|
七禾网注：嘉宾回答仅代表其本人观点，不代表七禾网的观点及推荐。金融投资风险丛生，愿七禾网用户理性谨慎。  上海宽投资产管理有限公司CEO、基金经理。 美国密歇根大学安娜堡分校金融工程硕士。曾任中信证券北京总部投行部，有丰富的基本面分析的研发经验。于2013年开始进入量化投资行业，峰值管理规模约20亿元。在2016年取得海通证券阳光私募大赛的第三名。 2017年被中国商报社评为“2017年中国私募基金年度人物”，并得到了2016-2017年度财视中国对冲基金介甫奖“最佳女性领导人”的奖项。 在实盘大赛中得第一、第二名真的是碰运气的事情，如果说是要进前十，其实把风控做好，只要时间够久还是可以做到。 做量化的话，风控应该不是你特别担心的一个问题，做量化的那些人风控做得再差，其实也是有底线的，但做量化一般来说就不会有一个很高的收益率。 有越多不理性的交易行为，那么量化就越有优势。 本质上来说，你的阿尔法是哪里来的？还是从一些不理性的行为中来获得的阿尔法，当你发现了市场上一些不理性的价格和行为的时候，你就去做交易了。 在美国，机构博弈已经非常严重了，我们要去寻找这些不合理就相对来说比较困难一点，但是在中国这种不合理更多。 事件驱动本质是，当一个事件出来的时候，市场的价格发现机制来不及调节，你就赶紧冲进去。 做交易总是看未来的，你肯定是找一些对未来有影响的事件或者政策，然后去做交易，本质上来讲，我觉得还是要去发现不合理。 量化的本质不是说我要去模拟新闻、模拟政策，这些东西都不是我需要去模拟的，最重要是我要发现一些不合理。 首先我们在开发的时候，可能就已经注意到这个问题（策略失效）。 什么策略最容易失效？就是你搭几根线，用特别多的参数去形容这个行情的时候，它就一定会失效。 只要是同质化的策略，一定会利润收窄，但是你跟别人如果是不同的思路去做，如果不同质化，你的策略跟市场的相关性是很低的时候，那我觉得这块利润是不会收窄的。 有这么多人参与到量化交易里面来，我觉得监管也好、品种也好，都会向一个更加适合的方向发展，我觉得发展到最后，一定是越来越贴合我们需要走的一些路。 我们的核心竞争力在于策略开发能力，我们在2015年那个转折点上面活下来，最主要的原因也是因为有很好的策略储备。 在私募行业做百年老店还是比较难的，因为这个行业是缺寿星的。 我们在人才上面、在系统上面，都会以最大的投入去做这件事情，我们投入如果比较大的话，对客户来说肯定就好，对于一个想做百年老店的公司来说，这种投入是一定不会白费的，因为我们这种技术都是积累的。 不管市场怎么样变化，我们尽可能地去为客户开发各种各样好的投资工具，当然我们肯定是以我们特长的做量化为主，包括CTA、多因子、指数增强、量化套利这些策略。 我们也不断地做投入、做开发，满足各种各样的客户需求，我们至少在短期内不会在我们不擅长的点里面去做。 资管行业就是比谁活得久，不会特别集中精力为了今年的盈利去省一些成本，肯定是从长期来看，因为你现在的研发投入，一定会在未来某个时间回报你的。 严宓：我觉得在实盘大赛中得第一、第二名真的是碰运气的事情，你想得第一、第二名，一般来说需要翻三倍到四倍，而且这是在没有大行情的情况下，如果有大行情，那翻三倍、四倍就不够了。但是如果说是要进前十，其实把风控做好，只要时间够久还是可以做到。我觉得量化策略长期来看还是回报比较稳定的，因为至少你有很大的一个优势，就是你的风控是天生好的，因为它本来的优势就是没有人工判断，有一个比较严格的止损机制，不管买还是卖，都不那么随意，都是有事先预订好的一些程序。所以我觉得，做量化的话，风控应该不是你特别担心的一个问题，做量化的那些人风控做得再差，其实也是有底线的，但做量化一般来说就不会有一个很高的收益率。