量化私募风格各显神通，如何展望下半年，量化大佬带你看！

 “投资逢盛世，FOF正当时！”为了探讨国内私募FOF&MOM基金发展面临的新机遇、新趋势，由私募排排网主办，招商基金、东证期货联合主办，招商证券、方正证券、汇鸿汇升投资协办的“第八届中国FOF&MOM基金管理人年会”，于2023年7月6日-7日在上海浦东嘉里大酒店举行。

在7月7日的会议上，以“量化发展各显风云，拥抱科技创新共话未来”为主题展开了圆桌对话。

对话嘉宾：

王恒鹏  聚宽投资合伙人（特邀主持人）

徐书楠  因诺资产创始人、投资总监

钱晓珺  稳博投资CEO、总裁

吕成涛  千象资产合伙人、总裁

胡   平  玄元投资量化投资副总监

以下为圆桌会议全文：

主持人（王恒鹏）：

欢迎各位嘉宾，今年上半年，ChatGPT、人工智能、中特估等板块表现在很多人预知之外，新能源、医药反而是回撤比较大。在行情分化下，量化投资发展面临的机遇与挑战，以及我们对风格预测这方面，是怎么认知的？

稳博投资（钱晓珺）：

今年对量化管理人来说，确实是一个非常大的挑战。我们做了一些数据统计，去年，量化管理人在超额的差异上非常大，做得好的能超过30个点；而今年有一个大的趋势，就是在超额的分化上有两端收敛的趋势，也就是去年做得最好的那批管理人，截止今年上半年的年化超额很难超过20个点。

刚才王总提到的关于行业的问题。从三月底、四月头开始，热点的切换和行业集中度的问题还是非常大。对于量化管理人来说，整个四月份大家都非常痛苦，五月份也痛苦，但是没有四月份这么痛苦。

一方面是整体资金板块的集中度。当然三月底、四月头还有公募基金调仓的问题。所以对于量化来说，我们在策略这一块可能要做得更广、更深。比如说整个四月份，也有个别做得非常好的量化管理人，四月份要做的好，可能要同时满足几个条件。一是整个信号周期可能需要更短一些，比如说传统的5日甚至是3日，我们都觉得不够，最好是日内的信号；二是从市值上来看，需要偏大一些；三是可能需要偏动量一些。这些条件需要都满足的时候，对一家量化管理人来说，也是有一定挑战和压力的。应该今年这样的行情，以我们稳博来说，可能后续在几个投研方向上会加大力度，包括后续也会探索多周期的时序。同时，传统的量化分析是以归纳法为核心，但是后续需要适当的加入一些演绎法。当然这个演绎法并不是有一些主观的判断，而是每年的行情本身也会有大的周期性的风格，随着行业板块资金的流动，策略上也需要有调整，而传统的归纳法对短期的应变，相对来说可能会做得比较差一些。加入演绎法之后，可能会更好。所以对于量化管理人来说，这样的行情对大家来说，既是挑战，也是机遇。

 

千象资产（吕成涛）：

今年确实整体从行业风格的轮动非常快。比如像中特估，如果从一般的量化角度来讲，很难通过模型把大量的中特估股票选出来，就算选出来在整体占比中也不会特别大。但是今年的行情确实就是这么极端，所以我自己也回看了一下我们从年初到现在量化股票策略的超额的表现，年初的时候一些偏基本面的策略整体表现还不错，后面几个月，表现得很一般。最近的一个月左右时间又表现得还可以。

而一些偏高频的策略则恰恰相反，在今年年初的时候是表现得弱一些，但是接下来表现得还行。上周一些高频的策略也是出现了一些小幅的回撤。因为高频，还贴得比较紧，回撤的幅度不是那么大。从我们自己的角度来讲，还是希望进一步拓展自己的超额收益来源，不要过多的偏向某一个类型的策略，在当下的阶段，虽然我们整体的量价信号占比很高，但是依然没有放偏中低频的策略。在最近一年多，也在不断的拓宽自己的中低频策略的因子层面的收益来源，比如说我们跟多家券商合作了一些alpha capture业务，一些基本面的因子也在逐步逐步的细化，我们还是希望通过均衡的搭配，能够让整体对市场的波动应对能够更好一些。

当然，对于风格的预测，可能暂时或没有这个能力。所以我们现在不管是对行业还是风格，还是尽可能的让他跟我们所对标的指数贴得近一些。即使我们自己的空气指增也不是完全没有约束，只是把他的约束放得稍微大了一些，还是不敢完全的放开。这可能也和我们所处的阶段有关，毕竟我们自己量化股票的规模50-60亿，整体公司规模有120多亿，但是量化股票这一块起步还是比在座的几位更晚一些，所以我们可能在可见的未来，还是希望走得稳一些，不要在某一方面过于的浪，希望让超额尽可能的平稳一些，这样可能对市场的适应度会更好一些。

 

主持人（王恒鹏）：

徐总，咱们的策略里面有对风格的预测吗？这一块对收益占比大概是怎样的？您怎么看这个问题？

因诺资产（徐书楠）：

我们的模型其实是没有对于风格这一块的预测的。因为我们模型从去年春节起有一个比较大的升级。如果投资者有关注我们的策略波动的话，会发现从去年春节以来我们的模型是向着波动越来越小、风险越来越低的趋势发展的。主要是因为我们认为从2019年9月份以后，也就是量化投资达到万亿以后，之前动辄30%的超额时代已经过去了。因为量化投资毕竟已经这么大的规模了，1.5万亿，中国市场整体的有效性是比原来大幅提升的。

