算法交易正在迅速成长，预计彭博上的 46 家算法供应商名单还会增加，特别是如果监管措施发生变化的话。寻求流动性，从而降低交易成本，打败有效市场，并不是一个简单的过程。据该领域的专家估计，开发一个系统要花 1000 万美元，另外还需要 500 万美元用于年度维护。对于一些人来说，这些代价是不值得的。艾特集团（Aite Group）是一家领先的独立研究和咨询公司，专注于业务、技术和监管问题及其对金融服务行业的影响，他们认为算法交易强调全球交易。更专有的系统，更少依赖 VWAP 等，更多依赖统计 VARS，与单一股票交易相比，投资组合可以更好地涉足暗池交易方法。
我们可以看到普通交易者在所有这类算法交易中都处于严重的劣势。据报道，艾特集团表示，某些特定领域的套利交易在 2009 年创造了 210 亿美元的利润。高盛集团无疑正是高频算法交易的受益者，但也是可能的算法盗窃案的受害者，当时谢尔盖·阿列尼科夫（Sergey Aleynikov）窃取了高盛 32MB 专有算法交易代码（“交易机密”）〔1〕。（现在高盛是一家银行，必须退出自营交易。）
由于算法交易和许多交易方法的快速发展，为交易席位提供了广阔的未知领域，特别是当使用了融合分析时。例如，当 RSI 处于超买状态或 MACD 下跌至移动平均线以下时，我们可能会开始交易。如果股票的基本面估值（无论是市盈率，SUE 结果还是某些基本指标的混合）也高，这些决策将会得到加强。
用 Meta 股票等各种程序对交易策略进行回溯测试总是必要的。回溯测试的统计问题可能包括数据挖掘和错误关联假设等常见问题，这些问题可能解释了一些对冲基金在市场暴跌中看似巨大的损失。
鉴于市场的快速发展，各种奇异的交易策略可能需要不断修订。但是，如果忽视系统性因素并因此损害客户信誉，这可能只会使问题复杂化，客户不希望自己变成为基金研发埋单的“小白鼠”。尽管一些交易者担心快速量化决策可能会让他们失去工作，但其他人会乐意接受有机会选择适合特定客户需求的适当算法交易。那些接受这个机会的人会产生更多的交易佣金。
例如，客户 A 可以是市价订单，客户 B 是限价订单，客户 C 是 VWAP 订单，对于某些客户来说，一些订单也会有更大的技术因素权重，VWAP 订单可能并不总是一下单就能买到，但可以提供不同程度的灵活性。目前正在研究的未来主义方法是通过监测脑电波分析交易者的情绪，绘制交易平台图可以让技术分析师创建一个神经脑波技术形态，以确定看涨/看跌情绪。
虽然使用算法交易是一个广泛的话题，并且引起了交易者的兴趣，但它是否能增加价值还有待观察。随着算法变得更加智能化，它变成了一个零和游戏，但只是以输家为代价。谁是失败者？普通交易者、共同基金、其他算法公司，还是买入并持有的人群？
我们可以发现有些人可能不会分享自己的交易机会。投资者可能对长线更感兴趣，并且可能比日间交易者甚至共同基金的换手率更低，他们可能会使用更多的限制，并被视为流动性提供者，因为他们更多地选择某些类型的估值选择切入点而不是错误定价。
与刚才的方法相比，下一个值得关注的领域是使用量化系统投资。一旦做出投资决策，很可能就会有后续的算法交易决策。然而，有些人可能相当有耐心，逢坏消息买入，逢好消息卖出，因为他们认为自己能够很好地掌握价格的真实价值。
正如我们在第十四章中讨论的哥德尔-图灵概念一样，我们可以深入研究算法，但深度究竟有多深？所有这些编程是否有用？根据我的经验，不需要很多因素，复杂性可能相当简单，算法本身不会造成影响，即使使用算法，也可能落入可以利用你的技术分析师手中。
〔1〕 Rob Lati, “The Real Story of Trading Software Espionage,” Advanced Trading, July 10, 2009, www.advancedtrading.com/showArticle.jhtml?articleID=218401501 (accessed October 5, 2011).
