常见的十大量化投资策略

       量化投资策略是利用量化的方法，进行金融市场的分析、判断和交易的策略、算法的总称。著名的量化投资策略有以下10种。

01、海龟交易策略

       海龟交易策略是一套非常完整的趋势跟随型的自动化交易策略。这个复杂的策略在入场条件、仓位控制、资金管理、止损止盈等各个环节，都进行了详细的设计，这基本上可以作为复杂交易策略设计和开发的模板。

02、阿尔法策略

       阿尔法的概念来自于二十世纪中叶，经过学者的统计，当时约75%的股票型基金经理构建的投资组合无法跑赢根据市值大小构建的简单组合或是指数，属于传统的基本面分析策略。

       在期指市场上做空，在股票市场上构建拟合300指数的成份股，赚取其中的价差，这种被动型的套利就是贝塔套利。

03、多因子选股

        多因子模型是量化选股中最重要的一类模型，基本思想是找到某些和收益率最相关的指标，并根据该指标，构建一个股票组合，期望该组合在未来的一段时间跑赢或跑输指数。如果跑赢，则可以做多该组合，同时做空期指，赚取正向阿尔法收益；如果是跑输，则可以组多期指，融券做空该组合，赚取反向阿尔法收益。多因子模型的关键是找到因子与收益率之间的关联性。

04、双均线策略

       双均线策略，通过建立m天移动平均线，n天移动平均线，则两条均线必有交点。若m>n，n天平均线“上穿越”m天均线则为买入点，反之为卖出点。该策略基于不同天数均线的交叉点，抓住股票的强势和弱势时刻，进行交易。

       双均线策略中，如果两根均线的周期接近，比如5日线，10日线，这种非常容易缠绕，不停的产生买点卖点，会有大量的无效交易，交易费用很高。如果两根均线的周期差距较大，比如5日线，60日线，这种交易周期很长，趋势性已经不明显了，趋势转变以后很长时间才会出现买卖点。也就是说可能会造成很大的亏损。所以两个参数选择的很重要，趋势性越强的品种，均线策略越有效。

05、行业轮动

       行业轮动是利用市场趋势获利的一种主动交易策略其本质是利用不同投资品种强势时间的错位对行业品种进行切换以达到投资收益最大化的目的。

06、跨品种套利

       跨品种套利指的是利用两种不同的、但相关联的指数期货产品之间的价差进行交易。这两种指数之间具有相互替代性或受同一供求因素制约。跨品种套利的交易形式是同时买进和卖出相同交割月份但不同种类的股指期货合约。主要有相关商品间套利和原料与成品之间套利。

       跨品种套利的主要作用一是帮助扭曲的市场价格回复到正常水平；二是增强市场的流动性。

07、指数增强

       增强型指数投资由于不同基金管理人描述其指数增强型产品的投资目的不尽相同，增强型指数投资并无统一模式，唯一共同点在于他们都希望能够提供高于标的指数回报水平的投资业绩。为使指数化投资名副其实，基金经理试图尽可能保持标的指数的各种特征。

08、网格交易

       网格交易是利用市场震荡行情获利的一种主动交易策略，其本质是利用投资标的在一段震荡行情中价格在网格区间内的反复运动以进行加仓减仓的操作以达到投资收益最大化的目的。通俗点讲就是根据建立不同数量.不同大小的网格，在突破网格的时候建仓，回归网格的时候减仓，力求能够捕捉到价格的震荡变化趋势，达到盈利的目的。

09、跨期套利

       跨期套利是套利交易中最普遍的一种，是股指期货的跨期套利（Calendar Spread Arbitrage）即为在同一交易所进行同一指数、但不同交割月份的套利活动。

10、高频交易策略

       高频交易是指从那些人们无法利用的极为短暂的市场变化中寻求获利的计算机化交易，比如，某种证券买入价和卖出价差价的微小变化，或者某只股票在不同交易所之间的微小价差。这种交易的速度如此之快，以至于有些交易机构将自己的“服务器群组”安置到了离交易所的计算机很近的地方，以缩短交易指令通过光缆以光速旅行的距离。

来源：搜狐网

智能投顾十大趣谈：基金从业者该不该恐慌？

       相比量化或人工投资，人工智能处理信息还有一个最大优势，那就是可以把自有证券市场以来的全部数据都录入做分析。特别现在有了GPU、TPU等专门的处理器，依靠强大的运算能力，可以瞬间得到想要的相关性分析。

       大家好，我是松禾远望基金合伙人田鸿飞。前一段就智能投顾话题，我给一些二级市场的基金从业者做了一次内部讲座。在这里以一个轻松方式分享给大家。

趣谈一：银行和基金从业人员，最恐慌的是未来饭碗会否不保

       波士顿是美国资管行业的重镇。2016年我在波士顿和做基金管理的校友交流中发现，受到金融科技发展的影响，他们对未来有些悲观，认为饭碗在未来某一天也许就没了。很多在银行工作的朋友同样焦虑。

       我的观点，大量易标准化、重复性、没技术含量、不具独创性的工作肯定会被裁掉。从基金行业来说，首先后台最容易被替代，因为都是成本。清算、交收、估值类工作，以前需要多人忙碌，现在很容易被一套软件系统就替代了，都用不上人工智能，而且准确性更高。

