解密量化对冲｜市场跌了还能赚钱的秘密何在？

       对冲说来有些晦涩，我们先从一个故事讲起。

       老太太有个儿子卖草帽，晴天倒是能赚钱，但是每逢阴雨便亏损，卖不出草帽且白白承担水电费房租成本，全家都很忧愁。后来，老太太让另一个儿子去卖雨伞，发现晴天卖草帽一天赚100，而卖雨伞的亏50；雨天卖雨伞一天赚100，而卖草帽的亏50。这样一来，无论晴天还是雨天，老太太的儿子们合计每天都能够赚50元。

       小景发现，故事里的老太太已经在不经意间对冲掉了天气变化的风险，让全家人拥有了稳定的收入。实际上，面对自然天气的变幻莫测，金融业真的有开发出诸多种类的天气期货，以供农业等天气敏感行业对冲掉天气波动的风险。

       天气有晴有雨，市场时涨时跌。在资本市场里，有一些基金运用“对冲思维”来剔除掉自己不想要承担的风险，量化对冲基金是其中的代表。

1、量化对冲：对冲掉的是什么？

       简单来说，量化对冲基金想要对冲的是我们所不想要的风险，例如市场波动的风险。其目标是找到一个风险更低且收益更高的最佳组合，去追求一个长期稳定的绝对收益。

       假设我们种植水生植物，植物在水中成长。高水位的季节，植物会因为“水涨船高”的效应更多地高出地平线。而在枯水期，植物哪怕每天都在长高也会因为水位过快地下降而更多地隐藏在地平线之下。

       我们常说的β和α，对应的就是水位高低和植物高于地平线的高度。这种外界因素带来的水位高低，类似于市场普遍的涨跌，难以把握。是否有方法能够规避掉市场波动的风险？量化对冲基金给出的答案是，通过做空股指期货等方式来对冲掉市场的系统性风险。

       这相当于为了使植物依赖自身的长势持续地超过地平面，我们建一个蓄水池，让水位保持稳定，只靠优质的植物种子和优良的种植选址累积每天的高度，这个建立水位稳定的蓄水池的动作就是“对冲”。从此只需要在意植物本身的长势，而不用担心水位的高低波动。这就是量化对冲基金的特点，无视市场整体的涨跌，追求相对稳健的超额收益。2、量化选股：挑选那些超过平均线的“好学生”

       前文所介绍的，实际上是对冲的意义。那么量化又扮演了什么样的角色？小景再举个例子。

       一个年级的学生考试成绩有高有低，平均分会根据试题的难度而出现变化。但一般来说，总有部分“好学生”能够比平均分考得更高。如果要选一批学生代表参加数学竞赛，就需要挑选出有更大可能性能超过平均分的“好学生”。

       挑选学生需要综合考虑过往考试成绩、成绩的稳定性、提升空间等因素。基本面量化所做的，就是运用统计方法、数学模型，从通过估值、成长、盈利、企业质量、市场表现、投资者情绪等多个方面来选择股市里的“好学生”。

       显而易见，量化对冲基金能够盈利，有一个关键就是其挑选的股票组合要比市场平均水平好。涨的时候，要比平均水平多，跌的时候要比平均水平跌得少。而随着注册制改革的推进，A股市场股票数已经有4000多只，挑选具有超额收益的股票难度与日俱增。借助大数据和先进算力的量化模型，能够极大地拓展研究的宽度，提升选股的胜率。

       小景说：今年以来，市场遭遇较大波折，许多基金遭遇大幅回撤，而对冲策略型基金优势开始显露。由景顺长城副总经理黎海威管理的，景顺长城量化对冲策略三个月定开基金，是其中的代表。该基金即将进入开放期，敬请关注！

来源：景顺长城基金

量化那些事儿之阿尔法策略

1、什么是阿尔法策略？

       投资者在市场交易中面临着系统性风险（即贝塔或Beta、β风险）和非系统性风险（即阿尔法或Alpha、α风险），通过对系统性风险进行度量并将其分离，从而超额绝对收益(即阿尔法收益)的策略组合，即为阿尔法策略。从广义上讲，阿尔法收益的投资策略有很多种，其中既包括传统的基本面分析选股策略、估值策略、固定收益策略等等，也包括利用衍生工具对冲掉贝塔风险、**阿尔法收益的可转移阿尔法策略。后者在国内通常被称为阿尔法对冲策略，并在近年A股市场上得到广泛应用。