这种情况下，整个市场的超额收益已经衰减到了大概百分之十几，这几年就是10-15%的平均水平。在这样的水平下，你想靠着独门秘籍获得原来30%以上的超额是非常困难的，而且还很容易有其他的风险，让你的模型出现比较大的回撤。在这种情况下，我们对我们PM考核的指标，变成了主要看重超额收益风险比、最大回撤等等。所以我们的模型也出现了比较大的转变，今年我们的500模型，超额波动大概只有不到3%，超额回撤只有1%。

今年的行情对于量化投资来说，到底算不算难做，我个人意见不能算好做，但是也不能算难做。

不能算好做，就是整个量化投资的超额收益相对一般。虽然一般，但还是维持在年化10%以上。10%以上的超额红利期，我们觉得还是可以持续很长一段时间，所以大家不要担心量化投资的超额会不会过几年就没有了。不会那么快，还可以持续一段时间。

同时，虽然这个超额收益并不是特别的好做，但也并不算难做，因为并没有出现2021、2022年那样对量化超额整体很不利的行情。我们观察同行，今年上半年，就算做不出很高的超额，也并没有出现大的回撤。大家的超额回撤和波动都不算大，说明这个行情并没有出现像之前那样的黑天鹅事件。

今年的行情，对量化投资这样的分散投资的方式而言，并不会构成很大的挑战，所以我们认为这样的行情就算延续下去，量化投资还是能够给大家持续的贡献超额收益的。

主持人（王恒鹏）：

（笑）徐总这是在为整个量化行业打广告哈。大家还是可以乐观积极的看待接下来一段时间的超额。徐总也提到，现在量化私募1万多亿，行业也挺卷，卷在很多方面，包括人才、算力、数据等各个层面。所以第二个问题是我们处在这个行业中，怎么样能够让自己在激烈的竞争中维持超额优势？

玄元投资（胡   平）：

这个问题我去年其实提过，量化管理人的进化没有什么秘密，谁能够在这条路上走得更快更扎实，谁就能走得更远。量化投资是很工程化、流水线、很透明的一个东西。我们把这些重要的模块做好，就可以加强我们的管理。这些模块刚才已经提到了，尤其是数据、模型、算力，最重要的其实是您提到的人才的卷的程度。

比如说数据，金融数据本质上，如果从行情数据来讲，其实是一个小样本的数据。行情数据相对其他的应用场景，比如相对于图像、模型来讲，是非常小的。但是如果我们换一个思路，我们认为所有的信息，除了行情之外，都能够指引我们的资产价格，包括所有的语言模型，包括所有的图像，原模型包括我们今天每个人的观点，一下就从传统的行情上的小数据变成了大数据，数据量是几何级的上涨。在这一块，谁能够拿到性价比更高的数据，谁就能够获得更多的优势。

模型层面就不讲了，现在的模型五花八门。

算力，大家也在竞赛。尤其是英伟达和中美贸易摩擦让算力这一块也变成了共同挑战，现在A100显卡都买不到了，这是硬伤。

最卷的其实是人才，量化投资的人才和主动投资的人才是不一样的，在选优秀投研人员的时候，量化的准确率是要远远高于主动的。如果你是这块料，面试的时候很快就能看出来，这个定价非常充分。市场上人才的竞争是非常激烈的，但是主动不是。主动再优秀的投资经理，放长几年，五年十年来看，成为了市场上很有名的公募大佬，但是在他面试的时候，其实是很难看出来的。

这个区别就导致了在招揽人才的时候，量化行业对于这个人才的定价，可以打到非常高。因为你看得比较准，你知道他是这块料，就可以给他定这个价格。所以我现在的感受，大家在人才上的卷，才是真正的卷。人才也是要比数据、算力、模型更加重要的维度。

主持人（王恒鹏）：

胡总提到了我特别感兴趣的点：就是人的问题。您提到了人才的定价，当我们在量化领域更加容易定价的时候，有的人会选择高base来抢人，有的人可能是选择高carry留人。聚宽可能更多的精准选人+文化留人，我们在面试的过程中，甚至有一点劝退的意思，选择真正喜欢干这个事情的人。当然这个方法也未必是最好的。

关于人才的定价、对人的评判以及薪资的设计上，我们是怎么样的想法？

因诺资产（徐书楠）：

其实我很认可人才是量化投资最核心的竞争力这一点。如果更进一步说，我认为最核心的竞争力应该是人才培养体系。也就是说，相同的人在不同的体系下，成才的概率是不一样的。如果公司能够建立一套完善的培养体系，能够把人才成才的概率提升10%，这种情况下，对于整个公司未来的运行就是非常非常有利的。

因诺资产一直是多PM的公司，公司现在70%的PM都是自己培养的，我们已经形成了相对完善的人才培养体系。从我们的经验来看，在量化投资中，人才是有一定的共同背景的。比如说基本是名校理工科，基本是清华、北大、麻省理工这样名校毕业的，一般是学数学、物理、计算机等理工科。但并不意味着这样的背景就一定可以成长为一个优秀的PM，还需要其他的素质。这些其他素质是需要在策略的研发或是研究中慢慢的体现的，需要热爱这个行业，肯为之付出时间，或是其他方面符合行业的要求。即使是最优秀的候选人，也有一定的成才概率。从我们的经验来看，这个概率绝对不超过30%。也就是说招四五个人，有一个成为优秀的PM就已经不错了。