       目前还有公司在开发银行间的区块链对账系统，以后也不用每天晚上人工互检对账了。因为区块链本身是一个瞬间同步的账目，每个人的账本会实时共享，同时又能做到安全透明、不可篡改，所以这些后台工作会最先被替代。

       再说前台，智能投顾的自动化交易未来会让大多数交易员变得毫无价值。以量化投资来说，未来做多因子模型的投资经理就很容易被干掉。因为由AI来做优化，绝对比人做优化要强很多。对于前台的其他工作，现在已经出现了机器人客服，像信息简报、研究报告类也都可以由人工智能自动摘取生成（当然我认为独创性研究是很难被替代的）。

       但国内的二级市场与国外有很多不同，很多散户需要心灵按摩。这些情感交流的工作是否就不会被取代呢？我觉得也不一定。因为现在00后一代，他们在行为习惯上，其实更愿意和机器人打交道，而不是和人打交道。这正是2015年BlackRock收购Future Advisor的重要原因，他们发现年轻人更需要便利、低门槛和互联网化的理财方式。

       拿保险举个例子。卖保险显然要比卖理财更需要情感沟通，但智能保顾也正在兴起。所以对于资管而言，我认为情感因素并没那么重要，未来会有越来越多的人喜欢并习惯面对机器。

趣谈二：Fintech机会正在向传统金融背景人士倾斜

       我们看过很多Fintech领域的创业项目，发现一个有趣的现象，那就是互联网出身的人和有银行从业背景的人，往那儿一坐风格会泾渭分明。互联网人盯的就是KPI和增长，对风控、对法规毫无概念；金融行业出身的人主要谈的就是风险控制，要规范企业的发展。

       从去年开始互联网金融发展的风向发生了巨变，以往野蛮生长的环境不复存在。美国货币监理署（OCC）正在考虑给Fintech公司发全国性银行牌照，国内也大幅加强了合规的严格管理。这些变化，都促使互联网金融开始向更注重规范、更注重风控的传统金融背景人士倾斜。

       还有非常重要的一点是，作为传统金融行业的人，他们坐拥非常多的资源，当意识到互联网金融的风向时，转舵起来还是很容易的。正如一个在银行的朋友介绍，自银行推出现金贷业务后，仅用几个月时间，就快速超过了互联网人已用两三年发展起来的规模。

       在美国也是如此，一旦具备传统投资优势的金融机构进入智能投顾领域，同样会迅速抢占市场份额。正如Vanguard和Charles Schwab自2015年推出智能投顾产品后，相对应的资产管理规模（AUM）已遥遥超越了Betterment和Wealthfront。

趣谈三：中国为什么比美国更适合发展Fintech？

       英国的《经济学人》杂志在年初的一篇文章中提到，正是得益先进的技术、落后的银行体系和爆发式的财富增长，让中国成为了全球金融科技的领导者。去年10月我参加了著名的Money20/20大会，对此感受颇深，现场几乎2/3的广告牌都是中国企业。这些国内的Fintech企业，不论在模式创新还是技术创新上，都已远远超过了美国。

中国为什么比美国更适合发展Fintech？我的看法是：

       国内对金融科技的监管环境还是很宽松的，至少前几年非常宽松。在美国的Fintech企业，绝不敢像国内这么“胆大妄为”；

       国内即使有人冒进违规了，处罚起来并不严厉，犯错成本较低；

       国内还没有成熟的隐私保护法，数据的可获得性很高，各种来源的数据都使用；

中国没有美国那么多年的积累，也就没有牵绊。上来就可以用最好的技术、最简单的方法直达目的。

趣谈四：智能投顾在美国发展遭遇了瓶颈

       过去我们学习金融时，知道平均成本法（Dollar Cost Averaging），也就是要养成固定去投资的习惯，投资收益是最高的。这是一个基础理论，但大家平时生活中很难做到这么有纪律性，尤其对于刚入职场的小白而言。

       现在美国银行和智能投顾公司最让人羡慕的是完全能做到自动理财。一般美国都是双周发薪，通过direct deposit功能，工资直接进入银行账户。银行完成扣款后，会自动划分到智能投顾公司的账户。由投顾公司做一个再平衡，就帮用户理财投资了。对用户来言，每月只需留一些钱还信用卡就行了。智能投顾在切实解决用户体验问题后，让用户量和AUM资产管理规模上来的特别快。

       不过现下智能投顾在美国的发展仍处于瓶颈之中。主要是行业领头羊Betterment、Wealthfront处于了一个停滞期。很多潜在投资者对他们的担心是，Robot-advisors这件事，并未改变背后的商业逻辑，也就是配置资产和金融服务的属性没变。但相比于传统机构，他们投入市场和运营的花费却很大，这是典型的互联网人发展模式，先砸钱把用户量做起来。但这也让吸收资金的成本变得非常高。那你的竞争优势到底是什么？估值还这么高，是不是市场吹起的泡泡？这遭遇了很多投资者的怀疑。

趣谈五：智能投顾与量化投资的区别是什么？

       相比同样采用计算机与数学模型做投资决策的量化投资，智能投顾最显著的区别是什么？简单来说一个是自动根据市场变化做决策，一个还得靠人来调策略。后者说的正是量化投资，一般是先找出一个模型策略，这个策略不会自动变化。所以一旦当市场环境变化的时候，这个量化策略就失效了，必须由投资经理根据市场情况来调整策略。

