李雪

量化投資平臺完全可以將機器學(xué)習(xí)算法融入進來，讓用戶開發(fā)出更好的中低頻量化交易策略。

2月26日，投資社交網(wǎng)站雪球上線“蛋卷斗牛二八輪動指數(shù)”。與交易所發(fā)布的指數(shù)不同，這一指數(shù)基于投資策略而形成，用可獲得的數(shù)據(jù)、透明的投資方案，將一個多投資品種的投資策略的歷史表現(xiàn)呈現(xiàn)在普通投資者面前。

此后一個多月中，集思錄、果仁、優(yōu)礦等多家量化投資策略社區(qū)對于這一策略的相關(guān)探討不斷增加。這類網(wǎng)站或提供數(shù)據(jù)，或提供可編程平臺，吸引了很多對量化交易有興趣的普通投資者。

3月中旬李世石與Alpha go的人機對戰(zhàn)，更是引發(fā)了很多量化投資領(lǐng)域的報道。投資有沒有可能用上人工智能，如何借助并獲取超額收益等諸多問題，成為量化投資與智能投顧領(lǐng)域的最熱話題。

量化投資究竟是什么？近一兩年出現(xiàn)的線上量化投資社區(qū)類網(wǎng)站，對普通投資者而言，是怎樣一種“高智商投資工具”？

完全基于數(shù)據(jù)去做投資決策

量化投資并不神秘。它是借助統(tǒng)計學(xué)、數(shù)學(xué)方法，從歷史數(shù)據(jù)中尋找投資策略，并嚴(yán)格按照策略構(gòu)建的數(shù)量化模型來指導(dǎo)投資，簡而言之，是一種數(shù)量化的投資工具?；久娣治龊图夹g(shù)分析可以看作傳統(tǒng)的證券分析理論，而量化投資結(jié)合了現(xiàn)代數(shù)學(xué)理論和金融數(shù)據(jù)，依靠數(shù)據(jù)和模型來尋找投資標(biāo)的及投資策略。

按交易頻率劃分，量化投資可分為高頻、中低頻交易兩類。對于普通的股票交易，國內(nèi)主流策略仍然是中低頻交易。由于操作頻率并不頻繁，手動操作即可實現(xiàn)大部分交易過程。目前出現(xiàn)的多家量化投資社區(qū)類網(wǎng)站、APP，也大多服務(wù)于這一類市場。

對于普通投資者而言，獨立開發(fā)策略、投研、風(fēng)控、運營及后臺IT系統(tǒng)成本巨大，設(shè)計投資策略、構(gòu)建組合并回溯策略歷史表現(xiàn)的過程也十分繁瑣復(fù)雜，借助這類社區(qū)類網(wǎng)站提供的數(shù)據(jù)分析工具，上述過程更加容易實現(xiàn)。

集思錄是出現(xiàn)較早、提供數(shù)據(jù)的低風(fēng)險理財社區(qū)，早期深度涉獵的投資品種是債券、可轉(zhuǎn)債、分級基金，并逐漸擴展到高息股、套利等。2014年末至2015年，分級基金成交極為活躍，圍繞這一產(chǎn)品相繼出現(xiàn)了申購贖回套利、分級B爆發(fā)、分級AB下折等事件。圍繞分級基金的公開數(shù)據(jù)與預(yù)估算法，集思錄論壇涌現(xiàn)出大批投資策略與探討，其深入程度甚至吸引了很多投資機構(gòu)人士。集思錄副總裁鄭志勇介紹，集思錄創(chuàng)始團隊的初衷是“為投資者自己服務(wù)”，希望做一個中立的信息平臺，搜集、核對、發(fā)布投資數(shù)據(jù)，對其進行可視化呈現(xiàn)，供投資者去發(fā)現(xiàn)其中的投資機遇。在這一過程中，集思錄漸漸聚集了很多專注投資低風(fēng)險品種的高凈值用戶。

2015年下半年上線的果仁網(wǎng)更傾向于投資策略的效果呈現(xiàn)。借助果仁網(wǎng)的平臺，對量化理念有所了解的投資者可以在其簡潔界面上實現(xiàn)基本面選股、量化擇時、設(shè)計投資組合，自行設(shè)定交易周期，并對投資組合的歷史表現(xiàn)進行在線評估，獲取歷史凈值走勢和組合的風(fēng)險評價。如果投資者不懂編程，這樣一套完整的對量化策略的回測與評估，通常在傳統(tǒng)的交易軟件上很難實現(xiàn)。創(chuàng)始人馮迅介紹，果仁網(wǎng)是面向非編程人員的量化平臺，“一般人認(rèn)為量化等于編程，其實這是誤區(qū)，編程不是數(shù)據(jù)分析的唯一途徑?！?/p>

