百億私募啟林投資：量化作為主動投資的一種手段，不應受到歧視

沉寂多年后，量化投資在今年突然爆發。在A股成交連續破萬億之時，量化投資甚至因為超高的換手率，招徠了“薅A股羊毛”的質疑。

在外界看來，這群由數理學霸、IT工程師和計算機構成的組合是投資中的異類，始終帶有某種神秘色彩。

不同于主觀選股對人的經驗的依賴，量化投資通過機器在海量大數據中尋找股票歷史漲跌的規律，然后交給程序來完成自動化下單，通過短期內做無數次大概率獲勝的交易來積累勝率。

這種方法在今年中小盤崛起、市場風格快速切換的環境下大放異彩。截至今年二季度末，國內量化類私募基金整體管理規模已經超過1萬億元，短短三年時間，量化在整個私募中的占比就從不到10%提高到20%。

作為年初晉級為百億量化私募的啟林投資，今年取得了不錯的業績，代表產品年內收益超過25%。

這家由物理學家創辦的基金公司，有一些讓人印象深刻的特質，比如，他們會用多頻段策略揉合的方法應對量化策略同質化問題，最多半年就會完成一次模型迭代。

近日，華爾街見聞與啟林投資進行了一場訪談，探討量化產品的超額收益到底從何而來，策略容量的限制如何突破，以及A股萬億成交量中，私募量化扮演了怎樣的角色。

以下是訪談的全部內容：

華爾街見聞：啟林的量化交易模型是怎樣的？

啟林投資：我們主要是采用機器學習 選股/算法交易策略/T0策略等，進行高風險收益比的多個核心策略的疊加，選出能創造超額收益的Alpha股票，獲取穩健的超額指數收益。

通過算法交易策略，每一筆換倉交易可以做到以更優的價格成交，交易層面能穩健的戰勝時間加權平均價格5-8個bps，每年可在原有的交易層面多給產品貢獻5%的收益，T0策略能夠使持倉股票的成本降低，年化增強4%左右。

我們目前做到了投研流水化、工廠化，確保策略的更新迭代能力，因子及機器學習的特征每月可以新增300多條，3-6個月可以完成多因子模型與機器學習訓練模型的一次完全迭代，超額收益具有長期可持續性。

華爾街見聞：算法交易如何能做到交易價格更優？

啟林投資：啟林的算法交易主要用來做拆單，也就是100股、100股這樣的去下單，不斷的貼近盤口的買一數據去往下壓這個價格，使得當天的成交價甚至低于當天的均價，減少交易成本和滑點。

華爾街見聞：在策略迭代方面，啟林經歷了哪幾次關鍵的升級？

啟林投資：從2016年至今，我們每一年都在進行大的策略迭代與升級，16年我們用到的是日線級別的數據，也就是delay1(延時1)的版本，我們以前的做法是按照昨日的行情和股票的清單，把這些數據輸入到程序里面，然后輸出一個股票結果，第二天按照這個結果來實現一個交易。

但是這個只是用到了昨天的數據，相對有些延時，沒有盤中實時送過來的行情。17年這個叫做delay1的版本我們升級到了delay0，對于出清單的頻率，我們從原來隔夜出清單升級到了當日每5分鐘出一次清單，每5分鐘根據實時的行情和數據，來去做一次打分和選股，不會延遲，預測頻段也更實時。

18年我們自建了一套算法交易系統——盈寬奮進號算法交易系統。19年我們實現了機器學習的上架，摒棄傳統的多因子模型，解決了因子同質化帶來的超額不斷衰減的問題。

完全不同的方法論使得機器學習可以挖掘到多因子模型遺漏的數據。賽道也沒有那么擁擠，由于機器學習有自我迭代的能力，能夠隨著新的市場數據進來的時候，學習到市場最新的規律，更好的適應這個市場。

2020年我們實現了全頻段的糅合，將高頻、中高頻、低頻不同的頻段全部糅合在一起，有效解決行業內集中在單一頻段的策略擁擠問題。

華爾街見聞：為什么全頻段選股可以解決策略擁擠的問題？

啟林投資：我們把策略按照預測周期分為 tick級 、分鐘級、小時級、日級、周級、月級等不同頻段，然后在各種頻段都開發出相應的預測模型，最終我們將所有模型融合在一起，共同應用在我們產品管理中，然后由我們的算法交易程序去進行交易執行。希望能夠挖掘更多底層信號源，或各個頻段的一些超額，使不同頻段的超額形成合力，收益足夠高。這樣也保證了我們所有的產品業績表現都是一致的。