2、阿尔法策略是如何构建的？

       阿尔法策略所涉及的市场领域非常广泛，在股市、债市、商品市场等各类市场都有应用。而目前国内市场上最常见的还是股市阿尔法对冲策略，其通常利用选股、择时等方面优势，寻找具有稳定超额收益的现货组合，通过股指期货等衍生工具来分离贝塔，进而获得与市场相关度较低的阿尔法收益。尤其是在熊市或者盘整期，可以采用“现货多头＋期货空头”的方法，一方面建立能够获取超额收益的投资组合的多头头寸，另一方面建立股指期货的空头头寸以对冲现货组合的系统风险，从而获取正的绝对收益。此外，还有机构根据获取阿尔法的途径，采取统计套利、事件驱动、高频交易等策略来获取阿尔法收益。而在上述各种策略构建过程中，基于大类资产配置、行业配置、择时与选股体系的量化策略均得到了广泛应用。

3、阿尔法对冲策略成功的关键是什么？

       Alpha策略成败的两个关键要素是：其一，现货组合的超额收益空间有多大；其二，交易成本的高低。两者相抵的结果，才是Alpha策略可获得的利润空间。在股市Alpha策略中，最考验策略制定者水平的因素在于选股方法和能力。

4、阿尔法策略在我国市场的发展空间如何？

       从国内外的经验来看，阿尔法策略一般运用在市场效率相对较弱的市场上，如新兴股票市场、创业板市场等。我国的股票市场正是一个新兴的市场，效率相对较低，特别是伴随着股指期货、融资融券等衍生品种的推出，的确存在利用风险对冲来获取超额收益Alpha的巨大需求和空间。

用量化模型构建个股组合

       在构建个股组合方面，投资者可以采用量化模型的方法来选股。量化模型的优势在于能覆盖全部股票，业绩的稳定性和可复制性高。基金公司运用最多的量化模型是多因子模型。影响股票收益的因子有多种，大致可分为长期因子和短期因子。长期因子包括价值因子，盈利质量因子等，短期因子则包括市场技术分析以及动量等因子。将这些因子有机地结合起来，就构成了对每一只股票的打分，此打分也称股票的预期收益。用此方法计算出来的预期收益尽管不像狙击步枪一样精准，却可像冲锋枪一样，在大概率上具有较高的胜率。

       在构建投资组合过程中，与预期收益同等重要的是预期风险。有些股票尽管有很高的预期收益，但如果预期风险也很高，在历史上收益的波动率很大，那么在投资组合中所占的权重也不应太高。在预测风险方面，专业机构往往会购买商业模型或开发自己的风险模型来预测每一只股票的风险，进而计算组合风险。

      在确定组合中个股权重时，专业机构会根据投资者的收益要求和风险承受能力，从量化因子库中选择适当的因子为投资者量身定做预期收益模型，同时兼顾股票的预期风险和交易成本，用优化的方法计算组合中每只股票的权重。

阿尔法对冲策略是选择具有超额收益能力的个股组合，同时运用沪深300股指期货对冲市场风险以获得超额收益的绝对收益策略。此种策略追求的是与市场涨跌相关性较低的绝对收益。

用股指期货对冲市场风险

       确定了股票的最优组合并不代表一定能有正的收益。即使我们有最好的预期收益模型和最好的风险模型，我们也只可能做到战胜所有股票的平均值，即战胜指数。如果指数下跌了百分之二十，我们的模型即使战胜指数百分之十，我们最终还是亏损了百分之十。那么我们有没有办法在市场上获得正的收益呢？答案就在于运用股指期货对冲掉市场风险。

       在股指期货市场，投资者可以在购买股票现货的同时卖空同等金额的股指期货，即所谓的套期保值策略。如果市场上涨，现货随着市场的上涨而盈利，股指期货则由于我们卖空而出现亏损。由于我们的股票组合能够战胜市场，所以现货方面的盈利多于股指期货方面的亏损，最终我们盈利。反之，如果市场下跌，现货方面亏损，股指期货方面会出现盈利。由于我们股票组合战胜市场，亏损的比市场小，那么股指期货的盈利要大于股票方面的亏损，我们还是盈利。