嘉實旗下的金貝塔是基于“聰明的貝塔”策略打造的證券組合投資平臺APP，采用“證券分析師大V+普通投資者互動”模式。聰明的貝塔（smart beta）是基于確定規(guī)則的主動投資。在這一賣方分析師和專業(yè)投資者的展示、交流平臺上，用戶可以構(gòu)建投資組合、獲得模擬投資組合的評估，也可以觀摩、跟蹤明星分析師的投資組合。該平臺基于量化研究團隊和分析師模式，通過量化手段，創(chuàng)建并提供契合不同市場風(fēng)格的證券組合。

此外，基于編程的量化投資平臺也日漸增多，如優(yōu)礦、聚寬，米筐等等。這類可編程平臺的用戶通常具有IT從業(yè)背景，懂編程，依托網(wǎng)站提供的在線編程工具與數(shù)據(jù)庫，可以實現(xiàn)數(shù)據(jù)計算和維護、開發(fā)模型、回測框架，構(gòu)建策略，模擬交易，改進策略。“優(yōu)礦目前可以提供大量因子數(shù)據(jù)，高效、真實的回測框架，進行股票多空，宏觀對沖，統(tǒng)計套利以及事件驅(qū)動等主流的量化投資分析，更重要的是極大簡化了量化投資步驟，降低了門檻?！眱?yōu)礦團隊人士介紹。

投資行為的PDCA循環(huán)

如果僅僅是數(shù)據(jù)分析、可視化呈現(xiàn)，文華、金字塔等老牌軟件也完全可以實現(xiàn)，每一輪牛市都會吸引一部分投資者，希望借助數(shù)據(jù)分析工具解決投資問題。這一輪牛市興起的量化投資熱，與分析軟件有什么區(qū)別？

“工具是次要的，關(guān)鍵是思想?！倍壵搲嬷鳌⒀┣虼骎“持有封基”說，自己用得最順手的工具是EXCEL，“對于工作可以建立嚴(yán)格的量化管理體系，2006年我做投資的時候借鑒了這個思路。量化投資堅持一個重要的思想：實踐是檢驗真理的唯一標(biāo)準(zhǔn)，只不過我們用回測去替代了代價昂貴的實驗。”

從投資策略的構(gòu)造、參數(shù)選擇，到調(diào)用過往數(shù)據(jù)觀察策略歷史表現(xiàn)，用績效評價標(biāo)準(zhǔn)化指標(biāo)去評估策略的歷史表現(xiàn)，再對方法或參數(shù)做出改進，觀察調(diào)整后的表現(xiàn)……實際上，“計劃（Plan）—執(zhí)行（Do）—檢查（Check）—行動（Action）”的過程正是管理學(xué)中常見的通用模型“PDCA循環(huán)（戴明環(huán)）”。量化投資將這一過程交由歷史數(shù)據(jù)不斷“實踐”，來幫助投資者做出有數(shù)據(jù)支持、更為合理的決策。前述量化投資社區(qū)則為這一過程提供了更便利的歷史數(shù)據(jù)與數(shù)據(jù)分析工具。

超越基金（籌）金融工程部主管楊博理接受采訪時表示，對于個人投資者而言，量化平臺把一些較為瑣碎的事情都處理好了，用戶只需要有一個好的思想就可以方便地完成回測，然后將策略跑起來，對于沒有資金完善基礎(chǔ)設(shè)施、缺乏時間持續(xù)運營策略的個人投資者來說，這是很有吸引力的。

普通投資者經(jīng)常遇到的困惑是，在投資過程中很難抑制人性中的貪婪與恐懼。果仁網(wǎng)創(chuàng)始人馮迅表示，量化可以很好地克服這些問題，讓投資者形成良好的紀(jì)律，“量化投資不僅研究收益，更重視風(fēng)險的計算，經(jīng)過量化思維訓(xùn)練的投資者也將是更成熟的投資者?！?/p>

策略同質(zhì)化與“踩踏”

每一種投資策略都有適合其應(yīng)用的市場環(huán)境，當(dāng)市場與參與的投資者發(fā)生變化，同質(zhì)化策略使用者過多，往往會帶來“踩踏”事件。

2014年11月末，券商與軍工股開啟了一輪牛市，分級基金B(yǎng)類接連漲停，對應(yīng)的母基金大幅溢價，集思錄的用戶群體大批參與分級基金申購套利，一輪套利下來，收益甚至達到30%以上。隨之而來的是，參與申購套利的投資者越來越多，分級B類大幅跌停，最終母基金整體由溢價變?yōu)檎蹆r，一二級市場差價消失，最后參與的投資者多半以虧損收場。

