同花顺-圈子

“迎财富之新貌，搏时代之浪潮”，由私募排排网主办，万和证券、银河期货联合主办，民生期货、东证期货、长城证券协办，和讯网为特邀媒体，证券之星为媒体支持单位的“第十届对冲基金年会”，于2023年12月14-15日在北京金融街丽思卡尔顿酒店举行。

在12月15日的会议上，百亿量化私募致诚卓远副总经理马海源出席并进行了主题为《技术调优与价值创造》的主题演讲。

致诚卓远副总经理马海源

以下为演讲全文

感谢主办方的邀请，非常开心能和大家见面并聊一聊量化。排排网组织了很多次这样的活动。

以前，尤其是在2016、2017、2018年，人们谈量化只说它的好，或者是一些高学历、理工科、数学比较强的人用了一些所谓“黑科技”。当人们提到量化从业者背景时，往往用非常积极、正面的评价，如用先进技术创造超额、战胜市场。

那时候的置疑并不多，但是最近一两年，2021年开始，有很多人谈量化与主观之争。我以前参加一些量化会议时，可能前面多是主观投资者讲，但以前没有听到过争议。但最近一两年已经开始有这样的争议了。

我想说，其实量化并没有这么奇特，我们就是使用了这个时代所有的技术，去找超额。我们跟其他类型的私募没有本质区别，目标是一样的，可能方法不一样而已，但是我们的方法别人也可以用，并没有所谓的门槛。

比如说，前不久英伟达的一位领导演讲，大意是说他的工作是让人们使用AI的门槛下降。他举了一个例子，有一个做研发的人，之前做研发很难实现算力的支持，但用了他的平台、GPU，那些以前很难实现的研发成果很快就实现了。

我演讲的主旨是，任何时代的投资都必须用那个时代应该有的技术，去为实现目标而得到支持。

马斯克经常说，可以打破所谓人们对量化使用的科技神话。他经常说，在美国，最顶尖的人才是火箭科学家。但是马斯克认为，没有火箭科学家，只有火箭工程师。火箭的各项技术不是掌握在一个人手里，是分散在各处。比如说他的SpaceX，不一定都是他的原创，他只是把那个时代的技术拿来使用。或者说互联网技术，我们很难记住互联网技术的发明者，但我们记住了应用互联网中阿里、亚马逊这样的公司。

同样，我们这个时代做量化的人也是应用者，也是把大家使用的技术拿来使用去投资、去管理资产。所以量化虽然使用了这个时代的先进技术，但这个技术是公开的。

第二，这个时代不仅是给量化的。以前有人说，十年前头部都是主观的，十年后都是量化的。但是如果我们看量化的历史，最早做量化的60年代与数字技术挂钩。现在很多美国量化以前曾经都是在券商里做，券商是传统的券商，是最开始用量化的。也就是说，所有的量化都是从传统投资过来，并非是一个奇特的物种。

未来，不是量化占领了整个资管，而是很多主观投资者开始使用量化工具，甚至以后不用“量化”这个词，用“系统交易”或“系统化投资”更恰当。

像一个工厂流水线，量产投资交易决策，人们不会说某个工厂是自动化的工厂，也不会说是量化工厂，只会说使用了自动化的生产线，人不会再做那些重复性的工作，而是调试机器，让机器人、机械臂、数字系统来进行生产的工厂。

所以我的主题叫做“技术调优与价值创造”。

首先量化是创造价值，我们创造价值不是发明了新技术，而是把现有的信息技术拿来使用。我们知道，量化是数字时代人工智能低垂的果实。深度学习是2007年有的，找到英伟达的GPU做加速，最后慢慢转化。再到2012、2013年，国内外开始不断有人把深度学习引入量化因子挖掘，我们也是那时候开始做这个事。

