启林投资刘树全：如何看待当前的量化投资 ——人工智能量化投资的演绎与挑战

　　8月29日下午，兴证财富万里行金秋云上峰会在线上举行。本次峰会以“远见论道，共同致富”为主题，旨在以远见洞察探讨财富未来，以专业智慧守护回馈客户，传播资本市场正能量。会上，启林投资投资总监刘树全先生带来“如何看待当前的量化投资——人工智能量化投资的演绎与挑战”的线上主题演讲。

　　刘树全先生首先从两个方面介绍了量化和主观两种投资交易方式的区别：第一，两者的方法论不同，主观投资一般是通过自上而下的方式研究行业的上中下游来寻找标的，量化投资则是从数据里挖掘赚钱的规律、定义各种不同的模型来进行交易;第二，两者的行业集中度或者风险暴露不同，主观投资通常会重仓看好的行业和板块，投资收益的波动可能会比较大，而量化投资在风险上相对比较中性，一般会选择一个股票指数进行对标，持仓股票的风格和行业分布与对标的指数趋近。

　　紧接着，刘树全回顾了国内量化投资过去几年的发展，同时针对未来如何去看待和应对量化投资发表了自己的看法。刘树全认为国内量化投资发展至今七八年时间，大致可以分为三个阶段：第一阶段是2014-2015年，也是国内量化投资的萌芽期，当时从华尔街回国的一些人开始尝试用量化的方式去做股票的投资交易，但并未立即受到市场关注，直到2015年股灾，量化投资因其出色的风控表现开始进入投资者视野;第二阶段是2016-2018年，WorldQuant的多因子体系在国内的量化投资界普及，这个阶段促进了国内量化向规范化流水线化发展。多因子体系的运用和普及对国内量化后续的发展产生了两方面的重要影响，一方面推动量化投资从经典多因子体系向数据驱动的因子体系发展，在此过程中出现了人工智能量化投资的萌芽，另一方面将信号的研究和使用从日频信号带向更高频的日间信号，并推动了高低频信号的融合使用;第三阶段是2019年至今，国内量化投资从多因子体系往机器学习转变，相比多因子体系，机器学习的优势在于可以把多因子体系的一些过拟合问题进行优化，但同时机器学习模型的可解释性较差，比较难根据常识去理解。

　　对于中国量化投资未来的发展，刘树全从四个维度分享了自己的见解和看法。

　　首先从市场特征看，国内权益市场认可度在不断提高，资金在持续流入，很多指数在连创新高，这是一个全球化的过程，投资者在逐渐变成熟，目前国内市场的散户占比会逐渐降低，但相比美国市场还是相对偏高。根据目前的市场交易情况，A股市场的程序化交易会越来越强，程序化交易在目前市场万亿的日成交量中的占比非常大。

　　从量化技术的迭代发展来看，相比于主观基金，量化基金的规模在持续扩大，这一点跟美国市场的发展吻合。美国10年前头部最大的10个基金管理人里面，做量化的也就两三家，发展至今，主观投资在不断变少，像大家现在熟知的桥水、AQR、Two Sigma、Citadel这些头部基金公司都是在做量化，这一变化跟量化对数据和交易的大规模快速处理能力是息息相关的。此外，头部基金管理人有更多的资金去对硬件和模型做持续不断的开发和迭代，所以基金公司的管理规模存在一定的马太效应。

　　从量化策略和产品线的类型来看，会呈现出多元化发展的态势。从2014年萌芽期的量化对冲，到大家熟知的指数增强，再到现在的灵活对冲，甚至是量化选股，这些策略在逐渐被越来越多的投资者接受，这其中也伴随着国内投资者逐步成熟的一个过程，大家对收益风险的来源了解得越来越透彻。另外，像国内期货、期权等衍生品市场的逐步成熟，也在为量化策略的多元化助力。

　　从量化行业未来的竞争情况看，虽然国外的量化行业整体领先于国内，但在对人工智能的运用上，国内量化行业的水平不亚于欧美市场，这个方向的角逐主要落在数据、人才、方法论和硬件等方面。量化投资在未来会用到越来越多的数据，除了行情数据外还会用到如电商数据、搜索引擎数据，甚至卫星数据等。在人才的竞争上，大家会持续加大投入从国内的Top学校和常青藤招聘人才。在IT的投入上，国内的量化行业不断对高配置的硬件加大投入，满足人工智能对算力的要求。在方法论的竞争上，机器学习的方法是一个重要的发展方向，通过横向拓展和纵向拓展，甚至是学习海外的新技术，加快人工智能的信号迭代，产生更强的信号，做出更准确的预测和更快的执行，这也是量化行业的核心竞争力。

　　最后，刘树全介绍道，启林的策略是多频段多策略的信号融合，将多个预测周期和模型的单一信号融合在一起，以信号团队的方式进行预测和执行，产生1+1>2的效果，降低波动，提高夏普。在投资上交易上，管理规模、波动率、收益率三者之间存在“不可能三角关系”，即很难实现管理一个超大规模，同时有很高的收益并且波动率很低，管理人需要做的就是不断提升自己的内功。启林不论是在技术迭代、人才储备上，还是在数据的宽度、产品的深度上，一直追寻的是技术先行，做能力范围之内的事情。