“春山多胜事”，量化再起航，今年2月23日，在招商证券春季交流会(杭州)上，我们邀请了多家头部量化私募和业内知名机构，与各位投资者进行了丰富多彩的主题分享。受邀管理人和机构包括思勰投资、白鹭资管、诚奇资产、龙旗科技、仲阳天王星和卡方科技。我们对这些管理人的精彩发言做了纪要，与各位投资者进行分享。
　　此为下篇，对龙旗科技、仲阳天王星和卡方科技的嘉宾分享内容进行纪要展示。
　　“春山多胜事”，量化再起航，今年2月23日，在招商证券春季交流会(杭州)上，我们邀请了多家头部量化私募和业内知名机构，与各位投资者进行了丰富多彩的主题分享。受邀管理人和机构包括思勰投资、白鹭资管、诚奇资产、龙旗科技、仲阳天王星和卡方科技。我们对这些管理人的精彩发言做了纪要，与各位投资者进行分享。
　　龙旗科技的创始人朱晓康提到，管理人的performance等于skill乘以breadth开根号。breadth指选股可以得到的所谓的相对独立的选股数量，而随着A股注册制的加速推进增加了市场广度，在这点上，是有利于量化投资的。全行业面临的共同挑战还是要如何去提高IC，实际在今天的在市场上，不同的管理人也在从可能的方方面面，不同的角度，在努力做各种各样的尝试。悲观者正确，而乐观者前行。
　　仲阳天王星的合伙人孙博回顾了量化投资在美国的发展，认为中国的同行或者量化行业确实还在一个起步萌芽的阶段，且正在高速发展。尽管这两年量化机构的超额收益水平有所下降，但是中国的量化投资还是有非常好的超额挖掘的土壤。认为作为管理人，最重要的就是风险定价的能力，以及在风险定价上面的理念。并且分析了国内量化当前的发展趋势，总结为四点：底层数据的多样化、人工智能工具化、产品矩阵国际化、人才培养长期化。
　　卡方科技的CTO金基冬分享了机器学习和算力建设在算法交易中的应用。算法交易解决的是交易执行过程中的一个需求。算法交易已经发展了四代，从第一代教科书式的被动算法，到现在第四代的主动智能AI算法。并以实际案例深入浅出地介绍了有策略的交易如何帮助投资人节约交易成本，甚至在交易环节获取超额收益。而深度学习算法在数据量越大的情况下，往往表现会更好，因而当期卡方已经在深度学习上进行了探索并已经取得了一定的成果。最后介绍了量化行业各家在算力上的投入，也介绍了卡方在算力方面的建设和最新的进展。
　　风险提示：1、本文内容已经取得对应管理人授权，仅对管理人的市场及行业发展观点部分进行分享。2、此文仅是与会嘉宾内容的纪要和分享，仅代表嘉宾观点。
　　

研究报告全文：证券研究报告金融工程2023年03月15日春山多胜事量化再起航会场纪要2023年招商证券春季交流会量化私募论坛纪要下金融工程春山多胜事量化再起航今年2月23日在招商证券春季交流会杭州上我们邀请了多家头部量化私募和业内知名机构与各位投资者进行了丰富多彩的主题分享受邀管理人和机构包括思勰投资白鹭资管诚奇资产龙旗科技仲阳天王星和卡方科技我们对这些管理人的精彩发言做了纪要与各位投资者进行分享此为下篇对龙旗科技仲阳天王星和卡方科技的嘉宾分享内容进行纪要展示春山多胜事量化再起航今年2月23日在招商证券春季交流会杭州上我们邀请了多家头部量化私募和业内知名机构与各位投资者进行了丰富多彩的主题分享受邀管理人和机构包括思勰投资白鹭资管诚奇资产龙旗科技仲阳天王星和卡方科技我们对这些管理人的精彩发言做了纪要与各位投资者进行分享龙旗科技的创始人朱晓康提到管理人的performance等于skill乘以breadth开根号breadth指选股可以得到的所谓的相对独立的选股数量而随着A股注册制的加速推进增加了市场广度在这点上是有利于量化投资的全行业面临的共同挑战还是要如何去提高IC实际在今天的在市任瞳S1090519080004场上不同的管理人也在从可能的方方面面不同的角度在努力做各种rentongcmschinacomcn各样的尝试悲观者正确而乐观者前行崔浩瀚S1090519070004仲阳天王星的合伙人孙博回顾了量化投资在美国的发展认为中国的同行cuihaohancmschinacomcn或者量化行业确实还在一个起步萌芽的阶段且正在高速发展尽管这两年量化机构的超额收益水平有所下降但是中国的量化投资还是有非常好的超额挖掘的土壤认为作为管理人最重要的就是风险定价的能力以及在