信达澳银王咏辉：智能量化投资的核心依然是人

　　在创建的第12个年头，信达澳银基金公司成立了智能量化与资产配置部，简称智能量化投资部，成为国内公募基金中首家搭建人工智能量化投资部门的公司。

　　量化投资在海外已有二三十年历史，伴随策略的演进，其日益得到投资者的认可，尤其是机构投资者为了投资组合多元化和分散风险，大多愿意配置相关产品。摩根士丹利分析报告指出，过去6年，采用量化策略的基金，包括新型交易所交易基金ETF和业已成熟的对冲基金，年增长率高达15%。随着科技的进步，人工智能算法在投资领域的应用，全球量化投资正在发生一些巨大的变化。

　　反观国内，短短十年内，量化投资走了一条颇为曲折的道路，经过一轮牛熊洗礼，再次回到起点。在国外有十年量化投资研究经验，又是国内首批做量化投资的成员之一的信达澳银总经理助理兼投资总监王咏辉认为，量化投资在国内虽然历经波折，但是从今年开始，又将迎来大发展。当前人工智能算法技术正在使得量化投资呈现“新量化”的趋势，但不论科技如何发展，量化投资的核心仍然是人。万丽/文

　　新财富：您从1998年踏入基金领域，在海外市场已有十年相关工作经验，同时也是中国最早一批量化投资人。和海外相比，您认为中国量化投资发展到了什么程度？如何看待这些年来量化投资在中国的发展？

　　王咏辉：量化投资在海外有30多年的发展历史，1971年是个起点，当时巴克莱投资管理公司（BGI）发行了世界上第一只指数型基金，1977年BGI又发行了全球第一只主动量化管理的增强基金，之后量化投资便在海外迅速发展。

　　中国从2004、2005年开始发展量化基金，2007年末我回国的时候就发现，在全世界的成熟市场，Alpha（主动投资取得的超额收益）与Beta（与市场整体收益保持一致的投资组合）产品是分离的，而国内市场产品几乎都是混合型，因此基金经理既要做精选个股，也要做行业配置，还要做资产配置，压力比较大，持续成功的概率也比较低。

　　而且，当时中国市场不存在像欧美成熟市场那样形成工具型的指数基金，既没有做Beta的投资研究团队和产品，也没有形成海外专门做Alpha绝对收益的产品和相对应的客户和市场人员。当然，投资者更不知道二者的区别。

　　当时我们就预计，中国会经历一个Alpha和Beta产品分离的特大趋势，于是就开始着手推行Beta类型的产品，也就是指数类型产品。大成和嘉实都是业内第一批发展指数型产品的基金公司。

　　2010年4月股指期货推出，拐点出现了。量化界金融从业人员可以通过股指期货把市场的风险和波动剥离后，创造发明成真正的绝对收益的Alpha产品，也就是量化对冲型或者是量化套利型绝对收益产品。有了衍生品工具支持的Alpha产品后，传统的ETF和指数型产品也逐渐成长起来。当时我所服务的北京的一家基金公司，重点推的就是量化增强策略型指数产品，吸取了美国基本面指数和欧洲财富指数基的选股方法，专门打造了国内自我知识产权的首只量化基本面策略指数基金：财富大盘300基金。

　　不过，直到2015年股灾前，量化对冲在中国还属于默默无闻、少量机构参与的策略，每年提供12%-15%的稳定收益，最大回撤在3%以内。在2014、2015年大牛市背景下，大家都追逐一天之内涨停的股票，并不看重每年15%绝对收益的产品。但是在2015年6月末、7月初后，不管是保险还是银行，都发现量化对冲策略非常切合它们的需求，给了我们大量的委外合同，短时间内签了数十亿的合同，预购100多亿元的规模，量化对冲策略被推向了历史最高点。可惜9月股指期货被暂停，量化对冲产品规模从顶部开始断崖式下跌，这让整个Alpha、Beta分离趋势或者Alpha产品的规模一下子就回到了初始状态。最后大部分签订的合同都还了回去，留下来的一部分客户转到了量化套利策略。

　　2017年2月开始，股指期货逐步松绑，量化对冲的Alpha产品又开始缓慢发展，但当前基本上还处于2010年股指期货刚放开时的样子，参与的人员可能比那时还少。

　　总的来说，过去十年，国内量化投资基本验证了我们在2007、2008年预计的轨迹，并且这个Alpha和Beta产品分离的大势还在进行中。

　　新财富：如何概述量化基金的管理模式？核心是什么？

　　王咏辉：量化是一种投资方法，它在基金经理经验基础上，通过数学方面的优化器，把多种因素、多种指标、多种因子综合在一起形成一个模型，这样可以大规模地处理数据、分析公司、分析基本面背后的数据，分析市场情绪对股票的影响。

　　从交易频率来看，量化基金分成三种类型，高频类的是在分钟或者秒级调整，中频调增频率是周和日，还有一些更长期的量化基金是低频的，可能是月度甚至季度调整。从管理的方法来看，又分为主动管理、指数型的量化基金和指数增强型基金。按照不同的选股模式量化模型又分成选股型、选行业和选资产配置型。

