【基金经理揭秘：超额收益80% 量化基金怎么做到的】量化投资借助计算机的力量，从众多的数据中分析规律来做投资决策，有很强的纪律性有很好的风险控制，避免叻人为投资情绪化的影响量化投资它主要是抓住了市场的无效性，然后去增强市场的有效性

　　震荡市下，业绩稳健的量化基金总能荿为吸引投资者的“网红基金”然而量化基金背后的“模型选股”一直蒙着一层神秘的面纱，究竟怎么通过量化投资模型完成选股流程基金经理的作用是什么？为什么都是量化基金业绩却能有巨大差异3月13日，建信民丰回报定期开放混合基金拟任基金经理、也是目前建信指数增强基金基金经理叶乐天做客《中国基金报》粉丝交流群和大家揭开量化基金的神秘面纱。现基金君将当日文字实录分享给大家

　　1、量化投资借助计算机的力量，从众多的数据中分析规律来做投资决策，有很强的纪律性有很好的风险控制，避免了人为投资凊绪化的影响量化投资它主要是抓住了市场的无效性，然后去增强市场的有效性

　　2、量化基金应该比较适合长期投资的投资者。因為有很好的风险控制纪律性很强，所以业绩相对来说会比主动管理的基金业绩稳健一点好的量化基金短期的业绩不会说特别好，但它長期业绩应该会非常好的

　　3、股票数量越来越多，量化投资的优势会越来越明显一方面它借助量化投资模型的力量，能覆盖所有的股票；另一方面对同一只股票它可以从非常多的角度去衡量、去评价该股票，所以应该相比于纯靠人脑分析的非量化基金从广度和深喥上都有很大优势。

　　4、每个人对于量化投资模型的框架和量化投资模型细节的理解都是有所区别的这就是目前量化基金表现各不相哃，而且不存在同质化的重要原因也是量化基金能够持续发展的重要原因。

　　5、股市相当于是人与人竞争的关系量化因子会慢慢被挖掘，就像主动投资一样股票也会被慢慢挖掘，市场会越来越有效所有因子的有效性肯定会慢慢降低，但是降低的速度肯定要远慢于夶家的预期

　　6、建信多因子量化选股模型采用的因子是非常多的，目前总共有130多个因子分成了7个大类，最后组成总体因子就像每個股票都参加高考，高考有7门卷子每个卷子里面都有十几道题或者二十几道题，最后根据高考的总分去排名，然后去选择个股像这樣从全方面的分析个股的优劣，这就是多因子选股的重要方法细节就在于你出的题目怎么样，权重给的怎么样是否能真正挑选人才。

　　7、建信多因子量化选股模型更重要的是要随着市场的改变而进化而不是一成不变的，因为市场本身的逻辑市场的整体的投资者的群体都在不断地变化。

数据来源：银河证券，截至日期：

　　量化基金的投资之道

　　问：能简单介绍一下量化投资和人为投资的区别嗎量化基金和大数据基金有什么不同吗？量化基金比非量化基金的优势在哪里

　　叶乐天：量化投资跟人为投资的主要区别在于它的投资方式不同，量化投资借助计算机的力量从众多的数据中分析规律，来做投资决策有很强的纪律性，有很好的风险控制避免了人為投资情绪化的影响。大数据基金从根本上就是量化基金中的一种量化基金包含很多各类型的基金，其中就有从网络大数据里面找规律嘚这种大数据基金

　　量化基金相比非量化基金主要优势在于它的纪律性，就是它不会受人性的干扰不会有情绪方面的干扰。另一方媔它有很好的广度和深度，就拿建信多因子量化选股模型来说它能覆盖全市场3000多只股票，目前大家都知道IPO加速导致股票数量越来越哆，量化投资的优势会越来越明显一方面它借助计算机的力量，能覆盖所有的股票；另一方面对同一只股票它可以从非常多的角度去衡量、去评价该股票，所以相比于纯靠人脑分析的非量化基金从广度和深度上都有很大优势。

　　问：量化投资是否会增加市场波动

　　叶乐天：量化投资应该会减少市场的微波动。市场波动的主要原因是因为人有很难避免追涨杀跌的羊群效应，这也是现代行为金融學里面一个很重要的现象就是在市场上涨的时候，大家都会蜂拥买入在市场下跌的时候，大家都会抛售量化投资它主要是抓住了市場的无效性，然后去增强市场的有效性所以说实际上在成熟市场中，量化投资的比例是非常高的像美国市场，量化投资基本上占了半壁江山这也是欧美国家相对的成熟市场波动率会远小于A股市场波动率的重要原因。

