近期，“新時(shí)代證券 帶您走進(jìn)私募”活動(dòng)在大巖資本成功舉辦。本次活動(dòng)以“看人工智能如何玩轉(zhuǎn)A股”為主題，大巖資本總裁、量化投資基金經(jīng)理黃鉑博士結(jié)合投資案例及市場(chǎng)經(jīng)驗(yàn)，深入淺出的為來(lái)訪的投資者們講解了如何通過(guò)量化科技來(lái)發(fā)掘市場(chǎng)的超額收益。

大巖資本總裁 黃鉑

內(nèi)容比較長(zhǎng)，我們對(duì)實(shí)錄內(nèi)容做了精簡(jiǎn)編輯，分為上下兩篇，上篇可見《大巖資本黃鉑：量化科技 發(fā)掘市場(chǎng)超額收益（上篇）》，以下為實(shí)錄下篇：

量化策略的目標(biāo)

如果長(zhǎng)期持有就能賺取收益，還要量化做什么呢？

黃鉑博士解釋稱，在做投資的過(guò)程中，市場(chǎng)收益是很難賺取的，那么除了市場(chǎng)收益就是超額收益，而量化策略就是為了挖掘高夏普比率下的超額收益。判斷一個(gè)量化策略的好壞，我們通常會(huì)看其夏普比率是多少，波動(dòng)率是多少？

黃鉑博士補(bǔ)充道，往往持有量化策略產(chǎn)品的時(shí)間越長(zhǎng)，超額收益將起到主導(dǎo)作用，不可預(yù)測(cè)的市場(chǎng)收益波動(dòng)會(huì)被逐漸平滑掉，也就是波動(dòng)率隨著時(shí)間的增長(zhǎng)而越小。

那么量化策略又是如何創(chuàng)造高夏普比率下的超額收益呢？

黃鉑博士認(rèn)為，這與量化策略的投資特點(diǎn)息息相關(guān)。量化策略有三大特點(diǎn)：第一，高度的系統(tǒng)性與紀(jì)律性。量化策略中99%以上的交易策略都是通過(guò)機(jī)器模型來(lái)完成的，在大巖資本的實(shí)時(shí)交易中，每天就需要處理幾千萬(wàn)條數(shù)據(jù)，疊加模型對(duì)于數(shù)據(jù)的處理，那就是上億甚至幾十億次的信息交互，而如此巨量級(jí)的信息處理卻可能是在毫秒到秒之間完成的，在此過(guò)程中，人要想進(jìn)行干預(yù)就非常難了，換言之，量化策略能避免被人性的弱點(diǎn)所左右。

第二，風(fēng)險(xiǎn)高度可控。我們往往通過(guò)量化的框架將風(fēng)險(xiǎn)和收益抽絲剝繭，判斷哪些風(fēng)險(xiǎn)我們知道，哪些風(fēng)險(xiǎn)我們不知道，然后通過(guò)分散的方式去控制未知的風(fēng)險(xiǎn)，通過(guò)靈活對(duì)沖的方式控制知道的風(fēng)險(xiǎn)。在量化的框架下，我們可以將不可控或不可見的風(fēng)險(xiǎn)具象化、數(shù)字化，將風(fēng)險(xiǎn)轉(zhuǎn)換成可量化的內(nèi)容，從而達(dá)到控制風(fēng)險(xiǎn)的目的。

第三，高人力杠桿。量化策略可能是所有投資方法中人力杠桿最高的一種，具體表現(xiàn)在兩個(gè)方面：第一，我們看任何一個(gè)正常的量化組合，其持倉(cāng)非常分散，有幾百只甚至上千只股票，而且行業(yè)分布和市值分布都非常均勻。如果將這樣高度分散、風(fēng)險(xiǎn)可控的組合納入主觀投資框架下進(jìn)行組合管理，那么就需要非常高的運(yùn)營(yíng)成本，需要大量的行業(yè)研究員，不過(guò)對(duì)于量化而言，可能只需要一個(gè)四五個(gè)人的小團(tuán)隊(duì)。

量化投資從本質(zhì)上講，就是數(shù)據(jù)科學(xué)在金融領(lǐng)域的一個(gè)應(yīng)用，通過(guò)統(tǒng)計(jì)與建模的方式來(lái)挖掘金融數(shù)據(jù)，與其他領(lǐng)域的數(shù)據(jù)唯一所不同的就在于數(shù)據(jù)（金融數(shù)據(jù)）。

現(xiàn)如今的信息科學(xué)、人工智能深度學(xué)習(xí)都可以被應(yīng)用在量化投資上，所以，從長(zhǎng)遠(yuǎn)來(lái)看，量化投資的空間非常大。

