迭代成长——用量化定义投资之道

潮平岸阔风正劲，扬帆起航正当时。格上再度携手招商证券和招商期货，于2021年3月20日完满召开2020年第五届中国证券私募年度论坛暨金樟奖颁奖盛典，收获了行业内外及财经媒体的广泛关注。

本届论坛中格上邀请到多位中国私募基金行业翘楚及金融行业专家，为广大投资者梳理行业脉络，把握市场先机，以不同视角及多样维度带来了精彩纷呈的主题分享，帮助投资者朋友们在不确定的时代里寻找确定性价值。他们分别是：招商证券首席大类资产投资策略师陈文招、泓澄投资创始人张弢、灵均投资董事长蔡枚杰、启林投资创始人王鸿勇。

2021年的行情下，量化选股将显露优势。2020年已经能够直观的感受到市场热度不断攀升，纵观全球金融市场及历史发展，量化是大趋势，国内量化行业才刚刚开始，在未来发展空间非常大，红利明显。量化投资是科技在金融领域的赋能。随着量化行业发展速度越来越快，最终考验的是团队持续迭代的能力。灵均投资“双引擎”模式，保持团队强有力的平稳发展。在不断迭代中成长学习，避免因为停滞被市场抹平。灵均投资2015年布局基本面，2016年布局机器学习，2019年有了自己的期权团队，2020年进一步降低换手率，整体的迭代流程随着财富管理行业认知的不断加深，量化的规模也在增大。因为模型不是量化投资的核心，模型更新迭代的能力才是，这样才有可能在复杂的市场环境中保持屹立不倒的位置。

以下为灵均投资蔡枚杰女士在格上第五届中国证券私募年度论坛暨金樟奖颁奖盛典上的演讲实录：

感谢格上金樟奖给予的这次机会，跟大家一起交流探讨量化投资。我想在座的很多人可能对量化还是不够了解，存在误区，所以我讲一些科普性的东西，帮助大家更全方位了解量化。

首先要讨论的是什么是量化投资，哪些地方区别于主观投资？量化就是数量化的方法决策，基于数据挖掘与分析，开发策略模型。全市场4000多支股票的数据分析，集中度非常低的选取几百只股票，用高度纪律性重复性体系的方法进行投资，总体来说是模型运算的一个客观结果，这区别于主观投资的人类主观经验判断。在与投资者交流过程当中，讲到量化我们会把主观投资比成中医，量化比成西医，中医看病靠经验累积，西医看病靠数据分析，那到底是主观好，还是量化好呢？不存在可比性，方法用的完全不一样，能赚钱的策略就是好策略。

近些年海外量化发展变化很大，全球私募基金前十大排名里面，2004年含量化的只有两家，到了2020年，不含量化的只有两家，说明科技本身的发展，对于金融的推动作用是非常明显的，不管你关注不关注量化，量化本身的科技赋能是显而易见的。

国内量化的发展，最早是从2010年的时候有沪深300股指期货开始，到现在已经有十年的时间了。这个过程当中，其实经历过很多挑战，真正被市场留下来的专业量化机构都经受住了这种挑战，并且不断的迭代自己。对比海外机构，首先从量化的策略资金占比看，美国财富管理行业市场比国内A股大很多，规模比国内大这么多，量化管理资金占比能达到40%，但是国内量化管理资金占比只有12%。从程序化交易的比例来看，美国目前占比80%左右，中国只有20%。量化这个赛道，不管是从历史还是全球来看，整体的占比将会非常高，因此从国内目前的行业业态来看，赛道才开始，未来量化的发展空间是巨大的。

当前国内资产端业态变化带来的机遇有哪些？首先国内监管政策的发生变化，导致非标固收类产品向权益类转变，收益率在下降，出现了巨大的资产配置空缺。未来非标固收类产品供给将快速减少，同时固收理财收益率在持续下降。但投资者的需求还是存在的，大家都在寻求绝对收益的产品，但是不知道此类产品在哪里。

其次是收缩地产信托的规模，地产公司项目融资受限。

第三大家可以关注一下，债性资产的一个违约率的攀升，风险资产攀升速度还是比较快的。商业银行的不良率、信托的风险率还有债券的违约率三个数据大家可以参考。鉴于这样的环境，目前规模的压缩和整体的到期压力，双重压力使得信托到期压力非常大。2020年12月底是信托兑付的高峰期，大家也可以看到兑付高峰期这个阶段里面，有很多的未兑付等等。那么打破刚兑转向净值化，量化的机会就来了。应对不同的市场变化，量化有多策略、量化选股、量化对冲增强、量化多头类，整体的机会还是非常明显的。

我们在2020年都深刻感受到量化发展的空间，包括量化规模的增大，说明市场对量化产品需求的热度在不断攀升。

国内量化发展的新趋势在哪里？国内量化经过了近十年的发展，这个行业一直在不断迭代。灵均投资认为新趋势主要是三个维度，大数据、更深一步的机器学习算法、IT硬件设施的持续投入。

1、大数据在量化投资中的运用。通过不同数据维度分析投资标的，丰富超额收益来源。大数据的挖掘来源可以包括搜索引擎、消费数据、海运天气、新闻公告等等，现在整个大数据的网络越来越宽，数据挖掘的深度越来越深。