以前的量化比较顺利，因为站在风口上，刚好是转型期，以及深度神经网络技术开始转化应用到传统行业。

一个技术的引入，先从导入期再到展开期。现在大语言模型也只是AI开始进入以前不太好使用AI的行业，最早是军事、金融、游戏。我们都不谈AI了，现在已经进入传统行业，金融应该是在导入期使用的，那时候可以提。但是现在已经是展开期，AI可以进入各种行业了，所以这个时候应该说技术调优。就像工厂各个流水线，要这里调一点、那里调一点。因为没有算法算力数据都不是自己的，都只是拿来用的，更重要是要把工厂的流水线不断的迭代。

所以，我的主旨是“技术调优+价值创造”。

从表现来看，回到第一性原理，先不要贴是量化还是主观的标签。看到一家公司的时候，先看其目标是什么，寻找规律，找到普世致胜的法则，肯定跟人做投资是没有区别的。

但是自动化工厂不是人去做玩具，而是交给计算机。不外乎像一个机器人，由三部分组成，一个是传感器，一个是决策和计算，也就是所谓的类人脑，第三就是执行。

所以量化就是把人的想法用数字语言表达出来，并且应用计算机的硬件去协助交易投资决策。看表象的话，量化交易和人的投资没有本质区别，只不过是一个自动化工厂，或者自动化投资决策工厂而已。

但是要讲前提，为什么要用自动化、用机器去协助人做这些事情？比如说投资预测周期或者投资交易决策，如果一个玩具厂一年只生产一个玩具，何必用智慧、精力、人力物力去做工厂呢？当需要生产制造的玩具很多的时候，才需要这么一个自动化、系统化的投资交易决策体系。

所以我们这个行业的人之所以用这种方式去投资，是因为我们有大量的投资交易决策要做。这些大量的投资交易决策都是基于人造的模式，虽然用了AI，但逻辑肯定是要经过人的检验，不可能交给机器做。因为机器不会做投资交易决策，需要用各种数学工具、信息技术去把想法不断的量产，不断的把想法重复。在重复的时候，如果大量的投资交易由人去做就会有问题，就算用相同的方式，可能这次做和下次做的动作不一样。

之所以说是量产，就是因为我们有大量的投资交易决策，而且这些决策是基于对历史数据归纳出来的模型，我们希望这个模型人也可以做，机器也可以做。但是人做的话，在规模化量产时会受到情绪干扰，这时候用计算机系统交易会更加保证良品率，能够每次都一样。前提是大量的投资交易决策，并且希望这些决策不会走样，同样的情形就同样的处理。

为什么你要有这么多的投资交易决策？意味着什么？意味着预测周期是短的，叫做时间窗口。比如说我预测的是十年之后的涨跌，就不会有这么多投资交易决策。恰恰预测是几天、甚至是日内几秒钟之后涨跌这种短的预测周期，才会出现大量的投资交易决策。这个时候需要一些工具，把人的想法构建成一套数学语言，用计算机无差别的执行。这就是做量化的必要前提。

再一次说明，我们和其他流派的区别在于预测周期不一样，预测长周期的都用系统来做也没有必要。不管预测周期是长还是短，都在寻找一个市场规律。如果是长周期可能要赚宏观经济的钱，如果是短周期可能是赚人行为偏差的钱，或者市场情绪的钱，都需要探索规律。

经常有一种说法，用一套很牛的AI算法，再加上算力的铺垫暴力破解，就找到了一个规律。基金经理也解释不了，纯粹是通过数据来推演。我前面也讲了，没有一个模型会像人的决策，自动生成一个投资交易决策。所有的量化模型是人、是工程师组装起来的，没有说造人形机器人可以帮助人来做。

归根结底是要讲逻辑。虽然用了大量的数据，用了归纳法，但是最终还是要用到演绎。就算归纳出来，还是要经过人的经验和直觉的检审，看看到底有没有逻辑。找到因子之后还要经过人的逻辑判断，最根源是人不可能创造一个自己、创造一个机器人的自己，一堆量化工具的背后都离不开那个人，那个人把所有组装到一起，既是归纳，又是演绎。我们可以说，数据驱动最终要经过逻辑的检审也叫做逻辑驱动。