实盘大赛一般有重量组、程序化组，程序化组的收益率一般比重量组要低好多，但程序化组好像拿奖稍微容易一点。我这倒不是跟大家说以后都到程序化组去比就好了，我就是想说明一个问题，就是程序化组的风控好，但它一定是收益低的，你看程序化组的回撤就比重量组要小很多，这是天生的。不管你写什么样的策略、不管你这个人再激进，它至少是有风控和底线的，因为你总有一个止损和平仓的条件。所以你说的做好风控前提下保持稳定收益，其实这就是量化的特性，这些是量化好的地方，量化有优点也有缺点，这个就算是量化的一个优点。 严宓：其实我觉得在量化投资这块，国内是优势更大的。今年国内量化策略有些回撤，很多人就会说，是不是因为量化在中国不适合、中国很多东西是没有办法量化的，比如政策，所以说量化不适合中国。我觉得不是这样子的，我觉得应该是有越多不理性的交易行为，那么量化就越有优势。在美国，每年能够获得的阿尔法可能只有两到三个点，那中国的话，看过去平均三五年，至少还能获得15%以上的每年年化的平均阿尔法。我会非常关注中国的散户比例和美国的散户比例，中国散户比例大概是在49%左右，那美国可能是在19%左右。本质上来说，你的阿尔法是哪里来的？还是从一些不理性的行为中来获得的阿尔法，当你发现了市场上一些不理性的价格和行为的时候，你就去做交易了。举个例子，你觉得茅台的价值被低估了、万科的价值被低估了，你就会做进去，当这个不合理回归到合理的过程当中，其实就是获利区间，但前提是要有很多不合理。事实上在美国，机构博弈已经非常严重了，我们要去寻找这些不合理就相对来说比较困难一点，但是在中国这种不合理更多。量化的本质不是说我要去模拟新闻、模拟政策，这些东西都不是我需要去模拟的，最重要是我要发现一些不合理，所谓的事件驱动本质是，当一个事件出来的时候，市场的价格发现机制来不及调节，你就赶紧冲进去。举个例子，比如一个减税政策要出来，企业利润就会在未来有个上升，那么你就大概可以估算在市盈率不变的情况之下，企业利润会上升多少比例，当这个新闻出来的时候，你马上做进去。 做交易总是看未来的，你肯定是找一些对未来有影响的事件或者政策，然后去做交易，本质上来讲，我觉得还是要去发现不合理。所以对于有人说政策不好量化这件事情，政策确实不好量化，但它只是你发现的不合理当中的一块而已，市场上不合理的行为有很多种，不光是政策，政策产生的不合理价差，它会随着时间很快修复过来。还有更多不合理，其实是在连续竞价中产生的，就是交易中产生的不合理，比如说一些情绪造成的超买、超卖，这些东西产生不合理，你去在里面获利，相对来说机会更多。 基于以上的说法，我们认为国内更有优势。美国的优势在于，市场上衍生品更加丰富，美国网罗了全世界最优秀的人才，包括北大、清华最优秀的人都跑到美国去读博士了，很多人就留在了那边，所以世界上很多特别聪明的人都聚集在那边，他们做着最复杂的一些衍生品的设计和交易。所以我觉得美国的优势在于那边经验、资源、衍生品以及人才，都是比较强的。但我们认为中国机会更多，所以我们才回来。 七禾网3、美国的量化交易策略，和国内大部分人所使用的以分析价格和成交量的技术分析方法为主的量化策略相比，有哪些不同？ 严宓：美国的交易环境跟中国不太一样，就拿期货来讲，美国允许的撤单量是非常大的，跟中国是不一样的，中国可能撤单到一定频率，那基本上你就会被打电话了，用一个最简单的例子来说，美国能做做市商策略，但中国是做不了的，因为它不允许这么大的撤单量存在。我觉得大多数的分析价格、成交量的方法，也就是所谓的技术面，哪怕是一些统计方法，在国内外都大同小异，只是说方法的精细程度和发展思路不一样，这块我觉得每家是每家的风格。 