主要风险在于选股策略

       下面让我们看两个实例。以2012年2月为例，自2月1日至2月17日期间沪深300指数上涨3.13%， 此期间根据简单的多因子模型组合测算，模型上涨3.59%，战胜市场。如果我们在2月1日以2469点收盘价卖空1202合约，2月17日合约到期时以2537点平仓。期间股指期货亏损2.76%，股票盈利3.59%，最终我们盈利0.83%。

       以2012年5月为例，自5月2日至5月18日沪深300指数下跌4.06%，此期间模型组合下跌3.74%，跌幅小于市场。如果我们5月2日以2686点卖空1205合约，至5月18日合约到期时以2576点平仓，期间股指期货盈利4.12%，减去3.74%的股票亏损，最终我们盈利0.38%。

       从以上两个实例中可见，不管市场上涨还是下跌，卖空股指期货总能对冲掉大部分现货股票组合的市场风险。阿尔法对冲策略的主要风险在选股策略上。由于股票市场的规律性变化、一些突发事件的影响和统计模型本身的概率属性，选股模型在某些月份或特殊时期有可能失去效用，出现做多的股票跑输市场的情形，从而产生短期的亏损。这需要投资者有正确的认识，也要求基金经理能不断完善投资模型和操作技巧，增强获胜概率。

熊市和震荡市表现最佳

       下面我们看看阿尔法对冲策略和贝塔策略的对比。贝塔策略是指被动跟踪指数的策略，从长期来讲，贝塔策略是可能盈利的，但由于股票市场波动比较大，在某段特定时间内往往会出现亏损或被套住的情况。以A股市场2011年1月4日到2012年11月29日的表现，沪深300指数在2129点到3372点之间波动，日收益率最高为4.9%，最低为-3.8%，年化风险高达20%。同期的阿尔法对冲策略，日最高收益率为2.16%，最低为-0.31%，年化风险为2.1%，风险仅为指数的十分之一。从累计收益来对比，2011年到现在沪深300指数亏损近30%，而阿尔法对冲策略则累计上涨23%。

       很多投资者对贝塔风险的防范意识往往不足。市场跌50%以后需要100%的收益来回填。而投资者往往不能有足够的信念和理由来坚持，客观上造成了追涨杀跌、市场涨而投资者亏损的局面。阿尔法对冲策略则有效地回避了市场过山车式的震荡，使投资者能长期稳定地参与经济的发展、股市的成长和个股的机会。

阿尔法对冲策略在操作中需要注意以下几个事项。

       第一，现货与期货头寸之前的差额，即风险暴露敞口不宜过大，否则会影响套期保值的效果。

       第二，由于现货是长期持有，而股指期货合约有到期日，所以在股指期货合约到期时需要向下一个合约展期，从而维持套期保值的延续性。

       第三，股指期货有日盯市保证金制度，投资者需要密切注意股指期货的保证金，以免被强制平仓。

       第四，对冲策略在熊市和震荡市中表现最佳，在牛市中投资者可适当调整对冲比例，在拿到alpha收益的同时适当收获整个市场的上涨收益。

来源：腾讯网

上半年产品表现分化 私募深挖“指数增强能力圈”

       最新监测数据显示，今年上半年的内地指数增强策略私募产品整体收益率延续了2020年的稳健表现。但在指数波动增大、个股分化的背景下，不同产品的表现也出现了显著分化。多家一线量化私募机构表示，在相对较为复杂的市场环境下，今年下半年的私募指数增强策略预计仍将面临多个投资难点，真正得到验证的优秀策略模型，才有望继续实现较高和稳定的超额收益。

收益率表现强弱分明

       来自朝阳永续的最新统计数据显示，截至7月5日，按照6月15日之后有最新净值公布的证券私募产品计算，今年上半年内地私募机构的所有股票策略产品(含主动多头及量化对冲两大类)的平均收益率为7.89%，其中正收益产品占比为57.07%。

