東方財富網
2024-12-06 
圓桌論壇：AI浪潮下多元資產配置的機遇與挑戰
12月1日，“賦能新質生產力穩中求進創新機”——2024東方財富私募風云際會論壇在湖南長沙隆重舉行。
在景林資產合伙人兼FOF基金經理田峰主持下，黑翼資產創始人兼CIO鄒倚天、信弘天禾總經理章毅、因諾資產創始人兼投資總監徐書楠、中信信托家族信托部總經理盧純青、銳天投資創始人兼CEO徐曉波、蒙璽投資創始人兼總經理李驤，就“AI浪潮下多元資產配置的機遇與挑戰”為主題展開了圓桌討論。
以下為圓桌論壇速記：
田峰：感謝東方財富的邀請。上一輪圓桌討論了投資，特別是AI作為投資標的這方面進行投資，這一輪我們想了解一下，在量化投資的領域里面，AI技術是不是對我們的組合管理、策略可能有些什么樣的迭代和提升？對我們的投資收益能否進一步的增強？這也是這個環節大家很希望了解的問題。主辦方給了我幾個問題，我逐一向幾位量化的專家請教一下。
第一個問題，隨著人工智能的發展，量化基金在策略研究和應用方面有哪些新的趨勢和突破？先請鄒總回答一下。
鄒倚天：感謝東方財富組織這次活動。我從事量化投資已有較長時間，先后在美國和國內積累了超過17年的經驗。從統計方法的運用來看，這17年間發展迅速。
17年前，量化主要應用的是線性回歸，這套最基本的統計方法一直沿用到2017年。2018年開始主要應用統計學習，與傳統線性模型的預測能力相比有很大提升。2021年開始，量化又從傳統的統計學習轉向深度學習領域，比如用深度神經網絡提升模型預測能力。
量化模型每一次迭代后，模型的預測能力都有大幅提升。這種提升不僅來源于算法本身，也得益于數據量的不斷擴展。最初依賴低頻數據，隨著模型復雜度的增加，使用的數據頻率也逐漸提高，算力的增長進一步推動了這一趨勢。這三個要素——數據、算力、算法，在近幾年投資領域實現了快速發展。
量化投資是AI模型應用的重要場景，得益于其龐大的數據量，AI的應用效果也能夠直接反映在每天的盈利上。每當有新模型出來，也會很快被應用到量化投資領域。與其他領域相比，量化投資中的數據性價比較低，市場上存在大量噪音交易者，因此在實際應用中，需要根據對金融市場的深刻理解并結合行業、產業知識融入模型，而非簡單套用。
田峰：剛剛聽東方財富講妙想，、研究的效率會很大的提升。在AI層面作為策略的一部分，或者是作為一種策略，有沒有可能帶來更好的效果？
章毅：在策略層面上，我們本身是基于大數據、AI的前提來做量化交易。交易涉及在市場上買賣上市公司的股票，以及跟其他投資者買賣股票，在這個過程中，AI提供了兩方面的關鍵幫助：一個是分析量價數據，二個是幫助我們識別和研究交易對手。對于結構化的數據而言，越高頻的交易，AI越能夠提高我們的分析效率；對于非結構化的數據而言，AI對于分析性能的提升也遠超于傳統的信息處理方式，比如傳統大量的文本信息閱讀和處理需要耗費很多精力，現在AI能夠高效處理大量文本信息，例如各類研報，讓我們能更高效地理解相關行業和企業的情況。
另一方面，對于量化管理人來說，AI技術的發展對成本預算的提升也相對明顯。例如最近兩年，為了追求更高的計算能力，各個量化管理人加大了對硬件設施的投資，比如購買GPU、部署機房等等。在軟硬件設施持續迭代的過程中，行業內所有人都在用更先進的方式去“卷”的同時，保持平均水準反而成為了我們的基本要求。在這個技術更迭如此快速的時代，可以說重要的不是我們提升了多少，而是不要落后于平均多少。
