借力量化，精选价值

想象一个画面：不停闪烁的超级电脑自动进行着高速交易，荧幕上滚动着通过高速网络提前获取的最新市场消息，加上通过杠杆放大的头寸，账户的盈利不断上跳...

这就是量化交易！

金融交易发展到现今阶段，手工交易中交易者的情绪波动等弊端已越来越成为盈利的障碍，而量化交易天然而成的精准性、100%执行率则为它的盈利带来了优势。有数据显示，国外成熟市场期货程序化交易已占据总交易量的70%-80%。

价值为道，量化是术

价值投资主张见招拆招，看人下菜，先从基本的三个代表——会计的三张表入手，看企业财务状况，看未来预期现金流；再结合每个版块每个公司的各自特点，医药公司看FDA，金融版块看利率和宏观态势，科技股看赢利模式等等行成投资策略。

自80年代以来，价值投资一直是学术研究人员和实践者们热议的课题。什么是价值投资？简单来说，股票的价值会根据市场和宏观经济变化而波动，由于市场非理性往往会造成股票的市场价格偏离公司的内在价值，而投资人通过购买价值被低估的股票，以期股票的价格随着市场估值重估回升带来额外的投资回报的这种投资形式，就是价值投资。

在实践中，涌现出了很多的价值投资大师。股神巴菲特，则通过大量的财务分析和管理层调研，寻找价值被绝对低估的少数几个股票，买入并且坚决长期持有。

量化投资则颇有“凭尔几路来，我只一路去”的风范，是比较纯粹的TOP-down selection，使用统一的统计标准来大范围筛选股票。价值投资的泰斗当属巴菲特和彼得林奇。量化投资的王者则要看西蒙斯和大卫肖，两类高手在这几十年间都是不留情面地打了有效市场假说的脸。

合理的量化有极高的概率为投资者带来成功的投资。因为它实际上是使用一种流程对各个股票进行诊断，只有没问题、有特长的股票才能入围。从这一点来看，价值是道，量化是术。若想把玄之又玄的道转化为某种成果，就必须用到具体的术，即量化。

图片来源：网络

量化基金在国内资本市场上还是小众产品，可在华尔街却是名副其实的主流。

在美国量化交易已经有超过三十年的历史。目前据统计已经有超过百分之六十的交易都是通过电脑进行的，可见量化交易在美国市场是非常成熟的。

相较于海外成熟市场，A股市场的发展历史较短，投资者队伍参差不齐，投资理念还不够成熟，留给主动投资发掘市场非有效性，产生阿尔法的潜力和空间也更大。

耐得了寂寞，量化迎掘金

建立在现代统计学、数学和信息技术基础上的量化投资有三个方面的强大能力：

1、及时快速地跟踪市场变化，不断寻找、发现获得超额收益的新交易机会；

2、准确客观评价交易机会，克服人为的主观偏差；

3、在控制风险的条件下，充当准确实现分散化投资目标的工具。

相较传统的“手工投资”，量化投资能在市场陷入集体狂热时保持冷静，把握“稳稳的”收益：

·传统的“手工投资”以研究决策的深度见长，但研究决策的广度则受到人类思维容量的极大限制，而且投资者在主观认知上的偏差和情绪化波动，也容易导致投资良机的丧失，比如在“牛市”汹涌到来时被“贪婪”冲昏头脑。

·量化投资通过拓展获取信息和决策的广度，可以从海量的历史数据中寻找能够带来超额收益的多种“大概率”策略，并运用数学模型将资金筹码分散押在这些策略上，努力克服市场情绪的侵蚀，从而“把对未来市场的预见转化为高回报”。

量化投资和价值投资是相辅相成的。量化投资把价值投资逻辑通过程序固化下来，有很多量化因子都是关于基本面的。而且量化投资一切以数据和模型作为投资的准绳，无论市场情况如何都不会“随散户起舞”。一个价值投资者，通过量化分析手段，能获得更好的投资回报。随着大数据、人工智能等技术的飞速进展，金融投资正在逐步由人主导转向科技引领，人与技术在投资过程中如何更好地结合，成为未来投资的关键。在此背景下，量化投资日益得到国内大量基金公司的重视，特别是在监管逐步趋严、市场有效性逐步提升的过程中，量化交易具有广阔的成长空间。

