《量化投资与对冲基金丛书·量化投资策略：如何实现超额收益Alpha》的目标是：为读者提供一幅从量化角度绘制出来的市场投资“地图”。为了得到这幅通过实证绘制而成的投资地图，作者详尽地测试了超过120O种投资策略。书中归纳了七个投资维度：盈利性、估值、现金流、成长性、资产配置、价格动量以及危险信号，并告诉读者如何有效结合单个投资因子或组件因子，如何构建多因子策略，从而构建更全面的选股模型。最后，作者还介绍了如何将书中提出的策略有效地整合到你的投资过程中，以创造优秀的选股模型，构建自己的量化模型和投资组合，并实现超过市场的收益。《量化投资与对冲基金丛书·量化投资策略：如何实现超额收益Alpha》中概括出的量化方法可以为定性投资者提供一个被证实的设计投资策略的方法，同时也可作为提高投资绩效的准则。
　　《量化投资与对冲基金丛书·量化投资策略：如何实现超额收益Alpha》是写给那些具有定性分析思维的投资者，尤其是那些希望从一个量化（实证）的角度来理解股票市场，以及那些希望将量化选股、测试或者模型融合到他们的投资过程中的人的。

　　定量分析和定性分析也许这里需要给出一系列的定义来说明，定量分析和定性分析有着许多不同之处。在定性分析中，投资者集中研究的上市公司数量通常比较少，他们会研究每家公司来确定其在经营上的优势和弱势、市场机会、竞争能力、管理能力以及其股价相对于其他股票的相对投资价值。定性分析投资者通常以一家上市公司的历史记录（损益表、资产负债表、现金流量表等）作为出发点来预测未来的利润和现金流的趋势。诸如股票市场自身，定性分析所关注的焦点是在未来。其分析方法是为所涉及的不同公司和行业量身订制的，而投资者则希望能在每只个股中获得巨大的收益。简而言之，定性分析更注重深度而不是广度，更注重投资的艺术而不是更加“科学”的方法。
　　另一方面，定量分析是为了发现市场中的总体趋势，特别是那些能够对未来超额收益有预测作用的趋势。为了识别这样的趋势，定量分析师将在一段较长的时间区问内对大量的上市公司进行统计检验。分析过程需要标准化并且完全依赖于过去的历史记录：损益表、资产负债表、现金流量表和基于市场的数据。也就是说，不同于大多数定性研究，定量分析的测试检验主要是回测性的。因此，定量分析更注重的是广度而不是深度，更注重的是科学（检验和观察）而不是艺术。定量分析师可能会应用一些投资艺术修正投资模型和回测方法，但模型一经确定，他们的操作过程通常是纯机械化的。总而言之，定量分析主要依赖于计算机的辅助分析，而定性分析则更多地依赖于人类的思维。
　　尽管计算机和人脑之间存在着许多相似性，但它们仍然有着天壤之别。两相比较，也只有人类可以称得上拥有真正的智慧。人类的大脑拥有消化和合成多样化信息的能力（例如，投资者必须综合考虑从工业、经济、政治环境到公司产品、股份需求等的方方面面），这样的能力连最先进的计算机都难以匹敌。通过仔细地权衡一系列因子，人类能够预测出哪些是在未来以一定概率发生的事件。
　　而另一方面，计算机本质上是一台复杂的加法器，它们的“行为”严格地遵照从外部输入的指令。人类花了数十年的时间发展出能够在棋类比赛中战胜世界冠军的计算机，但是这个问题的变量仅局限于32枚棋子在64×；64棋盘上能够走的每一步。因此，在投资领域，人类或自然的任何一种行为几乎都会影响到投资收益，此时的计算机则要处于不利的地位。
　　但是计算机也拥有着两个人类所不具备的明显优势：其一，它可以快速地处理大量数据（例如，IBM的“深蓝”超级计算机战胜国际象棋冠军格里·卡斯帕罗夫的方式）；其二，它没有情感。这两个优势都很重要，尤其是第二个。来看下面一个在真实生活中时常发生的场景：假如你购买了苹果电脑公司价值10000美元的普通股，之后股价上涨了20％。iPods的销售情况也非常不错，关于苹果公司的正面消息几乎每天都会见诸报端。因此你打算继续购买更多市场估值已经相对偏高的该股票。然而此时苹果公司却宣布，iPods的单位发货量有所减少（也就是说苹果公司的iPods的发货量下降了），但由于现在生产的更多的高端产品正在代替低端产品，所以其收入和利润增长率基本上保持不变。在这条新闻公布的几个月后，股价下跌了22％，因此你只能以低于最初购买股票时的价格卖出——你正在开始赔钱，幸福感大概已经被焦虑所取代。
　　然而，苹果公司的股票市场估值现在看起来更加合理，它的业务进展顺利，而且留给iPods未开发的市场规模似乎非常巨大。你会①卖掉现有的股票，还是②继续持有但不再买人，或者③继续持有并买人更多？也许从理论上来讲答案十分简单，即如果公司经营良好并且其估值看起来十分吸引人，那么可以买人更多。