风险定价上面的理念并且分析了国内量化当前的发展趋势总结为四点底层数据的多样化人工智能工具化产品矩阵国际化人才培养长期化卡方科技的CTO金基冬分享了机器学习和算力建设在算法交易中的应用算法交易解决的是交易执行过程中的一个需求算法交易已经发展了四代从第一代教科书式的被动算法到现在第四代的主动智能AI算法并以实际案例深入浅出地介绍了有策略的交易如何帮助投资人节约交易成本甚至在交易环节获取超额收益而深度学习算法在数据量越大的情况下往往表现会更好因而当期卡方已经在深度学习上进行了探索并已经取得了一定的成果最后介绍了量化行业各家在算力上的投入也介绍了卡方在算力方面的建设和最新的进展风险提示1本文内容已经取得对应管理人授权仅对管理人的市场及行业发展观点部分进行分享2此文仅是与会嘉宾内容的纪要和分享仅代表嘉宾观点敬请阅读末页的重要说明金融工程深度报告正文目录一引言4二嘉宾主题分享纪要4春意满山河量化再起航龙旗科技朱晓康4量化策略大升级行业发展再平衡仲阳天王星孙博10机器学习与算力建设在算法交易中的应用卡方科技金基东22图表目录图1春山多胜事私募论坛现场照4图2春意满河山量化再起航4图3量化行业万亿里程碑5图4量化行业红利可否再持续5图5有限的行业红利下量化私募如何破局6图6BR扩容IR有望提升局7图7回暖IC提高更具可能7图8共同挑战-提升IC8图9不同市场环境下龙旗的IC提升之路9图10持续迭代方可屡创新高9图11悲观者正确乐观者前行10图12量化策略大升级行业发展再平衡10图13Content11图14洞见中美量化发展11图15谈论量化投资从美国开始12图16谈论量化投资从美国开始13图17中国的量化行业仍在高速发展期14图18中国的量化行业仍在高速发展期14图19中美量化环境对比15图20中国量化行业发展15图21管理人的核心能力在于风险定价16图22当我们在谈论风险的时候我们在谈论什么16敬请阅读末页的重要说明2金融工程深度报告图23风险定价RiskPricing17图24管理人的核心能力风险定价18图25怎么做风险定价18图26国内量化的发展趋势19图27底层数据多元化19图28人工智能工具化20图29产品矩阵国际化20图30人才培养长期化21图31机器学习与算力建设在算法交易中的应用22图32主题目录22图33算法交易综述23图34算法交易在产业链的位置及作用23图35算法交易行业与技术发展24图36机械执行霸道总裁挂单示意24图37机械执行霸道总裁25图38不同股票池的价差数据25图39机械执行勤俭持家挂单示意26图40机械执行勤俭持家节约成本26图41机械执行带来的思考27图42机械执行VS交易员27图43只能算法的内在逻辑28图44智能算法的成交差异28图45只能算法观察盘口数据29图46卡方智能算法获取执行阶段的Alpha收益29图47方法的进化交易执行的算法AI化30图48AlphaGo带来改变30图49行业内卷化31图50算力军备竞赛31图51卡方算力建设32敬请阅读末页的重要说明3金融工程深度报告一引言春山多胜事量化再起航今年2月23日在招商证券春季交流会杭州上我们邀请了多家头部量化私募和业内知名机构与各位投资者进行了丰富多彩的主题分享受邀管理人和机构包括思勰投资白鹭资管诚奇资产龙旗科技仲阳天王星和卡方科技我们对这些管理人的精彩发言做了纪要与各位投资者进行分享此为下篇对龙旗科技仲阳天王星和卡方科技的嘉宾分享内容进行纪要展示图1春山多胜事私募论坛现场照资料来源招商证券量化研究团队整理二嘉宾主题分享纪要春意满山河量化再起航龙旗科技朱晓康图2春意满河山量化再起航敬请阅读末页的重要说明4金融工程深度报告资料来源龙旗科技招商证券量化团队整理前面各位大咖已经讲了非常多精彩的东西了我希望也利用今天这样一个机会跟大家做一个相对比上次要简短很多但是可能视角稍微有一点点不一样的分享我相信这一页PPT上面的数字大家只要是关注量化行业都会非常熟悉我们是取之于基金业协会的数据统计在2017年当时整个归属于量化的基金管理规模只有1100万左右基金只数其实并不少大约有3000只左右但是在短短的4年之后到了2021年整个量化基金的规模超过了1万亿只数也达到了将近17000支量化基金图3量化行业万亿里程碑资料来源龙旗科技招商证券量化团队整理所以在2021