       另一家第三方机构的监测数据则显示，该机构监测到的368只成立满6个月的指数增强策略私募产品(不完全统计)，今年上半年的平均收益率为10.84%。其中，上半年实现正收益的指数增强策略私募产品有346只，占比为94.02%;28只产品上半年收益率超过20%。

       在上半年指数增强策略整体收益率表现强于所有股票策略产品平均收益率的同时，在指数增强策略产品内部，不同产品的收益率表现出现显著分化。宽桥金融首席投资官唐弢表示，根据该机构长期跟踪的10亿元规模以上指数增强策略私募产品净值数据来看，在沪深300指数增强产品中，相关私募机构旗下的产品在上半年平均跑赢指数9.2个百分点;在中证500指数增强产品中，相关产品平均跑赢指数12.5个百分点。

       喜岳投资首席投资官唐涛进一步指出，今年以来，由于个股“一九”效应逐步减弱、市场热点相对分散，指数增强产品的超额收益表现明显，但不同私募机构、不同指数增强策略私募产品的业绩表现跨度较大，分化显著。

指数增强策略直面多个难点

       唐涛表示，以基本面量化选股为主的增强产品，今年继续提供了较具竞争力的超额收益。与此同时，相对于2020年全年，指数增强策略获取超额收益的难度明显有所增加。具体而言，第一，大小盘个股严重分化和波动率增加，给指数增强收益带来了更高的不确定性;第二，今年以来市场内部的行业波动和风格波动也较往年更加剧烈，对指数增强策略的选股超额收益带来巨大挑战;第三，目前的私募指数增强策略中大部分规模为高频量化，随着近几年高频量化私募规模暴涨，策略赛道拥挤程度增加，超额收益被稀释。

       他表示，从长期来看，稳定的指数增强策略应当呈现三方面特点：一是指数增强策略背后要具有“强逻辑支撑”，以逻辑为出发点的策略能够在样本内外保持较高的一致性，杜绝数据挖掘导致的过度拟合风险;二是不做行业和风格择时偏移，稳定的指数增强策略收益应该更多来源于选股能力;三是优秀的指数增强策略，能够在不同产品规模情况下，保证一致性较高的业绩表现。

       宽桥金融分析认为，在A股市场运行韧性持续增强、波动率较以往有所增大的背景下，优秀的指数增强策略模型，更应当突出两个方面的“长板优势”。具体包括更加多策略复合的择时策略，以及更加精细化、多策略的选股方式。宽桥金融认为，以指数成分股的内部选股为例，未来量化机构可以更多关注对不同行业或者风格区分的股票池，进行单独建模，并采取多重逻辑的选股方式进行叠加，才可能在更复杂的市场中持续领先。

来源：投资快报

量化基金经理应该具备四种思维模式

       中证网讯（记者 张焕昀）日前，摩根士丹利华鑫基金数量化投资部总监、大摩量化多策略基金经理余斌在接受中国证券报记者采访时表示，为了更好地在A股市场发挥量化投资的优势，主动量化基金经理应具备四种思维模式。

　　余斌认为，位于主动量化基金经理能力圈第一层的量化思维，是整个量化投资方法论的内核，具体来看，包括工具技能、概率思维和数据思维三个内涵。

　　其中，"工具技能"代表量化研究人员的先进生产力和高效解决问题的能力，可以帮助基金经理高效解决问题，极大降低日常工作中的低层次重复劳动，从而将更多时间和精力投入到思考和构建策略中去。"概率思维"代表了量化人员在不确定市场环境下的应对方式。余斌坦言，概率思维对他的影响很大，他的投资策略本质上就是"构造胜率与赔率更优的投资组合"。"数据思维"则代表了量化人员对市场的打开方式。在余斌看来，证券从业人员应该对数据非常敏感，对数据背后的逻辑关系能够快速反应，如果看到不正常的数据，立刻就能明白问题所在。

　　位于第二层的是中期思维，即产业周期和景气度的感知能力。如何理解中期思维对量化投资的作用？余斌表示，核心原因在于国内外市场量化投资发展阶段的不同。"众所周知，量化投资起源于海外市场，对成熟市场适用性也更强。这是因为成熟市场获得超额收益的难度较大，单纯通过因子选股很难获得非常高的Alpha收益。"在此背景下，可以采用量化投资方法实现投资组合的高效和低成本管理。