算法系统模型
让我们开始开发一个简单的算法系统模型，它将为我们提供融合分析方法来进行投资。投资期限（对于这个模型）仅仅几天或几分钟，时间跨度将是几个月至一年。我们将创建一个基于评分系统的人工智能（AI）模型。这是一种 Zagat 投资指南，我们将制定判断股票是否有吸引力的标准。（我已经在机构资金和个人投资组合中使用该指南超过 30 多年了。）对于投资决策，使用融合分析包括：
(1) 在评分系统中选择技术指标。这也将包括一些行为上的考虑。
(2) 决定赋予这些指标多大的权重。
(3) 在评分系统中选择基本面指标。
(4) 决定我们将在多大程度上重视技术和基本面因素。我们还需要决定如何纳入行为问题。
(5) 决定开始的过程：技术优先还是基本面优先。
(6) 决定交易技术。
该过程可能是复杂而昂贵的。我们可以使用标准普尔 Compustat 这样的数据库，它有很多筛选标准。
从 1962 年开始，该数据库提供了约 75 000 个全球证券的数据库，覆盖了全球总市值的 90%。它提供了近 40 年的公司具体历史数据，可以轻松用于回溯测试。Compustat 通常由具有大量研发预算的机构使用，因为订阅费用可能达到每年数千美元，当然还有其他数据库可以尝试。输出可以通过特定的标准来选择，比如选择市盈率在一定范围内的公司。
一些基金的投资团队拥有大量的数学家和程序员，团队中最有效的成员是制定决策规则的成员，然后他们将制定特殊的分析规则，以使用数据做出投资决策。例如，在简单的基础上，可能决定不使用收益或净收入，而是使用营业收入来更好地感受公司的盈利潜力，如果我们认为税率扭曲了真实的收入状况，就可以使用这种方法（记住：坏规则等于坏结果，计算机和数学公式不能颠覆坏规则）。
然后，我们将为技术评分系统创建一个非常简单的量化屏幕。类似于 Zagat 指南或一些休假旅行指南，我们有一个评分系统。在度假指南中，可以看到反馈指标，如价格、员工的友善度，客人过去的反馈等，这个过程可以用较低的成本抄近道进行，或者如我们所见，也可以非常烦琐和昂贵。对于那些在雨天酒店度假的客人的差评以及酒店老板亲朋的好评，我们也可能需要小心解读。决策必须在适当的时间范围内进行，因为某些指标对于较短期限可能比其他指标更重要。例如，使用短期技术筛选可能包括随机指标和 RSI 等指标，对于较长期的视野，我们可能会使用 200 日移动平均线和 OBV 等因素。至于哪种因素最好，技术分析师之间意见不一，这本身使得评分系统具有挑战性。但是，这些因素是否会增加价值，或者只是以不同的格式重新处理相同的结果？最后，这个问题将回到增加价值的本质。
我们将使用一个更实惠的数据库晨星，它符合我们的需求，还有许多廉价甚至免费的数据库可用于筛选任务，尽管不像 Compustat 那么覆盖面广泛，但我觉得晨星拥有必要的数据来解决决策过程（我正在寻找绿洲，并不关心每棵棕榈树上有多少叶子）。
选择指标
我们只会使用四个指标。那是否太少了？如果是这样，我们应该使用多少？另外，我们将为每个指标赋予权重。哪个权重最大，哪个权重最小和权重有多大？（所有这些都是对量化挑战的好问题，但我们必须继续。）
我们提出的指标和权重如下：(1) 头肩形态，权重为 45%；(2) 趋势线，权重为 20%；(3) 突破，权重为 10%；(4) 成交量确认，权重为 25%。
这四项指标合计达到 100%。我们选择标准的逻辑如下：
头肩形态是经过充分测试的，因此是一个有意义的输入，因此，它的权重高达 45%。为什么不是 50% 或 60%？我的感觉是它应该接近一半的权重，因为除非我们接近 100% 的结果，否则一个指标权重太大不太可能在统计上是谨慎的。如果我们的结果较低，则可以使用额外的指标。另外，并不是所有的头肩形态都会起作用，而向上倾斜的领口是最没有用的。使用头肩形态的另一个弱点是它并不经常出现，当我分配一个很大的权重时，我认为我的时间跨度很长，而且我的换手率很小，因为几天甚至一分钟的时间都没有用，它们没有给出创建相关形态必要情绪所需的时间。