年确确实实是整个量化行业一个爆发式的增长那么随着整个行业爆发式的增长对应于我们量化管理人总体的超额业绩情况是什么样的我们在这一页做了一个非常简短的分析是取自于一个公众号上面的他们平常所跟踪的量化行业的大几十家的管理人我们在计算超额的时候是取了每一家管理人那一年的产品表现除以指数表现用除法来计算这样一个平均数然后取了有完整4年期业绩的20家管理人基本上代表了市场战略和行业最优秀的一批管理人图4量化行业红利可否再持续资料来源龙旗科技招商证券量化团队整理从这个上面看首先超额还是非常优秀的特别是在2019年和2020年大家可以看到这20家在行业里面非常有代敬请阅读末页的重要说明5金融工程深度报告表性的管理人的平均超额收益这个是以500指增产品的超额收益为计算标的19年大约是在20620年是22所以大约是21的一个水平但是非常有趣的是如果我们用同样的方法去看整个行业在2021年和2022年的超额大家非常明显地可以看到整体的超额水平基本上是接近于腰斩的情况下降到了只有128和12左右的水平虽然还是非常优秀的因为前面特别聊到跟主观的很多管理人相比其实在最近两年超额的情况还是相对不错的但是相对量化行业前两年自身的超额水平确确实实是有一个比较大的跌幅那么这也是很多投资者问的一个问题量化行业的一波红利是否过去了业绩的持续性是否还有一定的保障为了回答这个问题我们回到一个在量化行业非常经典的公式叫做Fundamentallawofactiveportfoliomanagement它的出处是一本很经典的书叫ActivePortfolioManagement主动投资组合管理这本书的两个作者也是在量化行业里面非常资深的两个元老RichardCGrinold和RonaldNKahn这个是我以前在美国工作的时候我们研究部的两位最资深的老大他们在这本书里面提出了这样一个非常经典的公式简单来说的话IR是代表信息比率等于IC乘以所谓的广度开根号这么一个非常简单但是非常经典的类似于牛顿三定律的基本公式图5有限的行业红利下量化私募如何破局资料来源龙旗科技招商证券量化团队整理如何来理解这样一个公式简单来说的话一个管理人业绩的表现大致等于他的选股能力水平的高低performance等于skill乘以所谓的breadth开根号也就是说你的选股可以得到的所谓的相对独立的选股的数量也好或者是takeindependentbreadth的数量大概有多少大概是符合这么一个非常简单的关系站在今天我觉得从我们量化行业的角度如果我们希望提高我们策略的表现还是要回到这样一个基本的公式我们分别能够在skill上和我们策略的广度上做一些什么样的事情特别是站在今天这样的市场的时点行业发展的时点我们应该相对比较乐观还是比较悲观呢从龙旗自身的实践来说如果回到这样一个非常基本的理念的话我们个人相对觉得还是比较乐观的一个情况为什么敬请阅读末页的重要说明6金融工程深度报告图6BR扩容IR有望提升局资料来源龙旗科技招商证券量化团队整理首先从外部的因素回到广度而言最近一两周大家也都知道注册制其实是以超出我们市场所预期的速度在往前推进实际上注册制的试点开启以来A股的上市公司数量已经由3500家增加到今天超过5000家如果在主板也开始推行注册制大概率很快会上升到6000甚至7000家上市公司在这样一个大的市场背景和环境下联系到前面这样的一个基本的公式我觉得它实际上是非常有利于我们量化去发挥我们的特长因为它在选股的广度上具有非常天然的优势所以更多的可以交易的股票只数也可以给我们带来更多的一些交易型的机会所以说回到前面基本的定义的话我们觉得首先在breadth上面其实在目前随着注册制的全面推进反而应该更加乐观另外一点今天前面有的嘉宾老师也提到可能很多做主观的对今年的市场相对更乐观如果今年的Beta更好那么对于我们策略表现会有什么样的影响特别是对于IC会不会也有一些影响基于前面我们提到的行业的数据的简单分析也就是回到前面提到的有完整4年业绩的20家管理人我们结合市场本身涨跌的情况看了在不同的市场涨或者跌的时候整体的量化行业的超额是不是有不一样的表现图7回暖IC提高更具可能资料来源龙旗科技招商证券量化团队整理这个结果也非常有趣我们可以看到上面一行是代表了在过去三年市场上涨的时候超额周度平均的表现下面是在市场下跌的时候周度的