二、量化投資研究方式

黃鉑博士繼續(xù)為大家闡述量化投資研究方式幾種不同的形態(tài)。

量化投資的本質(zhì)是在大量的數(shù)據(jù)中心挖掘“歷史可持續(xù)、未來(lái)可重復(fù)”的交易規(guī)則與交易指標(biāo)，也即找規(guī)律。量化投資的發(fā)展初期，就是通過(guò)最簡(jiǎn)單的人為方式來(lái)尋找規(guī)律，通過(guò)數(shù)據(jù)、金融相關(guān)類文章或報(bào)道等，提取一些相對(duì)有用的信息再做浮現(xiàn)，然后在歷史數(shù)據(jù)上測(cè)試是否有效。由于人的理解和輸入在起主導(dǎo)地位，所以我們稱之為“人力挖掘”；

另外一種主要的方式是通過(guò)“深度學(xué)習(xí)”為代表的各種復(fù)雜的統(tǒng)計(jì)建模。過(guò)去十幾年是包括人工智能在內(nèi)的各種算法發(fā)展最快的時(shí)期，但在這個(gè)時(shí)期，人工智能主要應(yīng)用于圖像識(shí)別和自然語(yǔ)言理解方面，而在投資的應(yīng)用上仍需要人工來(lái)做填補(bǔ)。

量化研究員在做量化模型的時(shí)候，不會(huì)只看一小段數(shù)據(jù)或某單只股票的數(shù)據(jù)，而是看全市場(chǎng)3000多只股票每天所有成交的幾千萬(wàn)條的信息，以此來(lái)學(xué)習(xí)對(duì)未來(lái)有預(yù)測(cè)的日內(nèi)量?jī)r(jià)形態(tài)，以及跟蹤或預(yù)測(cè)不同類型交易參與者的行為和意向。 在這個(gè)過(guò)程中，研究者不僅要對(duì)各種機(jī)器學(xué)習(xí)模型有深刻的理解，剝離出其中跨領(lǐng)域可應(yīng)用的“內(nèi)核”；同時(shí)還需要了解如何把現(xiàn)有的金融數(shù)據(jù)轉(zhuǎn)化成“模型的語(yǔ)言”。因此，我們稱之為“半自動(dòng)”研究模型，其中包含了大量的人機(jī)交互的元素；

另外一種更類似于“全自動(dòng)模式”的研究方式是通過(guò)遺傳算法（也叫自適應(yīng)搜索算法）對(duì)量化策略進(jìn)行優(yōu)化與決策，這個(gè)框架比較復(fù)雜，但執(zhí)行比較簡(jiǎn)單。我們將所有能夠拿到的數(shù)據(jù)，以及各種可能的數(shù)據(jù)與數(shù)據(jù)之間的交互方式，比如加減乘除，都放到算法中，然后利用算法計(jì)算出所有數(shù)據(jù)之間可能的組合方式，并找出所有的量化規(guī)律的表現(xiàn)，再進(jìn)行優(yōu)勝劣汰。如此一來(lái)，我們便可以在海量的數(shù)據(jù)中尋找出歷史上最有效的指標(biāo)和規(guī)律。不過(guò)，遺傳算法的前提是需要足夠的數(shù)據(jù)量，以及足夠強(qiáng)大的計(jì)算能力。

三、量化的核心競(jìng)爭(zhēng)力

當(dāng)談及量化的核心競(jìng)爭(zhēng)力，黃鉑博士認(rèn)為，團(tuán)隊(duì)、數(shù)據(jù)及算法交易，缺一不可。

關(guān)于團(tuán)隊(duì)，目前對(duì)于主流量化機(jī)構(gòu)，比如像大巖資本是三個(gè)階段典型方式有機(jī)融合，在量化人員配置上會(huì)有嚴(yán)格的要求。從教育背景出發(fā)，我們絕大多數(shù)的投資經(jīng)理和研究員都是理工類頂尖名校畢業(yè)，并且碩士以上學(xué)歷，部分人員為博士學(xué)歷，并且在加入大巖之前，有部分人在國(guó)外已經(jīng)有非常成熟的量化機(jī)構(gòu)工作經(jīng)驗(yàn)。