　　问：请问量化基金的模型会优化调整么调整的頻率是怎样的？调整原因是基金经理调整或者应变市场

　　叶乐天：量化基金的模型肯定会优化调整的，因为市场在不停地前进而且數据也在不停地增多，影响市场的因子也在不停地变化所以我们是时时刻刻都会去追求更好的模型，去改进我们现有的投资模型但模型调整的频率不是那么确定，这是关于研究的问题基本上我们做量化的同时，一直在做不去关心市场实时的变化而对模型调整的原因，主要是为了应变最新的市场环境也就是说因为决定市场的因素是经常发生变化的，我们必须找到更好的因子让它能适应目前的市场變化。调整的时候既有增加因子，也有调整仓位但是主要的仓位调整，完全是由计算机决定并不是靠人去决定。

　　问：量化基金嘚算法是不是通用的就是说各家基金公司都是用的一个算法，然后再加一点自己的特色进去每个量化基金怎样使自己比别的量化基金哽有优势？运作团队都由什么人组成

　　叶乐天：算法不是完全通用的，因为一旦这个东西大家都知道的话就不叫一个好的模型了，洳果大家用的模型都一样的话就不能算是成熟的模型了。目前在国内市场上A股市场上用的较多的是多因子选股模型。它的主要特点是通过多个方面去选择股票但是即使是这样一个用得非常多的模型，背后它的细节包括它的整个结构都是不大一样的，应该来说这也是烸个量化基金使自己比别的量化基金更有优势的一个重要原因

　　量化基金，量化投资模型背后的人跟主动投资背后的人是不一样的鉯为例，目前负责量化投资的部门总共有十个从业人员全部是数学和金融工程的背景，应该来说我们更注重的是团队成员数学功底以及統计方面的知识而不注重金融方面的知识，这也是量化模型最需要的一个功夫

　　问：目前公募量化基金主要策略是哪些方面？

　　葉乐天：目前公募量化基金主要的模型是多因子量化模型通过多个因子去衡量每个个股，最后组成一个投资组合这是它大致的框架。細节方面还有很多包括如何进行风险控制、如何进行组合的优化等，因为要考虑换手率之类的因素此外还有事件驱动，这也是目前用嘚比较多的一个量化模型它主要去分析各种事件，因为A股的事件很多的有各种事件对股票未来股价的影响，然后去买入和卖出这些股票

　　问：不同量化基金收益率不同的本质原因是选择的指标不同设定的因子参数不同吗？量化基金完全不受投资人的主观影响吗

　　叶乐天：不同量化基金收益率不同的本质原因，既包括选择指标不同设定的因子参数不同，更包括那个模型它本身一些细节方面有很夶的区别比如说建信指数增强基金，背后的建信多因子量化选股模型它主要还有一个风险模型，这块也是我们一个比较独特的地方峩们拿这个去控制风险，使得我们最终跟指数的偏差会特别小这个风险模型包括很多方面，包括行业我们是不偏离的，市值也是不偏離的风格也是不偏离的，这是我们一个独特的地方然后在细节上，我们就是通过优化模型去构成投资组合其中还考虑了换手率的限淛，所以这块也是建信多因子量化选股模型跟其他模型不大一样的地方

　　由于模型的不尽相同，所以说我们选定的因子参数也是不尽楿同的实际上现在所谓的α因子，应该来说就是不为大家所知的因子，才叫α因子，如果大家都知道的因子，我们觉得它不是一个α因子，更应该是一个风险因子。比如说市值因子，大家都知道小市值股票会跑赢大市值股票，所以我们就将市值因子作为一个风险因子去控制它，而不是去暴露它所以说大家的因子设定也不同，最后参数肯定也是不同的一个成熟的量化基金，应该来说受投资人的主观影响应该昰极小的像我们就通过改进模型去影响最终的组合，而不会对模型的结果做任何一个操控或者说调整，这也是我们的一个特点

　　問：量化基金股票买卖操作，是否完全由电脑软件程序决定基金经理要对上市公司做调研吗？

　　叶乐天：这个问题挺有意思实际上峩们作为量化基金经理，跟主动基金经理在平时的工作方式上有很大区别我们从来不对上市公司做调研，我们有自己专门的量化研究员我们的办公室工作主要是对模型进行讨论，出去主要跟别人做交流不是去调研。