       对于应用机器学习的智能投顾，则会根据市场的变化不断的产生新策略，也就是应对瞬息万变的市场变化，一切都是在后台自动完成的，并不需要人工干预。因为机器学习有回馈循环（Feedback Loop），从市场-策略-结果再到市场的不断反复循环，会自动根据资产的价格、风险的变动不断调整。

       相比量化或人工投资，人工智能处理信息还有一个最大优势，那就是可以把自有证券市场以来的全部数据都录入做分析。特别现在有了GPU、TPU等专门的处理器，依靠强大的运算能力，可以瞬间得到想要的相关性分析，这满足了金融领域对数据的实时性要求。

趣谈六：智能投顾是不是在吹牛，投资业绩到底如何？

       刚才谈到利用机器学习和深度学习的方法，智能投顾可以把价格变动的趋势和模式找出来，做到快速反应、快速交易。相信很多人一定好奇，智能投顾相对于量化投资的业绩到底如何。

       我们知道最近几年，面对国际金融市场的大幅波动，量化投资的业绩是远远好于很多主动型管理基金。在今年3月传出的BlackRock重组计划中，就裁掉了很多主动型基金部门的员工，将很大一部分的资产将转化为量化管理产品。

       而根据对冲数据服务公司Eurekahedge的AI／机器学习对冲基金指数显示，自从2010年以后，其中23支应用智能投顾的对冲基金，在业绩表现方面是要优于量化对冲基金的（如下图）。

       我经常开玩笑说，人工智能技术的发展有些复古。因为现在深度学习依托的神经网络系统理论，最早可以追溯到上世纪40、50年代，只不过到现在发展为了多层神经网络技术。从最早的LISP语言、专家系统到神经网络和机器学习，人工智能过去几十年的发展一直都非常低迷。这让李开复老师那一代从业者很是受伤，因为把事业放在上面20年没有进展。那为什么来到今天就突破了呢？

       一方面是已提到的多层神经网络（MLP)取得了小突破，特别其中深度学习（Deep Learning）的出现，应用更多层网路，能学习更抽象理念，并融入自我学习中，加速收敛。以前努力了半天，识别能力只能提升百分之几，现在一下提升了百分之二十几，这让AI取得了突破式发展。从智能投顾角度，深度学习既然极大提高了图像识别精度，同理也可以提高识别股票价格变化的模式，虽然这并不意味可以准确预测股价。

       另外更关键的，我认为是数据量的丰富。2010年我回硅谷时，第一次听谷歌的朋友说他们的AI取得突破，能在YouTube上把猫给认出来了。很重要的原因是在YouTube上有了大量的视频和图片数据之后。对此我认为，人工智能发展起来的关键是有了大量的数据，算法提升其实是很有限的。甚至可以说人工智能发展80%归于数据的丰富，可能只有20%归于算法的提升。特别在金融行业，数据都是非常容易标签化的，完美性这么好，所以人工智能最先颠覆的就是金融领域。

趣谈八：深度学习最大的问题是黑箱

       对于深度学习而言，人才分几个档次。第一级是开宗立派的人物，也就是发明CNN（卷积神经网络）、DNN（深度神经网络）、RNN（循环神经网络）这些流派的宗师级人物。还有一类人才，是真正能够把参数调好的人，也非常稀缺。比如对于多层神经网络，是设置10层、5层还是7层效果最好？每层都有很多参数。还有给入多大的数据量才会产生理想结果？因为到一定程度，你会发现输入越多数量，结果反而可能会变坏。

       这是一个经验值，甚至没有规律，所以业内开玩笑叫做炼金术。把一堆东西放一起，不知好坏，天天试，跟做化学实验室一样，还没有固定的化学方程式。大部分在美国读PhD的中国留学生是负责调参数的。但调参数能调好的人，在AI界也算是凤毛麟角，一年的package下来也有100~200万美金。要知道不仅在中国，在全球，人工智能创业公司最大的挑战都不是钱，而是雇不到人。

       但这里就产生了一个问题。比如输入大量数据后，经过10层神经网络筛选得出一个结论，可你是没法回溯怎么得出这个结论的。所以深度学习最大的问题是黑箱。如果想避免一个错误，要修改参数，那所有训练又得重新来一遍。正因为这个问题，自动驾驶一旦出现车祸，很难向美国交通局去解释。在美国发信用卡的领域也存在一样的问题。拒绝给一个客户发信用卡，你得告知是基于什么规则，不然人家可能会告你，但深度学习没办法解释这件事。所以最近的一些算法已经做出了一些优化。

趣谈九：国内智能投顾发展境况如何

       很多人说中国资产类型太单一，ETF数量不够，很难满足智能投顾的资产配置需求。我们之前看了有20多家智能投顾公司，实际发现他们的配置还是很丰富的。简直可以说是五花八门，有的配P2P资产、有的配小贷，还有人拆信托、拆私募，做MOM、FOF模式的也有。大家都打着智能投顾的旗号，但剥开皮看都不一样，很多时候不知后面卖的什么东西。这也正是国家在加强机器人投顾管理的原因。