關(guān)于數(shù)據(jù)，所謂巧婦難為無(wú)米之炊，對(duì)于量化投資而言，金融相關(guān)數(shù)據(jù)就是我們的“米”。大巖資本所覆蓋的數(shù)據(jù)維度是非常全面的，有基本面數(shù)據(jù)、股票量?jī)r(jià)數(shù)據(jù)?；久鏀?shù)據(jù)，即比如每個(gè)公司關(guān)鍵的財(cái)務(wù)數(shù)據(jù)，相關(guān)實(shí)時(shí)盤后的各種財(cái)務(wù)事件和新聞等。股票量?jī)r(jià)數(shù)據(jù)，即全市場(chǎng)每只股票從開盤到收盤結(jié)束，所有的成交信息與委托信息。而這些量?jī)r(jià)數(shù)據(jù)含括有上千萬(wàn)級(jí)別的信息量，以及達(dá)到幾億甚至幾十億的交互信息。

除了這兩類主流數(shù)據(jù)外，還有其他特色數(shù)據(jù)包括文本數(shù)據(jù)那么如何更好地利用這些特色數(shù)據(jù)呢？這也正體現(xiàn)了量化策略的專業(yè)性，如何從這些數(shù)據(jù)中抽取有效的信息，對(duì)未來(lái)收益和風(fēng)險(xiǎn)更好地做出預(yù)判。當(dāng)然，每家量化機(jī)構(gòu)都會(huì)有自己獨(dú)特的護(hù)城河，也是大家選擇量化產(chǎn)品、識(shí)別專業(yè)性的關(guān)鍵點(diǎn)之一。

關(guān)于算法交易，從量化投資說(shuō)起，通常提到“量化”很多人會(huì)將其與高頻交易聯(lián)系在一起，其實(shí)量化并不等價(jià)于高頻交易，量化具有處理高頻數(shù)據(jù)和高頻信息的能力，也可以做高頻交易。對(duì)于每一個(gè)成功的量化策略中，必然含有一些高頻交易的成分。

目前，大巖資本主打的量化策略，對(duì)每只股票的持倉(cāng)周期大概在5個(gè)交易日，主要收益源自于持倉(cāng)時(shí)間內(nèi)大幅度跑贏對(duì)標(biāo)的市場(chǎng)收益，還有一部分收益源自于交易。算法交易就是其中關(guān)鍵的角色，通過(guò)在“日內(nèi)交易期間”創(chuàng)造超額收益。比如在今天的9:30到11:00這段時(shí)間內(nèi)，股票A平均成交價(jià)格為10元/股，而我們以9元/股的價(jià)格成交，那么，相對(duì)于市場(chǎng)而言，我們就有了這一塊錢的優(yōu)勢(shì)。從交易層面上看，這一塊錢就屬于交易上的超額收益。

四、量化的前景

最后，黃鉑博士為大家介紹了A股量化投資的發(fā)展?fàn)顩r。

在美國(guó)，量化策略已發(fā)展很多年，并已成為主流的投資方式。有數(shù)據(jù)表明，大概有2/3的私募投資都是量化投資。所以，量化策略基金產(chǎn)品在發(fā)達(dá)市場(chǎng)是接受度非常高的投資產(chǎn)品，而且在類似美國(guó)這樣比較有效的市場(chǎng)下，也正因?yàn)橛刑嗳嗽谧隽炕?，所以并沒(méi)有太多的超額收益留予大家獲取。

再看A股市場(chǎng)，量化投資在近幾年發(fā)展很快，特別是2020年量化投資規(guī)模對(duì)比前一年翻倍，但即便是翻倍之后也僅占整體投資規(guī)模的15%?？梢?，在A股市場(chǎng)，量化投資的空間還非常大。疊加量化投資的科學(xué)性、有效的風(fēng)險(xiǎn)管理，以及量化投資的高人力杠桿等特性，令我們每年能比較穩(wěn)定的獲取20%-25%相對(duì)于大盤的超額收益。

大巖資本創(chuàng)始合伙人汪義平博士早前便已意識(shí)到A股市場(chǎng)的量化投資機(jī)會(huì)，并成功引入國(guó)際資本，其中包括世界排名前五的資管機(jī)構(gòu)之一，還有國(guó)際上比較知名的幾家量化對(duì)沖基金。

黃鉑博士認(rèn)為，從目前來(lái)看，整個(gè)A股市場(chǎng)在未來(lái)的三至五年內(nèi)，量化策略整體將呈現(xiàn)一個(gè)健康、有序、快速發(fā)展的態(tài)勢(shì)。他表示，希望在這個(gè)時(shí)間窗口，大巖能夠給更多的投資者創(chuàng)造更穩(wěn)定的收益。

免責(zé)聲明：市場(chǎng)有風(fēng)險(xiǎn)，選擇需謹(jǐn)慎！此文僅供參考，不作買賣依據(jù)。

關(guān)鍵詞：