2、神经网络算法选股的应用。能够处理复杂的非线性关系，深度学习则是对神经网络中的高级抽象因子进行建模，模拟人脑进行分析学习解释数据。

3、IT硬件设施的持续投入。量化的核心就是数据和算法，IT持续投入首先是数据，比如灵均有一站式接收和清洗，专业团队负责监控。方便数据分析师重复回撤，非永久性存储保持时效。算法方面灵均有强大的GPU集群保证迭代优势，随着投研人员的增加横向扩展集群，提升整体算力。同时要建立低延迟的交易系统，控制交易成本，提高交易速度降低数据存储开销和网络延迟，整体要确保稳定性。整个系统的永久性和非永久性数据的协同。加强券商接口建设，保持接口时效性，维护备份接口，在合规的前提下减少延迟。同时要提升算法交易水平，减轻对市场的冲击，控制交易成本。

国内量化经历了1.0、2.0、3.0时代。量化1.0是非常基础的，以传统多因字、基本面为主，更多的还是线性组合。到了量化2.0，大家开始以高频价量策略为主，随着机器学习等算法快速发展，量化投资和计算机技术深度融合。到了3.0时代，要考虑的因素就更多了，综合基本面、价量、新技术、多周期多策略等等，盈利来源就要更加丰富，为行业发展提供动力。随着新技术的研发，超额收益随着规模增长的稀释可控，只有不断地研发才能够扩容。

在2019年、2020年灵均投资做了很多前瞻性布局，包括综合基本面、价量、另类数据、新技术、多周期、多策略、算法交易等等。大家在这个领域生存，比的其实是谁做得更极致、更深入、更加融合。量化的盈利来源更加丰富，为行业的发展提供了更坚实的基础，并且随着新策略的不断研发，超额收益随规模增长的稀释程度可控，预计未来整个行业的规模至少可以翻两番。

未来是非常可期的，但每次说到发展经常有个人或者机构质疑，量化行业能做大吗？容量够吗？大家有误解，单纯说量化容量其实是非常大的。

但为什么在某些量化策略容量上问题会凸显，做不大的源头在哪里？中国的投资者大家最早接触量化产品应该是中性产品，而中性产品相对来说容量比较少，因为中性产品的收益是超额收益减去对冲成本，而随着市场的进入资金越来越多越来越难做，超额收益多少都会下降，但同时国内对冲成本一直居高不下一直在10-11%左右。这一部分的策略一定是有限的。

所以灵均投资为了对投资者负责，必然要找到更多性价比高的产品策略组合，来满足各种市场需求。量化策略种类还有很多，比如量化选股、指数增强、多空多策略，量化的容量其实还是非常大的。

截止2020年底，传统股票多头规模有约3.5万亿，但是量化的规模只有5000亿。所以现在这个赛道红利非常明显，是开始快速发展的阶段，这也是我们非常能感受到2020年很多券商也好，银行也好，包括一些后发优势的银行都在配置量化的原因。无论是传统的主观多头还是量化投资，能做出收益的策略才是好策略。

业绩回报方面，从2004年到2020年这16年间，中证500指数平均年化收益是12.82%，沪深300指数年化收益11.19%。市场上做得比较好的金牛股票多头，年化收益有多少呢？比如市场上管理资产接近千亿的股票多头机构，年化收益15%-16%左右。如果和指数本身对比一下，年化超额大概是3%-5%左右，目前头部量化机构能做到30%-35%的年化超额，中等的也能做到20%以上，从这个角度对比量化和传统股票多头更科学。

2020年传统的股票多头做得非常好，但是真要跟传统股票多头、公募基金对比的话，灵均认为量化选股更有可比性。量化选股不一定非要追踪哪个指数，它是和最优秀的标的进行对比。

当然过去业绩好不代表未来业绩也会很好，最重要的是如何保持业绩的可持续性？以灵均投资为例，其实它是需要不断迭代的。量化这个行业非常辛苦，每天都要学习，只要停滞，马上就会被市场抹平，然后要再追上就很艰难，这个行业很不容易。2015年灵均布局量化基本面，2016年布局机器学习，2019年加入期权团队，2020年进一步降低换手频率，整体节奏都是跟随着量化的1.0版、2.0版、3.0版，由此看来，灵均投资有比较前瞻性的布局。迭代流程随着财富管理行业认知的不断加深，量化的规模也在增大，这需要量化从业人员不断的迭代，不断的提升。模型不是量化投资的核心，模型更新迭代的能力才是。灵均内部要求业绩排名必须大于等于规模排名。业绩的保障依靠模型的持续升级，没有捷径，要做到不断地研发投入。去年灵均投资投入了2-3个亿，今年计划投入5个亿，整个团队125人，投研人员95人，整体的机制也是非常透明的。从各种方面为业绩的持续做出保障。所以量化行业是一个考验“军备”的竞赛，持续的投入是业绩的保障。

持续迭代非常重要。这也是灵均最为看重的，只有不断迭代自身投研实力，才有可能在复杂的市场环境中保持屹立不倒的位置。