　　位于主动量化基金经理能力圈第三层的是长期思维，即对产业长期趋势和企业竞争力核心变量的提炼和理解。在余斌看来，长期思维更接近投资本质，对市场或者个股的理解本质上是基于竞争优势、商业模式的认知。"但我不建议主动量化人员像基本面投资一样去深挖个股，自下而上的个股研究需要非常深厚的积累，量化投资在这方面的积累肯定是相对薄弱的，因此我们需要寻找不同的角度去分析问题。"

　　最后一层是组合思维，根据既有信息构建最优组合。投资是面向未来的，因此要基于预测观点来构建组合。如果只是基于历史信息找出解决方案，并不是理想的组合构建方式，胜率和赔率评估才是组合构建的核心，这也是余斌始终坚持的方法论核心。

来源：金融界

什么是10倍股量化投资模型

       什么是10倍股量化投资模型，其实量化模型就是把10倍股的特征用数据固定下来，形成公式，形成固定的筛选和操作的流程。

       有了这个公式我们在选10倍的时候就简单了，但凡符合这个模型的个股那么未来涨10倍的概率就很大。

       什么是好股票，什么是垃圾股我们不能靠猜，而是去用模型量化。就像清华大学招生，好学生不是谁说好就好的，而是按统一招生模型，各科总成绩，按统一一个标准来招生，这样才能公平公正。

       不能说校长说这个学生好就招进去，也不能这个学生的父母是学校的教授就招进去，有了这个模型就减少了腐败，减少了主观判断。

       教育的目标是把优秀的学生变得更优秀，我们买股票的目标也是买优秀的股票，陪伴它变得更优秀。

就像我们每个人在选股的时候，不会因为你对这个股票熟悉，这个股票就是好股票，也不会因为这个股票你没听说过就是不好的股票。

       在选股的时候普通股民最常犯的一错误就是把情绪带进去，或者听别人推荐就买了，失去了自己的判断，买完之后才知道后悔了，买完之后也不知道这只股票究竟好不好。

所以我们要形成对好股票的判断标准，不能因为有人推荐了就是好股票，如果你没有自己的判断标准你就没办法持有一只股票到翻倍。

       而老廖的超级量化投资模型就是用来判断股票的好坏，用公式去计算出一只股票究竟好不好，用公式去计算一只股票什么时候买，什么时候卖，如何建仓，如何减仓，什以时候该持有都是有统一的标准的，这样即便是新股民也不会盲目，也不会带着情绪去炒股，减少了不必要的麻烦，让我们炒股更加轻松、愉快！

       我现在每天在做的事就是不断优化自己的投资模型，研究那些因子失效了，哪些因子成为市场新的核心驱动因素，使自己的投资模型在不断的进化过程中，不存在偏见，不存在感情用事。

       模型投资是在价值投资和趋势投资在基础上创新升级而来的，它诞生于大数据时代，通过人工智能算法形成最佳长线价值量化投资模型，具有划时代意义，不是停留在20世纪的传统价值投资和趋势投资，而是大数据和智能时代产生的数据投资模型。

       模型投资也是属于主动投资的一种。不同的是，主动投资依赖的更多的是公司调研以及产业趋势的判断，并加以个人的经验判断，而模型投资则是将定性的思想进行数量化的过程，模型投资的优势主要有以下几点：

       1、纪律性：纪律性指的是严格执行模型所给出的投资建议，不受到投资者主观情绪的影响，纪律性的好处是可以帮助我们克服交易过程中情绪的弱点，比如说侥幸心理、贪婪、恐惧，同时由于数学模型的客观性，也可以帮助我们克服认知的偏差；

       2、效率性：效率性指的是数据处理能力的速度，人脑对于信息的接收和处理能力是有限的，主观投资可覆盖和可处理的股票数量相对较少，而量化模型可以对于市场上所有股票进行快速分析，发挥信息处理能力的优势。同时数学模型可以快速跟踪市场的变化，不断学习新的市场规律，更加简洁高效；

