量化投资还好用吗？

曾经被顶礼膜拜的量化投资巨头在今年业绩惨淡的新闻成为投资圈的热议，周末就与朋友专门讨论了量化投资是否还好用这个问题。

一、复杂量化模型遭遇滑铁卢

滑铁卢

全球两大量化基金巨头文艺复兴和Two Sigma今年业绩惨淡，管理的几只基金都出现了亏损。前者资产管理规模约750亿美元，后者资管规模约580亿美元。

图片来源：网络

据彭博社报道，知情人士称今年截至10月份，文艺复兴旗下以做多为主的基金跌幅约20%，股市中性基金下跌约27%，全球股票基金下跌约25%。

今年截至10月份，Two Sigma的风险溢价下跌11.5%，绝对回报基金下跌2.7%，绝对回报宏观基金则下跌23%。

作为对比，今年截至10月，标普500指数今年上涨1.2%，总回报率为2.8%。文艺复兴向投资者解释称，它的亏损是由于3月份美股崩盘时对冲不足，然后又在4至6月的反弹中过度对冲，其定量模型又修正得过头了。

总结就是一句话，曾经让人仰视的复杂型量化投资基金今年业绩遭遇滑铁卢。

二、简单量化模型依然有效

WHY

反观我们如果采用股债五五平衡这种极简的量化投资模型进行投资，在今年年初，我们拿出100万本金，其中50%的资金配置美国国债ETF，另外50%的资金配置标普500指数基金，同样是测算到今年10月底，按季度进行股债动态五五平衡，最终算出的收益率为8.19%，最大季度回撤仅有4.5%，不仅跑赢了复杂量化模型，而且也跑赢了股票指数。

WHY? 同样是量化模型，为何今年简单量化模型完胜复杂量化模型呢？

我们认为复杂的量化模型可能发生了内卷，这种复杂是一种单调的复杂，公式的参数越来越多，越来越精细，不断向内演化，其实都是几个固定模式的重复，无法突破历史数据无法准确预测未来的规律，简单来说，复杂量化模型发生的内卷就是面向过去历史数据低水平的复杂化。用中国哲学思想来解读就是，复杂量化模型过分追求“术”层面的准确性，导致犯下了精确的错误。

反而是简单量化模型，更讲究的是“势”，承认证券市场具有很高的不确定性，我们个人投资者只有有限的历史数据，我们只需要关注大局，简单思考，放弃在“术”层面不必要的算计，反而是对真实市场的最好的还原，最终得到了模糊的正确。

总结：

1、即使遭遇今年如此极端的行情，以简驭繁，简单量化模型依然好用，尤其是对于我们个人投资者而言；

2、无论是东方的哲理还是西方的奥卡姆剃刀原则，少即是多；“势”层面模糊的正确，胜过“术”层面精确的错误。

来源：记忆区块

量化投资要遵循科学研究的规范

得益于股神巴菲特多年不遗余力地“推广”，指数基金早已飞入寻常投资者家。不过，比指数基金多了两个字的指数增强基金，似乎多了几分神秘的色彩。

指数增强基金是一种以“既要又要”为投资目标的基金——既要追求超过基准指数的超额收益，又要控制基金收益率与指数收益率之间的偏离度(跟踪误差)。

图片来源：网络

那么，这种“既要又要”的目标怎么达成？不少人的第一反应是，因子。动量、成长性、质量、价值、市值、分红率……这些因子被认为与股市走势有比较高的相关性，找到它们也就找到了增强的密码。

不过，在李玉刚看来，如果对这些因子没有梳理出经济逻辑上的因果传导链条，这些因子并不可靠。“重要的不是历史表现，而是要经得起各种合理的质疑。我们的行动是基于我们的信念，错误的信念很难保证长期的成功。‘真实的’信念从哪里来？科学的方法是我们知道的最可靠的知识来源。”李玉刚说。

未来并不一定是历史的重复

投资的世界是概率和不确定性主导的复杂系统，历史数据很难完全刻画和反映这种系统。李玉刚打过一个比方，如果把一块冰放在桌子上，等它融化后，要从桌面上那摊水的形状推测计算原来冰块的形状一样，是很难的事情。

自2001年从业至今，李玉刚见证了国内市场量化投资的兴起与发展，对于量化投资的认识也在逐渐加深。他认为，在投研领域探寻“真知”，同样应该遵循科学研究的规范。在这个过程中，偏见、尊严、权威以及个人经验的扭曲等等因素都会阻碍“真知”的获取。科学方法正是这样一套规范的程序，让我们克服个人认知的缺陷，避免自我欺骗形成错误的信念(认为自己知道，其实并不知道)。

“大家通常讨论的这个因子有没有效、那个因子有没有效，是指预测超额收益有没有效。这种方法是基于历史检验，是一种统计的思路。历史会在未来重演是这些因子奏效的前提，但未来却并不一定是历史的重复。多数的因子，都经不起合理的质疑。因此，我们更强调投资的过程，不单纯看数据，还要看数据背后的逻辑，对自己的知识积累有规模效应，这样构造出的模型更持久，经得起反驳和质疑。”李玉刚解释说。

图片来源：网络

其所在的中泰资管，在投资方法论上放弃了经验论寻找“因子”的方式，其策略中的多因子不再被用来预测超额收益，而是作为对股票进行分类和比较的工具，这是多因子模型有优势能做好的事情。相反，其在寻找获得超额收益的“好股票”的过程中，反复询问“为什么”，把重点放在厘清数据背后经济逻辑，充分理解数据背后蕴藏的商业逻辑。

“我们在相同类型股票中做选择的标准只有一条，横向和纵向的估值便宜，同时预期业绩增长良好。很多其它的选择标准，可能会有很漂亮的历史数据实证结果，但是如果弄不明白为什么会有这样的结果，就很难搞清楚未来持续的可能，自然也就很难被采用。”李玉刚坦言，这样做的原因在于，这个标准既与其先验经验一致，也与历史数据的实证经验一致。