李驤：主要是幾個方面，先說大的，在工作環節上，在策略端的應用，主要是兩大塊，一大塊包括剛才鄒總提到的，模型預測端是提升的，現在是深度學習了。而且現在更大的趨勢是它的提升不僅僅在末端，現在叫因子不完全準確了，有非常多的特征通過AI的方式來生成的。假說按照以前的研究流程來說，第一個環境是數據，用標準化的數據，也是購買來的?，F在自己是有能力去通過文本、通過一些內容的生產者，獲得一些數據。這一塊也會用到所謂的AI技術，在這樣的流程下，數據特征或者因子再到模型，AI都會深度學習。很多機構在研究的模型、架構是完全推翻掉我剛才說的從數據到特征，再到模型預測，這個模式的，直接所謂的端到端，這個研究方向越來越多的機構開始參與進去，以及取得了不錯的成果。某種意義上說，從整個研究架構上做了比較大的變化，至少我們眼睛看到的一些機構，有些機構已經取得了比較重大的突破。
田峰：第二個問題，問一下徐總，大家做投資的時候，很多投資人越來越注重風險調整后的收益，徐總你們在量化投資方面有什么好的辦法能夠提升風險調整之后的收益？
徐書楠：大家都是做投資的，不管用什么樣的方式，有兩個因素都是非常重要的：收益和風險。追求更高的收益，承擔更低的風險，這兩個目標沒有辦法同時實現。我們需要通過真實的收益和風險判斷來決定這個投資是否值得。量化投資比較特殊的地方在于：往往量化投資能夠對收益和風險進行定量的刻畫，我們盡量想讓這個刻畫更加真實。如果策略做得不好，有可能這個刻畫就不真實，實盤與回撤差異很大，這是策略研發的核心和關鍵問題。如果做得比較優秀的，真實的收益風險特性就比較吻合大家的預期。
投資者想追求更高的收益風險比，收益風險比越高，往往投資效果越好。在某些策略里面這個指標更加重要，像CTA，在期貨領域可以零成本放杠桿，在這種情況下一個策略或者一個產品擁有更高的收益風險比，幾乎就一定是一個更優秀的投資方式。因為這意味著，他可以通過調整杠桿，在跟你承擔一樣的風險時獲得更高的收益，這當然是一種更好的投資方式了。
股票投資策略沒有辦法直接類比，但收益風險比也仍然是一個重要指標。如何提高投資組合的收益風險比？我們認為，通過配置更多的低相關性有效策略，是提升投資組合收益風險比的最好方式之一。例如，一個股票策略、一個CTA策略，它們的風險比都是1。想通過股票策略本身達到更高的收益風險比是很困難的。但簡單的將它與CTA策略1:1配置，其收益風險比一定就會超過1。今年的股票市場對于量化并不友好，超額收益低，波動還大。但是，對CTA策略、套利策略等等，卻是大年。如果把它們融合在一起，風險收益比就會更高。因此，通過更豐富的策略配置，可以有效的實現提升收益風險比的目標。
徐曉波：剛才徐書楠徐總說的比較全面了。權益市場雖然說貝塔受到了各種宏觀經濟博弈的影響。不管怎么來說，在這波反彈當中看到了權益市場的魅力。中國還是有很多資金需要配置的，大家也知道，如果跟銀行聊、資管聊，他買得最多的產品就是一些債，十年期國債，30年期的國債。當長期利率下到2%以下之后，Carry還能持續嗎？市場會發生Carry之后的波動。
很多機構把我們的中性策略作為類固收的替代，今年春節中性策略發生了非常大的市場波動。在發生這樣的波動之后，市場中性的產品是否還是有價值的？往后會不會還發生這么大的風險？我自己個人還是會偏樂觀一些。2月份的市場屬于一個非常極端的狀態，這樣的一個市場不可能每年都會發生這樣的事情。你說隔幾年會不會有？我相信將來一定會有，什么時候發生看每個管理人對當下市場的判斷。不能因為短期極端的風險，市場就對這類資產做否定。
我相信中國的權益市場在這波上漲的時候，大家看到行業輪動變化這么大，貝塔很多波動，這里面也有很多交易量，還是有新的很多量化資金在參與，這是非常明顯的特征。中性策略本身量化未來會是一個很好的市場替代固收的必需品，因為在長期利率不斷下行的過程中，對絕對收益的需求會非常的龐大。說到體量來說，權益類的中性策略一定是一個強需求。
前兩年市場貝塔不好的時候，你去跟大家談股票或者談指增，大家基本上非常的難受、非常的悲觀。這兩個月市場一旦快速漲起來之后，投資人的心態立馬180度的轉變。這個還是要看長期的量化特點。從2017年2018年發展到現在，即使在市場不好的情況下，量化的市場中位數是偏正的超額。從量化本身的特征，通過不斷的分散品種、分散交易頻率，然后更精準的測量收益和回撤比來優化自己的策略。