　　在数据的基础上，量化有一个最大的特征是可以回测，可以不断重复回到历史上某个时点来看当下的投资模式和选股行业是否准确，基于历史去预测未来，检测模型的有效性。只有量化投资才能进行这样科学的验证方法，而定性的主动型管理还不行。

　　量化基金的核心依然是人。量化基金必须是从数据中找出规律，由人把它开发成量化模型，通过模型去选股票和行业，去做资产配置。量化基金经理好比是F1跑车的赛车手，而F1就是一个非常量化的比赛。量化投资，实际上就是一个包括造车和开车的过程，开车的这个人很重要，要清楚跑车的技能，要有非常强的团队配合，要熟悉赛道，适应跑道，判断何时换轮胎。一个赛车手他在跑道上的历史成绩和开F1赛道比赛次数，都是很重要的量化因子。

　　新财富：未来量化投资会出现哪些新的变化？

　　王咏辉：未来几年受益于高科技的发展，量化的发展会呈现“新量化”模型的发展方向。传统量化模型是在单个电脑上，基于单个电脑本地数据库进行操作，而我们在不断开发和优化的一套“新量化”中国A股策略模型，主要将表现在三个方面：云计算能力、大数据和人工智能算法。对于采用“新量化”模型管理的主动量化基金，即引入大数据、云计算、人工智能等，利用新科技增强量化模型的效率。相比传统量化模型，采用新科技后，可以分析更多股票、大规模引入和处理个人社交媒体情绪数据、快速提高中文语言文本分析能力以及引入机器学习信号，这些将大大提高量化投资的研究和管理基金的能力。

　　云计算能力。我们已经从单个CPU，单台电脑上运行的量化模型，升级到200多个CPU，最大能到512个电脑CPU上进行分析、处理和回测量化模型。2017年我到信达澳银之后就一直在开发这个系统化投资平台和模型，原来周频和日频模型回测计算需要花十几个小时才能做完成整个回测，现在缩短至十几分钟或者更短，计算数据处理能力大幅提高。

　　大数据。前两年很多基金公司跟百度、阿里等巨头合作，发大数据指数基金。但是我们的做法不一样，我们在传统多因子模型的框架下，引入了更多的数据到模型中。其中比较典型的是大数据全网搜索，主要是通过爬虫技术去互联网上去搜索每只股票相关的信息，包括各大股吧里面讨论、网站上评论文章等，形成关于这只股票的舆情量化指标，或者叫量化因子。几千只股票都爬一遍，每个股票形成热点舆情，这是很重要的大数据。

　　人工智能算法，这是核心部分。理论上算法有些相通的，例如CNN（卷积神经网络算法）可以用在语音识别、人脸识别上，也可以放在金融上去尝试，但需要对其进行修改。只有懂金融的人，才能开发相关的人工智能算法，把这套算法应用于选股、行业选择和择时。我们又有懂理工科的能力，又懂金融，可以把这些算法拿过来，一一实现。算法由我们自己来研发，这是我们核心竞争力，也是我们的专业专攻。

　　新财富：能否具体概述多因子选股的过程？人工智能算法对多因子选股起到怎样的作用？

　　王咏辉：多因子选股，先是通过大数据，全网运行，发现因子。我们现在开发出400多个因子，到年底就接近500因子。但什么因子有效，需要做选择，选择因子是量化投资第一大问题。我们有一个SPCA的因子选择框架，S是Sensible，表示这个因子代表一种金融投资规律；P是Predictable，可预测性；C是Consistant，即稳定性；要保持一个比较稳定的预测状态；A叫Addictivity，即加和作用，新加入的因子一定是有新增的规律，而不是前面因子规律的重复。通过这个框架，最后进入投资库的因子最好不超过50个，实际运用的时候，最好不超过15个，一般10个左右。

　　传统的方法是用线性回归找出当前最有用的因子，一般是后验，即发现过去一段时间内的有效因子。有了人工智能算法之后，则可引入非线性的方法。非线性方法可以假设某个因子过去一周是有效的，未来一周中可能某些天会有效，但不确定是哪些天。金融市场比较复杂，维度很多，做非线性对人脑的要求很高，算法则可以有效帮助人去做各种因子的非线性测试。人工智能算法的优势在于，它可以不断地挖掘出非线性的关系。

　　新财富：此前传出全球最大资产管理公司贝莱德集团裁撤主动型基金部门，用量化投资策略取而代之，约有7个基金经理和30多名员工被裁减。随着技术的进步，未来会不会有越来越多的基金经理下岗？

　　王咏辉：短期我觉得很困难。技术进步让效率越来越高，机器每天都可以把全市场的股票跑一遍进行分析。但这并不能改变人去教机器分析的过程，基金经理和研究员的分析也可能更深入、更全面。

　　其次，投资是一个开放的、不断变化的系统，它不像AlphaGo或者语音识别、人脸识别，可以在固定的场景进行算法的修改和提高。资本市场随时可能出个政策就导致整个系统的规则发生变化，传统的因子可能瞬间失效，再加上投资者结构情绪不断变化，这就要就人不断地去开发新的算法模型，以适应这个市场，不断地纠偏。