了解指数增强的偏离逻辑

在李玉刚看来，选择指数增强基金的投资者，需要承认两个前提。一是愿意接受市场平均收益率。因为缺乏对单个公司持续创造价值能力的辨识，通过分散化的指数型投资可以降低此类风险。分散化在降低风险的同时，也降低了预期回报。二是以可接受的指数收益率为基准，愿意承担一点小风险，获取适当的超额收益率。

为了追求超额收益率，指数增强基金必然与业绩比较基准产生偏离，而投资者在选择指数增强基金前，不仅需要考察基金经理的偏离之处，更应该去了解基金经理基于何种理念这样处理偏离。

图片来源：网络

李玉刚所在的中泰资管，将相对价值的投资方法运用在了指数增强投资策略上，即通过赚取相同类型公司估值偏差回归的钱来获得超额收益。具体而言，其在同类型的股票中(市值中性和风险因子中性)，选择估值便宜，同时预期业绩增长也比较好的股票，构建一个风格分散、波动低的增强组合。采纳该策略的中泰沪深300指数增强A，成立于2020年4月1日的，截至2020年三季度末收益率为34.11%，远超同期业绩比较基准23.17%的涨幅。

不过，在李玉刚看来，对基金投资能力和超额收益持续性的考察，最重要的还是要落脚在对基金经理投资理念和投资策略选择的理解上。而各种历史数据和评价指标，不过是它们的体现。

“在研究、探索阶段尽可能从各个角度进行反驳质疑，不轻信任何一个观点，除非有足够的理由和证据能排除合理的怀疑；基于排除了合理怀疑的观点和策略而做出的投资决策，在执行过程中应该坚定信念，除非有足够的证据证明并非如此。这既是我们对自己的要求，也是对投资者的建议。”李玉刚说。

来源：证券之星

量化投资探索AI+HI新形式

随着AI(人工智能）的快速发展，融合AI（人工智能）的量化投资模式也在小跑入场，试图探索出新时代量化投资的全新可能。数据显示，尽管目前国内外一些通过AI投资的基金产品业绩并不出挑，但已可与人类同行一争高下。业内人士认为，AI与HI（人类智慧）相结合，将成为未来一个阶段AI赋能量化投资的主要形式。

图片来源：网络

国外基金行业正式出现AI量化投资的身影可以追溯到2017年底。彼时，全球首只通过AI分析股票指标的ETF（AIEQ）成立，不过总体来看业绩不如人意。Choice数据显示，截至11月20日，该基金成立以来涨幅为29.13%，并没有跑赢同期标普500指数39%的涨幅及纳斯达克指数78.98%的涨幅。不过，与同期美国股票ETF和混合ETF相比，该基金仍战胜了不少人类同行。

在国内市场，近年来，基金公司纷纷发力量化投资领域，传统量化投资策略愈来愈成为行业标配。与此同时，试图借助AI进行量化投资的新兴力量也在不断成长。以肖风掌舵的浙商基金为例，这家以AI投资驱动的基金公司旗下已有两只纯AI投资产品，积累了不少AI投资经验。

从这两只AI投资产品成立以来的表现看，浙商大数据智选消费灵活配置混合自2017年成立来，复权单位净值涨幅达到144%，大幅跑赢同期上证指数、深圳成指和创业板指；浙商智能行业优选混合自去年9月底成立来，复权单位净值涨幅在60%左右，跑赢同期上证指数、深证成指，小幅跑输创业板指。

图片来源：网络

随着国内外AI投资的发展，由AI管理的量化投资与传统量化投资的不同之处也逐渐浮现。业内人士认为，AI投资也归属于量化投资，都是用算法和数据来实现的，但是在投资方法和精细度上不太一样。比如，相较于传统的基于因子选股的量化投资，AI投资能更深入地结合人类智慧，根据不同的底层资产设计出一个个独立的投资机器人，不同的机器人分层分散投资，再通过风险预算机制来平衡风险与收益。

目前看来，国内纯AI基金产品还属于新兴的小众产品，涉水者不多，更多的产品以“AI+HI”的形式出现。

浙商基金智能权益投资部总经理查晓磊认为，基于当前科技的水平以及资本市场的复杂性，AI机器人目前仍不具备主动创造智慧的能力。AI机器人需要从已知的优秀人类身上，不断汲取智慧，将非结构化投资逻辑和投资理念，转化为AI机器人能够使用的算法模型，从而在投资管理中实现AI与HI的完美结合。

图片来源：网络

浙商基金相关人士还表示，在AI赋能人类基金经理的过程中，尽管AI在处理大数据方面有着人脑无可比拟的能力，但由AI直接作出的智能判断中往往隐藏着不可论证的“隐秘的逻辑”，因此实践中如果要直接采纳AI作出的智能判断，得慎之又慎。由AI大数据提供线索，经HI基于大数据线索和小数据逻辑推演之后的逻辑判断，形成“AI+HI”双重加持的结论才是较为稳妥可靠的。

对于AI未来能否取代基金经理的地位，不少业内人士认为不太可能，或者说中短期来看不可能发生。国泰瑞丰资本董事长谭少儒认为，通过大数据和人工智能来参与二级市场交易，AI一定有优于人类的方面，但在一些比较复杂的投资分析上，凡是涉及非结构化、非标准化信息的获取方面，机器很难替代人类。同时，在金融投资、交易中，需要具备与人的沟通能力，需要人与人之间建立信任，这些方面是AI不能替代的。

来源：中国财富网官网

智能投顾的征战：传统与创新的竞合

“These violent delights have violent ends”（狂暴的欢愉必将有狂暴的结局）——《西部世界》里这句出自莎翁笔下的经典台词，用来形容近几年国内P2P市场的火爆与乱象恰到好处。从余额宝引发的欢愉，到招财宝“侨兴债”违约带来的阵痛，P2P从最初的野蛮生长到最近的反思整顿，完成了一个周期，市场反复教育投资者：收益和风险正相关，只有根据自己的风险偏好进行分散配置才是健康的理财方式。

在P2P市场逐步降温、趋于理性之际，以经典资产组合理论为基础、结合大数据分析和人工智能的“智能投顾”从海外流传到国内并受到广泛关注，一方面，投资机构对它们青睐有加，融资消息频传，另一方面，互联网强者和传统金融机构也争相布局。