趋势线的权重为 20%，因为技术分析师认为趋势可以确定价格方向。打破趋势是一个严重的问题，如果趋势是长期的，更是如此。几秒钟、几分钟甚至几天的趋势是微不足道的，所以，我们假设这个趋势可能是一年，因为头肩形态倾向于是一个长期的指标，至少在几周内演变。
趋势或支撑和阻力的突破可能非常有意义，它们对于具有严格的支撑和阻力水平的长期突破尤其有用。短期的支撑和阻力模式很可能被打破，但并不重要。
第四个因素是成交量的确认。成交量是技术分析的主要因素，因为它必须确认上行突破，但下行突破并非必然。如我们使用 K 线图，成交量并不重要，除非我们将 K 线图与更传统的技术措施（如成交量）混合在一起。
所以，我们在模型中已经有一些争议，我们只有四个指标。例如，每个指标在解释时间范围方面都有自己的挑战。一些技术分析师使用其他技术分析师可能不会使用的方法，听到一些对技术分析的批评是自我实现的预言，这很奇怪，人们会假定所有人使用相同的指标，具有相同的权重，并且解释指标相同。因为至少有 50 个技术指标，所以我们可以很容易地提出一个想法，选择全部或部分不同权重的排列会遇到数以百万计的可能性。那么，是否有人遵循其指示？
让我们回顾表 16.1 中的评分系统。它代表了一个简单的 AI 技术模型。5 是强烈建议买入，1 是强烈建议卖出。（根据投资者的偏好，也可以反转数字，以显示 1 为最好。）我们可以得出该股票具有 4.35 评级的购买吸引力，其中 5 是买入。那么这个评分系统显示了什么？这可能表明反转头肩形态突破了长期下跌趋势，并且在下跌趋势的上行突破方面有很好的成交量确认。
表 16.1 简单的 AI 技术模型
5 表示买入，1 表示卖出
评分 权重 结果
头肩形 5 0.45 2.25
趋势 4 0.2 0.8
突破 3 0.1 0.3
成交量 4 0.25 1
合计 4.35
4.35 是买入信号
买入股票 XYZ
长期视角和短期视角
如果我们的交易时间长达六个月到一年，我会用以下主要因素来指导：(1) 200 日、50 日指数移动平均线（EMA）；(2) RSI；(3) MACD；(4) OBV；(5) 相对市场强弱（股票与指数表现的比较）；(6) 形态，包括趋势和支撑阻力水平。
我相信列出的因素显示出良好的势头和形态优势之间的平衡。K 线图会给我更多关于买入或卖出股票的短时间决策的信息，由于使用全球小盘股，我认为艾略特波浪周期模式在暴露于特定风险下并不有用（不过，这是我的观点，量化分析师必须自己做决定），我也觉得小盘股不应该短期交易，因为它们流动性不足，可能会导致高交易成本。（再次，这是量化模型的另一个决策。）
那些想要短线交易的人呢？这包括短期交易者，他们更多的是日间交易者或波段交易者，然后，我会用我在与投资公司磋商时使用的以下内容：(1) 快速或慢速随机指标；(2) 三重交叉 EMA；(3) K 线图；(4) 斐波那契比率；(5) 支撑和阻力；(6) 事件。
在最终确认时，我会使用 MACD 和 RSI。
交易者的背景或第二意见用途应包括长期形态，理想情况下我们在长期趋势方向上交易。与江恩和情感融合具有很好的附加值，因为股票中太多的多头意味着我们买入时会遇到麻烦，恐慌性抛售股票出现的好机会，江恩可以帮助决定进入和退出点，因为短期动量指标可能因超买或（在恐慌性抛售的情况下）被超卖而扭曲，熟练的交易者可以利用形态与艾略特波相结合来交易。
投资者和交易者都希望调整动量指标，如移动平均线、MACD、随机指标和 RSI，例如，我常常被问及 10 日和 50 日移动平均线是否优于 50 日和 200 日移动平均线，在我看来，对于长期投资而言，它们就不合适了，因为有太多机会会受到冲击，再一次，我们会回溯测试所有关于投资的理论。
选择基本面指标
我们可以考虑到所有技术指标，但为什么不使用基本面指标？它更简单。同样，使用许多基本面指标也可能是一个错误的决定，更不用说它们对会计与经济之间关系的解释。