来源：戊戌资产

是不是真的量化交易，看过这本书就知道了

最近，贝页图书给我邮来一本样书，《跟踪信号：黑盒交易如何影响从华尔街到上海的股市》，觉得很有启发，书中一语点破了量化投资和价值投资的根本区别，“量化投资者一直是投资专业人士中一个隐蔽的群体。基于价值的投资者与量化投资者之间几乎没有相似之处。量化投资者关注任何可以测量的方面，而传统投资者看的是业务中无法测量的部分。”

图片来源：网络

对于传统投资者来说，理解公司无形的方面更为重要，比如星巴克，他们“激发并孕育人文精神” 的愿景，以及霍华德·舒尔茨（Howard Shultz）这样有远见的管理人，才是传统投资者评估的关键因素。

对于量化投资者来说则相反，他们不关心公司管理质量或使命宣言。更倾向于在股票交易历史的细节处做文章。他们不关心对市场或总体经济形势的长期看法，他们关心的是投资者之间如何互动。

图片来源：网络

贝页的编辑问我，这本书到底和您看过的量化书有什么不同？我说：有些人已经很努力了，但仍然不赚钱，根据我的理解，这已经无关“科学”，而是“信仰”问题。我看到身边很多打着量化大旗的人，走的仍然是传统之路，也许他们内心根本就不信数据和机器的力量，这本书会让他们重新树立交易“信仰”。

尼采在死前曾经说过，“人最终喜爱的是自己的欲望，而不是自己想要的东西。”对于这本书也一样，它并不能赋予你不懂的东西，它只能唤醒你内心已有的信念。

图片来源：网络

在你开始赚钱之前，这本书值得买来看一看，这本书也得到了“巴伦读书会”的推荐。传统投资和量化投资没有好与不好的区分，只是目前来看，全世界大投行，都只用量化投资，而摒弃了传统的投资方法，这很令人深思。

量化投资的业内人士，即很少出书，也很少出来讲，而本书的作者，是一个例外。

来源：量化投资

人工智能在中小金融机构的应用研究

近年来，我国金融科技蓬勃发展，以人工智能为主要代表的创新技术，为金融消费者提供了更智能化的金融服务模式。2019年9月，《金融科技（FinTech）发展规划（2019-2021）》正式发布，其中，“稳步应用人工智能”作为27项重点任务之一，将促进科技与金融业务的深度融合，为金融行业注入新的发展活力。

人民银行长春中心支行高度重视人工智能在银行业金融机构的应用发展，深入研究人工智能与金融业务的深度融合，指导吉林九台农村商业银行构建“人工智能基础应用服务平台”，成功突破人脸识别准确率低、跨平台兼容性差等技术难点，同时针对我国金融领域人工智能的未来发展提出了可参考的对策建议。

人工智能在金融领域的应用现状

图片来源：网络

人工智能是指对人类智能的模拟、延伸和扩展，包括人工智能理论、方法、技术及应用系统，也是一门综合性学科，涉及计算机科学、哲学和认知科学、数学、控制论、信息论、神经生理学、心理学、语言学等多学科，其在金融领域的主要研究方向为机器学习、生物特征识别、语音语义识别及知识图谱等。近年来，人工智能在金融领域的应用影响不断扩大，主要的应用场景集中在前端的智能客服、中端的智能投顾及营销、后端的智能风控等金融业务方面。

人工智能在商业银行的应用实践

本文以吉林九台农村商业银行的“人工智能基础应用服务平台”为例，深入研究人工智能与金融业务融合应用的实践路径，为中小银行业金融机构的智能化转型提供可复制的发展路径和实践经验。

1.整体架构。“人工智能基础应用服务平台”基于开放式软硬件环境，遵循安全可靠、简单易用、可扩展等基本设计原则，运用人脸识别、语音识别、文字识别等多种生物识别核心技术，采用SOA架构和Spring Cloud微服务框架，支持B/S和API应用模式，具有高度的可扩展性、开放性、稳定性及可靠性，成功实现了跨平台、可扩展、开放的统一身份认证体系，为用户提供集中、统一的生物特征身份认证和访问控制服务，并可无缝对接现有信息安全体系。其逻辑架构如图1所示。