       3、分散性：分散性指的是持股相对分散、适度集中，不是以某一只或者某几只股票取胜，而是以投资组合的形式依靠概率获取超额收益，这也体现到了我们组合收益的风险特征上。

      在股票市场中不要去猜短期的涨跌，真的太难了，因为任何时候上涨和下跌的理由都是可以找到的，作为个人投资者，完全无法分辨，即便是很多宏观策略师和首席分析师都不敢给出明确的答案，可见，业内专家都看不清楚。所以，别猜，一切按照自己的模型来，该买的时候就买，该卖的时候就卖，只赚模型中确定性的钱。

来源：而且因为你值得

智能选股技巧 怎么选择股票的买入点？

       股市中不同的股票有很多，不少人都想要通过炒股赚钱了，一些炒股的知识要掌握，选股是很重要的，那么智能选股技巧是怎么样的呢？还有怎么选择股票的买入点？我们一起来看看！

       股市中不同的股票有很多，不少人都想要通过炒股赚钱了，一些炒股的知识要掌握，选股是很重要的，那么智能选股技巧是怎么样的呢？还有怎么选择股票的买入点？我们一起来看看！

智能选股技巧

       选股是每个炒股者都会经历的过程。可以通过资金选股系统了解资金流向，加强判断趋势；对个股评级，验证自己选择股票的优劣；善于利用工具可以更轻松地选股，同时也要多了解行业动态各方面的信息。

选股技巧如何

       选择龙头股。龙头股在同行业板块中有一定的影响力和号召力的，并且龙头股会起到引导和示范的作用；选择大市值股。大市值的股票风险小，股票稳定，波动小；选择政策支持的股票。有政策支持的股票是受国家保护的，发展会比较稳定。通信达智能选股点击【工具】选择【功能树】，在功能树的选股器里有（智能选股）一栏，点击它就可以实现智能选股。

       至于怎么选择股票的买入点？量价配合完美，上拉放量，整理回落缩量，逆势拉升突破前面高点，而且分时量快速放大，可以买入；整理后突现急剧放量的动作，分时直线拉升，属于主力做多的体现，可以买入；量价健康，拉升放量，也可以买入。股价已连续下跌3日多，跌幅逐渐缩小，成交也少，如果突然变大且价涨，那么可以买入。

来源：股城网

量化新思路系列之三：量化投资如何讲好自己的故事？

       量化投资具有“黑箱”属性，量化投资是否因为黑箱属性而遭遇了资金的不公平待遇我们认为在吸引资金时没有，但在保持规模时可能有。曾经吸引过资金的量化产品大都在三年期业绩上获得了较好的排名，而主动权益产品中规模增长的产品也是对中长期业绩排名有着较高的要求。过去两年，业绩优秀的量化产品缺乏资金流入的部分原因可能是缺乏三年维度的中长期业绩。 “黑箱”属性真正对量化投资的影响可能是在业绩短期下滑时资金的快速赎回，部分主动权益产品可以在业绩下滑时维持规模。

　　从历史来看，资金对量化产品的短期业绩更加敏感，近年来中长期业绩的影响开始提升。

　　从历史来看，资金对量化产品的短期业绩更加敏感，三个月业绩、一年业绩主要影响量化产品的份额变化，而主动权益产品的份额变化同时受三个月、一年和三年业绩影响。近年来业绩对份额增长的影响有所减弱，三年业绩对量化产品的份额变化影响则开始提升。

　　基金规模的头部化现象明显，且对中长期业绩的要求较高。规模增长的基金几乎只集中在10%的基金里，且规模增长与每一组的业绩有一定的正向关系。在规模增长最多的 10%基金里，其过去 1 年平均年度回报分位数在 30%附近，过去 3 年平均业绩分位数在 20%附近，且这一组的平均业绩分位数仍然显著好于其他组。具体到即使赛道本身表现优异的消费行业基金，仍然只有三年平均业绩排名在 10%的那一组能获得资金流入。

　　指数增强产品过去两年收到指数本身表现的拖累。无论是沪深300指数还是中证500指数，过去两年在主动权益基金的排名分位数均不高，基于该指数的增强产品需求受到指数本身表现的拖累。