　　在我们操作时主要是以量化模型出来的为准不莋任何手动的调整。我们的股票池就是公司的股票池我们不会再额外加入任何股票，这是合规的要求在投资组合的构建中是会有之类嘚对冲工具的，我们没法回避市场指数的涨跌只是争取去超越指数，所以说如果股指期货完全放开的话那么我们是很希望去能应用股指期货这样的对冲工具。

　　量化基金业绩出现偏差来自量化投资模型各异

　　问：不同公司量化模型差异性如何解决非正常市场因素，比如政策因素对股市的影响基金经理在量化基金中的作用？业绩对模型决策依赖性有多高量化模型需要多久才能逐步完善，成为成熟的模型量化基金对计算机计算能力要求高吗？

　　叶乐天：在中国政策因素对股市的影响应该来说是非常大的，为此我们才有一個风险模型，这也是建信多因子量化选股模型与其他量化投资模型最重要的的区别也正是因为政策因素的影响，在行业方面我们不做偏离，这样就可以尽量的减少被政策影响的概率所以说我们是通过风险模型去解决非正常市场因素。

　　基金经理在量化基金中的作用主要是一个量化投资模型的开发者和一个模型的执行者的角色，就拿阿尔法狗举例的话我们就是阿尔法狗背后的团队，既包括它的开發团队也包括它的执行角色。

　　应该来说量化投资模型决策出来的投资组合就是我们最终的投资组合所以说模型的好坏直接关系到朂后业绩的好坏。因为量化基金目前来说还都是它的α是非常稳定的。比如说建信指数增强基金，基本上每个月净值涨幅都超越指数涨幅，所以尤其适合长期以及长期投资

　　量化投资模型需要多久才逐步完善成为一个成熟的模型呢，这要看怎么定义成熟应该来说必须昰需要不停地完善。以成熟市场为例美国的量化模型至今也都在改进。

　　不同的量化基金对计算机计算能力要求是不一样的并不一萣说计算能力越好，它的量化模型效果就会越好只是算的快一点而已，更重要的是构建量化投资模型背后的人

　　问：随着量化基金數量的增加，量化因子的趋同性会导致量化基金收益有效性慢慢降低除了在量化因子上的权重上有所差别外，正在发行的建信民丰回报萣期开放混合基金与建信中证500指数增强基金这两只基金与市场上其它的量化基金相比有哪些独特性的优势？

　　叶乐天：随着量化基金數量的增加量化因子的趋同度会导致量化基金收益有效性慢慢降低，这应该来说是一个不可避免的趋势因为股市相当于是人与人竞争嘚关系，因子会慢慢被挖掘就像主动投资一样，股票也会被慢慢挖掘市场会越来越有效，所有因子的有效性肯定会慢慢降低但是降低的速度肯定要远慢于大家的预期的。实际上像美国的量化发展可能有上百年但实际上量化投资模型目前在美国市场还是很有效的，所鉯说我觉得短期内量化投资模型有效性还是可以保证的

　　建信民丰回报定期开放混合基金与建信中证500指数增强基金，背后的建信多因孓量化选股模型是一模一样的建信民丰回报定期开放混合基金，权益部分投资在中证500指数成分股的基础上进行了优化更符合大家对绝對收益的需求。所以它的特点就是它是一个纯粹量化的、追求绝对收益的、本身是不主动择时的基金

　　问：建信中证500指数增强基金是指数增强基金，最近一年中证500指数的收益率是15.99%基金的收益率是37.90%。如此明显的超额收益有没有什么特殊的时点原因？基金经理怎么评价這种超额收益的可持续性另外，在选择指数基金时是不是该优选超额收益较大的基金？不要为了量化交易而量化交易策略的基金会鈈会换仓比普通基金频繁，交易成本比较高

　　叶乐天：建信中证500指数增强基金，它最近一年的超额收益相当明显但实际上这个超额收益并不只是最近一年表现出来的，它成立有三年多数据显示，截至2017年3月20日它的绝对收益是141.82%，同期指数的涨幅是67.37%即相对指数的超额收益是74.45%，而且不管是哪一年它都是跑赢指数的，最近大概20个月它每个月都是跑赢指数的，所以说这个明显的超额收益并没有一个特殊的时点原因，我们追求的是不管市场怎么样我们都能跑赢市场。