图1人工智能基础应用服务平台逻辑架构

2.技术创新。“人工智能基础应用服务平台”采用国内主流的人脸识别算法引擎，通过Web Service方式对外提供人脸检测、人脸属性分析、人脸图片相似度比对等功能。通过在线API、离线SDK、私有化部署等服务形式，实现人工智能与多种应用场景的适配，拥有毫秒级身份识别响应速率、灵活弹性的高并发承载等能力。尤其在人脸识别方面，该平台成功突破身份识别准确率低的技术难点，1:1人脸识别达到99.9%的准确率，0.001%以下的误识率，1:N人脸识别达到98%的准确率，低于0.2%的误识率，其创新优势主要体现在以下几个方面。

一是算法性能方面，创新应用双层异构深度神经网络算法，利用两个深度神经网络实现双层网络之间的信息共享与刺激反馈，有机结合两个相互独立的网络，大幅提升平台的计算性能。

二是模型训练方面，根据不同的业务场景、业务种类，采用监督学习与无监督学习相结合的方法，有效降低人工干预，对数据进行高效、精确地算法训练，并生成相应的模型参数，增加应用场景的自适应性和模型算法的准确性。

三是多渠道融合方面，以AI服务算法封装为核心，基于数据处理、模型训练和事件逻辑的模块化处理，打造多渠道的业务中台服务，有效提升平台的可扩展性和接入效率。

四是跨平台服务方面，提供跨平台的服务接口，支持Windows、Linux、Unix、Android、iOS等主流操作系统，实现基于不同操作系统环境下的算法灵活对接、优化提升和灵活异构，有效提升5~10倍的计算效率。同时，平台的算法模块可根据各渠道的业务峰值数量和服务器性能状况，实现CPU、GPU芯片下的算法灵活组合，覆盖主流的芯片模组、DSP微处理器及FPGA可编程门阵列，有效提升平台算法性能和芯片兼容性。

3.实践效果。在实际应用过程中，“人工智能基础应用服务平台”成功对接客户服务、智能营销、自助设备、移动终端APP、内控管理等11个应用场景，日调用量峰值高达17.67万次，成效显著。一是利用VTM、刷脸取款机、智慧柜台等新一代的智能机具，提升现金渠道95%的替代率，有效减少高柜区的客户等候时间和压柜现象，极大提高业务办理效率。二是利用无线服务、移动办公等技术支持移动终端远程交易，实现注册、开户、登录、重置密码、挂失/解挂、转账等多种鉴权场景线上化，有效改善客户体验，提升整体运营效率。三是实现员工操作、交易流程、设施设备等远程智慧化管理，以及检测评估服务质量、识别分析客户行为、实时监测网点经营状况等多种功能，全面提升运营管理水平。

平台成功上线以来，部分业务场景的办理效率有效提升了70%以上，VIP客户增至15.71万人，存款额累计增加31亿元，私人银行账户数量增至1129个，存款额累计增加26.9亿元。尤其在移动金融业务方面，成功阻止移动终端虚假开户1096起，拦截活体检测攻击606起。

图片来源：网络

人工智能在金融领域的发展建议

“人工智能基础应用服务平台”的实践成效让人欣喜，但从总体发展情况来看，人工智能在金融领域的应用依然有限，还存在一定的风险和困难。为了更好地应对未来发展的风险和挑战，金融机构要努力拓展人工智能新的应用场景，金融监管部门也应未雨绸缪地开展前瞻性的金融科技监管研究和政策指导。

1.大力发展金融科技。金融机构首先要深刻认识到发展金融科技的紧迫性、必要性和重要性，明确发展方向、转变发展方式、制定发展战略。其次要坚持金融科技技术自主可控，大力支持科技创新和研发，以重点突破带动全局，探索新型技术在金融领域安全应用，加快扭转关键核心技术和产品受制于人的局面。最后结合市场需求及自身禀赋谋求差异、特色化发展，审时度势地制定数字化转型战略规划。