　　AQR 对价值理念的坚守提供了一个理念驱动策略的参考案例。美股过去几年经历了价值因子表现不佳、大盘成长风格表现迅猛的行情，坚守价值理念的 AQR 也经历了业绩的“阵痛”和份额的赎回，AQR 的应对并不是单纯的改变策略或者调整模型，而是选择了对外宣传投资理念去赢得投资者的信任。

　　业绩下滑时能维持规模的主动权益产品均属于风格稳定的产品，投资理念驱动策略是可以考虑的一个方向。我们建议可以考虑先确定投资理念再设计量化策略的模式。我们发现在业绩下滑还能维持规模的主动权益产品里，都属于风险鲜明且稳定或风险相对均衡的产品。

　　清晰稳定的投资理念或有助于量化产品传递理念，维持规模。

来源：东方财富网

从围棋到量化投资，不懂金融的DeltaGrad跑赢95%基金

        初步完成金融投资界的“AlphaGo”，这家人工智能公司野心勃勃，欲在2019年踏上商业化征程。

       “我们发明了能跑赢95%股票型基金的AI经理人”，4月18日人工智能公司DeltaGrad首次向外界展示其研究实践成果：

       数据显示，DeltaGrad自2017年11月以来，以自有资金进行A股的量化投资，截至2018年12月，录得交易累计业绩为：收益率6.19%；同期上证指数下跌30.10%，深证指数下跌41.18%，创业板指数下跌38.58%——DeltaGrad全面跑赢大盘。此外，结合私募排排网、东方财富Choice等公开数据比对，DeltaGrad投资收益率超越了同期市场上95%的股票型基金。

       DeltaGrad创始人庞然在接受亿欧金融采访时透露，DeltaGrad将于2019年正式开始对外商业化运作，专注人工智能应用于股票及期货市场的投资策略输出。

从计算机围棋到量化投资

       “DeltaGrad是目前国内较早的把AlphaGo技术应用在金融投资领域的人工智能公司。”

在这句开场白后，“AlphaGo”几乎成为整个采访过程中被提及频率最高的一个词。

       2016年3月15日，李世石以1:4的比分惨败人工智能AlphaGo，这次事件可以理解为人工智能领域的里程碑，人们终于找到了赋予机器直觉能力的关键。庞然解释，传统想用“穷尽”的方法，将人类下围棋的逻辑梳理成策略算法是不可能的，因为围棋中的可能性堪比宇宙中所有的原子总和。而AlphaGo的成功则说明，用深度学习网络的算法，机器已经一定程度上拥有了“直觉”。

       此后，只用到了一台机器和4个TPU，经过几天的训练，AlphaGo Zero以100：0击败了AlphaGo。这是神经网络算法的又一次提升，甚至不需要人类提供棋谱数据，AlphaGo Zero从单一神经网络开始，通过神经网络强大的搜索算法，在自我对弈中实现了迭代学习。

       受AlphaGo的启发，庞然带领从未涉足过二级市场的团队开启了神经网络技术赋能金融投资的探索。也许DeltaGrad团队并不懂量化投资，但他们所训练出来的股票机器人却懂，神经网络就像一个黑盒，人们也许并不理解“机器人是怎么思考”的，只能等待时间来证明它们“思考”结果的对错。

什么是神经网络

       庞然表示：“我们不止在训练机器的理性思考能力，通过数据的不断升级与神经网络的优化，我们也在逐步训练让机器拥有自主的直觉思考能力。”

       通俗来讲，神经网络就是一个可升级的简易人脑。第一次给神经网络输入一个信息时，神经网络里只有部分的神经元被激活或者被激励，被激活的神经元传递下去的信息是计算机最为重视或被认为最有价值的信息，如果输出结果是错误的，经过误差反向传递对所有神经元参数进行调整，使得所有神经元的参数变得对真正重要的信息特征更加敏感，经过大量的信息训练，被改动的参数就能渐渐预测出正确的答案。每一次错误预测的反向回馈，都会使这个神经网络进化得更加聪明一点，信息的维度越丰富，训练的数据量越大，输出的结果就越精确。