进行基本面分析时，我们可以选择试图提供最佳估值模型的关键指标，这既容易又困难。例如，选择会计指标（如市净率或市盈率）很容易，但难以确定是否需要调整这些比率来获得经济价值。在我看来，我们需要调整，因为经济价值就是我们所追求的，因为这正是市场对正确定价的理解。另一个困难的问题是财务因素只是财务因素，并不代表隐藏价值，这些隐藏的价值可能是涉及品牌形象或管理技巧的问题。这些突然的损失可能不会立即反映在比率上。最初，盈利可能会持续，但随着品牌形象的侵蚀，我们可以安全地假设市场份额可能会丧失，这会导致销售额下降，因此收益和现金流量低于预期。
基本面决策需要确定投资方法，如成长投资或价值投资。成长投资可能会选择更多的 PEG 分析方法，价值投资可能会在低市净率和市盈率分析中选择更多指标，基本面分析方法基于折现现金流量或比较对等组分析，或两者兼而有之。
融合决策
在融合分析中，我们将基本面权重和技术权重结合起来，从而产生融合决策。表 16.2 显示了五个因素：短期收益、市净率、市盈率、企业 EBITDA（即价格/自筹资金），然后是混合技术评级。
我选择这些指标是因为它们以各种方法进行了很好的回溯测试，此外，我在整个投资生涯都以各种形式使用了这些内容。就技术而言，我说是混合的，因为技术评级是我们前面讨论的各种技术指标的加权平均值，在表 16.2 中，技术指标汇总为一个评级，例如股票的技术评级为 2。该技术评级可以是若干技术因素及其权重的结果的加权平均值。
我们必须确定这些因素的敏感性。例如，1.1 和 1.15 的市净率可能被认为彼此太接近，所以不足以产生序数差异。
现在 1.0 与 2.0 的市净率足够大，足以表明一只股票比另一只股票更有吸引力，因为 1 倍的账面价值肯定比 2 倍的账面价值更有吸引力，但是，如何决定敏感性呢？一种方法是检查过去的历史，以查验极端或不合理的情况。
根据预测的所有证券的价格，我们的投资组合看起来似乎有小幅的负回报。
让我们继续进行下一步。想象一下，如果客户给你一大笔钱，但你目前组合为满仓持有状态，客户等待价格下跌会让他们获得更好的回报，此时，我们就会有行为陷阱。如果我们提高盈利预测，短期回报就会变得有吸引力，投资组合现在成为买入/持有，我们认为可以真诚地拿走这笔钱。我们是这么做的，但我们这么做是为了客户的利益还是我们的利益？聪明的客户希望至少每周看到这些结果，看看我们是否以某种方式操作系统。话又说回来，无知是福，我们也可以开始偷偷做一些事情，比如只提高投资组合中较大权重的收益，因为这可能足以提升投资组合评级。
同样，如果客户来检查，我们是否会回到相同的问题？我们应该解释投资过程并忠于它，基金管理应该忠于自己的纪律，并提前通知客户重大变化，如果客户需要一些制衡，而不是仅仅依赖经理的话，评级系统无疑是一个好的开始。
我们将基本面权重与技术权重结合起来以获得融合分析决策。虽然这可以每天在线运行，但对于某些投资者（如小盘股基金经理）来说，更实际的做法是每周一次，节省成本且更为实用，此外，这么做还可以缓和市场波动。
回答所有这些之后的问题，我们是继续使用量化模型还是开始预测它并做出例外的事，特别是如果业绩在短期内落后指数的情况下。然后，我们可能会展示锚定效应，我们开始改变量化模型的标准，以便根据当前的市场趋势获得期望的结果。因此，如果科技股表现良好，我们可以放松市盈率约束并降低市净率的权重，这将使量化模型中的科技股更具吸引力。
通过使用融合分析标准（包括基本面和技术分析）对投资组合中的每只股票进行估值，我们可以对整个投资组合进行估值。放松标准可能只是为了满足锚定目标而使大盘股改变投资组合排名所需的额外推动力。
