大巖量化黃鉑：量化科技 發(fā)掘市場超額收益（下篇）

近期，“新時代證券 帶您走進私募”活動在大巖資本成功舉辦。本次活動以“看人工智能如何玩轉A股”為主題，大巖資本總裁、量化投資基金經理黃鉑博士結合投資案例及市場經驗，深入淺出的為來訪的投資者們講解了如何通過量化科技來發(fā)掘市場的超額收益。

大巖資本總裁 黃鉑

內容比較長，我們對實錄內容做了精簡編輯，分為上下兩篇，上篇可見《大巖資本黃鉑：量化科技 發(fā)掘市場超額收益（上篇）》，以下為實錄下篇：

量化策略的目標

如果長期持有就能賺取收益，還要量化做什么呢？

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

黃鉑博士補充道，往往持有量化策略產品的時間越長，超額收益將起到主導作用，不可預測的市場收益波動會被逐漸平滑掉，也就是波動率隨著時間的增長而越小。

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？

黃鉑博士認為，這與量化策略的投資特點息息相關。量化策略有三大特點：第一，高度的系統(tǒng)性與紀律性。量化策略中99%以上的交易策略都是通過機器模型來完成的，在大巖資本的實時交易中，每天就需要處理幾千萬條數據，疊加模型對于數據的處理，那就是上億甚至幾十億次的信息交互，而如此巨量級的信息處理卻可能是在毫秒到秒之間完成的，在此過程中，人要想進行干預就非常難了，換言之，量化策略能避免被人性的弱點所左右。

第二，風險高度可控。我們往往通過量化的框架將風險和收益抽絲剝繭，判斷哪些風險我們知道，哪些風險我們不知道，然后通過分散的方式去控制未知的風險，通過靈活對沖的方式控制知道的風險。在量化的框架下，我們可以將不可控或不可見的風險具象化、數字化，將風險轉換成可量化的內容，從而達到控制風險的目的。

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)在兩個方面：第一，我們看任何一個正常的量化組合，其持倉非常分散，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、風險可控的組合納入主觀投資框架下進行組合管理，那么就需要非常高的運營成本，需要大量的行業(yè)研究員，不過對于量化而言，可能只需要一個四五個人的小團隊。

量化投資從本質上講，就是數據科學在金融領域的一個應用，通過統(tǒng)計與建模的方式來挖掘金融數據，與其他領域的數據唯一所不同的就在于數據（金融數據）。

現(xiàn)如今的信息科學、人工智能深度學習都可以被應用在量化投資上，所以，從長遠來看，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)。

量化投資的本質是在大量的數據中心挖掘“歷史可持續(xù)、未來可重復”的交易規(guī)則與交易指標，也即找規(guī)律。量化投資的發(fā)展初期，就是通過最簡單的人為方式來尋找規(guī)律，通過數據、金融相關類文章或報道等，提取一些相對有用的信息再做浮現(xiàn)，然后在歷史數據上測試是否有效。由于人的理解和輸入在起主導地位，所以我們稱之為“人力挖掘”；

另外一種主要的方式是通過“深度學習”為代表的各種復雜的統(tǒng)計建模。過去十幾年是包括人工智能在內的各種算法發(fā)展最快的時期，但在這個時期，人工智能主要應用于圖像識別和自然語言理解方面，而在投資的應用上仍需要人工來做填補。

量化研究員在做量化模型的時候，不會只看一小段數據或某單只股票的數據，而是看全市場3000多只股票每天所有成交的幾千萬條的信息，以此來學習對未來有預測的日內量價形態(tài)，以及跟蹤或預測不同類型交易參與者的行為和意向。 在這個過程中，研究者不僅要對各種機器學習模型有深刻的理解，剝離出其中跨領域可應用的“內核”；同時還需要了解如何把現(xiàn)有的金融數據轉化成“模型的語言”。因此，我們稱之為“半自動”研究模型，其中包含了大量的人機交互的元素；

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

三、量化的核心競爭力

當談及量化的核心競爭力，黃鉑博士認為，團隊、數據及算法交易，缺一不可。

關于團隊，目前對于主流量化機構，比如像大巖資本是三個階段典型方式有機融合，在量化人員配置上會有嚴格的要求。從教育背景出發(fā)，我們絕大多數的投資經理和研究員都是理工類頂尖名校畢業(yè)，并且碩士以上學歷，部分人員為博士學歷，并且在加入大巖之前，有部分人在國外已經有非常成熟的量化機構工作經驗。

關于數據，所謂巧婦難為無米之炊，對于量化投資而言，金融相關數據就是我們的“米”。大巖資本所覆蓋的數據維度是非常全面的，有基本面數據、股票量價數據。基本面數據，即比如每個公司關鍵的財務數據，相關實時盤后的各種財務事件和新聞等。股票量價數據，即全市場每只股票從開盤到收盤結束，所有的成交信息與委托信息。而這些量價數據含括有上千萬級別的信息量，以及達到幾億甚至幾十億的交互信息。

除了這兩類主流數據外，還有其他特色數據包括文本數據那么如何更好地利用這些特色數據呢？這也正體現(xiàn)了量化策略的專業(yè)性，如何從這些數據中抽取有效的信息，對未來收益和風險更好地做出預判。當然，每家量化機構都會有自己獨特的護城河，也是大家選擇量化產品、識別專業(yè)性的關鍵點之一。

關于算法交易，從量化投資說起，通常提到“量化”很多人會將其與高頻交易聯(lián)系在一起，其實量化并不等價于高頻交易，量化具有處理高頻數據和高頻信息的能力，也可以做高頻交易。對于每一個成功的量化策略中，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，對每只股票的持倉周期大概在5個交易日，主要收益源自于持倉時間內大幅度跑贏對標的市場收益，還有一部分收益源自于交易。算法交易就是其中關鍵的角色，通過在“日內交易期間”創(chuàng)造超額收益。比如在今天的9:30到11:00這段時間內，股票A平均成交價格為10元/股，而我們以9元/股的價格成交，那么，相對于市場而言，我們就有了這一塊錢的優(yōu)勢。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)展狀況。

在美國，量化策略已發(fā)展很多年，并已成為主流的投資方式。有數據表明，大概有2/3的私募投資都是量化投資。所以，量化策略基金產品在發(fā)達市場是接受度非常高的投資產品，而且在類似美國這樣比較有效的市場下，也正因為有太多人在做量化，所以并沒有太多的超額收益留予大家獲取。

再看A股市場，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%。可見，在A股市場，量化投資的空間還非常大。疊加量化投資的科學性、有效的風險管理，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到A股市場的量化投資機會，并成功引入國際資本，其中包括世界排名前五的資管機構之一，還有國際上比較知名的幾家量化對沖基金。

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

免責聲明：市場有風險，選擇需謹慎！此文僅供參考，不作買賣依據。

關鍵詞：