20家管理人的超额情况非常有趣的是在2020年市场上涨和下跌的时候超额大致相似周度超额差不多是044和046但是在过去敬请阅读末页的重要说明7金融工程深度报告两年其实是发生了一些变化首先我们前面提到的超额有一些下降的趋势但是另外一个非常有趣的点是说当市场下跌的时候超额似乎更难赚取比如说以2021年为例在市场下跌的时候这些顶级量化管理人周度的平均超额只有022相比2020年的时候是从046下跌到只有022这个跌幅可能是超过一半的当然在市场上涨的时候也有一些下降但是下降的相对幅度要少一些因为大家普遍预期今年市场整体的环境市场的氛围特别是相比去年要好很多所以在Beta如果能够上涨修复的情况下根据过去两年这样的规律我们实际上对今年的IC可能也会有更多的期待所以这个是从两个市场外部因素我们为什么对今年整体的量化行业整个市场更加乐观的很重要的两点考量与此同时回到前面最基本的公式全行业面临的共同挑战还是要如何去提高IC实际在今天的在市场上不同的管理人也在从可能的方方面面不同的角度在努力做各种各样的尝试图8共同挑战-提升IC资料来源龙旗科技招商证券量化团队整理我们这边也列举了一些大家现在可能思考在做或者已经在做的一些事情了比如说拓展信息源的深度和广度获取更加多维度的超额有的管理人是打造多元化的策略性和产品设计以提升整体行业的策略容量也是提高广度的一种方法前面嘉宾也提到最近机器学习的一个突破式的进展当然是跟我们没有什么特别直接的关系但是我觉得也让我们对未来机器学习如何在量化上更好地应用让我们会有更多的期望虽然在过去几年机器学习在量化行业上面已经有了广泛的应用但是我觉得应用的方式上将来可能会有更好的突破当然也可以在硬件的投入方面去提升整体行业的IC这些我觉得都是非常好的方面其实经过了短暂的两年相对低沉的表现我个人认为今年还是非常值得期待的从龙旗本身的历史来说的话我们在这个行业已经存活了11年了非常幸运的是在经过了几轮的市场流行行业的快速迭代之后今天还能存在我觉得是一个非常幸运的事情敬请阅读末页的重要说明8金融工程深度报告图9不同市场环境下龙旗的IC提升之路资料来源龙旗科技招商证券量化团队整理从我们自身来说这一路走过来本质上也是在随着行业市场的变化监管的变化在努力地去适应市场的环境比如说我们从早年纯粹的基本面量化到了1819年我们全部迭代为中频的量价选股策略更加高换手的一些策略站在今天我也是非常期待说我们下一代的策略的模型可能会给投资人带来更加优秀的回报这个也是非常有趣的一张图分享给大家某种意义上是代表了整个行业的发展这个是我们回顾了龙旗自身在过去10年实盘过去所有的策略所有的产品加权平均只是把它按照3005001000进行分类相对各自指数的超额表现图10持续迭代方可屡创新高资料来源龙旗科技招商证券量化团队整理这是我们去年10月份做的一个分享非常有趣等我同事做完这张图之后我觉得还是非常感慨的因为这个行业首先从过去10年发展下来大家可以看得到其实超额表现总体还是非常多的机会但是这个中间走过来的路它其实不会是一条笔直的线它永远不会是非常平稳的最重要的还是需要我们策略不断迭代让我们的超额表现能够持续创出新高最后其实也是上次招商秋季会议来参加的时候给大家分享的一张图我个人非常喜欢的一张图这个是美国道琼斯指敬请阅读末页的重要说明9金融工程深度报告数在过去125年的走势图当然是取了ln否则的话这个图是呈一个抛物线的情况图11悲观者正确乐观者前行资料来源龙旗科技招商证券量化团队整理这个图为什么我非常喜欢首先它的时间足够长第二这个其实跟前面分享的净值曲线有一些像是一路走上来虽然在不断创新高但是它永远也不是一条笔直的曲线实际上是往上的然后在中间很多时候可能出现长达十几年甚至二十几年的盘整然后原图有一个非常有趣的标题它说人类只有不断创新才能帮助我们人类克服恐惧它下面列了每一个时期人类最伟大的一些创新能够让我们的社会经济不断往前进步随之指数在不断创新高回到我们量化行业我觉得也是这样的首先还是需要整个行业拿出新的一些完全不一样的创新的方法回到我们前面基本的公式提高IC提高IR最终能够让整个行业的净值不断创新高我今天简短的分享就到这里谢谢大家量化策略大升级行业发展再平衡仲阳天王星孙博图12量化策略大升级行业发展再平衡资料来源仲阳天王星招商证券量化团队整理敬请阅读末页的重要说明