　　但是假设你处于如下局面：你正承受着640美元的账面损失，而这曾经却是2000美元的收益。新的报道频繁出现，不断质问着苹果股价下跌的原因，而你也正担心着在不久的将来是否会有尚未发布的坏新闻。在这样的情况下许多投资者会选择卖出。他们卖出不是因为有一个充分的理由，而只是因为他们正在赔钱，此时这种情绪正占据着上风。在现实中像我们例子中这样的投资者数以千计，因此你会明白为何心理因素竟会对股价产生如此巨大的影响。事实上，股票市场中的一L，N因素通常会创造投资机会，而这正是我们的计算机会派上用场的地方。
　　金融行业的学者历经几十年的研究，发展出了可应用于实际的“有效市场假说”理论。有效市场假说认为，金融市场能快速吸收所有可用的信息，因此，在任何时间段内超越“市场”基本是不可能的（或者能够找到这样的时间段也仅是运气而已）。但是由于许多专业的投资者拥有长期获得超越市场回报的稳定记录，所以这足以证明有效市场假说并不能完全反映金融市场的真理。股票市场往往能够高效合理地评估已有的信息，但在其他情况下它的“判断”会受到上面提到的心理因素的影响。换言之，股票市场是非有效的。下面一个定量分析的例子就可以说明这一点。在1987年到2006年的20年间（也是这本书中大部分回测的时间区间），我们回测的选股范围（约2000只规模最大的公开交易股票），平均每年52周价格高点和52周价格低点之差达到了32％，而同期这些公司净收入的复合年化增长率只有9％。在收人平均增速为9％的情况下，理论上没有任何原因会使得股票价格每年上下波动32％，但事实的确如此。当涉及金钱的时候，情感往往会战胜理胜，所以股价不断上涨或者下跌的真正原因也正是由恐慌、贪婪、希望或者绝望情绪所产生的。
　　本书中的定量检验方法旨在发现历史数据下能够稳定战胜市场的投资策略。
　　这些策略并不假定市场是有效还是非有效的。更确切地说，它们利用了上文提到的计算机的两大优势——缺乏情感和处理大量数据的能力——来决定哪种投资策略更能承载投资者的期望。如今一个投资者通过使用一台并不昂贵的计算机就可以在几分钟到几小时内检验若干年内的上千家公司和上万条数据。此外，投资者可以在计算机上进行建模，研发出一个可以完美执行的策略。所以模型决定了策略，而计算机将严格地执行策略直到接收到其他的指令。
　　本书中的策略有意用一种粗糙的方式进行测试。
　　由于只是想了解策略的有效性，所以我们没有将回测选股范围划分成十个分位，也没有只选取位于顶部分位和底部分位的公司。我们认为策略有效的评判标准为：①顶部五分之一的表现显著地超过市场；②底部五分之一的表现显著地弱于市场；③战胜市场和输给市场的表现在多年中是稳定的；④每个分位的表现存在着线性特征，从而说明该策略和超额收益之间存在着较强的相关性。我认为这是一种使用猎枪铅弹的方法来测试投资策略，即如果策略通过了猎枪测试，或者说它击中而不是错失了目标，我们就认为它是有效的。需要注意的是，根据策略所选出的股票并不是每只都有效，也不是每年都有效，但整体来说，可以认为策略具有一定的投资价值。
　　我称那些具有投资价值的策略为组件，本书中所有的策略都有理由被认为具有投资价值；也就是说，我们可以解释为什么位于顶部五分之一的股票能战胜市场而位于底部五分之一的股票会输给市场。当我们理解了策略有效的原因之后，它便成为一个组件，可以和其他策略进行组合从而组成更加强大的投资模型。有些策略起作用的原因是相似的（比如它们都与盈利性和估值相关），而有些策略则是互补的（比如一个策略考虑了成长性，而另一个策略主要和价值相关）。因此，理解策略起作用的原因可以帮助我们有效地将不同的策略进行组合。组件只有通过测试来确定（经验主义），并通过三角测量法来验证——即策略必须在多种不同的环境下都有效。
　　另一个理解本书的关键概念是马赛克（Mosaic）理念。马赛克是一种由许多小彩色块拼凑成的图案或模式。在现实生活中的马赛克，其每个小色块在单独看的时候都是没有意义的，但经过艺术家的拼排，就会浮现出美丽的图案。而我们这里所说的马赛克，它每一个色块都是一个具有投资价值（稳定战胜或输给市场）且为读者所理解（我们知道它为什么有效）的投资策略。
　　通过理解这些策略背后的驱动因素，我们开始逐渐认识到公司和股票中有助于提高投资回报的某些特征。当将本书中所有的策略拼排在一起时，一幅美丽的马赛克图案就出现了，它从定量分析的角度很清楚地向我们展示了“是什么驱动了市场”，以及在准备投资的公司和股票中哪些特征是需要去寻找或避免的。
　　……

第1章 导论：寻求Alpha
第2章 研究方法
第3章 股市收益的每日驱动因素
第4章 盈利性
第5章 估值
第6章 现金流
第7章 成长性
第8章 资产配置
第9章 价格动量
第10章 危险信号
第11章 智慧的结晶
第12章 因子组合
第13章 将策略融人投资哲学
附录
缩写对照表
附录A 组件因子
附录B 双因子策略
附录C 各分位因子组合的平均值
中英文术语对照表