總的來說，不管在熊市還是牛市里面，資產配置會把量化作為一個越來越重要的配置品種來看待。
田峰：在市場波動比較大的時候，特別是今年，之前大家認為收益很穩定的一些中性策略，之前大家可能把它當作一個固收的替代，徐曉波很好的回答了這個問題。下一個問題，牛市、熊市哪個市場更適合做量化？在不同的市場里面是不是有不同的量化策略？問一下徐總，應對不同的市場，你們有沒有不同的策略還是一以貫之？
徐書楠：其實對量化策略來說，牛市、熊市是針對股票多頭類策略而言的。如果量化做的是CTA策略或者套利策略，就往往跟牛熊市關系不大了。
每一種策略都有對它比較友好的市場，也有不適應的市場環境。這個模型本身能否判斷出自己是不是遇到了自己不適應的市場，從而進行自動化調整呢？比如，指增產品能不能在熊市中空倉、牛市中滿倉呢？理論上說，這是做不到的。原因是，假如說我能夠判斷我的策略遇到了一個不好的行情，我就可以把這樣的判斷加入模型中，模型自然也就不會出現回撤了。我們都知道，不管你的模型做過多少優化，都不可能達到100%的勝率，并且收益風險比越高的策略，提升收益風險比越困難。因此，總是有一些無法判斷的小概率風險會讓策略短期失效的。
如果回到股票策略，同時我們只關注股票策略的超額收益，那么應該說，超額Alpha收益與指數Beta本身的確是有正相關性的。這就是說，一般在牛市當中超額收益也比較好做。為什么會存在這樣的道理？我們嘗試解釋一下：一個市場中，所有投資者費前收益的平均水平，就是指數收益，指數就是這樣計算的。所以，所有投資者的真實平均收益，就等于指數減去所有手續費，永遠是小于0的。換句話說，在任何市場，所有投資者的Alpha收益之和為負。因此，如果你做出了超額收益，就一定意味著市場上存在其他的負超額收益的投資者。這也就可以解釋，為什么在美國這樣的成熟市場超額不好做。在牛市當中，負超額投資者跑輸了指數，但仍然是可能賺錢的，更愿意參與這個市場。而在熊市中，負超額投資者還要比指數虧得更多，自然就會逐漸退出市場，就逐漸沒有參與者了。從這個原理解釋，牛市中容易做出超額收益，對所有投資者都一樣，不光量化投資是這樣。
田峰：機構投資者無非兩大類，量化和看基本面，把時間拉長，一小部分企業成長帶來的收益。
鄒倚天：當前牛熊切換速度加快，為某一特定市場設計獨特策略并進行模型預測，難度非常大。
以牛市為例，其節奏明顯加快：2007年、2015年以及當下的9月，節奏一次比一次快。2007年，投資者主要通過PC端炒股，沒有移動互聯網的支持，從牛市信號出現到大多數人意識到牛市到來，中間可能長達一年甚至更久。到了2015年，移動端已較為普及，大量投資者開始使用手機下單，但由于短視頻尚未興起，信息傳播仍依賴于口耳相傳。而在如今的短視頻時代，信息傳播速度極快，市場有效性急速提高，這次刺激政策出來之后，很多股票僅僅用了一個禮拜就收服了今年的失地。
在這種背景下，若將數據劃分成牛市與熊市來做策略，還要做模型預測，這個難度極高。從長期來看，還是要開發在各種市場都具有一定適應性的模型，爭取牛市跑的比市場好，熊市比市場虧的少，這是相對可行的方案。
田峰：策略不漂移，還是按照既定的策略來做。徐曉波總有沒有補充？
徐曉波：我自己的感受牛市的超額更大一點，歷史上幾次大的行情，2015年，包括2020年、2021年，包括2019年也不算貝塔大年，但也還可以。最近量化整體超額又起來一點?？陀^來說，貝塔本身還是會帶來更多投資人，投資人帶來更多交易量。總體感受來說，我們也是非常希望市場能夠變好，而不是只有量化賺錢，其他人都在虧錢，這個不持久。從這個角度來說，客觀感受希望市場更好，客觀感受貝塔好的時候，彈性會增強一點。