10金融工程深度报告感谢在座的各位朋友大家下午好我是仲阳天王星的孙博非常感谢招商证券的邀请非常荣幸站在这里跟大家分享一些我个人对量化行业投资行业的感悟和从业经验我们这次策略会的主题叫春山多胜事下半句应该是赏玩夜忘归我们中国量化行业也处在生机勃勃的发展阶段有无限的生命力和可能性所以我今天跟大家分享的主题就是量化策略升级和行业再平衡图13Content资料来源仲阳天王星招商证券量化团队整理今天分享大致三个部分我们这个会议的标题叫做论道所以也是讲一讲道方面的几个topic可能讲的数比较少一点第一部分我们讲中美量化投资发展的阶段和两个市场比较的异同第二讲我个人认为的作为一个管理人核心的投资能力第三个讲我们中国量化未来的发展趋势图14洞见中美量化发展资料来源仲阳天王星招商证券量化团队整理刚才很多嘉宾也讲到了美国量化行业的一些现状大家都比较关注美国的同行包括行业发展的近况其实量化行业是从国外发展起来的传到我们中国是一个相对比较新兴的行业在这几年有了非常大的发展国内现在做的比较优秀的基金管理人也都有很多海外量化基金出身的背景启蒙工作可能都是在美国的一些大的公司或者大的团队里面完成的所以我们看一下海外同行的发展情况敬请阅读末页的重要说明11金融工程深度报告图15谈论量化投资从美国开始资料来源仲阳天王星招商证券量化团队整理美国对冲基金行业起源比较早它最早是1949年BenGraham实际上就是巴菲特的老师成立了一个叫做Graham-Newman的基金Alfred也成立过AWJones这个可能是我们对冲基金的鼻祖在当时投资标的包括量化对冲收益创造的方式都比较有限到了80年国际投行摩根士丹利在我们国内称之为大摩召集了一批数理天才包括GarryNunzio他们开始做配对交易PairsTrading开始了我们对冲基金行业的萌芽期到了1980年很多对冲基金开始使用的投资策略逐渐变得丰富起来交易的品种市场也丰富起来在这里边有很多使用的套利不良债务固定收益包括量化和多策略的都在进行投资在资金端很多的养老基金pensionfundendowmentfund学校的基金机构投资人加大了对对冲基金的投资2000年以后对冲基金在全球就得到了快速的发展2007年年底大概到了2万亿美金的规模但是2008年就发生了全球的金融危机可能在座的很多都知道而且可能还有一些感受我自己也是2008年在哥大毕业当时工作非常难找两家最大的投行一个是LehmanBrothers还有BearStearns都倒掉了找工作是非常的困难所以最后也是被逼上了创业的道路在2008年的金融危机之后各个市场包括对冲基金都受到了极大的冲击经过几年的修复之后在2011年对冲基金又首次突破了2万亿美金的持续增长的一个规模我们常年在海外大家一般会关注比较头部的几家基金比如说JimSimons他们创建的Renaissance文艺复兴基金这家基金可能也是量化的一个传奇他们很多年以来都是百分之三四十这样的回报包括去年Citadel有38的回报为客户争取了大概160亿美金所以即便是在美国这样非常成熟的行业其实还是有很多的阶段性的机会包括公司与公司之间行业与行业之间的差异化敬请阅读末页的重要说明12金融工程深度报告图16谈论量化投资从美国开始资料来源仲阳天王星招商证券量化团队整理这是一张中美投资者构成的结构图我们可以看到居民持股大概是在30左右其中A股的个人投资者持股比例也是在百分之三四十但是从我们量化交易或者市场交易的角度来说我们可能更关注的是交易量从交易量的角度来说我们一方面以产业资本为主的大股东以及关联方应该长期是A股市场持股规模最高的投资者如果只看专业的机构投资者的话这个比例在美股实际上是四五成在中国大概只有18另外一方面我们关注交易量的贡献美股散户对交易量的贡献常年维持在百分之二三十以下近百分之七八十的交易都是一些高频交易或者是机构交易所产生的但在我们中国散户的交易比例是非常高的从投资者结构来看美股的投机构投资者占比比较高外资入局也比较充分导致竞争比较激烈从美国的Barclays在1971年发行第一只被动的量化投资基金量化投资在美国作为一种被整个市场广泛接受的理财方式距今已经有50多年时间了从数据到因子到模型到组合到交易的各个阶段都可能完成了不止一轮的迭代他们对量化投资的理解和应用比很多其他国家或其他市场的参与者都更