然而，资本的热情并没有点燃国内投资者的激情，市场表现出谨慎观望的态势，智能投顾出现了“水土不服”。有鉴于此，笔者将结合智能投顾在美国的发展趋势和国内的发展现状，以及国内理财市场的特点，探索下阶段智能投顾在国内可能的发展趋势。

一、智能投顾简介

“智能投顾”即利用大数据分析、量化模型及算法，根据投资者的个人收益和风险偏好，提供相匹配的资产组合建议，并自动完成投资交易过程，再根据市场变化情况动态调整，让组合始终处于最优状态的财富管理服务。智能投顾的服务流程包括：客户分析、构建投资组合、自动执行交易、动态调整组合、投资组合分析。

与依靠理财师、投资顾问实现的传统投顾服务比较，智能投顾具有多方面特点：

大数据、人工智能：大数据和人工智能是智能投顾最核心的技术，也是与传统投顾相比较的最大优势。用户行为大数据与金融交易大数据是机器学习的“养料”，它们驯化出来的人工智能是整个智能投顾的核心。

门槛低、费率低：传统投顾只服务于中高净值人群，而且每年收取的咨询费率昂贵，智能投顾大大降低了门槛和费率，让投顾服务触达长尾市场。

透明化、便捷化：智能投顾的投资组合完全公开，服务流程标准、简洁。 

二、智能投顾在美国的发展现状和趋势

2008年金融危机过后，美国传统金融机构还在忙于应对公众巨大的信任危机和严苛的监管政策之际，以Betterment和Wealthfront为代表的智能投顾创业公司成长起来，它们通过互联网信息技术手段，降低投资门槛，为用户提供个性化、低费率、透明化、便捷化的财富管理服务，成为了行业的一股清流。受益于人口结构变化、人工智能技术发展和监管法规等因素，智能投顾管理的资产规模从2010年以来复合增长率超过80%，到2017年末有望达到千亿美元。根据My Private Banking的预测（图2），在未来的五年中，美国智能投顾行业将保持高速增长态势，预计在2020年全行业资产管理规模将达到1.6万亿美元。

从参与主体和进入时间的角度来看，美国的智能投顾公司可以分为独立创新公司和传统金融机构两类，前者以Betterment、Wealthfront和Personal Capital为代表，后者以Vanguard和Charles Schwab为代表。Betterment和Wealthfront作为行业创新标杆，通过快速产品迭代，不断开发新的理财产品，来保持领先地位，到2016年年中，它们管理的资产分别达到了50亿美元和35亿美元。Vanguard和Charles Schwab是布局智能投顾较早的传统金融机构，截止2016年6月，Vanguard Personal Advisor Services和Schwab Intelligent Portfolios管理的资产分别达到了310亿美元和66亿美元，成为市场最大的两家平台。除此之外，2016年以来，德意志银行（Deutsche Bank）、TD Ameritrade、美银美林（Bank of America & Merrill Lynch）以及高盛（Goldman Sachs）等也大举进入智能投顾领域，还有更多的传统金融机构跃跃欲试。可以看到，虽然这些传统金融机构的智能投顾平台成立较晚，但是依托其庞大的客户群体、强大的产品线、优质的品牌形象以及多元化而全面的服务，一方面吸收了公司原有平台客户以及新增客户，另一方面还为依托平台的传统投资顾问提供智能投顾产品以便于其更好地服务客户。

从服务对象和服务方式来看，美国的智能投顾又可以分为2C、2B以及综合性服务三大类，第一类直接为C端用户提供服务，第二类为金融机构提供智能投顾解决方案以更好服务其客户，第三类同时为用户以及顾问群体提供服务。根据线上服务和传统服务的结合程度，2C的智能投顾又可以细分为纯智能化平台、人工投顾协助平台两类。

1、纯智能化平台

这类平台通过完全自动化操作帮助客户完成用户画像、资产组合建议、组合交易、动态调整和分析报告，全过程无人工干预。其特点是智能化程度高、产品迭代快速、费率最低，其客户群体更多定位于年轻用户、科技爱好者。这一类平台的典型代表性是Wealthfront和Betterment。

2、人工投顾协助平台

这类平台将智能投顾与人工投顾相结合，为所有用户免费提供财务状况分析、投资风险评估、投资组合建立与优化等服务，具有强大的工具属性，能很好地随时跟踪用户理财以及费用支出等方面的行为，可以帮助用户更好地实现理财目标，同时也向有需要的客户提供收费的私人投资顾问服务。这一类平台的典型代表性是Personal Capital。 

3、机构服务平台

这类平台为传统机构以及独立第三方财务顾问提供智能投顾解决方案，并不直接面对客户。其特点是满足第三方机构研发能力不足的需求，极大降低了自身获客成本，可以致力于研发更具创新型、智能型的投顾产品。这一类平台的典型代表性是Myvest和nextcapital。

4、传统金融机构的综合服务平台

传统金融机构利用自身资源以及规模优势，同时为用户以及顾问群体提供服务，不仅利用智能投顾作为特色吸收了公司原有平台客户以及新增客户，还可以为依托平台的传统财务顾问提供智能投顾产品以便于其更好地服务客户。其特点是，传统金融机构平台自身拥有丰富的产品线，可以自主发行和管理不同的ETF产品，提供交易、清算等一系列多样服务，而实现全产业链整合，为客户提供全方位周到的服务。这一类平台的典型代表性是Vanguard和Charles Schwab。 

随着传统金融机构的进入，行业竞争加剧，获客成本上升、价格竞争激烈，美国智能投顾行业发展呈现一些趋势：

随着大数据、人工智能技术的发展，智能投顾技术将成为财富管理行业的基础设施；

创新型2C平台竞争将更加激烈，除个别领先平台通过快速的产品迭代形成差异化优势并脱颖而出之外，大量平台面临死亡或转型；

从单纯2C模式向2B2C模式转变——将原本用于客户营销的大量精力转移至产品创新以及研发（Betterment专门新成立的Betterment For Advisor和瑞银、高盛等机构合作就是典型案例）；