       还有一个重要问题是，中国基本没有买方投顾，大家都在挣后端销售佣金，更像卖方雇佣的销售。所以对国内的智能投顾而言，本来是个投资顾问的事儿，却在做销售的活儿。这混淆了投资咨询与产品销售之间的界限。那么用户如何来评判你投资建议的公立性？这让消费者很难信智能投顾这件事。这正是国家正加紧合规的理论依据。

       另外国内智能投顾最大的问题还在于金融产品代销资质。所以在中国做智能投顾，真正合规的只能是由大的金控公司来做，他们拥有所有的销售牌照和资格，才能给用户去做丰富的资产配置。不然你都没有太多可配置的资产，跟真正意义上的智能投顾有很大差距。而对创业公司来言，每个牌照的价格都非常贵，还要搞定各种通道、支付，真的玩不起。

趣谈十：智能投顾悖论

       我们知道股票交易有赔有赚，如果大家都买了同一套软件，可以预测该买哪支股票，那么市场上谁卖呢？在一个下跌市场当中，一旦像Vanguard、BlackRock这样的行业巨头，用机器人投顾做出抛售指令，大家都在抛盘，而没人买盘，单边行情会不会导致市场崩溃？其实我认为这样的问题可以避免。因为真正的智能投顾是能根据每个人的风险偏好不同，做出不同的投资组合和交易选择，这样才能让市场有赔有赚的运行起来。

       最后说一个有趣的话题，那就是人对机器的容忍度，要远远小于人对自己的容忍度。最简单的无人车犯错，大家都觉得不可容忍。但人天天都在犯错，却很容易获得谅解。这是一个客观问题。回到智能投顾这个话题，面对中国股市普遍难以盈利的行情，你说智能投顾在一个下跌市场当中，如何安抚用户亏损的情绪呢？其实很简单。周围10个人如果你是亏的最多的，人家都赚，你肯定不开心。但如果机器用数据告诉你，相比量化投资和你周围的人，你的回撤是最少的，那你肯定就不会太苛责机器了。

来源：亿欧

金融里的黑科技｜人工智能注入保险基因

今年一季度，全球保险科技融资再创新高，规模达到25亿美元，同比增长1.8倍。随着5G时代来临，信息传输的速度和广度的大幅提升，推动保险业实时风控水平和产品创新能力不断提高，传统的保险行业迎来新一轮的变革和数字化转型。

5G实时数据提前预知风险

5G技术催生的车联网、智能制造、智慧能源、无线医疗、无线家庭娱乐、无人机等新型应用创造新的更丰富的数据维度，而AR、VR、视频等非结构化数据的比例也进一步提升。

从静态的历史数据到动态的实时数据，对以风险管控为核心的保险业来说，数据在促进风险防范的连续性、监控的及时性以及提升用户的交互体验等方面都有着巨大的经济价值。

从风险防范来看，使用5G实时数据能够提高金融保险企业风险管理的效率，降低风险管理的成本，实现对风险的“实时预警”和预测，将风险管控前置。

比如由于降水不均衡，我国部分地区在特定季节会遭遇洪涝灾害，保险公司可借助DRS鹰眼系统，基于亿级历史灾害数据，可以筛选重点客户实现防控。又比如在灾前预警，通知企业客户、工程项目，通过APP、官方微信等线上平台推送预警短信，并在地势低洼路段设置警示牌。

实时遥感数据也发挥了巨大的应用空间，比如第一时间对比受灾前后情况，包括测算面积、体积等。几年前只能依靠无人机，而现在卫星遥感进一步提升了质量，在一定程度上还可以替代无人机。平安产险发布的报告显示，2020年发送预警短信98万条，同时为1.2万家企业客户提供现场风险服务。

目前，这一系统在巨灾保险方面侧重于防灾服务：灾害来临前，系统可以对承保客户发送灾害短信预警，客户也可以利用系统查询所在地点的九大自然灾害评级，方便提前做出防灾动作，减少巨灾损失。

让智能客服更智能

和其他金融业务不同，保险的场景具有更为繁杂的流程，涉及客户咨询、投保、核保、理赔等业务，传统的呼叫中心模式难以适应快速变化的用户需求和产品业务迭代。这就意味着，保险客服不是一个简单的存在。

大多数人对“客服”的感知是在前端，诸如服务态度好不好，问题有没有得到有效解决等客服体验，对承接客服的后端应该知之不多。在这之后有哪些科技手段呢？这方面众安保险为记者举了个例子。

客户当天12点进线申请众安百万医疗险产品的肿瘤特药，晚上19点众安的健康险医疗专员积极处理，将客户需求同步第三方供应商。次日12点，客户就收到供应商通知，可以凭证明去本市药店取肿瘤特药，且无需支付费用。解决问题的主体有坐席、健康险业务员以及第三方供应商等。众安的智能客服工程师告诉记者，当用户提出问题时，这些问题其实是分散在不同的业务系统中，交互所需要涉及的部门有数据部门、不同业务部门等来共同配合。各个部门的壁垒被打破，才能让大数据等技术能力在客服层面发挥价值，让智能客服拥有更智能的协同能力。

数据防篡改 资料可回溯

互联网保险已经进入“可回溯时代”。中国银保监会也要求保险机构通过销售页面管理和销售过程记录等方式，对在自营网络平台上销售保险产品的交易行为进行记录和保存，使其可供查验。