主持人（王恒鹏）：

优秀能够成才的人有什么共同点？

因诺资产（徐书楠）：

我个人观察有几个，首先背景都很优秀，这是一定的。第二个，他们工作都非常刻苦，愿意在这个事情上花时间，这是没有办法的。因为我个人认为在量化投资这个领域，真正的绝对天才型的人才，比如比别人都聪明得多，很快就可以做出非常优秀的策略，这样的人不能说绝对没有，但是这个概率实在是太小了。所以，优秀的策略开发人员，往往是他比别人花了更多的时间，尝试了更多的方向，从而找到了一个合适的能够出成果的方向。

主持人（王恒鹏）：

除了背景好、能卷，还有其他特征吗？

因诺资产（徐书楠）：

我们培养出来的这么多PM，在其他方面还是各有各的特色的。有些人就喜欢和人沟通、交流，有些人就喜欢自己一个人写代码，这些方面我们还没有总结出一些特别一致性的特点。所以，可能还是愿意在其中付出时间这一点比较一致。

虽然说我们平常说创造力、思维活跃程度非常重要，但是几乎所有的候选人在这一点上都是合格的，毕竟在理工科上已经取得了这么大的成绩。所以我个人觉得更重要的还是热爱这个行业，愿意为它付出更多的时间。

主持人（王恒鹏）：

胡总，热爱是能卷的前提，您刚才说我们去评价一个量化人员的能力，相比主观更容易一些。但他是不是真的热爱，以及能不能长期投入，可能这个判断更难一些。比如您面试看人的话，怎么评价这个人在热爱这方面的特质？

玄元投资（胡   平）：

我会非常看重这个特质，但是我不用说非要确保让他签字画押，保证热爱这个行业，更多的是在面试中通过交流去了解。比如说，对一个问题他能不能主动的探索求知更高层面的领域，是否对超额收益有狂热的追求。如果总是能不由自主的去想更深一层的东西，能够具备这样的素质的人，在量化投资里面基本上就是比较对行业有热情了，我是这么看待的。

主持人（王恒鹏）：

不断求索。

玄元投资（胡   平）：

对，因为量化本身就是不断推翻自己之前的认知，再重新看更深层面有没有进化空间的工作范式。反过来说，我爱这个行业，我热爱工作，就是因为我每天爱看这个超额数字蹭蹭往上涨，这种在量化行业我们见得其实不多。

主持人（王恒鹏）：

前面启林王总提到，最终PK的是效率。我自己的认知是，量化投资把效率做到极致，很大程度上是基础设施的基建相关。基建里，包含拿钱去砸算力、买数据，这个很大程度上通过钱就可以解决。除此之外，还有更大的层面，就是通过砸更多的IT技术人员，把系统、把各个环节的细致程度都做到极致。所以我看到，不管是美国还是中国，真正顶级的或长期优秀的量化团队，往往是技术人员比投研人员更多一点，技术/投研比例可能1.5倍，2倍，甚至3倍。这个比例，在各位团队里面，目前是什么样的？以及您是怎么看的？

千象资产（吕成涛）：

王总刚才说的配置是非常合理的，我们自己的数据平台组是公司最大的部门，里面有20几位同事，其他的CTA和股票的PM加起来只有十几位。确实这种投入可以确保研发人员的工作效率会大幅度的提升，我们认为PM和研发人员至少应该做到1：1，剩余一部分研发人员可以作为公司其他的，比如说外部交易端口的开发，其他技术工作的实施等等。并且在我们公司的数据平台组的主管，也是公司重要的合伙人，这也体现了我们对这一块的充分重视。

就像您刚才说的，花钱就能够实现的，这种卷只是初级的卷。1000张显卡，我砸钱一样可以搞到1000张，只要花钱能解决的就只是初级的卷。更多的是要把自己内部的协调做好，让内部的决策效率尽可能的高，互相之间对接足够顺畅，这可能是用工程的思维做内部的决策，也是我们一直在做的事情。

主持人（王恒鹏）：

钱总，您这边的情况呢？

稳博投资（钱晓珺）：

王总刚才说的那个方向，和我们近期一些发展思路应该是比较一致的。我们公司投研、策略和技术的员工已经不少，加起来有80位出头。而我个人今年KPI的核心就是人才招聘，尤其是技术人员的招聘，今年下半年我们计划再增加小20位同事。投研的增加比例预计是20%左右。前面提到的算力上的提升，我们知道不少管理人在着手设立超算中心，原本一些老的服务器、设备要更新迭代。后续量化管理人之间的竞争，确实会越来越细分。所以在硬件上，包括人才上的进一步积累非常重要。

谈到了人才招聘，我的感触也很深，现在确实非常的卷。我记得在去年的时候，我视频面试了一位美国某知名大学的博士生，连上视频之后，他的第一句话就让我出乎意料，他说：“钱总您好，你介绍一下你们公司吧。”我愣了一下，我当时的感觉是好像不是我面试他，当然，因为我们对他的简历还挺认可的，我就非常实在地把公司从头到尾介绍了一遍。最后跟他面试了两次，我们的想法是底薪不用给非常高，但是整体的绩效，或者可能会锁定中长期的激励包，那个更重要。最后，这个人才拒绝了我们。

