軟體，例如時序分析的Eviews。整體而言，在因子投資領域，線性回歸、統計分析、因子排序、多空運算......等功能比較常用到，我相信每種語言都能勝任，大家舒適即可。有些人喜歡固定以一種語言處理所有任務，但我比較傾向於組合使用，可能和自身的學習經歷有關。順帶一提，因子分析和特徵提取的概念相似，而利用PCA處理因子收益的方式，實際上和機器學習領域有重疊，這也可以當成選擇程式語言的參考基準。

最後，我認為因子投資具有被動和長期的性質，所以對於運算效率的要求不高，這對投資人而言應該是好消息。

5. 因子怎麼融入投資組合?

不管是自行運算、找現成資料或是直接拿ETF，各位在處理因子之後，就可以套用「資產配置」和「組合優化」的既有概念。

舉個例子，我曾寫過Markowitz和均值方差最優化，本質是一種凸二次規劃求解。現在無論是用Excel或是MATLAB，我們都可以將因子當成一種資產，加入長短債和REITs等資產之後，畫出擴張的效率前緣(hopefully)，這些步驟應用於Min variance最優化也類似。

Risk parity和一系列風險「預算」模型，如果從波動和收益的角度來看，和上述方法的理念相似。不過有些人會加入宏觀經濟因子的考量，例如橋水的Ray Dalio，而這部分和風格因子差距較大，我不做評論。

你說Black Litterman在哪裡? 我曾在文內提過至少有三種方式，能結合因子、投資者判斷和資產優化。最簡單的方式，依然是將大類資產替換成風格因子，例如用價值因子替換股票，然後寫出觀點向量，再藉由BL把資訊導入優化流程。然而廣義一些，如果進一步利用資產和風險因子化的優勢，投資者應該先從市場組成下手，再結合自身看法，例如ABL模型。第三種方法是Entropy pooling，觀點輸入形式包含了因子化共變異數矩陣、風險、報酬等，而且能無縫結合衍生商品，讓我看到一些P/Q quant 融合的希望。

6. 實作和投資

謀定而後動，先將理論框架轉化為演算法，再利用代碼實現思路，這樣才不會迷失在各種花俏模型中。

在技術分析時期，我也曾掉過很多陷阱，像是過擬合、未來資訊、忽略滑點，結果往往做出超完美垃圾模型。另外像是「數據清洗」也給我很大的教訓，因為數據量增大之後，人工很難找出資訊的瑕疵和錯誤，得不償失。

在執行各種優化模型或投資組合回測時，也需要考慮到機器性能和程式限制。舉個例子，有些語言很討厭巢狀迴圈，你要是忽略這種特性，速率可以差到上百倍，別問我怎麼會這麼清楚。或是浮點類型會有對應的精度，超出精度極限的運算很可能會產生無意義結果，而且驗算大概也能通過。

除了改善語法之外，一些既有函數或工具箱也能加速計算，例如多線平行運算。另外，投資人與其閉門造車，不如到網路上看別的作者如何解決效能問題。像是我曾經要實現投資組合的解析解，運算大型稠密矩陣，我依照工作性質分配任務，讓GPU和CPU幾乎都是滿載在跑，但依然頻繁失敗。後來我發現，用Monte Carlo可以大幅減少運算時間，不禁莞爾。對接近混沌的市場精確求解，本來就是一件自討苦吃的事情，而在轉換思路之後，我也解決技術問題。

經過因子分析之後，我們設計出理想的投資組合，也在市場下單，執行資產配置。這個環節完全可以手動處理，畢竟考慮到交易成本和因子投資的特性，出手頻率得以大幅降低。當然，如果是從自動交易或量化過來的朋友，也可以使用既有的下單機制。

7. 因子投資理念

我提供幾個常見問題，各位讀者可以自行思考。

因子投資，尤其是FF3以來的風格因子模型，和指數投資有許多相似之處。我支持利用各種因子改良投資組合，然而金融機構的smart beta ETF並不總是完美的工具。有些高曝露的因子ETF確實能達成目標，但是如果因子本身無效，那對應ETF也只不過是一種比較好聽的吸血商品。

另外，別忘了因子投資戰場上，還有一個派別屬於行為金融，從市場無效率出發，也取得豐碩成果。換句話說，有些人希望所有alpha都變成beta，但另一群人依然認為自己在利用alpha, 因此廣義而言，因子投資屬於被動和主動投資間的灰色地帶。

最重要的，在投資領域，所有努力都有可能白費，因此就算讀者有完整的因子投資體系，依然可能打輸大盤。利用數據驗證和測試，是一種加速的方式，而因子分析是一種研究方式，不是一張明牌，也不是獲利保證，所以雖然長期實證讓經典因子具有吸引力，投資人還是應該對自己的資產負責，了解因子背後的建構方法和獲利原因。

本系列的第三篇，我預計寫因子排序法。

註: 排序法是構建因子常見的方式，非常直觀，雖然ABL等模型並不使用。

另外再說一遍，我不是老師/Quant/營業員，也沒有資工/金工/財管......等背景。
所以，如果讀者朋友覺得我說錯了，也請直接踢館, thanks in advance.

參考:

MSCI 網站

Portfolio Visualizer