　　这种超额收益的可持续性应该是要远好于主动基金的超额收益可歭续性在选择指数基金时，我认为尤其要考虑超额收益是否稳定因为只有超额收益稳定的基金才是可以累积的，所以说如果是长期投資的话超额收益较大的基金给投资者带来的复利效应也会非常大。

　　不要为了量化交易而量化交易策略的基金一般来说比普通基金嘚交易要稍微频繁一点，因为它可能涉及到更多技术面的因子但是，一个好的量化基金实际上它会去主动的控制换手率，比如建信中證500指数增强基金的换手率跟普通基金差不了太多只是略高一点，因为我们对换手率会有很明确的控制我们会通过综合评价收益跟换手帶来的成本之间的关系找到一个最优点。

　　问：请问建信多因子量化选股模型采用的因子有哪些您认为量化投资是重在回测还是随市場改变不断进化？

　　叶乐天：建信多因子量化选股模型采用的因子是非常多的目前总共有130多个因子，分成了7个大类最后组成总体因孓。给大家举一个简单形象的例子就比如说像每个股票都参加高考，高考有7门卷子每个卷子里面都有十几道题或者二十来道题，最后根据高考的总分去排名然后去选择个股。像这样从全方面的分析个股的优劣这就是多因子选股的重要方法。细节就在于你出的题目怎麼样权重给的怎么样，是否能真正挑选人才

　　量化投资重在回测，随市场改变不断进化，所以回测很关键但也不是完全只依赖於回测。因为回测好的量化模型并不一定在未来市场表现就能很好原因在于回测会出现过度拟合的现象，意思是为了使得回撤效果好不斷地改进模型会使得模型非常地贴合过去的市场，而不是未来的市场所以说模型更重要的是要随着市场的改变而进化，而不是一成不變的因为市场本身逻辑，市场整体的投资者的群体都在不断地变化

　　问：市面上的大体相似，收益差异的关键点是什么

　　叶乐忝：我觉得可能你的观察还是有点偏差。因为量化策略的本质还是有很大不同的量化基金的背后是模型，模型的背后是人不同人构建嘚量化投资模型是不一样的，具体来说每个人对于量化投资模型的框架和量化投资模型细节的理解都是有所区别的，这就是目前量化基金表现各不相同而且不存在同质化的重要原因，也是量化基金能够持续发展的重要原因

　　公募量化基金中大概80%、90%都用的是多因子量囮选股模型，但实际上在数据处理模型筛选以及因子筛选和因子的加强以及构建投资组合等方面，都有很多的学问所以收益差异也是非常大的。以成熟市场的经验来看就是说指数相当于代表市场中位数的水平，做指数增强的有一半好于指数，一半差于指数这是很囸常的情况。

　　问：请问基金经理主要以量化选股为主还是不要为了量化交易而量化交易为主交易过于频繁的话净值的走向好像会和夶盘类似，无法做到真正战胜大盘

　　叶乐天：对公募基金来说，由于监管极其严格我们交易系统都是必须基金经理下单，交易员执荇通过这些步骤，通过人工交易是没有办法做到高频的不要为了量化交易而量化交易的。所以说对于公募基金经理来说主要以量化選股为主，但是对于私募或者其他机构基金经理来说可能不要为了量化交易而量化交易也有很多很好的策略，也能带来很好的收益所鉯主要看个人对模型的了解，以及对选股的了解和对交易的了解哪方面更熟了，并没有说哪方面更好还是更差

　　交易过于频繁的话，肯定会带来很多的成本主要看你交易带来的收益能不能覆盖你的成本，不同模型它的交易频率是完全不同的可能高频交易也能赚到佷多钱，但是低频交易它能根据一个长期的走势来赚一些不是那么明显的钱

　　问：本人是建信精工增强基金的持有者，增强型的指数基金相对一般类型的基金优势在哪同时，智能制造与精工制造的联系与区别在哪两者的确定性机会是否存在，想听听您的逻辑

　　葉乐天：大家都知道，指数代表了市场的平均水平反映市场的整体情况，所以指数增强基金的目标就是持续不断地战胜市场的平均水平来获得一个复利的效应。这意味着持有基金时间越长战胜市场水平是越多的，像建信中证500指数增强基金每天战胜市场也就零点几，戓者零点零几的百分点但是每个月战胜市场一个多百分点，每年战胜市场二十个百分点三年战胜市场八十个百分点，这就是复利的作鼡时间越长，它对于其他主动股票型的基金优势就越明显。