主持人（王恒鹏）：

根据我们的经验，有这样的开始大概率不太可能会在一起。就像相亲之前都没有想了解对方。

稳博投资（钱晓珺）：

对，人才招聘上，不论是技术上还是投研上，可能我的心态会放得更好一些，薪酬只是一部分。人与人最后能不能走在一起，还是有一些缘分的，大家彼此的气场包括对未来发展是不是有共同的理念，这个反而会更重要。

主持人（王恒鹏）：

这也是我们聚宽特别关注的问题，比如人与人之间是不是同样的价值观，有没有长期共同的追求，这涉及到一个组织的文化。本身这个行业就和钱距离特别近，所以当你只谈钱未必是个好事情。聚宽一直比较关注企业文化，团队的氛围。比如在招人上，有的人可能会选择多招一些人，以更快的速度招更多的人，然后淘汰人。有的团队可能会选择看的时候更谨慎，挑的时候更严谨，这样会招得比较慢，但是稳定性比较强。这两者很难说优劣对错，这些都是公司文化的一些角度。

各位咱们认为一个优秀的团队文化应该是怎样的？不管是从招人的角度，还是其他的角度，咱大概是怎么做的？如何去维护一个好的组织理念、价值观、文化？

因诺资产（徐书楠）：

这个问题之前没有回答过。关于企业文化这一点，我们平常也会说很多。我今天想强调的，第一是要有比较公平的氛围，让每个人都认为我做出了相应的贡献，是能够获得相应的回报的。这一点对于量化的投研团队，相对来说容易一些。毕竟业绩摆在纸面上，通过一些简单的提成制就可以实现这种相对的公平。当然这个公平也是体现在方方面面的，比如说你能用多少资源，我能用多少资源，这些东西都需要在公司的整体运行制度中有一定的摸索和体现。

在过去八九年的发展中，我们公司也会面临一些新的问题。比如随着公司规模、人员的扩张，不同的人之间的矛盾会越来越多，比如说我们在之前15、16年的时候，只有十几个人。到18、19年的时候到了30-40人，到现在有130人，所以人员的扩张是很厉害的。这种情况下，之前没有的问题也会慢慢的暴露出来。在这种情况下，首先要保持相对的公平性，在考虑任何的方式和制度的时候，一定要公平对待同事和员工，这样才能保证大家的积极性。

主持人（王恒鹏）：

比如有的老人觉得“我在历史上给公司的贡献非常卓越，需要享受一些特权”。而年轻人就需要有更加公平的机会，“我有好的策略，就要有对应的仓位”。——这种问题您怎么解决？您可能也遇到过类似的情况。

因诺资产（徐书楠）：

是的，所以第一点是公平，第二点当然就是效率。

因为公平和效率总是有矛盾的，您刚才提到的就是其中一个经常会遇到的矛盾。同样的，比如说我在分奖金的时候，是更倾向于大锅饭一些，还是把奖金更多的给有贡献的研究员？无论任何一种方式都不可能达到所有员工都满意。这个时候就得选择一个对公司的未来发展更好的方式。

我们认为，在公平的基础上，还是应该更加注重对公司未来发展的预期，所以要给新人提供更好的空间。所以我们公司很多制度的建设，也都是在这一点上有所注重的。比如说为什么我们公司能够不断培养出优秀的PM，就是因为对新人有很好的成长空间，能够给他更多的权限，让他做出更好的策略来。

同时，又需要保证原有成员能得到相应的补偿和利益。比如说带的新人做出了某些成绩，也可以获得他的策略提成的一部分。如果做得足够优秀，甚至可以成为公司股东、获得公司分红。如果公司未来有更好的发展，新人做出了更大的贡献，那么你也可以从中享受收益，等等。我们会通过很多的制度设计，尽量的在两者之间达到平衡。

稳博投资（钱晓珺）：

文化这一块，我们公司有一个比较大的特点，包括我们在招人和内部管理的时候，有个点非常重要，叫“优秀吸引优秀”。

举个例子，我们做人才招聘的时候，当我们看到一个候选人各方面能力都足够优秀的时候，不论是应届生或者社招的同学，可能就直接由创始人做沟通、面试，去了解候选人的需求，甚至后面可以给一些承诺，由创始人做直接的带教。如果，是一些相对低阶或者比较初级的投研岗位，我们会在本身团队中一些比较资深的，非常优秀的老员工，由他们面试低阶一些的投研，甚至给这些老员工直接招聘的权力。可能在年龄、价值观方面，他们都会更匹配一些。如果是越级招聘，比如让创始人招一个初级投研就没有必要。公司形成了一环扣一环的投研人员管理和招聘，新人招进来在一个位置，他上面一定有一个跟他匹配的带教的人，甚至不排除创始人。一方面比较容易吸引优秀的人才，第二对于每一个人，都有发展或者是进步的目标。公司氛围就会比较好，这是第一点。

第二，跟徐总讲得很相似，那就是公平。我们对应到合理的绩效考核，不论是老人还是新人，绩效考核的周期，需要有短期的、中期的类似月度和季度考核，长期是一年为周期的考核。