传统金融机构后发制人，收购和自主研发投入会更大，将推动智能投顾行业更加快速增长。

三、智能投顾在国内的发展现状

我国居民家庭财富稳步增长，中等收入人群日益扩大，财富管理市场空间巨大，但投资渠道稀缺，经过一轮P2P市场的洗礼，互联网理财开始广泛被接受并且流行，同时大众的风险意识也有所提高，年轻一代对互联网财富管理更加认同。在这个背景下，2014年底，智能投顾概念开始引入我国，随后大量的科技创业企业开始出现，2015年下半年以后传统金融机构也大力布局智能投顾方向。

国内智能投顾的发展虽然跟随美国，但由于用户特征、金融市场发展程度、税收体制以及监管差异等因素（表2），也存在一定程度的区别。从参与主体和进入时间的角度来看，国内的智能投顾公司可以分为独立创新公司、互联网强者布局和传统金融机构布局三类（表3）。如果按照用户定位、投资标的和平台形式又可以分为四大类别，包括2C创新平台、资产配置建议平台、主动投资建议平台以及综合理财平台。 

2C创新平台

相对于美国有1600多支ETF（净资产2.1万亿美元），国内ETF仅130多支（净资产4729亿人民币），而且主要是传统的指数型ETF，其他的债券型ETF和商品型ETF等较少，难以有效分散风险，同时，国内股票市场波动剧烈，指数型ETF稳定性较差，也不适合于构建被动资产组合。另一方面，在人民币贬值的预期下，国民有很强的海外资产配置需求，因此，目前国内很多智能投顾平台都选择以海外资产作为投资标的。这些创新平台直接对标美国的Betterment和Wealthfront，如弥财、财鲸、投米RA和蓝海智投等公司，它们提供海外ETF或美股的自动配置和动态调整服务，但受到获客成本高昂和外汇管制等因素的较大制约。

资产配置建议平台

这一模式通过全市场各类型产品数据的实时抓取，统计各类型金融产品的收益率数据、风险指标等，对市场上的各类型金融产品进行筛选和排序，结合用户的风险评测指标，帮助用户选取最为适合的金融产品组合。典型案例是财鱼管家。

主动投资建议平台

这类平台利用大数据，实时分析有价值的新闻信息和交易数据，分析数据之间的关联性，结合用户的自选股，为股民提供最有价值的交易策略。典型案例是同花顺iFinD和百度股市通。

综合理财平台 

这类平台将智能投顾功能很好地整合到公司原有运营的体系，通过对接内部以及外部投资标的，既能更好地服务原有体系的客户，还可以吸引新增投资者。这些综合理财平台不仅能达到更好地服务投资者的目标，还可以推动自身理财产品的销售，达到多重效果。其特点在于综合理财平台本身就拥有很好的客户资源，广泛的销售渠道，以及覆盖面广的资产标的等优势，其智能投顾平台在客户获取和用户体验等方面就较其他平台更具有竞争力。典型案例有平安一账通、京东智投、招商银行摩羯智投等。

四、国内智能投顾可能的发展趋势

结合国内的市场情况来看，在接下来一个阶段，我国智能投顾行业的发展将呈现以下特征：

1、智能投顾的核心是模型和算法，它们需要长时间序列的数据进行学习和修正，也需要较长的时间周期经由市场检验，而这些条件在国内市场短时间难以满足，另一方面，在人民币贬值的大背景下，国内投资者具有很强的海外资产配资需求，因此，拥有海外资管经验的优秀团队可能在海外资产配置的细分领域获得阶段性机会。但是，在国内市场缺乏对冲标的、外汇管制趋紧的市场环境下，大部分独立创新型2C智能投顾生存堪忧。

2、从投资者角度来看，一方面，国内股票市场散户占比较高，他们更倾向于以市场风向为主导，关注市场短期波动，依赖于追涨杀跌的短期策略，更倾向于个股的简单化操作，较少采取分散投资组合投资，另一方面，智能投顾提供的预期收益率与隐含刚性兑付的P2P等资产相比并无明显优势，用户教育还有很长的路要走。但是，拥有强大的用户运营能力和用户行为数据分析能力，能够帮助用户管理、分析理财账户并提供资产配置建议的智能投顾，类似财鱼管家等，更容易获得用户的认可。

3、对大多数独立创新型2C智能投顾，其最可行的模式是为传统机构以及独立第三方财务顾问提供智能投顾解决方案，从直接2C调整到以2B为主的模式，这样，其盈利模式不再直接面向客户，将极大降低它们的营销成本，让它们在激烈的竞争中存活下来。另一方面，对于传统金融机构而言，通过与智能投顾平台合作实现对自身服务种类的补充，是阶段性实现双方利益最大化的有效路径。

4、近期来看，智能投顾在高净值客户财富管理市场，更多扮演着工具的角色。智能投顾将后台功能简化、财富管理数字化、资产建议智能化，帮助财务顾问更好、更有效地服务其客户。对于之前缺乏理财顾问服务的长尾市场而言，智能投顾更大程度满足P2P市场洗礼出来的客户对被动投资的需求，对于现有财富管理市场起到更好的补充作用。

5、将来中国智能投顾格局会与美国行业格局相仿，占据客户资源和渠道资源，具有成本、规模优势的综合性平台将占有较大的市场份额。在基金销售端占据优势以及拥有庞大客户资源的互联网系京东、同花顺等具有较大潜力，而拥有广泛的零售客户、庞大的投顾团队、众多的线下网点以及强有力的基金销售渠道的券商系、银行系传统金融机构也会在智能投顾领域具备强势地位。

来源：36Kr

看好中国量化投资发展前景 外资巨头纷纷抢滩布局

在本土量化私募迎来一轮快速发展的同时，外资量化巨头也纷纷将目光瞄准了中国市场。2017年以来，多家外资机构以外资私募管理人的形式来华展业，其中就包括量化投资巨头元盛资产、德劭集团和Two Sigma，目前这些机构均已在境内发行了量化私募产品。