在表 16.2 中，投资组合被评为“持有”（注意左上部分），该评级来源于投资组合中每只股票美元价值的加权平均值（见底线），所以如果一只股票占 10 万美元投资组合的 2%，那么其在投资组合中的美元价值就是 2,000 美元。与另一只占比只有 1% 的股票相比，这只股票对投资组合的最终评级的影响是其两倍。如果我们的投资组合中有三只股票，有两只股票被评为卖出，且在投资组合中占比均为 1%，但第三只在投资组合中占比为 98%，且为买入评级，则该投资组合将被评为买入，尽管大部分股票都是卖出。（当然，这种投资组合很难用审慎多 3 倍的股票（我们可以改变序数，现在 1 是最有吸引力的序数，5 是最没有吸引力的，我们可以创建任何我们想要的得分系统，这就是关键，它是否有效就是另一回事了）！市净率权重为 10%，这可能是因为投资组合更关注成长，因此市净率没有意义。
表 16.3 权重和评级标准
类别 权重(%) 评级 1 评级 2 评级 3 评级 4 评级 5
短期回报 35 >30 >10 >0 >-10 >-20
市净率 10 3
市盈率 25 2
价格/自筹资金 10 2.5
技术评级 20 1 2 3 4 5
使用融合分析的基金经理对技术评级赋予 20% 的权重，这种低权重可能是因为投资组合处理小盘股时更注重长期投资。在长期投资小盘股时，基本面研究可能非常有价值，因为这些股票没有得到很好的研究或跟踪，另一方面，拥有分析师跟踪其基本面的大盘股，可能无法让分析师发现某些因素，从而获得更好的估值；所有这些都是已知的。因此，有人可能会得出结论，大盘股最好使用技术分析，而小盘股最好使用基本面分析。
请参考表 16.2 并注意股票 1、2、3 和 4 有卖出、持有或买入/持有决定，因此，在 30 只股票的投资组合中，权重可以是 0 或者较低的数字。我们还可以通过对个别股票评级进行加权平均来对整个投资组合评级，这是投资组合为 100% 且评级为“持有”的图表的底线，然后，我们可以看到哪些指标对这一决定有影响。
表 16.2 显示了股票 2 的短期回报率被拉低为 4，而技术指标等其他指标的评级为 2，短期评级代表我们时间范围内的目标价格，如果在这种模式下有一年的时间，我们预计从现在开始的一年后的股票价格并不具有吸引力，这可能是因为我们使用了每股收益估算值，并使用市盈率计算价格。所以如果盈利预测是 1 美元，我们给它 15 倍的市盈率，那么我们得到 15 美元的价格目标。如果价格现在是 15 美元，那么回报为零，评分系统会给它一个 3 的评分。由于评级为 4，
表 16.2 XYZ 投资组合估值评级
名称 2010年4月17日价格 组合持有比率 评级变化 评级 分值 短期回报 市净率 市盈率 价格/自筹资金 技术评级
股票#1 49.20 3.1 2 买入并持有 1.58 1.5 3 1 1 2
股票#2 36.53 5.3 2 卖出 4.30 5.0 5 5 4 2
股票#3 4.38 0.6 2 卖出 4.40 5.0 1 5 5 4
股票#4 8.90 0.0 1 卖出 4.60 5.0 1 5 5 5
XYZ 投资组合 (加权平均) 26.72 100.0 1 持有 2,900 4.0 4 2 2 2
然后，我们可以回溯测试敏感性，看看对评级的影响是否会为定价决策增加价值。1.25 倍市净率比 1.0 倍更有价值吗？等等，这可能是一个具有挑战性的过程，因为我们必须回溯测试所有因素的敏感性，然后确定敏感性是否是导致估值的原因，或者是否有其他因素与市盈率无关。例如，上市公司可能是进入了商业周期的某个阶段，而且市净率没有商品价格对销售额的影响那么重要。银行和材料生产商可能具有相同的 1.5 倍的市净率，但是，如果商品价格开始上涨，这将有助于商品生产者超过银行，因为银行受到其资金成本与其资金贷款利率之间的利差影响可能更大。
人们通常可以很容易地知道，低市净率和低市盈率的股票往往比相应指标高的股票（长期）要好，这是可能的，因为情绪等因素会导致估值偏高或偏低。投资者可以根据市场的乐观程度将市盈率提高至高位，而不是基于市盈率的潜在增长。那么我们是否应该用一些看涨和看跌的行业情绪衡量指标，而不是市盈率或市净率？著名经济学家尤金·法玛（Eugene Fama）和肯尼斯·弗兰奇（Kenneth French）似乎在他们的研究中指出，导致高市盈率的投资者的乐观情绪会导致投资绩效表现不佳，而不是由悲观主义导致的低市盈率。[1] 所以，在使用高/低市净率和市盈率技术指标时，是否需要对技术分析进行双重考虑（更多用于量化思考的食粮），无论如何，我们必须决定敏感性范围。