加深刻在美国的证券市场由于由量化驱动的交易数量达到了七八成所以无论一家对冲基金的核心策略是不是量化那些数据驱动程序化交易的理念和方式都或多或少得到了应用美国作为全球流动性最强标的最丰富的金融市场量化交易的标的也从股票期货蔓延到了众多的衍生品还有一些场外的市场激烈的竞争和迅速的迭代也让市场有效性在逐渐增加哪怕是最顶尖的管理人相对指数能够创造的超额收益水平也大概就是在3-5左右所以横向比较来说我觉得我们中国的同行或者量化行业确实还在一个起步萌芽的阶段虽然纵向来看我们的超额在整个行业上是有一定的收缩刚才某同仁也放了一些图片但是我觉得横向比较来说我们还是非常幸福的在美国的同行可能在3-5的超额下大部分通过加杠杆或者其他的方式来获得一定的收益但在我们中国的话可能还有2030甚至40的超额收益的机会我个人觉得可能是我们中国整个证券行业或者金融行业从事量化交易的一个时代性的机会纵观我们中国的几大类的交易标的比如说房地产股票期货中国的房地产可能有过一个10年到15年这样一个超长的红利周期而且很多人是切身从这一波超级周期里面挣到了钱证券行业我个人感觉有类似的这样的一个机会10年涨10倍的话其实只要年化收益25很多的管理人在不同的产品上不管是500指增1000指增还是说做量化选股或者其他对标指数的超额其实25的机会是完全可以创造的但是从持有人的角度来说很难能够实现财富的10倍的增长其实一大部分的原因是我们量化的产品设计流动性可能过于好不像房地产我们的房子可能一住住很多年它的交易相对流动性比较低我们量化产品的流动性还是比较好有申赎的机制所以从一方面也造成了刚才好几位同仁讲的为什么基金挣钱但是基民不挣钱的非常重要的原因敬请阅读末页的重要说明13金融工程深度报告图17中国的量化行业仍在高速发展期资料来源仲阳天王星招商证券量化团队整理我简单的说一下我们中国量化行业的发展在座的各位可能比我都熟悉分水岭大概在15年15年之前我们基本上有个行业的萌芽期中国首个300股指期货的上市也出现了最早的一批量化当时可能还有很多手工套利的机会我们手工点点可以做一些期限套利也可以挣一些钱但是15年股灾之后可能就进入了行业快速发展期的阶段当时应该是有中证500的IC和上证50的IH这两个期指也在上市我们很多的量化管理人在这个方向进行了一些很早期的尝试也取得了一定的成就和效果也为市场打开了一个新的方向21年是一个比较有标志性的节点首先市场有一些比较好的Beta的机会同时有巨大的超额的规模整个市场的体量也上了一个台阶应该是已经到了1万亿到22年年底的时候整体规模已经到了15万亿虽然说我们近两年整个行业的规模发展比较快速但是我们从刚才一个同仁分享的PPT上可以看到量化行业在国外总体的规模的跟其他的方向来比的话我们还是有很长足的空间图18中国的量化行业仍在高速发展期资料来源仲阳天王星招商证券量化团队整理我们在大概21年底的时候就已经突破了万亿的规模到22年到了接近15万亿了行业占比也超过了25百亿量化私募越来越多出现在投资者和媒体的视野当中量化也作为一个比较主流的投资方向投资产品也被越来越多的机构包括个人投资人所接受大家也认可这样的以数据为底以科技驱动的投资方式个人投资者和机构投资者对量化策略的认知和参与度也比以往丰富很多无论是机构的直投委外还是高净值客户的购买已经把量化基金作为一个非常重要的投资标的和投资手段并且在投资策略包括收益分解风险控制等等方面有一些逐步的而且更加敬请阅读末页的重要说明14金融工程深度报告专业的认识而并不是早些年把量化作为一个黑盒只是拿着最终的业绩来说话作为投资决策所以对于整个行业来说百花齐放的量化私募的格局我相信肯定是各位参与者这里面包括券商包括私募包括托管所有的参与者和所有同仁共同努力取得的一个比较良好的市场培育的成果图19中美量化环境对比资料来源仲阳天王星招商证券量化团队整理如果从规模投资者结构或者波动性量化行业本身的发展去对比中美的话中国的量化投资还是有非常好的超额挖掘的土壤我刚才讲其实对比美国的同仁我们中国量化行业的从业者还是要幸福很多虽然两地的市场结构差异非常大不能说把美国的东西或方法照搬回国内直接用但是我们投资的底层逻辑或者方法论是一致的在中国的市场结构下我觉得优秀的团队和优质的管理人能够做出很多差异化的产品包括很多差异化的方法我们看一下中美两个国