2.强化基础设施管理。在金融领域，防范系统性金融风险是首要任务，信息化基础设施管理则是重中之重。一是要制定完善的信息科技管理制度，进一步强化制度、规范和流程建设工作，提高科技风险管理的规范性和专业性。二是要守住不发生系统性风险底线，建立主动防范化解系统性金融风险的责任意识，科学防范，早识别、早预警、早定位、早处置，建立健全风险应急处置机制。三是要强化基础设施运维管理，认真做好应急演练，结合实战经验，增强应对突发事件的应急处置能力，有效保障金融业务运营和日常管理。

3.完善金融科技监管。随着新技术应用的不断加快，我国金融科技出现“千帆竞发、创新者胜”的发展态势，大大增加了金融风险的跨界性、系统性和隐蔽性。目前，个人金融信息保护、云计算、声纹识别、区块链等金融科技监管规则已经陆续出台，符合我国国情的新型金融科技创新监管工具更具穿透性和专业性，更能平衡好金融科技发展过程中创新与安全的关系。

4.优化人才队伍建设。在人工智能的冲击下，金融机构要围绕金融科技发展战略规划与实际需要，制定金融科技人才培养计划，研究编制人才需求目录、团队建设规划、人才激励保障政策等，合理增加金融科技人员占比。

随着金融科技的蓬勃发展，以人工智能为基础的金融服务和产品不断推陈出新，我们还将继续跟踪人工智能在金融领域的发展趋势，研究运用人工智能改变经营和管理模式，在既有实践的基础上，进一步提升金融服务和风险管理能力。

来源：移动支付网

业内人士热议“AI量化”：新投资模式小跑入场，行业或迎五年快

经济观察网 记者 周一帆 随着量化投资的概念逐渐深入人心，市场的聚光灯照在了“科技”二字上。

“金融科技的快速进步，不止有利于量化投资拓宽投研边界、还能强化科学决策、提升投资收益。”11月27日，第一创业副总裁朱剑锋在深圳举行的2020 FIRST量化投资论坛暨投顾品牌发布会上表示。“因此，大力推动量化投资服务体系建设，是顺应居民财富管理转型升级大趋势的适时之举。”

图片来源：网络

对此，深圳前海无量资本管理有限公司总经理孙炎也在会上表示，量化投资趋势在于产品规模会越来越大、策略会不断丰富，量化技术会不断发展，人工智能技术应用会更加广泛等几个方面。

第一创业经纪业务市场研究部负责人高昕炜也称，随着技术手段的快速发展，利用其投资交易优势，量化投资不断提高其风险收益比，已经成为资本市场追捧的新星。公司推出的“FIRST”量化服务体系旨在为量化投资提供一站式服务，打造量化生态圈。

实际上，随着AI（人工智能）的快速发展，融合AI的量化投资模式已在小跑入场，试图探索出新时代量化投资的全新可能。有数据显示，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。有观点认为，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

但随着国内外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。

“利用衍生品工具构建风险收益较高的对冲结构，获取更高的风险调整收益，是目前国内量化投资激烈竞争背景下可能存在的一大机遇。”深圳市衍盛资产管理有限公司投研总监王坚指出，“而另一个方向则是向低频方向发展，更好地利用价量信息以外的有效信息。”

但在上海珠池资产管理有限公司合伙人宋兴华看来，需要注意的是，随着当前确定性溢价逐渐受到理性客户的认可，巨量的资金涌入量化投资领域之后，对管理人和FOF机构形成了考验，进而将导致产品业绩分化的情况加剧。

对于量化投资的前路，上海弈倍投资管理有限公司总经理王上表示，目前国内的量化市场有望迎来一个五年维度的快速发展期，而其中的突破口就在于数据、非量价因子、人才等几方面。”

图片来源：网络

据了解，为了抢夺人才，有量化私募机构甚至要支付给猎头候选人薪资的25%作为猎头费，一年甚至要为此花费上百万元。对于优秀的人才，机构更是费尽心思，使出“十八般武艺”留住人才。除了分红之外，还有产品跟投、股权激励等措施，更有机构表示要帮全部员工实现财务自由。

展望未来，华锐金融技术总经理苗咏认为，今后的交易具有交易主体机构化、交易手段科技化、交易行为多样化、创新和开放常态化的特点，所有市场参与者均将面临着多维运营、业务创新、交易延时等挑战。

来源：经济观察报

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