主持人（王恒鹏）：

你们是多长时间做一次绩效评价？

稳博投资（钱晓珺）：

比较核心的是季度评价，但每个月都有考核。

这样的考核大的方向有两块，第一是纵向的，也就是公司内部不同的团队之间会有一个考核。第二是横向的比较，在规模、产品线和实际运行策略等各方面，跟我们比较相似的其他管理人的比较。因为现在的数据是比较公开的，我们会做横向的对比。甚至可能横向对比的考核权重，不一定比纵向的低。比如在市场环境特别艰难的时候，哪怕这个月的超额很差，但是大家都很差，就不会评价我们自身非常差了。或者还有种情况，我们一个月做了两个点的超额，如果行业平均都是4个点，那考核打分可能是0分。所以我们会把横向和纵向结合在一起，对于新人和老人来说，这个标准是不变的。所以一个是优秀吸引优秀，第二个是合理的绩效考核制度，这就是我们内部在投研这一块的企业文化。

主持人（王恒鹏）：

咱们千象有一个特殊的节日“全红日”，这个代表了什么文化？

千象资产（吕成涛）：

因为我们一开始是做CTA起家，现在包括量化股票，股票中性。量化股票中又有500指增、1000指增，产品线比较多了，同时指增又是300、500、1000、空气指增都有的时候，再加上还有CTA，所有产品全红的机率几率大幅度下降。所谓的全红，就是当所有产品都上涨了，我们会组织聚餐，如果有很多同事有其他事情参与不了，就改成第二天的大规模的下午茶，让公司定期有一些小的惊喜。

我们公司是一个非常扁平化的公司，各部门之间互相交流也是非常充分的，这也是我们一直在坚持的事情。各方面能用量化的方式体现的就基本上用量化的方式体现。王总也说了，可能互相之间谈钱谈得多了，可能也会伤感情，但是你要怎么不谈钱？在进来的时候就把所有的机制都说好，我们就是这么规定的，公开透明的，也会严格按照这个来执行。研发人员进来之后，他的收入、提成是什么样的比例，以及什么样的发放方式，都是公开透明，这保证了大家在进来之后不用频繁的谈钱。通过这种机制，也保证了大家都能够拿到自己应得的一份。

投研人员还是很多的，股票中低频、高频，CTA组等等。我们对投研一直是合作大于竞争的模式，我们有一个投决会的，CTA和量化股票投决会，任何一个新策略在上线的时候，都是由投决会进行投票。投资总监有一票否决权，但是他的一票也就是一票，必须要所有的过半数才能通过。因为大家都是拿提成，如果说你的策略明显有瑕疵，上到实盘中会对整个产品的业绩造成拖累，所以我们上会的时候是要求每一位提出新策略过会的同事，要把自己策略研发的逻辑，过往回撤的绩效等等都要介绍得比较清楚。这个过程也是其他人消化吸收的过程，长此以往，每个人都会有新的策略过会，每个人都有新的想法，就会让整个投研团队有逐步的提升过程。

还有新人和老人之间平衡的问题，在千象的研发层面，没有新人老人之分，只有策略好与坏之分。

对于一些在公司待的时间很久，以往带来了很大贡献的人，我们是有合伙人机制，每两年有一次合伙人晋升的机制。只要你对公司的贡献达到一定的标准，就可以成为公司的合伙人，能够享受到公司发展带来的收益分享。

但是，即使是公司合伙人，你的策略也跟新人在同一水平线上竞争，不存在资历老，你的策略跑得不好也要占很大的仓位，这是不存在的。策略层面还是要看自己的真正的水平。

主持人（王恒鹏）：

胡总，咱玄元是主观和量化投资双驱动的公司，在这样的业务架构下，在组织的文化各方面，这两者之间有没有冲突的地方？或是共同之处有哪些？您的感受怎么样？

玄元投资（胡   平）：

我们是主观和量化双驱动，这两个团队在产品、策略上都是独立运作，但是研究和讨论上是高度共享，所以投分开，研共享。当然这个共享的程度肯定比量化部门内部的共享要低一些，毕竟做的不是一种思维范式的东西。

量化团队的投研人员是20来个，整体上人数没有其他几位管理人多，反而我们内部的合作性是最高的，我们不存在内部竞争，基本上研究员来了我们都是高度共享。是一个大家全力支持、培养他成为一个优秀投研人员的架构。

您刚才一上来提的问题——风格。我招很多人再淘汰，这种更像是平台化的赛马机制。我们之所以人少，不是其他原因，而是对每一个人的要求比较高，除了个人素质之外，还要看他是不是有非常好的合作属性。因为我们家在市场上的认知是做大一统架构，没有任何PM的策略是独立运作的，所有的环节都是中央化。所以我们对于他在每一个模块能不能跟其他模块有机的融合，这一点非常看重。这就是我们虽然招的很少，但是离职的更少，而且研究员在我们这边获得的资源，无论是他的经历、还是接受的培养，包括他的数据，程度都是比较高的。我们期待不靠人数而是靠人的成长速度，靠我们的培养体系来增进人才的进化。

主持人（王恒鹏）：

胡总这一点我非常认同，有优秀技能的人很多，但是能够持续有好的业绩，在团队里除了业绩贡献以外有更多的价值观、团队协同贡献的人，反而少很多的。

接下来的问题，今年以来截止到5月底，股票量化策略产品整体超额收益超过4%。年前年初其实不太好做，在这样一个年中时间节点，请嘉宾对今年下半年A股量化投资环境做一个小的展望。

我稍微延展一下这个问题，大家都知道目前为止主流的量化交易依然是量价为主，超额与交易量还是有某种正相关。甚至有人形成了一种口径，说8000以上日均交易就超额相对好做，以下可能就没那么好做。诸如此类的角度，大家一起分享看看。