       目前，DeltaGrad已经研发出10个神经网络结构模型。每一个模型机器人，对应着一种神经网络结构和数据的组合，DeltaGrad通过各种股票数据去刺激这些机器大脑，以激发它们股票投资领域天赋。因此，每个机器人会从不同视角，同时审视相同的股票、板块和指数，得出更加多维的预测。一个DeltaGrad的股票机器人，足以完成多个基金经理的业务角色，可以对股票市场的数据分析并生成策略。

领先1年等于领先120万年

       在采访中，DeltaGrad透露，目前正在筹备搭建世界第一个供机器人自主进化的虚拟交易市场，以庞大“数据”为核心。不依托人类现有市场交易数据，通过机器人交易自博弈来推演出更多交易数据。从而产生海量交易的数据，帮助机器实现更快的自主进化。每个DeltaGrad股票机器人能产生70万-120万的策略数，每个策略表示一种使用机器人预测能力的操盘方法，每一个策略对应一个回测过的风险收益数值。当前已经完成的10个机器人共能产生1000万+的策略数，每天机器组合的调仓、增加备选股票，都依据这些策略数值进行。平均一年时间就可以推演出上海证券交易120万年交易数据。

       未来DeltaGrad也会向市场开放同样的策略开发平台，不仅能够用历史30年的数据供策略设计者进行回测，还能用DeltaGrad私有的虚拟市场交易数据进行回测。

“黑天鹅”事件又该如何抵御？

       对此，庞然向亿欧金融表示：AI经理人和人类基金经理人最大的一个区别就在于，人类基金经理人精力有限，只能关注几只、几十只股票，而AI经理人所关注的股票可以达到上千只，当风险足够分散的时候，单只股票的波动影响已经可以控制在可接受的范围内，不会影响总体的收益率。

       此外，尽管AI自我博弈能够产生庞大的数据量，但这些数据是否能够覆盖足够的维度？人们又如何能够被说服，去信任自己所无法理解的机器做出来的决策呢？

       这两个问题，也许只有时间能给出答案。

来源：亿欧

金融智能化让群众享受高质量金融服务

积极推动“智慧政务”进网点

       近日，建行枣庄高新支行在营业室政务服务区成功布放具有营业执照打印功能的政务一体机，为企业打印营业执照并跟踪完成开户。

       此次政务一体机在该行的成功布放充分体现了国有大行服务群众的责任与担当，做到了切实为群众办实事、办好事、办身边事，让人民群众享受高质量的金融服务。该行将网点打造成为百姓身边的政务服务大厅，在助力政府提高服务效能，方便百姓办事的同时，也为银行破解网点获客增长困局，提供了有效措施。

       保障和改善金融服务没有终点，只有连续不断新的起点。枣庄分行将继续依托金融科技，进一步提升网点综合服务能力，切实将辖内网点打造成“百姓身边的政务服务大厅”。

进行数字牡蛎项目金融业务技术对接研讨

       为加快数字牡蛎项目实施，推动项目落地，近日，建行威海分行乡村振兴金融办公室在分行组织召开数字牡蛎项目金融业务技术对接研讨会，会议采用双向视频方式，与所辖乳山支行共同详细探讨了数字牡蛎项目乡金业务需求，由市行普惠金融事业部、个贷中心、个人金融部、机构业务部、信用卡中心、金融科技中心、乡金办等专班成员部门，对金融上线功能及总行、省行平台技术对接进行了讨论。

       此次研讨，为项目合作协议书签订、项目功能报备及业务需求说明书编写奠定了专业技术支持。

成功上线ETC智慧停车平台

       建行枣庄分行以金融科技为依托，深刻领悟“建生态、搭场景、扩用户”数字化经营要义，积极构建“智慧生活”场景金融生态圈。与山东高速枣庄分公司开展合作，重点打造ETC智慧停车平台，致力于为百姓带来高效便捷的出行体验。

       近日，建行枣庄市旅游集散中心停车场ETC智慧出行平台成功上线，解决了该停车缴费拥堵问题，提高了车辆进出效率，获得了客户的高度评价。

       该行将以此平台突破为契机，进一步强化三方合作，积极构建枣庄特色的智慧出行平台，持续拓展客户的潜在金融需求，不断探索、不断创新新型金融产品，努力通过金融科技为社会带来更多智能便捷的金融服务。

来源：联合视讯