“申毅：量化选股将来一定会成为权益类选股主流”

本篇文章4944字，读完约12分钟

2019年4月20日~21日，由中国期货业协会主办的“第十三届中国期货拆师暨场外衍生品论坛”在杭州jw万豪酒店举行。 本次论坛以“立足本源有效融合创新快速发展——期货及衍生品市场服务国家战术”为主题，以“保险+期货”、场外衍生品、理财业务及期货拆师人才培养等服务实体经济模式创新和团队建设要点行业为中心，举办期货 期货参与全程直播。

4月21日下午，在论坛“理财业务”会场上，上海申毅投资股份有限公司的申毅社长以“量化战略在理财中的运用”为主题进行了发言。

申毅表示，在指数增强加上选股时结构化衍生品后，量化投资的收益可以大幅主动选股。 量化选股将来一定会成为权益类选股的主流。

以下是发言的实录。

各位，在座的各位大多是老朋友。 我在量化方面做了很多年。 我想说的其实是比较简单的话题。

这是资源管理的论坛，我想在资源管理中谈几个方面。

一是量化在国内的情况，所谓的巧妇难为无米之炊，国内现在有什么产品，有什么衍生品的工具，对比国内的情况说几个。 量化的历史迅速发展，采用的工具将在后面叙述。 这个ppt本身比较简单，后面的故事很多，比我知道的更多的也欢迎大家分享。

量化投资本身是什么？ 其实采取数据观察的做法，用一个模型，都属于定量投资，积极当然有区别。 我当然有偏见。 我一定偏向于量化。 量化有三个方面。 我个人认为是从这三个方面来做的。 第一个是统计。 量化本身是根据大数定律建立的统计特征。 这和赌场赌博一样。 赌场为什么不怕赌徒赢？ 因为赌徒每次赌胜率都是51%，你是49%，只要继续赌，赌场就会赢。 其实所有增强因子、利润因子、套利因子的挖掘都是统计，当然想在资本市场获利，但胜率统计通常在五成以上。

国内量化实际上是人性的趋势，不是市场的趋势。 所以在会场拿了书。 我有博弈论。 许多人拥有货币胜利和达里奥的书。 选择了博弈论。博弈论是什么？ 人性本身，无论学位高低，智商高低，最后做的事情都有痕迹，轨迹变化不大。 人类的行为模式变化不大。 要量化，就要找出这些行为模式，按照市场上的人的行为模式，找出趋势，总结以后获胜的概率。 在实际生活和工业中人工智能和深度学习的应用已经很深了，现在在投资中，我的这个看法很多同事不一定同意，但是我们认为现在还没有达到工业制造那样的水平，所以分散很重要，量化让你分散了机会，这是

下面写的是用1%的权重踩雷怎么办。 去年7月我们500在笼子里踩着长生生物的雷，前两天踩着西部矿业( 601168 )，但是我们组本身今年跑了500赢了。 很不容易。 一些公募基金和私募基金的股票组合很遗憾地做出了虚假的报告和产品。 这些事件无法处理，可以通过分散风险来降低自己的风险。

请把在座的各位和海外机构的想法比较一下。 我认为所有的量化都是一样的。 年份和量化的表现似乎不太好。 不如买股票。 今后，可以具体观察量化的种类。 债券有量化，股票有量化，商品期货有量化，股票国债交易有量化，市场配置有量化，种类战略很多，不同的环境表现会更好。