图片来源：网络

2018年6月，全球知名CTA策略管理人元盛资产在中国境内的独资公司——元盛投资获得中国私募牌照；2019年4月，被称为“量化投资先驱”的德劭集团旗下外商独资企业——德劭投资备案为中国私募基金管理人；2019年9月，全球最大量化基金之一Two Sigma旗下外商独资企业——腾胜投资也在中国证券投资基金业协会登记为私募基金管理人。

从背景上来看，上述外资量化巨头来头不小。元盛资产是全球第一大CTA基金公司，其在全球运用的CTA旗舰策略被称作“全球多元化策略”，可以涵盖全球100多个期货市场和1200多种股票。目前，元盛投资已在我国境内发行了8只产品，总规模超过20亿元。德劭集团创始人大卫·肖恩被誉为“华尔街量化基金教父”、“定量分析之王”；Two Sigma当前资产管理规模为570亿美元，在全球排名居前，这两家公司已在我国境内发行了一只私募产品。

图片来源：网络

虽然进入中国市场不久，但这些外资巨头对中国量化投资市场的发展前景均充满期待。“虽然目前中国的期货市场还不是很完善，但表现不俗。未来整个CTA行业将更加透明化，能将更多的流动性、强大的经济实力、日益成熟的投资者、优秀人才等因素更好地融合起来，中国CTA的绝对回报很可能会高于世界其他区域。”元盛资产新任CEO托尼·芬纳-莱陶说。

在不少业内人士看来，对于国内量化私募而言，外资量化巨头登陆中国市场既促进了市场的良性竞争，也带来了种种挑战，其中高频交易策略方面受到的影响最大。

“在外资没有进来之前，国内商品期货的高频交易都会获得超额收益。但外资进入以后，这种超额收益已经降至余额宝的收益水平。”沪上一位私募基金负责人称。

图片来源：网络

另有私募人士表示，海外机构有它们的优势，比如成熟的策略体系和资本优势，可以不计成本作基础投入，这在高频交易领域表现得十分突出，因此可以看到，国内期货高频交易领域正逐渐被外资机构所垄断。不过，中低频量化策略方面，尤其在一些需要对中国经济或基本面有深入理解的策略上，国内量化私募更具优势。

来源：新浪财经

让个人投资更好使用“量化因子“

为进一步提升私人银行客户服务，提高客户对量化投资的了解程度，11月18日,工商银行河南省分行采取“现场 直播”的方式，成功举办“美好偕行智享无限”——工银私人银行量化投资论坛活动。

图片来源：网络

量化投资近年来在国内方兴未艾，受到越来越多投资者的关注，但是从诞生之日起，量化投资就以高深的数学模型为基础，披上了神秘的面纱，使很多个人投资者望而却步。本次量化投资论坛活动秉持开放、专业、创新的理念，邀请了工银理财、工银瑞投、中金财富、百瑞信托量化投资领域的知名专家参与探讨，让更多的个人投资者全面了解量化投资。

什么是量化投资？现场专家解释，量化投资其实是一种理性的思维方式。只要着眼于真实数据，理性地运用逻辑分析和归纳统计得出一些市场的观点和规律，并据此制定和执行明确的交易策略，都可以称之为“做量化交易”。其实，当投资者在选择股票和判断交易时机时，就已经用到了“量化因子”。

图片来源：网络

论坛活动现场，相关知名专家不仅就当今量化投资领域的热点话题和发展历程进行了研讨，就量化投资在国内发展的现状和趋势进行了回顾和展望，还与现场客户互动，对个人投资者如何参与量化投资以及如何做好风险防控等客户最为关切的问题进行了详细的解答，帮助客户解开了量化投资中存在的很多困惑。

本次论坛活动进一步提升了工行在量化投资领域的服务层级，为客户优化资产配置提供了更丰富的选择。下阶段，工行河南省分行将继续提供全方位、专业化的投资服务，为全力打造“第一私人银行”的发展战略做出新的贡献。

图片来源：网络

据了解，工行河南省分行私人银行中心成立于2010年1月16日，秉承“诚信相守、稳健相传”的经营理念，整合集团内外部优质资源，致力于为高净值客户提供综合全面的卓越私人银行服务。

来源：金台资讯

人工智能改造金融？或能优化投顾和风控，但仍存监管顾虑

智能投顾、大数据风控已经在金融领域掀起巨浪，已经到了谈及金融科技必谈AI（人工智能）的地步。澎湃新闻发现，目前AI技术已经初步渗入到金融科技公司的KYC（认识你的用户）管理、反欺诈、贷前风控、智能财富管理等多个领域，但也面临来自监管的压力和用户接受程度不足的瓶颈。

智能投顾前景和顾虑

AI在金融方面最为火热的一个应用是智能投顾，即机器人理财，在获取投资人的投资目标、收入和风险之后，通过量化投资模型，结合智能算法为客户量身定制一套投资组合。智能投顾克服了理财师的主观性，收费也低，被视为传统金融机构和互联网金融平台将用户下沉、拓宽客户群的重要方式。

根据易观发布的《中国人工智能理财市场专题分析2017》，目前国内智能投顾服务商自2015年开始渐多，市场竞争日趋激烈，传统金融机构的有招商银行的摩羯智投，金融信息垂直网站东方财富、雪球，互联网巨头蚂蚁财富、京东智投、腾讯理财通，以及互联网金融的宜信投米RA等等。

图片来源：网络

近日，在“AI+金融颠覆”为主题的光点未来论坛上，清华大学金融科技实验室“人工智能+金融”项目负责人林常乐表示，智能化的财富管理包括两个方面的智能化，首先是投资管理的智能化，这方面经过了长时期的研发和业界实践；第二部分是顾问交互的智能化，“实际上在这个基础上更是一个瓶颈，我们不仅需要AI、大数据技术层面的引爆，还需要拿到很多核心的数据。”