我們上了信號糅合的模型之后，對不同頻段的資金、權重，加入了自動化、實時化的調整，這個工具或者這套模型叫做決策器。

決策器是我們非常核心的技術，就是在不同頻段的模型選出來之后，糅合在一起實現1+1>2的效果，能夠解決不同頻段模型之間的一些沖突，這個是我們去年四季度已經開發出來了，這一套體系能夠控制住回撤，并且在不太犧牲超額收益的情況下得到比較好的結果。

華爾街見聞：如何看待AI在量化領域的運用？未來量化的發展趨勢是什么？

啟林投資：我們很早開始用機器學習的方法進行策略的研究和開發，我們可以看到，人工智能技術的興起已經在許多領域顛覆了傳統的方法，比如語音，圖像識別，反欺詐，決策系統等。

在金融領域也不例外，我們看到2019年前微軟首席人工智能專家鄧力從微軟離職加入了美國頂尖的量化對沖基金Citadel，他表示，人工智能應用于金融領域雖然有很多挑戰，但是時機已經成熟。

我們多年研究發現，機器學習的人工智能技術進行量化策略開發非常不容易，有很多的難點和坑，但是我們經過多年的積累，成功找到了正確的道路。現在機器學習模型在我們管理模型中的占比達接近60%，已經在我們模型庫中占據主導性的地位。我們有非常多不同的機器學習模型，他們為我們創造了非常好的超額Alpha收益。

量化公司的最核心競爭力永遠是策略。因此能持續迭代開發有效策略的量化公司會有長期的生命力和形成品牌壁壘。量化未來也會更加頭部化，平臺化。從投研角度，要注重團隊化作戰，注重研究的深度，注重數據硬件等基礎設施的投入，注重人才梯隊的培養和建設。 只有把握好每一個投研細節，才能維持策略的競爭力。

華爾街見聞：機器學習模型是如何選股的？與多因子模型的主要區別是什么？

啟林投資：多因子模型是Alpha策略開發的經典方法，通過線性的方式進行處理和組合。傳統多因子模型樣本外失效概率高，實盤表現往往與回測表現差異大，并且表現具有瓶頸，當因子數量多時加入新因子對模型提升有限。多因子模型的數據運用僅限于因子構造，同業因子重合度較高，策略門檻較低，擁擠嚴重，容易形成定勢思維，迭代慢。

機器學習可以深入挖掘市場各類信息間的非線性關系，具有市場適應能力強，實盤表現相對于回測的衰減小等優勢，相對多因子模型更能深挖大數據，更非線性更靈活，能定期并且更快地進行策略迭代，有較強的自適應能力。

華爾街見聞：很多頭部私募都在使用機器學習，機器學習模型是否也會面臨同質化的問題？

啟林投資：準確來講，機器學習傳統的做法是直接挖因子，因子是有預測性的，特征是沒有預測性的，特征是對數據打標簽，20000多個特征在深度的神經網絡里面進行N維的排列組合，去尋找不同的特征之間相互產生的化學反應，找到一個最優的股票權重的組合解，使這個權重配下來的超額能夠達到市場最高。同時控制好這個組合的跟蹤指數的偏離在2以內，所以這個做法相比傳統的多因子模型，能找到更多的底層數據信息。

從輸入X輸出Y 的過程的模型里面，有很多種方法可以做各種卷積網絡、CNN、DNN，哪怕兩家管理人用了同樣的數據，用不同的方法來輸出，股票組合都有很大概率的不同。

不同的方法論帶來的組合的差異化，越有差異化的模型它的超額的可持續性越強，跟市場回測的相關性越低，多因子為什么2019年失效，因為做的人太多了，它用同樣的因子輸入，哪怕用不同的方法，它輸出的股票大概率都是重疊的，所以會導致做多因子的人多了，超額的失效和下降很快。

機器學習的方法論不一樣，模型不一樣，然后我們現在還加了不同的頻段，5分鐘、1小時、1-5天、10-20天各個頻段的不同的組合也不一樣，最后得出的股票清單和換手周期跟各家的相關性比較低，然后機器學習做出來的超額衰減很慢，因為它有差異化在里面，既能做高收益，又能降低相關性，還能夠有效性比較持續。

華爾街見聞：對主動選股來說，短期市場波動是難以預測的，但量化投資試圖在尋找其中的規律，怎么理解這其中的差異？

啟林投資：主觀投資和量化投資的區別，主要表現在核心邏輯或者說信仰上。主觀投資更多依賴人的經驗和判斷。即使現在市場波動比較大，雖然比較難去歸納出市場波動的原因，但是主觀投資管理人通過長期的信仰價值投資，信仰股票背后上市公司的盈利邏輯，而去克服長時間內較大的波動，去賺取收益。而量化投資是比較短的時間周期去交易來疊加勝率，通過概率統計模型，依靠科學賺取收益。