为了避免合同纠纷，保险销售行为必须可回放、重要信息可查询、问题责任可确认，要求险企对于信息采集真实、全面、无感知等。这对险企在数据防篡改方面提出了更高要求，而且，所有可视化回溯材料至少需要保存5至10年，险企面临着低成本、大容量的安全存储难题。

在这方面，互联网险企积极推出可视化回溯系统，该系统运用数据可视化还原、数据编排、容器引擎、容错算法等前沿技术，实现用户行为精准可视化还原。从回溯形式来看，传统的静态截图由于其非连续性，容易损失细节，常用的数据埋点也存在日志记录不直观的问题。通过可视化的回溯形式，让用户行为清晰直观；从回溯信息来看，囊括了产品版本、销售界面和用户行为全记录，还原真实操作一遍责任定位。同时支持APP、PC、H5、小程序等多平台回溯。系统通过压缩算法处理，保证回溯资料高效无损，减低存储成本，如短期健康险，一份3到5分钟的回溯资料容量大小仅700K。

近年来，险企都在保险科技上不断发力，一系列包括5G、物联网、人工智能等新兴技术将重构保险商业模式和内涵。《保险用户需求新趋势》报告显示，随着保险科技在行业内的重要性日益提升，自2018年起保险机构在科技方面的投入持续加大。截至2019年，中国保险机构科技投入总规模达319.5亿。预计未来三年中国保险机构科技投入规模可保持近15%的快速增长，2023年中国保险机构科技投入将达546.5亿元。

来源：读创

金融板块基本面量化及策略配置

金融板块下不同子行业在流动性周期中具备显著的轮动特征。

       在流动性释放初期，券商板块受益于权益市场成交活跃度提升进入强势期。随着权益市场上涨对保险投资收益的增幅，市场开始对保险板块进行定价，此时流动性也达到较为宽裕的状态。经济复苏中后期，流动性预期收紧，国债收益率上行，银行板块体现出较强的防御性特征。此外，房地产在无政策干预的前提下，与流动性宽松程度高度相关，这种关系在2017年政策收紧后开始脱钩。

五个维度构建动态流动性监测体系。

       围绕流动性周期性变化，我们分别从流动性预期、剩余流动性、货币政策、宏观流动性总量、流动性机构变化，五个维度出发构建了监测体系，其能够充分反映从预期形成至实体经济流动性改善的流动性传导全过程。通过刻画银行、券商、保险、房地产的定价核心驱动要素，找到与之映射的前瞻性指标，能够有效的捕捉板块行情走势。银行利润来自存贷款之间的利差，净息差、生息资产规模以及拨备计提是核心驱动要素，其分别受利率环境及经济景气程度影响较大。券商行情源自交易量放大的预期，其与牛市形成高度同步。从必要不充分的角度出发，金融市场的流动性是牛市形成的必要条件，其能够有效预测券商板块下行风险。保险板块的核心利润驱动要素是利差、死差、费差，其中利差的弹性源自权益资产收益，而固定收益端呈现出显著的负久期属性，对国债收益率上行有较强的抵抗属性。房地产行情受政策影响较大，2018年之前地产政策与流动性基本同步，这种关系在2018年后逐渐脱钩。依据基本面量化框架的投资策略实现了金融板块的有效配置。根据基本面逻辑梳理的结果，本文针对每个行业都构建了有效的基本面量化策略。在2009年2月至2021年5月的回测期内，银行、券商、保险、房地产相对Wind全A的超额收益分别达到282.2%、-71.1%、298.3%、76.7%，相对各行业的申万行业指数的超额收益更是达到354.9%、134.6%、299.0%、222.6%。

来源：金融界

量化投资分论坛：ESG投资蓬勃发展 ETF工具大有可为

       5月28日，在富国基金主办、中国证券报特别支持的“启航十四五，投资新征程”的第十届富国论坛“掘金ETF及港股市场投资”分论坛上，多位嘉宾分享了对于指数投资、ESG投资和港股市场投资的最新研判。

　　中证指数公司研究开发部总监赵永刚以“ESG 投资在中国：价值与展望”为主题发表演讲。赵永刚指出，ESG投资是金融市场落实“碳中和”战略的一个很重要的抓手。第一，ESG投资提供了一个具有共识的可持续发展的框架。第二、ESG标准是可以复制的。第三，围绕着ESG整个理念和投资端打造了一个投资生态，既能给公司提供一个直观标准，又能通过指数发展基金产品。最后，ESG理念可以为养老金等长期资金提供一个投资工具。

　　赵永刚表示，从整个未来的发展来看，ESG投资如果想在国内蓬勃发展还有几个方面的期望：

　　第一个期望是中国的ESG标准在全球能够有影响力。第二个期望是上市公司在ESG信披方面可能有一个比较大的改善。第三个期望是有越来越多的投资机构能够践行ESG投资，践行ESG理念，从投资端发挥资本市场促进整个绿色产业的发展。第四个期望是通过ESG投资来促进我们整个绿色产业，促进整个碳中和战略的落实。