至于为什么说AI比投资者本人更了解自己，林常乐举例称，一个很有意思的投资行为现象是，个人投资者常常过度自信，在中国这个现象更加明显。以前的金融学家无法把这个东西量化。而通过用户交易流水数据，可以看到中国散户都喜欢追求主动投资收益，但是他们过度相信了自己的投资能力，无法得到预期的收益。

凤凰金融总裁张震对澎湃新闻表示，智能金融在中国发展空间很大。对照美国，既有以养老、规避金融周期性风险等为目的、主要以ETF基金形式出现的长期的被动型投资，也有量化投资、社交投资、主题型投资等主动型投资，应用场景很多，目前在中国还未被广泛关注。此外在保险的细分领域，中国保险用户的意识还在萌芽期，创新型公司不多，预计下个阶段会有长足发展。

张震称，目前智能投顾在中国还存在一些瓶颈，首先11月央行发布的资管新规（《中国人民银行、银监会、证监会、保监会、外汇局关于规范金融机构资产管理业务的指导意见(征求意见稿)》）中，明确了智能投顾需要取得相应的投资顾问资质，但获取牌照对互联网平台来说存在不确定性；其次，中国投资者中虽然很多人理财方面能力、经验、知识欠缺，但对别人代其做长期投资规划的信赖程度较低，凤凰金融曾经调查的结果是70%的投资者不愿意让别人代为理财，所以很多传统的财富管理公司往往卖的是产品而不是真正意义上资产配置的策略，而凤凰金融在理财服务方面，主要选择采用的是资产配置建议和服务的方式；另外，投资者跟着智能投顾下单属于“代客理财”，目前还不被监管层允许，只能通过提供投资建议和策略来做。

图片来源：网络

“无论是在中国还是美国，金融监管是不是完全允许以机器人替代人类做决策，还画了一个很大的问号，”张震表示，目前政策还不清晰，未来可能是人工和机器同时参与决策过程。

对于人工智能进入金融业领域，国家在不久前释放过利好。2017年7月，国务院发布了《新一代人工智能发展规划》，提出通过智能金融加快推进金融业智能化升级；通过建立金融大数据系统，提升金融多媒体数据处理与理解能力；创新智能金融产品和服务，发展金融新业态；鼓励金融行业应用智能客服、智能监控等技术和装备，建立金融风险智能预警与防控系统。

AI改造风控面貌

AI也一改传统金融机构风控的面貌。比如，在消费金融领域，办银行信用卡一般都是大同小异的，提供工资证明、房产、车辆等信息，由银行来审核。但这种低维度的做法已经远远不够了。

京东金融副总裁曹鹏表示，当前的风控都是基于高纬度的风控模型建立的，“这样才能判断一个人是否适合借款，他的授信额度应该是多少，定价是多少。这些海量的数据靠人当然算不过来，都是靠机器来‘跑’。”

另外，曹鹏发现，影响风控结果的不仅仅是单个人或者单笔交易，而很可能是多笔关联交易，这些交易每笔都是正常的，但是综合起来看可能是洗钱行为。

“我们建立了一个超过14亿个节点的关系图谱，这些节点可能是电话号码，可能是收货地址，也可能是银行卡号或者身份证，这些节点会跟用户行为建立起非常复杂的网状关系，可以用来做用户的授信和反欺诈，”曹鹏称，“用户在一笔交易发生的时候，我们不仅会看这笔交易本身，我们还会看两维或者是三维以上的关系图，看当中会不会有一些涉黑的因素。”

图片来源：网络

澎湃新闻还关注到，“生物探针”技术这种嫁接在移动设备上的风控也被广泛使用，手机用户握手机的角度、移动手机的速度、点击按钮的习惯、留在页面的特征、触点的间隔等指标会被用以判断“你是不是你本人”。假使手机被人盗用，即便对方知道密码，金融平台依然可以判断出交易的风险性，额外需要人脸识别，以保证资产安全。这也是基于AI技术结合数据可以为金融创造的价值。

曹鹏还打趣道，在风控方面除了“人脸识别”，还研发了“猪脸识别”，专门用于检测农户有没有重复抵押牲口。

其实“猪脸识别”也不是新鲜事，澎湃新闻了解到，百度金融此前就有“桃脸识别”，用以鉴定农户生产的桃子的品质。

AI也是监管科技的一种新手段。

今年7月，《证券期货投资者适当性管理办法》开始施行，该办法第一次将风险评级纳入了投资管理法规之中。一位承接证监会金融科技研究课题的项目组成员对澎湃新闻表示，会用大数据的技术、AI技术识别用户行为，发现一些异常的客户——比如一个客户说自己是低风险的，但是他的交易行为或者各个方面都非常的激进，而这些客户仅凭人的肉眼或合规部门是很难发现的。

来源：澎湃新闻

疫情催化新一个AI的“黄金时代”

人工智能从来不是新的概念。但摩尔定律的突破、云计算的发展、以及海量数据的垂手可得让人工智能开始得以普及。我们认为人工智能在2016 年开始经历过以机器视觉、语音识别、和自然语言处理所带动的安防和音箱应用的高增发展后，新的AI 应用，包括医疗医药研发、金融服务和自动驾驶等领域，叠加疫情的催化，将为产业发展带来新一个“黄金时代”。　

自动驾驶，已经 ready！自动驾驶是目前人工智能技术中最前沿和涉及最广阔的方向。

迈向新一个 10 年，在“多样性+冗余性”的安全前提下，车载芯片和传感器存在巨大的投资机会。我们认为乘用车中短期内难以承担 L4 往上的传感器配置成本，所以现阶段从 ADAS 往 L3 的递进式升级，以及智能座舱应用或更为可行。

来源：网络

我们预测从现在到2030年，中国乘用车在自动驾驶的渗透率将从20％提升到75％。到2025 年，乘用车的自动驾驶功能将会从 ADAS 往 L3 迈进，2026 年将会是自动驾驶产业的分水岭。往后到 2030 年，L2+和 L3 的渗透率将继续提高。商用车方面，我们认为 2023-2025 年将会出现由科技巨头和初创企业主导的L4-L5 量产落地和变现。