因诺资产（徐书楠）：

这个问题跟刚才总结上半年的问题是有延续性的。

因为刚才我介绍过，其实今年上半年，截止到6月底，整个行业的超额虽然不算高，也还是不错的。年化一下，今年的超额平均也有10%以上，同时又没有出现大的波动和回撤，所以这个行情就不算难做。如果看一下过去的每年行情，有人经常会这么问，是不是每年的二三季度，比如说4、5、6、7这几个月比较好做，每年年初和年末比较难做？从我们的研究来看，确实今年、去年、前年都是这样的情况。但样本太少了，无法作为统计规律总结。我觉得，观察超额的时候，还是要观察的时间长一点，至少看一年的时间，否则很可能会出现一些误判，毕竟量化投资都是统计学模型，一定有随机波动的，所以观察长一些就可以看得更清楚。

正是因为这个原因，预判半年甚至是一年的超额，本身是比较困难的。今年下半年的行情到底怎么样，这个市场到底好不好做，对量化是不是友好？这一点很难做出准确的判断。

从我个人的角度，下半年可能延续上半年的情况。市场上比较平静的黑天鹅比较少的行情还是占多数的。如果到处都是黑天鹅，那黑天鹅就不叫黑天鹅了。能够引起市场比较大的波动，让统计学的规律大面积失效的情况，相对来说还是比较少的。这种情况下，几率的角度，应该是一个比较有延续性的判断。所以我个人认为，在任何一个时点，对未来做判断的时候，差不多就是百分之十几的年化超额，三到五的超额波动，超额回撤三个点以内，这样对量化做整体判断都不会有太大问题。

具体情况怎么样，和市场环境有非常大的关系，比如说王总提到的，跟市场的流通性有很大的关系。实际上，如果我们具体分析就会发现，很多其他影响超额的因素，也跟流通性有关系。比如说，市场涨跌、大小盘特点、波动率特点等都会影响超额，这些因素也都跟流通性有关系。这样，当一段时间好做，就很难说到底是上涨带来的还是波动率大带来的还是流通性好带来的。

所以这是一个很综合的问题。我个人认为，大家还是应该对量化投资做一个更长的判断，不要判断这个市场的短期行情特点，比如说行情到底是涨还是跌，大小盘特点如何等等。短期做这样的判断是很难准确的，谢谢。

主持人（王恒鹏）：

同意。我们团队和渠道伙伴沟通的时候也有一个高频词叫做“短期都是风格，长期才是Alpha”。

今年下半年，有些人认为小票的风格已经持续非常久了，有人认为接下来可能成长转价值，而有观点认为在价值风格比较猛的环境下，量化未必好做。对于这个预判，钱总怎么看？

稳博投资（钱晓珺）：

从大小市值的角度来说，往年来看是一些规律的。以每年的下半年为例，偏小市值可能三季度更好做一些，而偏大市值，可能四季度更好做一些。

主持人（王恒鹏）：

但是这些是小样本，在策略里面会有体现吗？

稳博投资（钱晓珺）：

量化投资的核心点，是对一些大方向的主观预测不会影响到策略的执行。对于我们在出信号给股票去打分的时候，不会因为这些因素就有直接的干扰。或者举例说得直接一点，可能去年我们持仓偏中小市值。但是今年的实际结果并不完全是这样，还是看顶层，从方法论、因子到模型构筑的时候，包括在做具体风控的时候，因为大家说量化，比较核心的点，你的各项偏离度到底是控制在什么程度。对我们来说，我们觉得市值相对来说没有那么的敏感，可能对行业会控得更紧一些。各家在这一块的处理上，会有一些不同的操作。但是王总说的那个大方向，我们认为还是把时间周期拉得更长一些，看一个量化管理人的表现也会更合适一些。

结合前面说的关于整体下半年的看法，我换一个角度来说。比如说对于我个人来说，下半年可能在量化赛道上，指增类的产品个人还是比较看好的，当然不能说作为一个中短期的投资，投三个月，投半年，假如资金短期要使用，可能并不是特别合适。因为指增产品的收益来自于alpha+Beta，对Beta不能做非常确定的预测，只能说整体下半年Beta一定会波动，但是波动点对点的绝对值可能不一定有那么大。整体如果下半年的alpha够稳定的话，其实可能指增类的产品反而是比较安全的投资。因为我们觉得很多的客户，包括机构资金他们依然会追求一些中性策略，这样波动比较小的。很多机构资金，这段时间的行情都在看这方面的投资策略。但是换位思考一下，换到一个对冲的产品，对冲成本就已经比较高了，假设到10个点，还不如做指增。所以在这种情况下，下半年更看好指增。

主持人（王恒鹏）：

吕总对下半年的Beta怎么看？（笑）

千象资产（吕成涛）：

肯定是坚定的看好。

现在相较于前期的高点，从估值来看，各个指数都是处在历史估值偏底部的区域。当然也不能因为在底部区域，就判断未来一定会大幅度上涨，但是向下的空间确实没有那么大了。作为一个量化管理人，还是对超额这块的看法，我从两个维度来讲一下，第一个维度是我们自己，比如说王总、徐总也说了，今年主流的管理人，上半年平均的超额可能年化15左右。这个超额在历史上来看，也不是非常高的水平，只能说是中规中矩。基于一个策略的周期性，他并没有在前面有一个非常火热的、超出常规的表现。从这个角度来讲，可能延续前年的，维持比较稳定的超额概率会比较大一些。