　　富国基金ETF投资总监王乐乐以“制胜 2021，ETF发展与策略”为主题发表演讲。王乐乐表示，ETF是一类优质的投资工具，让投资变得更加简单，不用去盯具体公司的详细情况，只要把握好大方向、大趋势，或会带来比较不错的收益率。从长期投资角度来看，未来可以在优质赛道里按照节奏去布局。投资的过程中需要关注盈亏比。中国资本市场，尤其在这样一个经济增速逐渐下台阶的过程中，龙头股核心集中度在提升，带来非常大的分化。在此环境下，借道ETF进行资产配置是一个不错的选择。

　　富国基金海外权益投资部基金经理赵年珅以“低估值vs新经济，港股怎么配”为主题发表演讲。赵年珅表示，从长期方面看，公募基金对港股的配置比例不断上升，在公募基金大扩容的背景下，港股流动性提升、流动性折价收窄，尤其是消费、医药和科技等赛道。此外，伴随着人民币的升值，整个港股市场估值吸引力或进一步增强，海外资金也在不断流入香港市场。

　　围绕港股市场的投资机会，赵年珅认为，港股市场在三大领域具有优势。首先是互联网行业，内地市场最大的互联网企业几乎都在港股上市，尽管年初遭遇了一些监管的风险，但一些公司已经体现出了价值；第二是港股在服务性消费(比如物业，教育和博彩)和生物科技领域存在稀缺性标的，投资者可以通过选股获得alpha; 第三，从长维度看，比较看好智能汽车渗透率快速提升带来的行业性机会。

来源：中证网

大咖在宁探讨“后疫情时代商务智能与金融科技”

      作为南京工业大学合并组建20周年暨办学119周年“科技创新月”系列活动之一，5月29日—30日，第十一届商务智能与金融工程国际会议、第二届金融科技国际会议暨管理科学与工程高端论坛在宁举行，与会专家畅谈“后疫情时代的商务智能与金融科技”。来自全国75所高校约500余名专家和研究生参会。

       突如其来的新冠肺炎疫情加剧了社会业态的深刻变革，大量数字化、智能化服务和场景需求更是呈现爆发式增长。后疫情时代全球价值链将会趋向短链化、区域化和扁平化，数字化、网络化、智能化的商务服务势不可当。

       教育部长江学者特聘教授、清华大学讲席教授陈剑基于数字化情境，探讨了企业运作管理的系列解决方案，对后疫情时代实现我国制造强国和智慧企业，解决“卡脖子”问题具有重要意义。他说，为了解决传统零*的困难，近年业界积极开展全渠道方面的探索，例如盒马、京东、亚马逊等。大数据情境下，企业的运作管理随之改变，包括基于大数据的智能生产调度，基于大数据的智能系统维护，面向平台的实时供需匹配与定价策略等。

       中国科学院大学经济与管理学院教授李建平分享“大数据环境下的风险管理”。他说，大数据最明显的优势在于识别正在出现和发展的趋势。比如，2020年的新冠肺炎疫情防控是一场典型的数字时代的抗疫战。随着云计算、大数据、5G等新一代技术的普及应用，大量的行为轨迹都被数据化，这为此次抗疫大考期间运用信息化手段进行科学精准防控奠定了基础。此外，大数据还可以帮助形成庞大的数据管理信息系统，能够从各个层面实现信息以及资源共享，减少行业之间的壁垒。

来源：中国江苏网

智能交互解码全真互联网，远传科技赋能金融行业

       “现在，一个令人兴奋的机会正在到来，移动互联网十年发展，即将迎来下一波升级，我们称之为全真互联网……我相信又一场大洗牌即将开始。就像移动互联网转型一样，上不了船的人将逐渐落伍。”

       被誉为业界风向标的马化腾在腾讯文化年度特刊《三观》前言中如此写道。

       “全真互联网”面世后，引起广泛关注和讨论。

       全真互联网的核心要义可以总结为：全面地脱虚向实。从全真互联网想要带来的效果来看，智能交互、5G、数字化是其中重要标签。它主要通过高科技的手段，从听觉、视觉、触觉等方面打造全景式的交互体验，让人沉浸在精心营造的幻妙氛围中，穿梭于现实与虚拟之间。

      远传科技重拳打造5G场景下的智能金融服务解决方案，以文字、语音、视频交互为主要研究对象的智能交互技术融合5G技术为金融客户实现服务营销体系全面数字化释放潜能。

›› 方案背景

      目前金融行业主流的客服系统主要侧重于语音以及多媒体接入，无法做到实时的视频交流；随着业务发展，获客渠道日益丰富，亟需进行系统改造升级，拓宽服务渠道。金融行业采用智能交互技术转型升级需求日渐迫切。作为智能交互领域的领军企业，远传科技在中小银行市场具有领先的地位。

›› 方案介绍

       远传科技的智慧金融解决方案针对金融系统的服务流程优化、风控管理优化、人性化服务等方面对传统技术进行优化和提升，在业务导引、业务**、营销及数字客服等服务场景，为消费者提供个性化、智能化的服务。

›› 方案三大“看点”

5G视频客服创造“全真”交互体验

      过去的很多年里，互联网一直被认为是虚拟经济。当互联网变得“全真”，借助VR、AR技术的逼真还原身临其境般体验。而5G的发展，则为这些提供了支撑。

       远传科技在传统呼叫中心的基础上，通过增加视频接入手段以及视频处理技术，使得坐席在提供传统语音服务的基础上，还可以提供面对面的视频服务，实现真正的交互式客户体验。相比于传统的文字客服及电话客服，视频交互不仅能够让客户突破时空局限享受服务，更能照顾到客户情绪，智能地帮助用户解答问题、身份认证、加强风控，让客户享受到便捷人性的服务。