我并不认为有人可以掌握一个别人没有掌握的黑科技，凭黑科技本身就可以战胜市场、战胜他人。任何一个时代都要用到那个时代的技术，这个技术是大家都可以用。

比如说一个古希腊哲学家，掌握了当时比较前沿的天文学知识，设计了一个类似于期权结构的东西，买了一些炸油的机器，第二年就预测农作物的收成，赚了很多钱。都是那个时候先进的知识或者技术获得了投资的胜利。

而在这个时代，AI在上世纪50年代就有了，那时候更多是算力的约束。后面算力约束越来越小，现在的算力在西方叫平权化，是大家都可以使用算力。但凡听到有人说“我们量化是因为我拥有了很强的算力”，大家就要置疑一下。AI越发达，算力在增加，机房要增大，但是他不会说拥有了算力就会导致别人进不来，这一点是要注意的。

我们需要科技的助力，需要站在技术的风口，但是我们要不断的站在前沿，要用那个时代应该有的东西。如果非要说量化最近几年的超额还可以，我也并不认为是这些人的智商比其他领域的高，可能刚好是做了该做的事情。任何人使用了那个时代的技术，都会得到一些助益，不仅仅是量化，我们只不过刚好站在那个位置而已。

是智能增强而非人工替代，最终还是靠人，还是使用技术的人，使他获得了先机。我们关注技术、理解技术，使用技术，但是不完全依赖技术，不会被它所拖累，是我们在主导技术。

为什么要关注量化投资，用这个时代该用的技术，也并不是只有投资交易决策都用计算机、都用自动化。有些主观投资者以前在表格里编程，现在换成其他的语言，甚至现在编程已经是低代码编程了。有些主观投资者就算不懂代码，现在已经可以直接把想法输进去就可以给编一行代码，甚至是其他的主观投资者、机构投资者都可以使用量化的工具分析数据、处理数据，最终形成一套策略，甚至可以把策略用计算机编出来。不是狭义的关注我们，而是关注量化投资的方法论，大家都可以使用。

因为主观投资有如下的特点：评价一个投资者很牛，说他守纪律、有原则、说到做到，他的模型是这么定的。但是很多时候做不到，为什么？人可能会有贪婪和恐惧，但是编成计算机语言就可以克服人性的弱点，这是计算机的第一个好处。

第二个好处是系统性，我们有很多因子，因为人的理性是有限的，没有人的认知都是永远正确的。找到一个因子有可能会失效，所以希望因子多一点。量化模型的好处就是可以从多方面去找到市场的规律，同时让其生效。三个臭皮匠抵一个诸葛亮，东边不亮西边亮。

第三是及时，量化系统是一个传感系统，时刻关注着客观上跟股票相关的数据，在传感系统领域，人也是有传感系统，就是眼睛，信息传到眼睛再到大脑是模拟信号。模拟信号是低效的传输方式，数字信号才比较快捷。所以我们经常有API关注等，这天然是计算机的优势，数字信号肯定比模拟信号的传递要更快、更高效。

第四是准确性，大脑到手的执行，从处理系统到API接入到下单，数字系统会更快。

第五是分散性，预测周期越短，交易次数越短，持股越分散，倒霉的概率就会越小。策略本身就是这样，相对快的交易当然模型稳定一些。

我们要关注量化的方式做投资，但是我们要怎么看待量化？任何策略都是有周期性的，预测周期是10、5年的时候，一点点涨跌拉长时间来看可能会不如指数的涨跌。但是量化经常是每周都要排名，甚至有些机构投资者还要看每日的净值，尤其这两年指数好像并不是有很明确的趋势行情，量化当然就占优势。量化是指数增强、空气指增，或者对冲策略。但不代表我们会长期的战胜其他的策略。