還有一個很重要一點，中國跟海外市場不同的點，中國的深度和廣度比海外市場低很多，在中國你只能買股票。在市場極端情況下，市場就會觸發極端的效應。我們也希望未來中國資本市場可以像美國、其他發達國家一樣，有更廣泛的融券制度，穩定的券源廣度和深度，這樣市場的糾錯機制會更好，市場也不會天天一下子漲很多，有些市場化的自動修復的效益。我們作為從業者希望跟全市場一起共贏分享這個市場成長的蛋糕。
田峰：市場出現“黑天鵝”也好，極端行情出現的時候，從量化的角度來說，有沒有什么迭代的策略或者應對的措施？再發生這種情況時有沒有解決方案？或者應對的措施？
徐曉波：我們作為市場從業者，盡量去嗅覺風險、感知風險、預測風險，從量化角度沒有辦法很好的評估預測風險。從歷史數據當中它在這樣的時間點，預測它的幅度和速度。通過多年的交易，在市場上嗅覺這種風險，在風險來臨時控制好敞口。
田峰：徐書楠總，你剛才提到一個問題，想要作出超額很難，有沒有什么辦法把超額做得更高？
徐書楠：實際上對于每一家機構而言，你總是可以去拼命地研發更好的策略，增進你的投研團隊實力，從而做出更好的超額。但是，對整個量化市場而言，卻不是這個樣子。例如，2019年，幾乎所有量化機構都可以輕松獲得30%甚至40%的超額，但到了22年以后，所有機構的策略都比19年強大的多，卻再也難以獲得那么高的超額了。這是因為，對整個市場而言，與超額相關的因素，主要是量化資金的規模占比。如果量化投資整體資金很少，比如就占了1%，這種情況下可以捕捉到大量的無效波動，從而獲得很高的超額；而現在，量化占比達到了10%以上，這種情況下你有再強大的模型，也很難維持之前的超額水平了，市場整體的量化參與者多了，單位資金能夠獲得超額收益自然就變低了。在美國這樣的成熟市場，量化資金規模占比約為一半，這種情況下你有再強大的投資策略，也很難做出穩定的超額收益。所以，未來量化規模更大了，占比更高了，超額很可能進一步下降。
但這并不是說，量化到時候就沒有用了。雖然超額越來越難獲取，但量化可以做更多其他的策略，也有更多的投資工具可以選擇，從而給投資者提供一個合理的回報。例如在美國這樣的成熟市場，雖然超額收益非常難做，但他們的量化規模卻遠大于中國市場，提供的策略類型也要豐富的多。所以我們的量化的發展預期是：規模越來越大，當前策略的超額越來越難做，但策略類型越來越豐富，也能夠進一步解決策略同質化的問題。
田峰：從管理來說，量化的策略管理經驗，給大家做一個分享。有錢的家庭怎么把這個資產管理好。
徐書楠：從資產管理的角度來說，無非是做好長期資產配置，具體說，就是根據自己的收益風險特性，選擇低相關性的有效資產進行配置與組合。例如，可以配置主觀股票、量化策略、一級市場、債券等等，這些都是一些不同的收益來源。量化比較特殊的地方是，量化投資本身就可以提供多種低相關性的有效資產，可以做股票策略，可以做金融衍生品，也可以做可轉債等等。這種情況下，量化本身就可以形成豐富的策略組合，這就是量化多策略，也是我們因諾資產長期看好、長期主推的方向之一。
從中國本身的特點來看，在現階段，國內的量化還是以股票alpha策略為主，其他的策略資金容量普遍都不太夠。除了股票策略之外，第二大類策略是CTA策略。但單獨靠CTA達到百億是很困難的，想達到300億更加不可能，只有股票策略可以達到這樣的規模。未來，隨著國內資產類別越來越豐富，金融衍生品越來越多，流動性越來越好，就能夠做出更多的與股票策略相關性比較低的大容量策略，也就大幅降低了量化機構的同質化現象。當然，這種情況下，也需要大家對于量化機構提供的策略和服務有更深的理解，量化的發展跟中國市場投資者逐漸成熟的過程是直接相關的。
田峰：最后一個問題，大家對未來量化投資的機遇和挑戰，做量化的朋友說有同質化策略的挑戰、人才的挑戰，最早做量化的有學物理的、后來學數學的、學神經網絡的，也有人才方面的競爭。大家可以從各個方面發散一下，每個人講幾句。