第二个角度，从量化在大类资产中配置的占比情况。在今年的一季度的时候，因为行情比较配合，所以大家对量化股票策略配置的热情高涨了一小段时间，但是后来随着市场的调整，整个市场对于量化资金的涌入，还是处在比较正常的水平。从这个角度来讲，也并没有过热的表现。如果我们发现大部分的资金都在蜂拥，进入量化股票的领域，这时候反而是比较危险的。现在大部分的资金，就像钱总讲的，很多机构还是希望配一些中性的产品，要找偏稳健的策略等等。在这种大背景下，下半年超额还是应该有比较好的表现的。当量化的比例明显的提升，这个时候大家都需要关注一下风险了。所以从这两个纬度讲，下半年的超额大概率还是能够维持，至少跟上半年差不多的情况。

主持人（王恒鹏）：

我们聊一下ChatGPT的话题，前面有嘉宾提到每天都有几次要和ChatGPT对话，帮助更高效写代码，我也问过我们投研，同样有说到一天有5-6次和ChatGPT对话，就是提高代码效率。

但直接让大模型做alpha的预测，可能还有一定的距离，或者说目前还没有达到那个程度。那么人工智能在各位量化团队投研的过程中，大概在哪些环节中应用了？以及接下来一~三年咱们的规划和设想是怎样的？

玄元投资（胡   平）：

其实我们自己在公司里面更愿意称之为工具，没有上升到人工智能。当前的使用上分为两点，第一点是做彻头彻尾的后端的使用者，比如说GPT这个模型，本身是不开放的，但是作为一个使用者，可以用它直接的功能，可以让它帮你写代码，可以让它帮你获得一些数据库接口，包括获得资讯，它是能够提升IT的工作效率的。我们直接把它当成了一个工具模块来使用。

第二点，在当前的AI模型中要拆开，有些在IT界的模型大获成功，我们都会天然认为它在投资里面也能获得成功。大量的IT成功的模型还是比较大，我们会尽量做精简，认为小的反而是好的。但是我们要把真正核心模块拆解出来，比如时序模型，里面有哪些环节是真正对投资有指引的，在头像模型、图模型、强化学习，有哪些模块是可以拆出来融入到自己建立的模型去训练，能够获得提升。当人真正了解这个模型，才能把它谨慎的使用在alpha或者是组合里面。这个也和公司的基因有关。

我们认为当前情况下，还是期待着我们对于投资有一个人工的把握，即使用了机器学习的模块，也要看懂这个模块在做什么，这些空间中的network在做什么。当然也有一些纯技术驱动的公司，他们天然认为人脑就是低于机器的，我就不管解释性，对它可以没有掌握，只要数据量够大，交易频率够高，就可以帮我暴力获取很高的超额收益，放弃人脑的理解，直接使用他的结果。这样的管理人也有，只是我们更偏向于前者，做模型的解构，人工的理解，重新拼装。

主持人（王恒鹏）：

对于可解释性这个问题，徐总怎么看？大家的观点好像并不是一样的。

因诺资产（徐书楠）：

我们公司用人工智能模型非常早，而且现在也用得非常全面，所以对人工智能这一块还是有一些自己的理解。

比如说人工智能alpha策略中的应用，我们在2016年就开始研发了，2018年就已经全面在产品线上实现了，所以时间点是很早的。而且现在我们不光在alpha策略中用人工智能，我们的CTA策略，算法交易策略，甚至是一些小众的期权、可转债等策略，都应用了人工智能。所以人工智能已经是因诺一个非常重要的基因了，应用非常全面。

人工智能不光在alpha策略里面能够取得很好的结果，比如说在我们的人工智能新CTA策略中，从2020年底运行到现在，两年半的时间，实盘表现同样非常优秀。而且跟市场上主流的CTA基金的业绩相关性非常的低，比如说去年下半年、今年，CTA普遍比较难做的行情下，我们的策略都是赚钱的，夏普比率非常不错。人工智能在很多策略领域已经表现出的优势已经证明了它是非常适合量化投资的。

为什么适合量化投资呢？这一点从原理上也比较容易解释。很多投资者会把人工智能理解得比较神秘。AI，一个机器人，是不是买点机器就自己帮我写策略了？这个理解是不对的。人工智能我们更倾向于理解成一类比较特殊的统计学方法，它其实就是一种非常复杂、比较特殊的统计学方法而已，只不过它有自己独特的优势，在大数据、非线性的问题领域，相比于传统的统计方法有显著的优势。这种情况下，如果是在比较适合的领域，确实是能够取得比传统的方法更好的效果的。所以人工智能模型和量化投资是有一个非常天然的契合度的，因为量化投资也无非就是用统计学来做投资而已，这两者之间是有直接的关联的。

至于说到模型的可解释度的问题，最终要解决的是模型有效性问题。

因为一个可解释的模型，可能在一定程度上能够避免过拟合，从而达到更好的有效性，从而达到更好的实盘效果。量化策略研发最大的问题是，历史数据表现很好，一上实盘就无效，这就是因为过度挖掘了历史数据，并没有找到真正的规律。这个问题在传统的统计学模型中存在，人工智能模型中也同样存在。要解决这个问题，有非常多的方法，可解释性只是其中的一点，还有很多方式，本质是要深入到模型的方方面面，深入到细节当中。所谓魔鬼在细节中。