自动驾驶“场景为王”的路径已初现端倪，商用车追求“一步到位”，由此衍生出四大场景：1）自动驾驶出租车 Robotaxi；2）自动驾驶货运卡车；3）半封闭场景微循环或固定路线；和 4）最后一公里物流配送。

　　车载芯片是自动驾驶系统的大脑。我们预测中国自主及合资乘用车品牌的车载芯片市场规模将会从目前的5亿元增长到2030年的逾280亿元，当中包括自动驾驶芯片和驾驶员检测系统芯片 （DMS），主要玩家包括国内的地平线、黑芝麻、华为以及国外的 Mobileye和英伟达。　　传感器相当于自动驾驶系统的五官。摄像头、毫米波雷达及超声波雷达、以及激光雷达四者各有优势，为自动驾驶系统提供全天候全方位的环境感知能力。我们认为车载摄像头行业有望复制消费电子摄像头行业的发展路径，产业里主要厂商包括舜宇光学科技、安森美、豪威科技、松下、索尼、法雷奥和富士通等。我们预测车载摄像头国内市场有望从 2019 年约24亿元增长至 2030 年的280亿元。　　毫米波雷达是目前最具性价比的测距传感器，包括短距应用的 24GHz 和探距更长、精度更高的 77GHz。全球毫米波雷达市场集中度高，主要玩家有世博、大陆和海拉等传统零部件供应商，国内玩家则主要有华域汽车和德赛西威。我们预测毫米波雷达国内市场有望从 2019 年约50亿元增长至 2030 年的310亿元。　　激光雷达的技术壁垒较高，主要提供精度和3D模型，国外玩家主要有 Velodyne、Quanergy、Ibeo 和 Innoviz，国内玩家包括禾赛科技、速腾聚创和览沃科技等。　　作为传感器环节最贵的零部件之一，我们认为其价格会随着技术从机械转换到固态而逐渐下探，从数万美元级降至数百美元级别，进而带动在 L3 和 L4/5 级别的配置。我们预测激光雷达国内市场有望在 2030 年增长至约300亿元规模。　　金融行业是目前人工智能渗透较为深入的行业之一，鉴于AI 技术与金融业的属性不谋而合。

传统金融行业的底层存在海量的数据。若要将这些非结构化的数据进行分析及预测，将耗费大量人力、时间及运营成本。此外疫情造成的金融行业节流增效和无接触营销的需求，也助推了 AI 金融的加速发展。

AI可以全面赋能金融业前中后台。前台应用包括身份识别、理赔、及扩大营销半径获取长尾客户，并高效定制服务以提高客户体验及粘性，创造收入；中台应用包括优化授信定价、贷前贷后管理、风控、防欺诈及洗钱、交易等，AI 可提高运营效率、降低运营成本及潜在损失等；后台业务以运营管理为主。

来源：网络

AI 旨在优化流程，进一步降低管理成本。根据Research And Markets的预测，2019 年，全球金融业的 AI 直接投资约为 67 亿美元，预计到 2025 年可达 226 亿美元，年化增速达 23.4％。另外，据 Business Insider 预计，2020-2023 年间 AI 或可为银行和保险公司节省 4470/3900 亿美元的运营成本。我们认为 AI 金融产业也是“场景为王”，深耕细分领域的公司存在较大投资机会。

　　AI 金融的主要玩家包括传统金融机构、互联网巨头、传统金融 IT 公司、支付公司、投资及顾问公司，以及新兴的初创金融科技公司六大类。　　我们认为传统金融公司和互联网公司受益于其海量的客户数据及强大的资金实力，发力全环节，有望占据先机，代表机构包括摩根大通、花旗、平安集团、招商银行及以 FMAAG和 BATJ 为代表的中美互联网巨头。目前银行和保险业的AI 应用相对成熟，但尚未完成形成前中后台联动的整体规划。而互联网巨头或将面临更多监管限制的新常态。支付公司作为连接银行与客户的中间环节，主要布局在中台风险管理及交易诈骗等，例如 Visa 及 Mastercard 等。　　此外，在例如自然语言处理、生物识别、 防欺诈反洗钱等细分赛道内，传统金融 IT 公司及新兴的初创金融科技公司也有望通过深耕产品取胜，例如 Salesforce、Oracle 等，初创 SaaS 服务商及一体化 AI 保险企业，例如 Comply Advantage、Hyperscience、Lemonade 及 Zesty.ai 等。　　最后，投资及顾问公司则着重发力定制化产品及交易环节，以吸引更多长尾中低净值客户青睐，例如 Betterment、 Wealthfront 等。　　在人口老龄化、慢性病增加、研发成本高企、和医护人员短缺的大环境下，AI 是缓解医疗资源供需矛盾的一个重要解决方案。

美国医学院联合会 AAMC 预计到 2033 年美国将面临 5.4 万-13.9 万名医务人员缺口，而新冠疫情的出现加剧了供需缺口。AI能为现有医疗体系带来流程改进与效率提升，减轻医务人员的工作负担。Markets and Markets 预测全球 AI 医疗市场规模有望从 2019 年的 49 亿美元增长至 2026 年的 452 亿美元，年化增速达45％。

来源：网络

　　AI 医疗产业结构从基础层、技术层、到应用层呈现倒金字塔形态。从跨行业科技巨头，到细分应用市场的创业公司，均参与到AI医疗当中。从底层算力和数据支持开始，以英伟达、英特尔、赛灵思的芯片巨头为代表。而科技巨头贯穿基础层到技术层，以 IBM 为早期布局者，与众多医疗机构建立合作实验室。此外包括苹果、谷歌、微软、阿里、腾讯、百度等科技互联网巨头，到通用电气、西门子、美敦力等专业市场龙头，均在 AI 医疗领域深挖掘。应用方面我们划分为四个主要方向：　　1）药物及疫苗研发：传统医药研发巨头如辉瑞、GSK、默沙东，以及 Moderna、阿斯利康为代表的疫苗研发公司。《麻省理工科技评论》也将基于 AI 的药物分子筛选列为 2020 年的全球十大突破性技术之一；　　2）医疗影像诊断：是AI医疗里最多且最成熟的场景，包括深睿医疗等初创企业。Markets and Markets 预测全球医疗影像市场规模到 2024 年将达 335 亿美元；　　3）基因组学：在本次疫情中扮演重要角色，包括学术研究机构到基因测序巨头 Illumina、华大基因、贝瑞基因等；　　4）智能医院在疫情中催化发展为以 AI+公共卫生管理的新重点，同时互联网医疗以平安好医生、阿里健康等在远程医疗、健康管理等方面切入。而医疗仪器则以 AI 与机器人结合，主要参与公司包括 Intuitive Surgical、Stryker Corporation 等。在这个细分市场 Markets and Markets 预测全球市场规模将从 2018 年的 65 亿美元增长至 2023年的167 亿美元。　　风险提示：