李驤：從策略角度來說，主要的是技術的應用是機遇也是挑戰，現在一直提的新質生產力，落腳點是金融，本質上是科技導向的。但凡能提升你的研究效率、研究結果的技術，都是應該找到并且運用到投研體系里來。為什么說是機遇也是挑戰呢？
前面的嘉賓有提到，現在我們做的策略復雜度以及預測的準確度比以前要好，真正拿到手上的超額并沒有實質性的提升，因為整個行業提升的速度非?？欤斘覀冏约嚎吹竭@個東西的應用時，有些機構已經開始應用了。換句話說，你竭盡全力只能稍微吃到新型方法論的紅利。有新的東西時會有新機會，能夠提升你的效率和研究結果。
尤其是有些新的方法論和老的方法論重疊度只有30%-40%，這意味著要做出結果，只能從底層架構、人才儲備等層面發力，甚至擴展到整個投研體系的架構、整個公司的層面等相應做出調整。即使這樣，也有可能依然做不出比較好的對沖結果，很難抓住未來的一些機遇。
當然，我們也是有辦法解決這些問題的——我們需要思考更長遠一點，做很多前瞻性布局。公司經常會有一些研究不是奔著落地去的，短期沒有商業化的績效考核要求，公司愿意為此買單。我認為這種前瞻性的布局，一定程度可以解決未來的一些挑戰，同時，抓住一些新的發展機遇。
總之，我認為可以從技術、人才等方面，多維度投入、前瞻性布局，來對沖未來發展的一些不確定性。
徐曉波：機遇對我們很明確的，貝塔足夠大。權益市場越來越大、參與人越來越多，像美國做一個長期的資本市場參與者分享經濟增長和分享上市公司發展的紅利，包括很多交易者在里面賺了錢，成為一個良性生態。
章毅：在量化現在的挑戰和機遇，當前最應該做的是加強投資者教育。加深投資者服務與溝通，更廣泛地讓投資者理解量化的方法論至關重要，投資者對量化方法論的理解和策略表現的信任，會間接促進投資回報的提升，這樣更有利于投資者認識到量化對于整個市場的貢獻和幫助，有利于市場生態的健康發展，對于A股市場整體的蓬勃成長也是一個更好的助力。
鄒倚天：針對剛才幾位嘉賓的觀點，我略作補充。投資者對量化基金有一些根深蒂固的錯誤觀念，很多是歷史原因。比如，大家經常將中性產品比作類固收產品，但其實中性產品的波動率有時會突然放大，中性對沖端的波動有時一天可以從正3%到負3%。但是長久以來，也沒有人去主動糾正和充分說明。接下來還需要量化機構、代銷渠道一起跟投資人講清楚產品的特性。
量化什么時候賺錢、什么時候不賺錢？這個問題很難和投資者說明白，目前在全球范圍內都沒有特別好的解決辦法。我們還是要與監管保持良好的互動和溝通，努力讓量化成為國內資本市場的中堅力量，這也是在座各位量化管理人大家共同的期許。
徐書楠：前面幾位嘉賓已經總結的非常詳細了，我就簡單講兩句愿景。我們做量化投資的同行，普遍都相信量化投資有著一個非常光明的未來。因為，量化投資并沒有用任何違規違法的方式獲得收益，一切都是在合法合規的框架之內，利用更優秀的投資手段和投資技術來實現的。我們相信，中國的量化投資未來一定會有一個更加龐大的市場，更加美好的前途。在這個過程中，我們希望與主動投資、一級市場的同行一起，提高中國資本市場的有效性，更好地服務于實體經濟。希望與我們的合作伙伴，例如東方財富一道，為投資者提供更好的有效資產。也希望在這個過程中，利用量化本身的特點，為中國的高科技行業作出一點自己的貢獻。
田峰：這一輪的圓桌差不多了，感謝各位！量化和我們做基本面研究差不多都很枯燥，不管你看一家公司，還是找一個因子或者找一個策略，最終我們要產出一個相對確定性的回報，我們是這么相信的。希望大家在2025年取得更好的投資收益。
相關推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內容相關的任何行動之前，請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。