另一個案例是基于20日均線的進出場策略。以成交活躍的創(chuàng)業(yè)板ETF（159915）為例，2016年3月17日，創(chuàng)業(yè)板指數(shù)上穿20日均線，該ETF的收盤價與其參考凈值相比，溢價近0.6%，4月20日下穿20日均線，其收盤價折價接近0.8%。跟隨這一簡單策略的資金量顯然已經(jīng)十分可觀，對場內(nèi)交易形成了明顯的沖擊，這部分折溢價帶來的交易成本增加，也將對策略的預(yù)期收益產(chǎn)生明顯影響。

投資策略的效果往往會隨著市場環(huán)境、資金容量的變化而變化，執(zhí)行策略的資金量接近市場容量極限，邊際效應(yīng)會越發(fā)明顯，甚至導(dǎo)致大幅虧損。對于伴隨資金容量而來的“踩踏”風(fēng)險，集思錄副總裁鄭志勇表示，“集思錄本身是免費中立的數(shù)據(jù)展示平臺+討論社區(qū)的模式，數(shù)據(jù)與策略是分開的，基于相同數(shù)據(jù)產(chǎn)生的策略也會有區(qū)別?！倍嗖呗员旧硎菍ν顿Y風(fēng)險的分散。

與此同時，鄭志勇直截了當(dāng)?shù)乇硎荆畔⒐_透明對大部分投資者而言“是好事”。數(shù)據(jù)可以量化考察風(fēng)險，而中立的數(shù)據(jù)服務(wù)、更加公開透明的探討與交流可以幫助投資者認(rèn)清風(fēng)險，進而采取相應(yīng)對策。例如在分級基金申贖套利中，集思錄會提供分級母基金折溢價、份額增量、凈值估算等大量數(shù)據(jù)，投資者可以回避很可能會出現(xiàn)流動性陷阱的標(biāo)的。此外，目前集思錄論壇每天發(fā)布的日刊“會及時發(fā)現(xiàn)風(fēng)險，告訴大家”。

對于這類量化策略參數(shù)過于一致的現(xiàn)象，中國量化投資學(xué)會理事長、《量化投資-策略與技術(shù)》作者丁鵬提醒普通投資者，還是要多策略、多周期組合，不能將資金放到少數(shù)策略上去，而是需要合理的分散。金貝塔相關(guān)人士也對記者表示，目前平臺官方量化研究團隊也是通過創(chuàng)建多種契合不同市場風(fēng)格的投資組合來避免這類風(fēng)險，并借助專業(yè)投資“大V”解讀來提高用戶風(fēng)險意識。“截至2015年年底，官方量化團隊創(chuàng)建模擬組合61個，包括40個主題投資、14個量化驅(qū)動、6個事件驅(qū)動、1個技術(shù)分析和3個固定收益類?！?/p>

馮迅也表示，成千上萬人追隨一兩個策略，輕則造成策略快速失效，重則造成市場震蕩，并不是量化投資合適的“打開方式”，只是普及量化知識的過渡期。健康的量化社區(qū)應(yīng)該有大量策略，去利用股市中各種大大小小的無效性現(xiàn)象，平臺也應(yīng)該幫助投資者真正理解這些策略，合理配置資金，從而穩(wěn)定地獲得收益。

某種意義上來說，策略失效意味著超額收益的消失，市場充分反映了這部分交易信息。馮迅舉了個例子：“當(dāng)前有效的量化策略大多是基于情緒面的策略。當(dāng)這些策略獲利時，就在收割情緒相關(guān)因子的收益，并使這些因子的回報率逐漸降低。市場情緒有正常波動和人為推動兩層因素，有些莊家主要靠人為推動情緒賺錢。如果推動情緒波動的回報率降低，莊家這么做的動力就會減少，這也意味著策略平均收益率會更接近成熟市場，對股市的健康發(fā)展和大眾投資者而言也是有益的?！?/p>

“段位不同”，會不會“吃虧”？

3月中旬，李世石與阿爾法圍棋（Alpha Go）人機對戰(zhàn)，最終以1比4慘敗落幕，令無數(shù)投資者印象深刻。圍棋與投資同樣是基于博弈策略，人類在圍棋上敗北，人工智能介入投資領(lǐng)域，會不會“所向披靡”？普通投資者參與最多的中低頻量化交易，會不會淪為復(fù)雜算法與高頻交易策略的“韭菜”？

丁鵬并不認(rèn)為中低頻量化策略會隨之失效，“國外本來就是以中低頻量化為主，國內(nèi)也是，這是主流方向，不會改變。只要市場上還存在不確定性，就有量化投資的機會，比如多因子模型這種基礎(chǔ)性的策略，永遠不會消亡，只會不斷升級和優(yōu)化。這與投資策略的高階低階沒有關(guān)系，和策略的復(fù)雜不復(fù)雜也沒有關(guān)系。”