二是很多人说中国市场不适合量化。 这是国外主要机构大多数人的想法。 从去年开始，我们看到了海外大型主权基金和机构，我们询问了他们。 他们布置过中国吗？ 他们布置过吗？ 他们协助了谁？ 他在说一个家喻户晓的名字。 既然他们积极投资，选择了股票，为什么不量化？ 他们说，中国是发展迅速的中国，发展迅速的中国市场自主投资有调查的特点，有新闻上的特点，有灰色地带的特点，有积极发掘产业的特点。 所以，我们通常在快速发展中国家积极选择股票。 他们在印度像这样，在巴西像这样，对他们来说金砖四国也积极选择股票。 我的看法不同。 这是为什么？ 在一个国家不选择量化，就是看你能否获得足够的数据。 在中国，数据本身是从公开数据中披露的。 包括经济数据在内，包括上市公司的数据在内，肯定是处于美国以上的水平。 中国的数据披露标准化极高，以上市公司为例，看到上市公司发表公告，在美国花了很多时间，购买数据库，自己写软件阅读信息的文案，分析。 中国数据发行后，上海证券交易所和深交所系统里很快就有了，其实你可以买到所有的数据表。 购买的桌子越多，越能挖掘企业内部的情况，了解这个领域，就越能标准化所有的桌子。 所以，中国市场的数据收集已经非常标准化，非常深入，这在全世界大概是非常领先的地位。 这是采用量化模型最好的土壤。 在美国发挥量化作用，一年战胜标竿真是太棒了。 现在，在美国一年放10倍杆取胜有5分很棒。 大家量化水平成熟后，所有模型本身都不容易挖掘持续稳定的利润。 最后唯一的办法，就是速度快，买卖和交易所的收入，这是回归装备竞争的道路。 但是，在中国有很大的不同。 我认为中国市场的量化参与者现在和美国几乎和15年前的情况一样。 参与者本身的量化水平不高。 这量化了巨大的机会。

中国也有相对指数无效波动较大的股票。 这个股票可能有100股。 由于流动性上升到110，围绕平均区间或合理区间有较大的发散变动。 这两年黄金全部期货后，指数波动率下降，但市场整体的有效性还不够，所以量化在中国是一条大道路。 三五年后，大家就会非常清楚了。 事实上，巴菲特以前考虑对冲基金pk十年。 我们想办法没找到车身pk。 自己找到几个目标，拿出市场上销售的最好的权益产品，五年后自己选择几个量化产品的利润，与其利润对比，五年后我确信量化组合的利润特点。

第三，我认为轻量化只能做低风险低收益的产品。 投资者也对我说。 你的企业很好。 也没有道德风险。 你有什么风格？ 我们喜欢。 我喜欢银行，但不喜欢散户。 因为收益不够，散户每年想要30%-50%的收益。 我们有什么能力定制高收益的产品？ 请告诉我你承受风险的能力。 市场接触量化始于全年金所引进的股指期货，在当时市场下跌的情况下，量化套期保值市场中性类产品采用股指期货和纯股指期货取得了较好的稳定收益，大家对量化抱有成见。 要说量化，就是量化套利，其实，量化套利的目标就是银行理财。 我们以前提供每月的产品，其实和一个月的理财相比，现在推一年的产品，和一年的非标和一年的信托相比，特点非常巨大，我相信不要谈资金的安全性。

在资源管理中，我们将努力争取梁总交行的投资。 他们在已经做的最前线，投入了积极的股票选择产品。 我们两个都在努力，一个是获得他们的类固收产品，二是为了原有的自主选择股类产品，我们也想试试。 我们相信在选股，特别是指数增强类，特别是指数增强加上选股时结构化衍生品后，这种收益可以大幅主动战胜选股。 这个事件在发达国家市场整体变化中已经有20年的说明，美国市场积极选股的共同基金最近20年流出了1.6万亿美元的份额，但被动类和量化类的流入达到了1.6万亿美元。 虽然这不是一对一的变化，但每年的趋势非常稳定，今后量化非常大的应用之一是权益类，量化选股相信将来一定会成为权益类选股的主流。

后面是资产配置，资产配置在量化中所起的作用更大，这有各种各样的做法。 当然，做法本身的最后一条路到简之后，恐怕是简单的做法。 其实中午在大家表达信息的时候我提到一点，他们举了一个例子，世界上有一点排名前三的主权基金。 他们在2008年金融危机的时候，他们降了架，市场越来越降了架，架本身当时很多人不理解，第一次关架，增加了6次仓库，权益类增加到60%。 这是一个惊人的比例。 最后在2019年3月，4月达到最高点。 那是市场最低点，疯狂赚钱。 大家都是说你做了什么。 他说我们采取了量化的做法。 大家都在研究什么量化方法。 各种各样的模型，不适合，不适合。 我说了之后做了什么。 他决定投票了。 他们也在哪里？ 分为六部分，每隔一个月。 非常多复杂的做法最终未必是定投好，定投本身也是好的量化方法，定投本身对整个组合有增强利润的作用，再加上宏观量化的评价，这个利润也非常可观。