人工智能技术发展不及预期，自动驾驶、金融服务、医疗医药等行业发展不及预期，法规政策推进和支持不及预期，新冠疫情影响大于预期，全球经济恢复进度不及预期等。

来源：金融界

程序化交易

程序化交易在国内已经普及很多年了，越来越多的投资者开始启用电脑程序辅助交易。很多人对量化交易感觉高大上，但实际上只要有可量化的投资依据，例如k线，技术指标（均线，kdj，macd等）等，就是量化交易者。

量化交易用可数量化的分析方法进行交易，区别于感性交易。

程序化交易是把可量化的分析方法，用计算机编成交易策略进行自动下单交易，程序化交易是量化交易的一部分，或者是某些量化交易的进一步升级。区别程序化交易和量化交易的标准是人工下单还是计算机程序自动委托下单。

证监会2015年10月9日公布《证券期货市场程序化交易管理办法（征求意见稿）》,拟建立申报核查管理、接入管理、指令审核、收费管理、严格规范境外服务器的使用、监察执法六方面监管制度。

征求意见稿明确，程序化交易是指通过既定程序或特定软件，自动生成或执行交易指令的交易行为。程序化交易者应当只用一个账户从事程序化交易，证监会另有规定的除外。

当趋势确立时，系统发出多空讯号锁定市场中的价量模式，并且有效掌握价格变化的趋势，让投资人不论在上涨或下跌的市场行情中，都能轻松抓住趋势波段，进而赚取波段获利。程序化交易的操作方式不求绩效第一、不求赚取夸张利润，只求长期稳健的获利，于市场中成长并达到财富累积的复利效果。经过长时期操作，年获利率可保持在一定水准之上。

交易系统构成

一句话：极其开放模型(策略)的设计、风险动态管理技术、误差矫正反馈检验准确率、快捷的下单速度。这四项组成了整个程序化交易系统。

优点

一.使用程序化交易可以在交易过程中可以克服人性的弱点，这是程序化交易最大的优点，也是我喜爱程序化交易的最主要原因，人是有人性的弱点的，人的情绪化因素，贪婪、恐惧、做事不果断、赌性等等因素，都会让一个人在正交易的时刻突然改变原有的计划，而这种行为是不断重复发生的，就如德国的哲学家心理学家叔本华说过“一个人在相同的时间和环境条件下会犯同样的错误，是不可避免的，这就是人的劣根性”。我作为交易了很多年的老期货人，有非常深刻的体会，与其说我们和市场做交易，还不如说我们是不断的和自已的心魔做斗争，对期货市场有深刻认识的最典型的人，那非股票作手回忆录的作者莫属了。而程序化交易是一切功课在事先，电脑是不折不扣的执行者，应当说几乎百分之百的做到知行合一。这样也让人从盘面的辛劳中解脱出来。多少年来我们天天面对着盘面，我们的心每天都被跌宕起伏的行情所牵扯着，其实我多年的想法就是希望能做快乐期货的模式，轻轻松松的赚钱，快快乐乐的生活。因为我前期为期货付出得太多，应当有个回报了，所以更希望程序化交易能给我新的突破。

二.使用程序化交易可以突破人的生理极限。我们都知道人的反应速度是有限的，我们交易从大脑所想到手动需要一段时间来完成，而电脑程序交易显然比人工快得多，特别是当我们为了分散风险而进行多品种组合时，人的能力是有限的，如果选择品种多一点更能降低交易风险，如果我们想同时持有四个以上的商品品种，当行情激烈时多品种同时发生信号交易，那一个人的行为是顾及不了的，但电脑可以轻松完成。程序化交易可以让你远离期货，享受生活。

缺点

一.只有系统性交易者才能做到程序化交易，而其它类型的交易方法，没办法用程序化交易来完成，这就把一部分人挡在了门外。

二.程序化交易的不稳定性：我认为程序化交易系统不可以永远包打天下的，总会在特定的时候出现一定问题的，有的人高估程序化交易的效果，把程序化吹得很神奇，但也有人很排斥程序化交易，质疑程序化交易的作用，认为用程序化交易来赚钱是不是有点像发明永动机一样可笑，所以一棒子把它打死。其实这是不妥的，这和程序化交易本质是没有关系的，我们正确看待程序化交易，应当是把它作为一种工具来看待，怎么样做得好，是你怎么样利用好这个工具，程序化交易是人设计出来的，当然某个程序化交易系统赚钱的能力会直接反映设计者的期货水平。设计思想实质上是集成了交易理念、交易思路、交易方法甚至包括交易经验在内的一种积累与沉淀，但我们是不能保证一种方法就一定能永远适用期货的，程序化交易系统背后的的设计者，是不能一劳永逸的，是要面对这个市场，不断学习、不断进取、不断掌握先机。

三.程序化交易技术门槛高，不能平民化。国内的一些知名软件平台，有时还是不能全面完成反映交易者执行思路，软件业越来越发达，但还是不会无所不能，总有缺陷的，编写程序是个比较有深度的技术，很多人都不会，学起来不是那么轻松的事，有一部分人望而却步，而就是资深的软件师，也不可能随心所欲的反映所有系统性交易者的交易思路，一套真正能长期稳定赚钱的系统，可能要求很复杂，不但在交易信号上，还有在资金管理上、头寸管理上、多策动重叠上有各种各样的要求。

文章来源：百度百科