撤单量会影响你的一些策略的触发点，对于股票这块，美国可以做多也可以做空，你能做空的话，肯定会影响你的一些交易的思路，你一定要去考虑你的对手的情况，所以能做多也能做空的状态，和做多、做空有成本的状态是完全不同的，我觉得这只是影响你策略的研发方向罢了。 严宓：我们会看产品的情况，比如某个产品就是来做指数增强策略的，那可能就是全部都做指数增强了。那一般来说什么可以做调整？一些多策略或者全天候系列。一般来讲，我们根据市场的变化，在策略表现的基础上做一些调节，而且我们不会追涨杀跌，虽然说做量化其实有一点偏右侧，因为它对市场的预测没有那么敏感和及时，但是一般来说我们不太会根据市场的变动来完全去调整，因为这样就是主观判断，跟量化的做法不是特别相符合。 严宓：我们公司之前相对来说比较有名的可能是在期货套利上面，正常来说，大家理解的CTA其实就是商品期货交易，期货交易上面肯定也是分趋势交易和套利交易的，这个大类是跑不了的。特点来讲的话，对于趋势策略，就是有趋势能赚趋势的钱，没有趋势就只能蛰伏等待了，本身策略特点就是这个样子。像套利这块的话，跟趋势是有点负相关性的，也就是说，整个市场没有特别极端行情的时候，套利策略往往能有一点点的利润可以获得。 严宓：说实话，任何策略都有大年小年，我们去看巴克莱的CTA的表现，会发现过去很多年，甚至是在金融海啸的时候，它都有很好的表现。我们在2013、2014、2015、2016年，每年都有很好的收益，但是今年，首先来讲市场有非常大的震荡，而且市场相对来说消息面是比较多的，但是量化对消息面不是非常敏感，比如说限产，哪怕现在某个钢炉爆炸了，哪怕是它产量可能就几千吨，都会引起市场非常大的波动，我觉得消息面是没有办法被量化考虑进去的。所以说，市场表现的一些极端的行情，可能受消息面的影响会比较大，而且今年的话，相对来说消息面一般都是有点超预期或者反预期的，我们觉得这是今年量化CTA表现不好的一块原因。 我们公司我觉得算是一个平均水平，不是市场中做得最好的，也不是做得最差的，看你怎么去衡比，因为每个公司对应的预警和止损是不一样的，它能给的轧差也是不一样的，那这块的表现可能在每个产品上面都会有一些差异。但是单独从策略来看的话，我们觉得这个表现算是在这种行情下面一个正常的应对，有回撤，但是也是有收益。 严宓：这块我们不做预期的，做量化挺难对未来的走势有预期，但是我觉得不抱乐观心态也没法做事情嘛，所以还是会乐观一点。 严宓：2015年肯定受非常大的影响，包括2016年的一段时间，因为它的基差自身就是一个实亏，那这块肯定是有影响。第二个是资金使用效率也非常低，但是我感觉现在好挺多了，像IF和IC的贴水，较之前已经算是大幅修复了，那我们觉得未来贴水或者说资金使用这块应该不是很大的一个问题，我觉得核心还是阿尔法。 严宓：我觉得股票量化比较麻烦的是，很多接口被限了，所以我觉得在实现上是难点，其实在策略上应该还好。 严宓：不能说完全杜绝策略失效，不是一定能完全杜绝这件事情，但是一般来讲，我们有几个判断。第一，如果说失效的时候，你是怎么去处理它的？第二，我举个最简单的例子，首先我们在开发的时候，可能就已经注意到这个问题。什么策略最容易失效？就是你搭几根线，用特别多的参数去形容这个行情的时候，它就一定会失效，比如说，你看过去一百天的行情，你找到最高点、最低点，然后中间在什么区间里面做震荡，你按照这种行情写参数，你去测试，会发现过去非常好，每天都能赚很多的钱，但是讲真，我觉得一上来它就会失效，因为接下来的行情一定不会是完全就像过去一百天的方向或者震幅，哪怕是震幅的区间集中度，它都会不一样。