家的市场对比标普的年化波动率大概是187而中证500的年化波动率是2975看起来中证500要比标普要高很多但实际上如果只看过去三年的话中证500和标普的波动率是差不多的当然过去三年因为疫情的影响标普的波动率实际上比历史是偏高大概253中证大概有2134但即便是这样的情况下我们也看到过去三年美国的量化基金超额的实现情况也都是比较好所以印证了我们行业大家普遍的一个认知就是超额跟波动率是有一定的关联当然我们还有一些其他重要的指标我相信各位可能对整个量化行业的超额的来源或者超额收益的来源都比较关注我觉得有几个比较重要的指标第一成交量第二波动率第三个散户的参与程度包括市场结构市场交易规则的变化图20中国量化行业发展资料来源仲阳天王星招商证券量化团队整理敬请阅读末页的重要说明15金融工程深度报告我们做个简单的小结虽然说量化竞争现在在国内已经比较激烈而且我们国内迭代的速度比国外的同行确实要快很多大家也愿意在更多的方向进行创新和尝试包括AI包括人工智能包括一些GPU显卡超算等等诸如此类的方向包括产品的模式上比如说我们做出指增产品其实在美国很早以前就有我们叫做SmartBeta但是可能主流的投资产品还是传统的marketneutral加杠杆的这种对冲基金的产品所以无论A股的波动率还是交易规则的保护投资者的结构甚至对外资交易的限制其实都是中国市场能够在一段时间内继续挖掘红利的护城河和成长的空间国内量化的投资发展阶段总体来说可能比美国相对滞后一些但是我们迭代速度非常快而且逐步在走向成熟用大概5-8年的时间其实已经走完了美国30年的发展历程这也代表着我们中国量化私募行业的未来可期所以这里面引出一个问题就是我们中国的量化私募行业发展到今天这么多家优秀的管理人怎么去区分管理人之间有什么特别大的不同图21管理人的核心能力在于风险定价资料来源仲阳天王星招商证券量化团队整理首先肯定有很多风格上的不同理念上的不同方法的不同但是我个人更看重的一家管理人的核心能力可能是对风险的定价能力这就是我们要说的第二个部分我们说的风险定价能力这里面riskpricing我们怎么定价一个风险而不是我们传统意义上理解的风控其实我们交易的核心就是在pricingrisk我们买的每一只股票我们控制的每一个仓位我们对冲的每一个对冲工具其实都是在pricingrisk图22当我们在谈论风险的时候我们在谈论什么资料来源仲阳天王星招商证券量化团队整理敬请阅读末页的重要说明16金融工程深度报告首先我们谈风险定价之前我们先谈谈什么是风险风险其实是一个非常主观的概念不同的投资人不同的机构不同的管理人可能对风险有自己的定义比如说我们最经典的一个理解风险可以理解成为drawdown或者是理解成为波动率或者是波动率和收益率的比率行业很多通用的SharpeRatio或者是TreynorRatioCalmarRatio诸如此类但如果我们把这个视角稍微往回拉一点投资者我们会看胜率的波动也会看更大的回撤比如说去衡量取得正收益的概率和可能遭遇的收益的起伏那么全面一点我们可能就有了各种各样的这种夏普卡玛索提诺比率来帮助我们投资者衡量一个投资组合的性价比图23风险定价RiskPricing资料来源仲阳天王星招商证券量化团队整理我们用最大回撤做一个特别简单的例子当然我们在具体的投资环境里边可能每一个特定的交易资产risk的定义不同为了理解我们讲一个简单的例子很多渠道或者机构的朋友都经常问我说我们的中性产品应该怎么样控制风险或者是我们指增的产品应该怎么样控制风险我经常解释就是说我们所有的投资决策可能都是从riskpricing的角度来看什么叫riskpricing我举个特别简单的例子从回撤的角度来说如果我最大的回撤是1那么1的风险来博取1的回报我认为这不是一个特别划算的交易或者不是一个特别划算的安排但如果是3的风险来获取10的回报那么从风险收益比上来说我觉得这个可能可以考虑所以回到产品的一些设计包括一些风控的管理包括一些超参的优化很多管理人都在说很多的模型做到最后包括超参的优化包括敞口的种种的控制其实都是一个选择题这个选择题最终不同的管理人可能会做不同的决定不同的决策我觉得这里边一方面是有投资理念的区别就是我要做什么样的管理人我要做什么样的风格我是一个稳健的还是低波动的还是说我是要去博取高收益我觉得从我们的角度来说我们永远是