5G数字人打造多模态金融交互体验

      “全真”为传统产业与新技术融合催生崭新的场景与模式。比如，智慧城市、智慧家庭……未来，整个世界都更加智慧。而智慧的前提就是，全面数字化，以及数字化的真实价值化。

       远传科技基于先进的人脸识别、自主导航、目标追随、自然语言理解、语言合成和声纹分析等技术，通过语音交互与触屏交互相结合实现与客户的友好交互。通过数字人进行服务导引，在分担工作人员客流压力同时，保证服务的标准规范，保证服务质量；在业务**环节，数字人可生动形象地指导用户更便捷地完成操作，并结合机器视觉识别加强风控，较少电信诈骗、冒充身份等情况的出现；数字人还可提供更佳的人机交互体验，在营销过程中减少用户的抵触，更人性化地介绍产品和服务。

全媒体智能客户系统实现一体化运营管理

       一切的技术最终都要服务于人，继续深化人与人的连接，服务与服务的连接，让连接创造价值，这是我们不断进化的方向，也是远传科技的一贯坚持。

       远传科技从客户经营角度出发，以核心业务系统基础数据为基础，进行全媒体智能客户系统建设并搭建一体化的运营管理支撑平台，打造集自助、人工服务于一体的业务服务热线，同时具备智能语音导航、基础坐席、智能排班、知识管理、业务交易、智能质检等管理功能，辅助开展人员管理、排班管理、现场管理、质量管理等，并通过员工个人门户、管理后台、大屏等方式实现管理操作和数据展示。并且具备良好的扩展性，支持业务种类和服务内容的不断增加， 优化服务协同、智能辅助、运营管理等功能。

       全真互联网打破真实与虚拟接线，让虚拟与真实的界线越来越模糊，而5G的高带宽、低延时提供了更多人机交互的可能，为客户服务为客户带来更好的体验。远传科技致力于运用视频技术、数字人、AI能力等更丰富的交互形式，聚焦金融领域业务场景，实现与用户与客服的交互，为用户提供创新交互体验，帮助企业利用创造出更丰富的智能交互应用场景，促进整个智能服务产业链的价值跃升。

来源：搜狐网

财富管理即将进入黄金十年 行业迎来智能投顾时代

       在投资环境震荡、股市结构化盈利的背景下，中产对于资产配置的机会和风险也变得较为敏感，不少投资者开始寻求专业的投顾服务。

       与此同时，财富管理机构也正在迎来行业变化。2019年10月，中国证监会推出基金投顾试点业务，有18家机构先后获得投顾牌照。2021年4月底，25家公募和券商相继参加了证监会的基金投顾业务答辩。随着获得牌照的机构逐渐扩容，基金投顾有望迎来高速发展期。

       对此，平安证券研究所表示，基金投顾是买方投顾模式，以客户价值为核心，回归财务管理本源。在这种模式更强调咨询服务在投前、投中、投后环节的核心作用。

       全球领先的管理咨询公司麦肯锡分析，截至2020年底，以个人金融资产计算，中国已成为全球第二大财富管理市场、第二大在岸私人银行市场。预计到2025年，中国财富管理市场年复合增长率将达10%左右，市场规模有望突破330万亿元人民币。

       另一方面，对标世界发达经济体，与美国相比，中国居民的金融资产占比明显偏低。中国的资产配置仍存在优化空间，这预示着未来财富管理市场拥有巨大发展前景。

       麦肯锡预测：财富管理将迎来黄金十年，商业模式由产品销*转向“客户需求驱动的投顾模式”。

       如今，投顾模式成为财富管理行业的发展方向。与此同时，智能投顾作为新基建应运而生。

       据了解，智能投顾是利用量化算法为客户提供投资**服务的一种模式。通过了解投资者的财务状况和风险偏好，为客户制定符合其自身状况的资产配置组合。

       智能投顾将通过技术手段优化投顾业务流程，进而提高从业者工作效率，还可以大幅降低传统财富管理行业中的人力成本，同时为投资组合进行节*安排，降低投资者的*务成本。

       理享家团队认为，在市场震荡的背景之下，智能投顾将成为驱动行业发展的技术关键。同时指出在特殊时期，从业者更需要坚持守正出奇，通过合规化创新、专业化创新、持续性创新，帮助投资者穿越发展周期。

来源：金融界

私募巨头推出零赎回费“劝退”投资者，量化基金为何不香了？

       虽然今年以来的A股市场核心词依旧是“震荡”，但是在量化基金并没有成为逆袭震荡市的杀手锏，部分头部量化私募更是收益平平。

       在5月份，量化私募巨头幻方量化更是推出了中性产品“零赎回费”的政策，这一举动被视为是鼓励投资者赎回中性产品。根据中国证券报报道，幻方量化人士介绍称，此前，旗下中性产品持有时间不足一年的，确实是有赎回费的。现在的新费率是针对不足期限的，免除赎回费。