所以我觉得最重要的应该还是在开发的源头上想办法去避免一些过拟合，这块才是关键，因为你在使用中失效是一个比较难过的事情，你去判断它是否失效，一般来说你用回撤的时间，哪怕你去解释回撤周期跟它过去的行情是不是吻合，那这样的话是一个比较好的判断方式。 严宓：其实我不觉得有美国的这块经历，就一定比完全在中国培养的要好，但是我觉得有几个好处。第一，我们本来就有这个先天优势，先天优势不用也怪可惜的，既然我们的朱冀教授是美国密歇根大学的终身正教授，他有这样的影响力，能吸引到一批很好的人才，肯定还是能招到合适的人，比大海捞针要好。招聘的几个渠道，一个是校招，一个是社招，社招你可能需要大海捞针去招，校招一样的，你要去很多学校、去面试很多人、去跟很多人谈，工作量很大。我们算是“偷懒”吧，我们也不会每家学校都跑，我们既然有这个北美策略研发中心，好多国内名校毕业的人可能都去那了，像我们念书的时候北大、清华同学，包括上交、复旦去那的非常多，他们本科念得很好，然后去到美国，我们在那跟他们有一个更深层次的交流，我们对他们的写代码的能力、写策略的能力都很了解了，那在这个基础之上，我觉得再去招聘到他，那我们首先对他习惯也很了解，对他的做事的方式也很了解，对我们来讲，优势主要是互相地搭配，这样的话效率会很高。还有一点，我觉得他们确实是很聪明，很会去学东西，美国老师可能就是给你一个课题，不说太细的主题，然后没有特别明显的东西让你去照本宣科，你可能更多是去翻一些资料，那这样的话我觉得要去学习东西，可能你不得不提高你的效率。 严宓：首先来说我们是分北美策略研发中心和国内的团队，但是国内团队也是写策略的，然后北美那边，他们做出的一般可能是一些雏形，然后大家一起做交流。因为讲真，可能你刚接触交易的时候，你可能不懂很多细节和方法，所以我们也会去教，那这样的话，两边我觉得是一个互助的关系，我们并没有去把研发和执行分开，因为那边写的策略，我们这边也会检查一遍，这边有人一定会帮着他一起去落地。所以说，研发和执行是很难做到分开的，因为你的研发和最后的执行，肯定是这个研发的人要跟着这个执行的IT一起往下去推进这个事情。 严宓：2015年那时刚成立，公司虽然刚发阳光化产品，但是我们以前也替别人管了很多钱，从2013年就帮别人管钱，包括帮企业管钱，做交易都做了三年了，客户体验感不错，这样我觉得也挺有助于我们客户的关系维护。相对来讲，我们倒是挺限制规模增长的。 2015年6月份的时候我们团队成员才陆续到位的，2015年9月份的时候发了第一只阳光化产品，通常来说，你要敢出来开公司、敢组建团队，你手上肯定会有一些客户，或者说有一些人已经确定要投你了，你才会做这样的事情，所以当时其实我们是有不少钱的。当时准备做阿尔法策略，但是挺不巧的，9月份的时候突然股指期货限仓了，这种单笔5个亿规模的产品，限仓10手是没法做的，当时我记得优先已经打钱了，劣后还没打，我们赶紧拦住他，说这个事情不能做了，最后产品加在一起大概1个亿的规模。所以当时规模小也有一些原因，一方面市场确实跟我们的预期不太一样，正好限仓了，等于是一大类策略变得不能用了，或者说性价比变得很低了，限仓也好、贴水也好，对它的影响都是蛮大的，所以只剩CTA策略了，当时规模就会小一点。另外一方面，事实上，我们在CTA这一块2015、2016年的表现非常好，所以在2016年发展就快一些。其实我们在2016年的后半期是严格限制规模的，我们把一些非常好的资方资金都拒掉了，现在看起来也挺可惜的，但这是符合我们公司规划和战略的。我们规模如果发展得特别快的话，市场上可能对你会有一些疑虑，另外，你的运营和管理能不能够跟上规模的发展？一个比较合理和健康的发展，应该是随着人数的增长，那些人慢慢变成熟手，然后我的规模也是按照这个速度增长，所以我们在发展过快的时候，就限制一些规模。