所以，如果你对一种模型有非常高的使用技巧，并且对它的理解很深，那么就更有可能找到有效方法，开发出有效的模型，来避免策略的过拟合。至于你在这个过程中是用可解释性去解释它，还是用了其他的方法，这个都是可以的，可以说是八仙过海各显神通。但是最终，一定是通过实盘结果来验证这一点。如果在长期的实盘中达到了很好的效果，就证明了你的模型一定是一个有效的模型，它的过拟合程度一定是比较低的，无论这个模型是用什么方法开发出来的。

所以我们公司不同的PM，他们开发模型的方式是不一样的，有些人比较注重可解释性，有些人可能就不那么注重可解释性。在评价的时候也不是一刀切，我们是根据你的不同方法来进行一些细节的评估，最终来做出模型的评价。我们的态度是比较中性的，两种方法都有合理之处，能够开发出有效的模型才是最终的目标。

主持人（王恒鹏）：

最后一个问题，与上个圆桌一样的问题：请各位站在管理人的角度，分享一下怎么能够利用好的量化思维助力FOF投资呢？

千象资产（吕成涛）：

当下，即使是在做量化的管理人，很多也逐步的再往多策略的模式上转，除了原有的纯CTA产品，纯量化股票产品，现在更多的是往多策略的方式上转。CTA可以叠加一个量化股票，可以叠加一个股票中性，量化股票也可以叠加一些股指CTA，可以有很多新的玩法。

一方面可以使得资产波动会明显的下降。另一方面，可能也会给一些FOF机构带来比较大的挑战，底层资产自己拟合在一起之后，是不是易拆分，能不能做比较好的归因分析？这个可能是很多FOF机构对投一些量化复合策略的顾虑。

我们一直比较坚持的，就是不同的产品线的策略搭配的方式，是比较固定的。比如说CTA+量化股票，CTA端就维持200%的合约价值，股票端就恒定在70%，这样做业绩归因，每周甚至是每天都可以归得很清晰，不同的策略贡献多少收益，并且我这种配置的方式会一直恒定，相对来说也可以使得做FOF的机构，一方面可以获得比较清晰的业绩的拆分，另一方面这种搭配模式可以提升资金的使用效率。

特别是对于一些做期货或者做期权的相关策略，本身它的资金使用率是比较低的，可能只有20%、30%，甚至做CTA，如果保证金占到40%，就属于保证金很高的管理人了。剩下的大部分资金都是闲置的，我们自己做一些复合策略的叠加，如果易于拆分的话，是能够提升整个产品层面资金的使用效率的，这也是我们一直在坚持的。

但是如果底层的资产配置是一个随机的，根据管理人的判断，随时会调整，这个其实就是很难了，完全不可测，大部分的FOF机构要的是一个确定性，我们也是按照这样的思维，让我们自己产品的业绩具有可解释性，策略的业绩具有可解释性。这是我们坚持的，也希望这一点能够对一些FOF机构有正向的帮助。

主持人（王恒鹏）：

如果您给FOF提建议，您觉得FOF怎么能够更加定量化的评价我们的策略行不行，您会怎么说？

稳博投资（钱晓珺）：

我之前的工作经历也偏财富管理的行业，所以在资产配置这一块也有自己的一些想法和心得。

首先，对于FOF的管理人来说，我一直认为真的非常不容易。首先大类资产各方面都要很熟，要懂主观、量化、债券，但人的精力有限，你可以招不同类别的投资经理，但是要把这些融合在一起，包括要看具体各种资产的配置比例，这是比较难的一件事。

但是目前中国整体的FOF，也已经到了类似2.0和3.0的时代，因为我们看早几年，比如说看2015-2020年，特别是2015-2018年，当时的FOF相对来说还比较凭关系，或者是讲究资源，核心竞争力是配置到市场上比较稀缺的底层资源。现在进入了2.0、3.0时代之后，可能会更客观一些。这涉及到量化的分析方式，可能从FOF的角度来说，客观的数据分析，包括怎么样设置相应的收益和回撤的要求，反而是最核心的底层逻辑。从纯数据的角度去看，可能第一块是大类资产，各资产的配置。第二块细致到各个细化的资产，可能对管理人，包括对管理人相应的产品、底层的尽调，要更客观、更偏数据一些。

当然，不能以量化管理人去做投资的要求去要求FOF，至少从一个实际数据的结果来看，对于未来本身这只FOF的投资预期和目标，可能需要有更客观的匹配。特别是数据层面的匹配，这一点非常重要，也是后续FOF在发展上所必需要经历的一个环节。我知道国内现在也有很多家FOF管理人，已经在这方面做探索了，这是一个主流的方向，我们必须从专业的角度，把FOF做得更好，这是我个人的观点。

主持人（王恒鹏）：

在帮助FOF机构以量化工具和思维进行fof投资方面，聚宽还是做了不少工作。目前我们的JQData相关的风格因子数据，我们的归因分析功能和环境，平台的单因子分析和因子看板功能等等，都在给众多fof机构持续提供服务。也希望能给行业做出更大的贡献。

好，简单总结一下，听了徐总钱总等各位的分享，至少有一个结论是：今年上半年虽然没有那么出奇好，但大概也算是个中规中矩的结果。接下来不管是看下半年，还是更长的一段时间，大家对超额的预期还是可以比较积极、乐观的。用我们聚宽内部的话说“Beta可期待，Alpha可依赖”。最后，祝福大家在指增、对冲等量化产品的投资里获得好的收益，谢谢大家！