　　新财富：AlphaGo基金是不是当前智能量化投资最前沿代表？

　　王咏辉：AlphaGo基金是一种智能投资应用，它从三个维度来处理：多指标数据挖掘、全网搜索形成因子、多种算法。我们把它的收益按回购基金的收益和标普500指数做了一个线性回归分析，发现它主要是一个牛市中的动量交易策略，标普500是牛市的时候，它会做多股票。接下来就要观察，进入震荡市或者标普进入下跌趋势时，这个动量还能不能保持，会否转变算法，这考验它的技术。由此就可以分析出它现在赚钱的方法。

　　2018年可以说是AI在金融业应用的全面普及年，但运用AI技术开展投资顾问等业务，主要对象是长尾零售客户，风险承受能力较低。“AI智能投顾”概念的热潮，也引来了一批伪智能投顾。最近的资产管理新规，已经将智能投顾纳入监管，要求只有持牌的金融机构可以运用人工智能技术开展投资顾问业务。

　　新财富：量化模型的建立，其实都是基于历史数据和历史经验，但是在极端的市场环境中，或者是发生黑天鹅的时候，模型会失效，这时候要重新调整模型往往非常考验人，在这方面您有没有一些经验可以分享？

　　王咏辉：国内对量化投资的理解有一些片面，有的认为完全是量化模型在跑。量化投资从来不是设计了一辆车之后就让它自己上路，而是要由人来开。真实的量化投资，都有人的操控，通过手中的方向盘实现优化调整。量化模型中需要给基金经理一定的控制能力，就像车有加速减速，在仓位调整上基金经理要能控制加仓减仓，在行业和风格上要能选择超配低配。一个模型跑出了结果，基金经理要能市场和历史的经验给出预判和调整策略。就像跑车，换挡和方向盘就等于基金的风格和行业调整。

　　量化投资也不等同于量化对冲。未来几年我预判最流行的会是量化主动的产品，指数增强的基金也会成为一个重大的方向。现在公募重点要推的就是量化主动和量化指数增强。

　　新财富：如果有人现在有1000万闲钱，请你给出投资建议，时间是5-10年，你会如何建议？

　　王咏辉：信达澳银基金的量化团队开发了一套“新量化”中国A股策略模型，即引入大数据、云计算、人工智能等高科技，并且开始在信达澳银新起点基金（代码：005179）上使用这种高科技模型，新起点基金通过量化资产配置模型和量化主动选股来投资货币类资产、利率债、股票等资产，获取收益同时平滑波动率，相当于是“货币+量化”策略，这只量化主动产品力争给客户提供一个类似银行理财的稳定收益产品，可替代3-6个月理财产品。未来几年最好的策略就是投资这种量化理财产品。如果投资者还能承担一些波动的话，次之的建议是买沪深港高红利的指数基金。不管怎样，都要通过量化基金分散投资一篮子股票，而不要限于少量几只个股，这样才能规避个股风险。

　　王咏辉简介

　　英国牛津大学工程专业本科和牛津大学计算机专业硕士，多年证券、基金从业经验，具备基金从业资格、英国基金经理从业资格（IMC）以及英国IET颁发的特许工程师（CEng）认证资格。

　　历任伦敦摩根大通（JPMorgan）投资基金管理公司分析员、高级分析师，汇丰投资基金管理公司（HSBC）高级分析师，伦敦巴克莱国际投资基金管理公司基金经理，巴克莱资本公司（Barclays Capital）部门负责人，泰达宏利基金管理公司国际投资部负责人、量化投资与金融工程部负责人、基金经理，鹏华基金管理有限公司量化及衍生品投资部总经理、资产配置与基金投资部总监、基金经理兼投资决策委员会委员等职务。现任信达澳银基金管理有限公司总经理助理兼投资总监。

　　公司介绍

　　2006年，中国和澳大利亚签署了一份战略合作协议，包括成立由中国信达和澳洲银行共同发起的资产管理机构，6月信达澳银基金管理有限公司创立。截至2017年12月31日，公司资产管理总规模471.15亿元，其中公募基金总规模199.4亿元，专户总规模271.75亿元。

　　在这12年中，信达澳银引入了外资机构成熟的投资研究模式，包括个股研究模型、行业分析、基金经理选股、交易和风控等一整套投资流程，并在此基础上完善补充，引入了战略投资资产配置模型和投委会架构，使得中外合资的模式在投委会层面落地。尤其是2014年领导层换届之后，信达澳银进入稳健的高质量增长期，2014-2016年公募和专户规模均保持50%的增长。当前信达澳银投研团队由股票投资部、固定收益部、智能量化与资产配置团队和全球投资团队等组成，2018年，其开始组建智能量化投资团队。此外，公司已开始引入人才以展开国际业务为核心的全球投资，主要方向是港股和欧美股票，未来沪伦通之后，伦敦的股票也将被覆盖。