2016年我们拒绝的钱还挺多的，本身来讲，这是跟发展匹配的，最重要的是，我们还是希望认购在产品里面的客户能够满意，给他们最好的服务。对于私募这个行业来说，市场有好有坏，你其实不知道什么时候市场是好的，那你也不能保证永远给客户创造很高的收益，肯定是牛市会好做一点，熊市的时候会不好做一点。我这里所说的牛熊不是指数意义上的牛熊，对于CTA来讲有CTA适合的行情，那我们就认为是CTA的牛市。我们希望能够提供更好的服务，当然我们改变不了策略本来的特性，服务怎么体现？如果规模上涨得太快，客户增长得太快，服务肯定跟不上，我们不希望规模涨得太快，所以我们现在的规模是低于2016年年底的，然后本身来讲，也是跟今年市场环境不适合量化操作也会有关系。 严宓：大家都说阿尔法收窄了，但是我想，你有很多方向去写策略，比如大家都去写MACD这种类型的策略，当大家都觉得好用的时候，它的利润绝对会收窄，因为出现这根线或者这个价格的时候，谁技术更快、硬件更好，可能先打到这个单子，利润必然收窄。只要是同质化的策略，一定会利润收窄，但是你跟别人如果是不同的思路去做，如果不同质化，你的策略跟市场的相关性是很低的时候，那我觉得这块利润是不会收窄的。 严宓：至少在我觉得已经很发达的经济体里面，量化占比不会太低，而且有很多家很有名的量化机构管理了很多的资金，当然像巴菲特，那他管的更多是主观的钱。有这么多人参与到量化交易里面来，我觉得监管也好、品种也好，都会向一个更加适合的方向发展，我觉得发展到最后，一定是越来越贴合我们需要走的一些路，而不是背弃以前想发展的一些方向。从2010年开始，股指期货引进了，到后来股指成交量非常大，后来商品的成交量也逐步变得非常活跃，这都说明参与者越来越多，那我觉得量化这块也有一个非常好的前景，个人还是比较看好的。 严宓：国外一些很有名的机构，像做CTA比较好的是AHL、元盛，但是每家的风格不一样，比如有些可能偏向于长周期的策略，那你要PK的方向就可能变了。我觉得对于我们来说，第一肯定是从硬件上面去增强自己的一些配置，像美国，他们会买一些通讯站，让他们的交易速度更快。没记错的话，当时有家高频交易公司，他们买了从芝加哥到纽约中间的好几个通讯站，这些通讯站是以前军方弃用的，他们目标就是把单子打过去更快，缩短纽约和芝加哥交易所之间的时间差，他们就能做一些更有意思的策略了。中国对速度已经有一些追逐，像服务器这块，不过我觉得还有一些距离，但是我并不觉得需要这么竞争这个事情。其他方面，国外投入AI（人工智能）已经很多年了，但是真正在国内兴起我认为是比较晚的，就我所知，大学现在对懂机器学习的人的偏好是非常大的，就说明中国这块还没有这么多人才来做这件事情，我认为这块相对来说确实是个舶来品，应该还有挺长的一个空间可以去成长。 严宓：其实就两个，一个硬件、一个软件，软件是人，刚才也有说我们去培养一些很棒的学生，然后招一些很有才华的人跟我们一起来做事情，我们的投入就是在他们入门的时候给一定的指导和环境，我们公司的环境相对来说是非常好的，是一个很有学术氛围的环境，大家在这学东西，我感觉年轻人学东西积极性还是很高的，所以我们在环境和培养上面投入足够的话，这个软件的支持其实还是相对来说比较好的。硬件这块，我们是用服务器集群来做的，我觉得核也不少，也是超百核了，我估计同行也差不多，也会有这样大的投入，但只是说我们觉得这块比较重要，是我们很看重的一个部分。 严宓：我觉得我们的核心竞争力在于策略开发能力，我们在2015年那个转折点上面活下来，最主要的原因也是因为有很好的策略储备，比如股指期货一限仓，可能导致你一些股指的CTA做不了的，但是你商品还有很好的策略库存，那这个时候你去上这些策略，那你跟市场就不一样了。