从胜率的角度来说我没有绝对的对风险的要求但是如果我要承担一定的风险我必须要得到相应的回报我们更愿意从这个角度来定义所有的关于这些超参或者是风险控制风口类似这样的问题敬请阅读末页的重要说明17金融工程深度报告图24管理人的核心能力风险定价资料来源仲阳天王星招商证券量化团队整理所以我觉得作为管理人最重要的就是风险定价的能力以及在风险定价上面的理念我觉得这个理念是贯彻在它的整个交易的框架包括一些重要的参数重要的投资决策的过程当中判断每笔交易和投资的潜在风险是否能够带来足够多的回报来覆盖风险以及判断是否要承担某些特定的风险这是我们管理人所需要关注的核心问题也是一个管理人最核心的专业素养图25怎么做风险定价资料来源仲阳天王星招商证券量化团队整理但在风险定价的过程当中除了我们刚才说的一些超参包括一些流程和框架当然也有一些现成的方法比如从历史的数据里去发现一些规律有一些标准化的风险评估和管理的模块持续性的损益归因这些可能都是行业中的比较通用的做法我们在这个方面做的更多的努力是把更多风险的环节细化然后把riskpricing的理念贯彻到整个投资框架的整个流程当中以及一些重要的投资和交易的决策过程当中从而在谨慎暴露风险敞口的情况下追求最高胜率长期稳定的超额收益敬请阅读末页的重要说明18金融工程深度报告图26国内量化的发展趋势资料来源仲阳天王星招商证券量化团队整理最后一个部分是我们国内的量化投资往哪些方向走我个人的一点感悟可能是大概4块第一是底层数据的多样化大家都知道我们量化是一个基于数据驱动的投资的行业如果没有海量的历史数据沉淀作为支撑和佐证量化行业就很难发展图27底层数据多元化资料来源仲阳天王星招商证券量化团队整理有些媒体朋友也经常会问我们在某些行情或者某些趋势下会不会做一些仓位上的调整等等在量化的方法论里面如果这个行为或操作能够从历史的数据上得出一些规律或者是可以被验证我们都愿意在这些方向做一些研究和尝试但是我们本身既不是做宏观研究的也不是经济面的专家演绎式的方法可能并不是我们擅长的所以我们更多是根据数据来做一些决策做一些归纳总结然后在这里面找出一些更好的规律在数据类型方面国内现在大家用的非常主流的比如说量价基本面我们从交易所获取这些数据或者数据提供商都是比较容易的这些数据也在变得越来越标准化比如说最重要的现在像一些量价的因子其实仍然有效而且胜率也非常高海外可用数据源的多样性上应该是比我们要很多应该是我们的3-5倍一方面跟海外行业的发展程度发展历史有关另外一方面也跟海外的媒体包括监管行业的资讯的获取的容易程度有关有很多比较成熟的数据商会为你提供标准敬请阅读末页的重要说明19金融工程深度报告化处理好的一些另类的数据在国内这方面虽然有一些数据提供商已经在这些方面在做一些尝试但总体体量还是比较小在整个市场跟其他数据所能够创造的影响来说相对来说比较小但可能是一个未来发展的方向图28人工智能工具化资料来源仲阳天王星招商证券量化团队整理人工智能这个话题可能几乎所有的投资人都会问到比如说在人工智能上的占比用一些什么样的determing的方法我觉得云计算大数据AI这些科技都是促使量化投资行业变得更加多元化精细化和智能化的一些工具更是因为算力的提升而使我们量化行业实现了比较大的飞跃AI的应用在可解释性归因和样本内外不一致甚至计算效率方面可能还有很多需要细致去斟酌的细节但是最近智能化程度很高的ChatGPT大家都很熟悉给我们带来一些惊喜我觉得它对历史信息的调用整合输出逻辑跟以往相比已经有了很大的进步这可能对各行各业的发展都会有所促进对量化行业其实也是会有一定的影响我们国内在人工智能的使用的程度上我觉得普遍来说应该比国外同行的运用程度要更高包括整个市场对人工智能的模型关注度也很高利用多层神经网络机器学习挖掘因子进行因子组合等等这些方面也都做了很多的尝试但国外的话他们的AI应用可能更处于一个百花齐放的阶段在哪个环节引入人工智能AI怎么做做到多深可能都有不少的差异性但是我们的观点是不管AI的工具发展程度发展方向是怎么样对于我们整个量化行业是我们进行投研的一个工具是辅助我们投资决策的我们本身的定位是一个投资或者交易的公司不是一个AI的公司也不是一个科技公司所以我们更多做的是AI的一些应用当然在这里面应用有一些比较务实的结合图29产品矩阵国际化敬请阅读末页的重要说明20