表 16.3 显示了每个因素的权重和基于因素敏感性的评级标准。因此，对于市净率来说，最受欢迎的股票是那些低于 1.5 倍的股票。投资组合是一个加权平均组合，不是等权组合，因为较大的头寸对投资组合评级的影响较大，因此，我们可以通过调整几个大的持股来操纵系统，以获得我们真正想要的结果。
我们也可以以这一方法进行归因分析，即通过回顾分析去观察评级在准确性方面的表现。归因分析用于衡量基金经理的技能，以了解谁和哪些因素对投资组合结果做出了贡献，这意味着我们可以看到每个因素（如市盈率）如何促成决策的最终成功。想想一支足球队：进攻、防守还是教练能够在球队的成败中发挥重要作用？
例如，一只股票如被评为持有，可能不会被买入，但如果它缺乏流动性，则可以低于正常权重被持有。所以，如果正常权重是 3% 我们可以以 0.5% 的权重买入。然后我们可以看到一年后，在风险调整基础上的股票表现。
然而，在我们仅以上述 15 美元的例子来看绝对收益之前，应该考虑短期的风险调整收益。所以，使用 CAPM，假设贝塔高于 1，股票的回报率应该是 20%。它将被评为持有。然后，我们将完全避免买入此股票，投资组合中的权重为零，这可能意味着它在融合过程中并不具有吸引力，但由于该股票不是全面卖出，我们仍然可以申请少量买入。如果我们有很强的流动性标准，可以买入少量股票，因为其很难买入；如果大盘股上涨，那么可以买入。从长期看，这将是一种更为谨慎的做法，因为基金经理希望过段时间基本面转向，从短期看，这是不谨慎的。
我们可以进一步对融合分析进程的所有因素进行回溯测试，以查看导致误差的原因。或许短期收益估计为负值，因为分析师估计收益太低，所以估计股价过低。事后看来，我们可能会看到盈余是否被正确估计，因为该公司报告的实际收益远高于分析师的水平，短期总回报的评级会很高，该股票应该是买入评级。（如果有足够多这样的失误，可以解雇分析师。）我们可以通过计算机编程来选择市盈率，但增加的价值和短期回报是分析师的责任。
也可能是由于技术分析师使用了错误的技术因素，基本面分析师可能做得很好，但技术分析师表现不佳。也许技术分析师应该更多地使用移动平均线，而不是快速随机指数，也许权重是错误的，短期回报在股票评级中应该有更大的权重，如此一来，就是量化分析师的责任。我们也可能会发现分析师是正确的，应买入股票，但不是把 3% 的股票投入投资组合，基金经理只投入 0.5%。然后，基金经理应该受到指责。如果这些失误足够多，就应该替换基金经理。
我们可以看到，归因分析有很多变化。在上述分析中，关键是市场时机的选择，有可能这些股票的评级是正确的，但基金经理在上行市场持有太多现金，导致业绩滞后。一些投资组合总是满仓投资，因为某基金经理可能是资产配置策略的一部分，还有其他基金经理决定市场时机和资产配置，因此，如果他们变得悲观，就会从股票投资组合中撤出资金，并将其投入现金或一些固定收益基金。因为这不仅是可能的，而且极有可能在小盘股基金中出现，因此对基金经理的评估将更多地取决于第二个主要因素，即板块或行业选择。那么，如果科技股表现良好，投资组合中的科技股是否利用这一结果而超配？可能会对行业投注设置产生一些限制，因为可能不允许大笔投注，或者甚至可能不谨慎。
我们现在准备好审查股票选择。通常，自下而上的基金倾向于将重点放在归因分析过程中的选股技巧部分，有些公司可能会为坚持要求提供归因报告的客户准备归因报告，因为客户自己也想知道基金是如何运作的。