此外，我觉得能支持这个研发能力的是我们本身的学术的扎实程度，这块我们还是比较过硬的，我们有钱成博士，钱博士的导师朱冀也在这，我觉得朱冀老师在国内机器学习这块的地位确实是挺高的，他对机器学习的理解，也能更好地转化成一些很有效的策略，我们也不停地开发一些新的机器学习的算法。我们有足够多的人，有北美策略研发中心，说实话，写一些机器学习的策略，背后可能要有不少优秀的博士，或者计算机统计的博士、研究生来做，如果公司没几个人，那可能做这事也不太可能。我们这边正好有这个环境，我们去做这个事情的话，在这个领域上面的优势还是比较明显的。 严宓：从地理位置来说，我们公司的架构，分为北美策略研发中心和国内这儿，如果从整体架构来说，一个是策略组，这是核心；还有IT，这块是涉及策略的；还有我们后面的服务团队，也就是我们的产品运营。我们现在大概是二十多个成员在国内，北美那边大概也是二十多个人。我们在投入上，分配更多的也是在我们的策略上面，IT这边就三四个同事来负责做IT和后期的一些研发，我们策略这块会按不同的小组做一个划分，有CTA的小组，CTA里面我们分成写套利的同事和写趋势的同事，因为思路不太一样，还有股票的同事，股票也会分不同的频率，最终就合成一个大的策略团队。 严宓：像我们朱冀老师，朱老师很多时候真的不是为了钱在做事情，他是正儿八经真的想做一个百年老店出来的，其实在私募行业做百年老店还是比较难的，因为这个行业是缺寿星的。宽投现在才两年多，说这件事情还太早，但是不管怎么样，我们还是正儿八经真的想做这样一件事情的。对于投资理念的话，我们一定会秉承量化的投资理念，给大家提供一些好的量化的资产，这样的资产，我们希望它能够有较高的收益风险比。我们在人才上面、在系统上面，都会以最大的投入去做这件事情，我们投入如果比较大的话，对客户来说肯定就好，对于一个想做百年老店的公司来说，这种投入是一定不会白费的，因为我们这种技术都是积累的。像行业的一些特别大的公司，都发展好多年了，不管是技术、交易的能力、累计的管理规模、经验、客户的积累，这些东西都是要靠长期的积累后得到的，所以我们对于这块其实并不心急，我们希望能够一步一个脚印、稳扎稳打地做下去。不管市场怎么样变化，我们尽可能地去为客户开发各种各样好的投资工具，当然我们肯定是以我们特长的做量化为主，包括CTA、多因子、指数增强、量化套利这些策略。举个例子，量化套利策略就是类固收的一种策略，每年有一个稳定的收益；指数增强策略，事实上就是一个相对收益，主要是针对指数的高低获取一定比例的增强；然后CTA是趋势追踪，就是捕捉市场趋势的，还有一些其他各种各样的策略。比起宽投刚成立的时候，现在多了好多策略了，我们也不断地做投入、做开发，满足各种各样的客户需求，我们至少在短期内不会在我们不擅长的点里面去做，包括宏观、主观的一些价值投资，可能就不是我们擅长的，因为我们没有那么多研究员，我们的研究员都是写代码的。从愿景和规划来讲，我们肯定永远都是做量化的，我们的规划就是所有的东西都看长远的，当然有些时候客户并不会跟你走得这么远，但是我们一定是以一个长远的心态去做这件事情的，如果十年之后我们还在这个市场上，那肯定不会太差。所以资管行业就是比谁活得久，不会特别集中精力为了今年的盈利去省一些成本，肯定是从长期来看，因为你现在的研发投入，一定会在未来某个时间回报你的，所以我们研发投入比例是非常高的，几乎公司所有的投入比例都在研发上面，从公司财报显示看，市场开拓、客户维护的成本在里面的比例是不足2%的，我们在那些方面其实很少做开支。 |
|
|
来自： hongzhuanyidui > 《查理宝典》