大基金是要不断分红，另外一个人年化收益20左右，但巴菲特是复利增长，西蒙是80年开始做投资。如果只是40年的时间来算，他们两个人是差不多的。并不是量化就比其他的更优，因为拉长时间看都差不多。就算量化的超额高，慢慢做的人多了，超额也会下去。

未来展望，这一波人工智能进入传统行业，是因为深度神经网络的技术，再加上GPU的加速导致能够向传统行业渗透。在早些年，可以说是掌握了先机。

而现在量化在短期内已经是展开期，有很多人可以使用，超额收益势必就会下降。我想说，量化的超额是在下降的，但是这个也可以理解，因为超额收益高就会有很多人、财、物往那个领域涌入。

保持竞争力的关键。技术变革日新月异，包括最近大语言模型，背后的各种底层技术是不断创新，我们做量化的人，不可能拥有技术就有先机，要不断关注前沿，关注变化，看如何把前沿的技术拿来使用。

工程调优最重要，现在没有一个技术是你可以用、别人不能用的，大家都可以用。很多技术都是开源的，这个时候更加在意的是工程调优能力，更在意know how的积累。

比如，宁德时代的电池技术，其锂电池技术其实是日本发明的，核心就是流水线的不同于别家，可以说是工业制造的一些know how的积累。

量化的本质也是一样，大家使用的都是相同的技术，相同的方法论，为什么你家的alpha和我家的alpha不一样，归根结底还是在工程调优过程中的积累。

在这个时代，不仅仅是使用技术的门槛在下降，甚至使用其他服务的门槛也在下降。除了排排网这样的机构，还有券商也是量化的资金来源，包括代销机构，有算法的、柜台的，这些都是生态圈。

我们必须专注在本行，必须在alpha策略上不断迭代升级，在这方面积累我们的know how，长板和其他长板结合。量化要开始融入生态，和募资、外包、托管，还有一些经济端的交易的接入等等，依靠的是一个生态。甚至我们也希望股市能够好，希望公募、主观多头都能够赚到钱，市场越活跃，量化的超额也会受益。

我们自己就是这样，最早在昆明办公，现在在上海和珠海三地。募资并没有太多的障碍，原因就在于刚好是一个技术风口，超额也不错，用到了当时的AI。另外我们的支撑，也就是整个生态的支撑也有，募资相对容易，渠道是通的，包括募资、交易、系统等等。

回到本原，我们还是注重工程调优。我们的规模变化也不是特别快，相对比较稳健，这是一个大的时间周期，我们受益于这波数字革命，受益于这波人工智能革命，是一个很长的坡。

我们在意的是工程持续调优的稳健积累，我们的投研人员只有十来个人，当年更少。我们不会特别焦虑，因为明明知道他是一个好的行业，就好好的做，好好调优，好好积累。现在都是多策略、多因子。但根源还是一个，就是持续的工程调优，持续的关注前沿技术，持续的打造自己的长板。

中高频或者中频的优势，就是分散，时间、空间上的分散，希望在统计上能够占优势，而且这也符合我们的比较优势。我们的团队都是理工科+金融背景的人，他们可能比较擅长于数理建模，擅长通过微观结构的变化来获取股市规律的模式。在波动、收益和规模上，宁可选择收益的稳定和波动的可控，所以我们规模增长并不是特别快。

2014年开始做量化，每年增长幅度，比如说2020年就已经50多亿了，这两三年是翻了一倍而已。现在主打的是量化多头和对冲，抛开所有的噱头，背后就在于必须寻找alpha，只不过300、500、1000或者对冲，做风控模型的时候不太相同而已，根源都是一套东西。

我们尽可能让客户不要做过多的判断，就把我们最擅长的给到。我们现在只有两种策略，一个是纯中性策略，一个是纯的全市场精选。

谢谢，这就是我的分享。