基金经理评估分析师的一个挑战是时间跨度。如果一只基金试图表现出交易成本低且换手率低，基金将选择较长期的期限，而不是几天甚至几周。如果在股票流动性不强的情况下管理大量资金，那么为避免交易成本，以一年为期限可能是明智的。对于许多分析师来说，对未来一年的全年展望颇具挑战性，因为他们倾向于通过后视镜或短期内分析股票。一名经验丰富的分析师可能擅长忽略短期内影响股价的即时消息，以期获得良好的长期结果。初级分析师经常说，“看，股票涨了一点左右”，但当然，当它回到原来的甚至更低的价格时，我们再没有听到他们的消息。还有分析师希望根据短期消息交易，但最终导致超出分析师技能范围的交易策略。
我们简单的融合分析规则可能会受更多的钟声和嗡嗡声干扰。例如，我们可以添加投资者类型标准，如果股票不是由机构持有的，或者只有少数基金拥有，而且他们的交易纪录出色，这将有助于这一过程，因为股票将受益于忽视概念或聪明资金抱团的概念。但我们不想让机构拥有它并支持它吗？直到一个人有了头寸，然后你想让大量资金冲进来推高价格。同样，这可能需要时间，不仅是因为要买人流动性不足的股票，还要掩饰意图，以免被其他可能嗅出我们正在购买的人识破。所以，我们回到算法交易策略。
我们如何知道基金的好坏？基金的持仓通常会在多个报告文件中显示，例如 SEC 13-d 文件甚至在雅虎上公布（尽管存在一些滞后）。如果它是共同基金，
其记录可以在晨星或理柏中看到，一名职业基金经理也可以通过名字了解到这只基金好坏。
我们也可以创造性地增加可能会影响投资组合排名的因素。例如，我们如何衡量诸如“良好管理”等因素？愤世嫉俗的人可能会说，如果股价上涨，管理就是好的；如果它下降，管理就是不好的。我们希望能够从数据库中获得更多的客观标准。
例如，我们可能会认为多年的经验是一个标准，因此拥有在重要的岗位工作十年经验的人会比只工作三年的人获得更高的报酬。我们可能根据学位筛选，顶尖学校毕业的管理者的管理水平可能会比那些从差一些学校获得学位的人更好，该基金经理过去在其他公司有成功经验吗？如果是这样，那可能会导致更高的评级。
我们也可能希望有一个治理评级，这些评级越来越流行。人们发现，治理评级较差的公司股票的情况比那些治理评级较高的公司差一些。
我们还讨论了其他重要主题，如品牌形象。我们必须对这个项目做出客观的决定，因为我们可以很容易地看到一只正在上涨的股票似乎具有良好的品牌形象。我们可以考虑过去辉煌的股票，如施乐和柯达，它们具有良好的品牌形象，但在竞争削弱其市场份额后股价处于较低水平时似乎失去了品牌。
总的来说，可能有更多的因素，但人们可能想知道它们是否真的比几个关键的因素增加更多的价值，再者，回溯测试可能会提供帮助。从我的角度来看，我试图让事情变得简单，保持简单可能比设计一些复杂的算法更加有效，这些算法只会混淆真正的问题。
平衡融合因素
图 16.1 中的流程图说明了平衡前几章讨论的各种问题的方法。
首先，我们在基本面分析和技术分析上使用融合分析量化标准，这给了我们一个价格合适的、可以现在或者在将来某个时间购买的股票列表，这些股票未来都有机会走牛。
然后我们有一个定性过滤器，即使量化分析表现不错，也可以接受或拒绝一些股票。例如，我们不会购买缺乏品牌形象的“我也是”之类的股票；我们没有兴趣购买罗德岛的第 7 家地区银行，因为它很便宜，每个公司都必须是独一无二的，或者是市场上独一无二或主要的领导者，这样，品牌形象进入了后门；我们也拒绝任何管理混乱或者似乎违反了股东治理的公司。
图 16.1 平衡融合因素
(图示流程：量化标准 -> 定性标准 -> 交易标准)
为此，我还想加上任何在财务数据中还不可见但可能影响未来业务的因素，这可能是诉讼、环境问题或产品质量问题，可能导致产品召回和品牌的最终侵蚀。回想一下我们对经济收入的分析，任何可能对量化标准产生疑问的问题都会立即通过这种定性分析在方程中过滤掉。
现在我们可能会增加流动性问题（当我为机构投入大笔资金时，我看到的只是预约交易的股票，或者我必须在坏消息和好消息交替时买入，现在我管理的金额少了很多，流动性不是问题）。
再次强调，通过好的市场和坏的市场，以一种有纪律的方式来做这件事是关键。破例和不断重做量化分析是危险的，它只会导致你追逐昨天的新闻。当然，在一开始，你仍然不知道你的定量和定性标准是否有效。