国外量化的三个过程。 最初的过程是fama风险模型，但现在的过程从alphago开始，以前很少听到人工智能。 一开始，人工智能在alphago之后突然跳了出来。

量化是指只买卖股票是没有办法的事。 如果我们有各种各样的衍生品的话，就可以对自己的配置、开放选择进行不同的调节。 例如银行结构性产品的调整、大宗商品的挂钩、挂钩指数。 现在，自从允许海外机构进入国内后，海外证券公司和海外银行开始销售指数类的结构化产品。 其次，在配置类中，cta是非常重要的配置，期权是非常重要的配置，债务与股票之间的配置是非常重要的配置。 这些只有依靠中国衍生品的迅速发展才能实现。

说几个可以看到的量化，第一个是ai技术，ai技术这两年的非常流行始于去年的alphago。 如果我记得的话，当时alphago开始下棋的时候，我们企业的孩子们几乎都停止了交易，所有的研究都是棋手想赢，但是根据工程师团队内部的估计，在正式开始之前，他们估计了机器战胜李世石的概率。 以前下国际象棋，中国象棋的时候所有的量化算法都很穷。 那个时候64格子很简单。 现在361格子非常困难，没能在充分的时间里变穷。 所以，贫穷战胜不了人类。 他说我突破了，怎么突破，分成两台电脑，第一台找夹克，先学人类棋谱，人类高手打手夹克，第二台评价夹克成功的概率是什么，不穷，已经 量化在投资中做什么，其实就是总结降维。 穷人维度高，降到一定维度就行了。 投资中做ai的人很多，最后在10维20维的空之间降维计算。

当然后面我想说和很多同事不一样的想法。 从alphago开始了人工智能投资的热潮，但是这个ai是否是终极处理方案，我个人的看法大概是这样，但是现在不是这样。 因为有世界上非常顶级的机构，他派代表团去中国，他访问了8家企业，前3、4家非常有名的互联网企业，以及一些专门做大数据的企业，金融系访问了我们家，和我们讨论了这个事件。 你们在ai很有名。 你们怎么看这个事件？ 他说我们有1600名工程师，尝试了各种算法。 走得很远，最后我们的结论是，深度学习神经互联网在投资中不可靠，我们回到机器学习的理论上做一点工具，做一点预测。 幸运的是，我们没有因为朴素的感情而走到后面。 当然，我们的企业没有像他们走1600人那样的人力物力。 他们只是告诉了我们他们现在用的方法，和我们用的差不多，都是用比较基本的机器学习的理论来做这个事件。

这位积极投资之神巴菲特表示，年度金融工程获奖论文是拆散巴菲特。 分解的结果是，大家看了，争议很多，巴菲特41年能用4~5个因子完全覆盖，而且比巴菲特好很多，当然不是说巴菲特不行。 巴菲特41年前自主思考，自己总结，总结的因子，没有量化。 现在，回顾总结这些经验。 量化达到一定程度，普通金融工程师用5个因子可以用不到10个因子复制巴菲特的成功，其实我们用同样的方法再复制一次国内做的好基金，简单的复制是大幅公开募集或者私募基金的积极

风险平衡是一种量化投资的方法，在整体量化程度越来越高之后，现在学术和实践都同意用量化的方法配置各种资产，超越了以前流传的方法，你的资产足够多，品种足够多，很多国外的大机构都在协助我们。

可以在国内进行简单的配置。 中金所现在的保险已经是中证800，沪深300+中证500。 这个比较的标准是50%的300，50 %的500，蓝色组合的收益，红色是超额收益。 超额收益本身超过30%，组合年化收益率为38%，相对指数年化收益率为1.89%，加起来差不多超额收益率在36%左右，这里考虑了冲击价格和交易价格。

这是固定收益产品，50etf期权套期保值，实盘收益9.5%。 因为，很多民族信托作为投资者，目标收益为8%，我们按收益目标配比不同的波动率。 我们配合的波动率为3.5%，最后为3%，这条曲线非常平稳。

这是实盘的市场中性产品，从年到中金限仓的年化收益为18%，最大撤回不到1%，限仓后下降了很多，希望今年能回到10分以上。

我希望在中情局能和大家合作一点。 现在是商品类。 股指类上市后也配置了股指类。 这个配置本身不能说是资产配置相关系数。 在座的大家一定比我知道得多。

我先比较一下大家在中国市场量化投资中遇到的实际问题谈两件事，抛砖引玉，说到这里。

来源：零点娱乐时刊