“金融市場中的投資交易和圍棋是完全不同的兩個領(lǐng)域，圍棋是固定規(guī)則下的完全信息博弈游戲，而金融市場則是信息不對稱的市場，輸入端相關(guān)信息體量極大，不易建模，輸出端的價格又充滿噪音?！睏畈├肀硎?，人工智能在金融投資領(lǐng)域上的應(yīng)用必將有進一步的發(fā)展，但簡單套用人工智能算法是不切實際的，蒙特卡洛等模擬方法也難以合理的增加樣本量，這都是制約人工智能技術(shù)應(yīng)用的現(xiàn)實因素。這方面的探索有兩個方向，一是找到合理應(yīng)用人工智能算法的途徑，二是以人工智能技術(shù)為輔助，挖掘出更多有價值的信息。對于前者，也許偏愛語音識別專家的文藝復(fù)興科技已經(jīng)（或曾經(jīng)）找到了正確的路徑，對于后者，大數(shù)據(jù)基金正在求索當(dāng)中?！拔沂强春梦磥碛腥斯ぶ悄芗夹g(shù)傍身的量化策略攫取一大桶金的，但是一個量化策略一統(tǒng)天下肯定不可能，誰去做對手盤呢？”

馮迅同樣認(rèn)為“算法不可能自己把所有賺錢方法都找出來”，“Alpha go對李世石之戰(zhàn)，本質(zhì)上是‘?dāng)?shù)據(jù)+計算和‘定式的對決。人類有大局觀，但計算速度比不上計算機，而 Alpha go 依賴大量對局的復(fù)盤計算，從數(shù)據(jù)中尋找規(guī)律。如果要在投資界做類比的話，這正是量化方法和依賴專家、媒體、經(jīng)驗來投資的兩種方法的對決。量化平臺完全可以將這些機器學(xué)習(xí)算法融入進來，讓用戶開發(fā)出更好的中低頻量化策略?！?/p>

“草根”量化圈的另一種資管生態(tài)

2015年以來，國內(nèi)底層云服務(wù)設(shè)施已經(jīng)實現(xiàn)規(guī)模普及，在這一基礎(chǔ)上，借助社交平臺、提供量化投資工具的平臺型社區(qū)不斷上線，進而帶動了另一種草根生態(tài)：掌握多種跨界知識的普通投資者在社區(qū)交流、學(xué)習(xí)，發(fā)掘策略，實現(xiàn)策略開發(fā)者、數(shù)據(jù)提供者、投資者/資金方等對接。

在多家量化平臺上，量化策略的“原始積累”已經(jīng)開始。馮迅介紹，目前果仁的策略集市已經(jīng)積累了幾千個投資策略，“我們有自己的評估體系，一些評分高的策略，確實跑下來結(jié)果也相當(dāng)好。下一步是讓好策略服務(wù)于其他投資者。一個可能的方式是在平臺上供投資者繳費使用，另一個是將策略提供給私募基金，開發(fā)者和平臺分享部分管理費。”

量化平臺對眾多投資策略的“跑分”式公開篩選，也適合注重投資業(yè)績考察的FOF進行投資。丁鵬對記者表示：“量化投資真正難的是模型的建立和升級，這個又與寬客自身的素質(zhì)和研究能力有關(guān)，未來的量化在散戶和機構(gòu)兩大陣營會做出分類。關(guān)注這一領(lǐng)域的FOF一定是直接找最頂尖的私募寬客來做交易。從這個角度說，量化社區(qū)平臺比券商自營和公募基金更加有優(yōu)勢?！?/p>

另一方面，在雪球、B站等年輕投資者匯集的社交網(wǎng)站上，多家量化平臺不斷推出“用戶手冊”和”“培訓(xùn)教程”，以此吸引更多用戶，讓更多的普通投資者接觸并使用量化投資工具。策略創(chuàng)建與使用的直接受益群體是普通投資者，而這些用戶成長后，也將為平臺帶來更多的策略，實現(xiàn)良性循環(huán)。

在散戶居多的A股市場上，掌握量化工具的普通投資者也會收獲更多的投資機遇。馮迅對此很有信心：“在量化領(lǐng)域，大型機構(gòu)投研能力強，但是許多投資機會的市場容量有限，資金體量巨大的機構(gòu)無法利用這些機會。量化基金收益往往隨著基金規(guī)模增大而下降，一些世界最頂尖的量化基金在后期紛紛退還投資者的錢，只管理自己的資金。這些充分說明大不是優(yōu)勢。散戶所用的武器威力雖然不如大機構(gòu)，但可以選擇自己的戰(zhàn)場，獲得超額收益的機會長期存在?！?img alt="" src="https://cimg.fx361.com/images/2021/06/21/qkimagesjjxxjjxx201609jjxx20160921-2-l.jpg"/>