       量化私募巨头鼓励客户赎回，很大部分原因在于低迷的行情波动结构影响了策略表现，基金业绩乏善可陈。从私募排排网数据来看，市场上781只股票市场中性产品今年以来平均收益仅为0.90%，在量化策略的子策略中排名倒数第一。而受期货市场火热行情带动，管理期货复合策略平均收益4.42%，排名第一。

股票市场中性惨遭“吊打”，量化CTA“风光无限”

       对于量化私募来说，规模更是一把双刃剑。资金的大量涌入，公司规模得以迅速扩张，也更容易吸引到人才的加入，从而加速公司的发展。但是当管理规模远超公司的策略容量，而公司又未能及时对模型和策略进行升级迭代时，规模又往往会拖累私募基金的业绩，也是常说的“规模是业绩的杀手”。

量化私募发展迅速，各策略间业绩分化明显，今年以来股票量化基金明显跑输量化CTA。

       与主观投资不同，量化投资是利用计算机技术，加上采用一定的数学模型去实现投资理念、投资策略的过程。不过主观投资和量化投资并非完全对立，比如人工智能就是人机交互的过程，也有国内头部的量化私募也引入了基本面分析团队辅助投资。

       市场中性策略是指同时构建多头和空头头寸以对冲市场风险，也可以理解为在指数增强产品基础上，使用股指期货等对冲工具剥离市场涨跌，获取超越大盘的超额收益。在牛市中，股票策略市场中性的表现并处出色，但是在熊市中，市场中性的优势会很明显。长期来看，股票市场中性基金的收益率与股票指数的收益率相仿。

       不过由于春节过后市场迅速陷入持续调整，成交量较为低迷，加上对冲成本的提升，市场中性产品的收益率也是受到制约，股票市场中性策略的平均收益在量化基金中也是垫底。

       量化CTA成为今年的“香饽饽”，管理期货复合是今年以来量化基金中表现最佳的策略，今年以来平均收益4.42%。该同时投资于两种子策略以上，且投资于每种子策略的资产不超过基金总资产50%的。

       不仅管理期货复合策略夺冠，量化趋势今年以来平均收益4.21%，在量化基金中排名第二。与主观趋势策略不同，量化趋势侧重于利用计算机系统构建数理模型判断未来期货品种的走势，取代人的主观判断进行投资决策。并且通胀的大背景下，大宗商品市场波动性大概率持续加大，聚焦期货市场的量化CTA依旧具备不错的配置价值。

头部量化私募扎堆上海，百亿巨头成绩单发布

       得益于量化策略风险可控，收益稳健，与股票市场相关性低等特点，越来越多的量化私募近几年得以快速成长，管理规模也是拾级而上。

       截至5月初，国内百亿私募私募机构数量已经达到13家，在百亿私募中占比接近20%。由高亢创立的衍复投资更是创下不足一年就规模破百亿的记录。

       在2019年初，高亢带领自己核心策略以及技术团队从原某头部私募管理人离开，并成立自己的私募公司衍复投资，2020年衍复投资管理规模便突破百亿。衍复投资将公司定位为“应用科学技术对二级市场进行量化投资研究的投资公司，目前公司旗下主要发行指数增强策略、市场中性策略两类产品。

       从头部量化私募的地区分布来看，上海依旧具备得天独厚的发展优势，在13家百亿量化私募中，就有5家来自上海，分别是鸣石投资、金锝资产、明汯投资、启林投资、衍复投资、天演资本。由于量化投资是由国外传入，在中国的发展历史并不长久，百亿量化私募的创始人多为海归派，上海的政策优势更是吸引他们在此落地发展，而毗邻上海的杭州，也有幻方量化作为代表。

       虽然不少投资者感慨量化是深圳私募的短板，但是深圳地区依旧有诚奇资产、进化论资产两家百亿量化私募。诚奇资产成立于2013年，2014年完成备案登记，公司核心人物何文奇曾在千禧基金任职研究员，2010年开始参与国内市场的量化对冲，经历了整个A股量化的各个阶段，积累了大量实战经验。进化论资产的创始人为王一平，与其他百亿量化私募略有不同，进化论资产是“主动+量化”双驱动。

       量化基金以追求绝对收益为目标，与主观策略相比，波动较小，整体表现依旧可圈可点。从头部量化私募今年收益来看，13家百亿量化私募全部获得正收益，天演资本今年以来收益***排名第一，鸣石投资以***的业绩入围前五。

       鸣石投资今年的出色业绩表现与持续稳定的研发投入息息相关，公司策略研发人员配置在行业内处于领先水平。在鸣石投资看来，量化投资竞争的本质是人才的竞争与体制的竞争。量化策略超额收益来源于策略的高水平迭代升级，策略迭代升级与策略团队持续的研发以及全球顶级人才的加入密不可分。

       目前，鸣石投资已构建完善的策略研发产业链，将策略研发流程拆分成几个核心环节，并在每个核心环节招聘全球最顶尖的人才，通过各个环节的边际提升最终给客户带来业绩全局性的提高。

       展望未来，鸣石投资认为国内量化投资机构的数量和管理规模还会持续扩张，复制美国量化投资的发程历程。目前，美国管理规模头部的量化投资机构，策略投研人数超过500人，国内投研方面还是有很长的路要走。相信在不久的将来，随着大量策略研发人员的持续投入和市场环境的改善，中国也会出现一批管理规模超千亿的量化机构。

来源：新浪财经