經過多年的量化投資實踐，我們認識到市場并非完全有效，而且市場的無效性在短期波動中體現得更為充分（短期市場因為情緒主導的追漲殺跌會出現許多錯誤定價）。

量化的背后基礎是統計概率學，短周期預測給予了豐富的樣本量來提供充足的統計檢驗可行性。因此在短周期預測上，量化方法論相比于主觀占據主導地位。

另外，市場存在著許多的風險，這些風險在量化投資中一般通過風險因子來刻畫，并且風險因子的表現一般隨機難以預測，量化投資機構一般會盡可能追求不能被各種風險因子解釋的超額收益（也叫做pure alpha），并且會對投資組合進行嚴格的風險約束處理，從而避免受到風險隨機擾動的影響。

華爾街見聞：最近很多量化私募都封盤了，啟林在8月份也關閉了中性策略產品的募集，這背后的原因是什么？量化策略容量受限是否是個無解題？

啟林投資：隨著投資者觀念的轉變，由于中性策略每年都要付出至少10%甚至以上的對沖成本，因此如果投資者本身看好指數的未來以及管理人獲取超額收益的能力，會認為中性策略的性價比并不太高，因此關閉了中性策略產品的募集。

任何策略都有容量的限制（哪怕是主觀投資的策略），容量背后的本質是交易對于市場造成沖擊而導致的策略失效。因此決定策略容量的本質是交易是否足夠分散、交易標的本身屬性以及交易占據市場成交額的比例。

量化策略中的高頻策略由于換手率高，當規模變大時，交易額占市場成交比例會提升迅速，因此容量瓶頸明顯，也因此規模大的量化公司都會積極開發低頻段的策略來進行擴容。

華爾街見聞：A股萬億成交量背后，市場也在關注量化私募在其中的作用，你怎么看？

啟林投資：一方面量化受到關注有成交量放大的因素，更主要因素還是今年量化私募業績相對亮眼。我們判斷現在程序化交易占市場成交量的比例可能在15%-20%，沒有傳言的50%那么高。

我覺得量化作為主動投資的一種投資手段不應該受到歧視，好的量化私募應該積極的擁抱監管，完善風控和合規體系，為資產管理行業貢獻長期價值。

華爾街見聞：量化產品今年來整體表現突出的原因是什么？量化投資更適應什么樣的市場風格和行情？

啟林投資：量化Alpha存在于不同的市場，不同品種，不同周期中，今年的行情普遍表現為風格切換很快，波動相對較大，成交量也比較大，而量化的本質是通過處理大數據，從而找到股票漲跌背后的規律，最終由程序化的交易來完成，在這個過程中，摒棄了人為的非理性因素的干擾，因此今年以來量化整體表現較為突出。

市場流動性好，兩市成交量大，交易對手方充足時，該市場環境最有利于公司的投資策略。我們利用多個核心策略，選出可創造超額收益的Alpha的股票，最大程度減少市場周期性干擾，獲取穩健的超額指數的收益。

華爾街見聞：如果遇到市場大跌，量化策略如何控制風險？

啟林投資：1)市場流動性萎縮時，我們會減少個股集中度與換倉頻率，由1500只標的增加到1800只，同時將阿爾法+T0每日換手100%降低到25-30%，以減少在低波動低成交量下頻繁換倉的交易成本；

2)市場暴漲暴跌或大小盤二八分化是，我們會嚴格控制選股的風格等敞口暴露，在行業、市值上盡量做到嚴格的中性處理。當發生暴漲暴跌或分化行情時，最大回撤需控制在2-3%以內。

華爾街見聞：隨著市場上量化規模的擴大，未來量化投資的整體超額收益是否會不斷縮減？

啟林投資：對于量化投資來說，超額的來源主要有三方面：第一、人性追漲殺跌的弱點；第二、在獲得和處理大數據上的信息不對稱；第三、在交易上具備的優勢。

伴隨著市場上量化規模的擴大，市場會變得更加成熟更加有效，更有效的市場超額不可避免的要減少，所以未來量化投資的整體超額收益是會不斷縮減的，屆時更考驗每個管理人的能力。

華爾街見聞：我們注意到，啟林也有產品參加了中國銀河專業交易策略公開賽，請您簡單介紹一下啟林跟銀河證券的合作情況，這些合作對啟林的發展起到了什么作用？

啟林投資：啟林之前跟銀河證券合作發行了啟林中證500指數增強6號私募證券投資基金、啟林中證500指數增強6號1期私募證券投資基金、啟林中證500指數增強27號私募證券投資基金；銀河證券作為老牌的頭部券商，與啟林的合作，加深了啟林在市場的影響力，同時也進一步幫助啟林更好的了解投資者。目前啟林中證1000指數增強策略在銀河證券正在發售中。

　　 原標題：百億私募啟林投資：量化作為主動投資的一種手段，不應受到歧視