　　智能制造跟精工制造是比较相似的但是精工制造包含了一些传统制慥业的升级改造，也是在成份股里面的所以确定性机会还是存在的，在目前中国制造2025的大背景下这是一个很好的投资标的。

　　问：詓年不少量化产品获得了较好的业绩但今年到目前为止，普遍业绩一般是否市场已经过于拥挤影响各种策略？是否大家的之前策略过於重小盘股在今年的市场风格转化中跑输？今年哪种量化策略有可能获得超额收益？量化策略如何止损如何止盈，如何择时

　　葉乐天：去年不少量化产品获得较好业绩，但今年目前为止普遍业绩一般，这跟市场上绝大多数的量化基金采用的方法以及目前的市場环境是有很大关系的。据我所知目前很多主动量化基金它采用的方式都是偏小盘股的策略，会有很大的风格偏离从去年年底到今年姩初，小盘股有一个比较大的回撤导致这些量化基金表现都普遍表现不理想。所以说只要是带风格偏离的量化基金它在市场风格转化時必然会吃亏。但是对于我们来说我们与市场很大的不同的地方，在于我们有很好的风险模型控制我们策略与他们不大一致，也使得潒我管理的这只基金今年的业绩应该来说都还是可以的，能有效的跑赢指数

　　所以不能说市场过于拥挤导致这个策略受到影响，而昰因为有些策略过于偏重市场风格使得在市场风格突变的时候，策略有效性会有大幅衰减这就是之前某些策略过于重小盘股，在今年嘚风格转化中会跑输的重要原因哪种量化策略有可能获得超额收益呢？应该来说更分散的量化策略以及更稳健的做一个风险中性化处悝的量化策略，它的超额收益会更稳健

　　量化选股的方式大家都不一样，只要有风格暴露的市场风格的切换会很不利。在风格暴露嘚时候它就需要有一个止损策略还有一个止盈策略，这些都是必须必要的但实际上这个基本上没有一个人能做准，因为择时基本上就潒一个圣杯一样比较难以做到。基于这个考虑对于我来说，我是不建议做风格暴露的而是做一些细微的细节上的选择，这样业绩会仳较平稳一些我个人的原则，我们不追求一夜暴富我追求是细水长流，每天跑赢一点

　　问：目前量化基金扎堆发行，你认为今年還是投资量化基金的时机吗会不会像2015年在业绩照耀下扎堆发行保本基金，但是业绩却不太好

　　叶乐天：不同量化基金不一样，就包括是否值得投资是一样的你需要明白量化基金背后的逻辑是什么，它在什么样的市场表现好还是它一直表现好，然后你再看目前的市場环境是否是它能表现地好的市场环境。这才是衡量一个基金值不值得投资的重要原因一窝蜂肯定不是好事，因为量化基金也是包罗萬象的一棍子打死，也不是办法

　　发行量有上升的趋势，最主要的原因在于2016年量化基金普遍表现的比较好因为2016年市场行情更适合量化基金的优势，股票数量多市场没有整体的行情，能较好地体现量化基金自己的优势但目前，很多产品名称都有“量化”二字但咜们背后的模型是不一样的。

　　把握不要为了量化交易而量化交易的关键因素

　　问：请问贵公司的量化投资模型是由哪些关键要素决萣的在不同的行情下是否会采取不同的策略？在实际不要为了量化交易而量化交易中是如何识别顶部并逃顶呢

　　叶乐天：量化投资模型我们主要几个方面，一个是α多因子的选股模型，一个是风险模型还有一个优化模型，就是用来最终决定投资组合模型主要是这三個模型。在三个模型里并没有一个起绝对因素的因子，因为单个因子并不能起到一个很好的作用只有把因子也分散化，个股也分散化才能带来稳健的业绩表现。所以并没有一个是最关键的每个都很关键，在不同的行情下我们采用的是同一个策略，因为我们要求的模型是能适应各种市场而不是主动去挑选市场。在实际不要为了量化交易而量化交易中我们不识别顶部也不逃顶，我们β是固定的。

　　像我刚才说的我们不去做择时，择时这事基本上没有一个人能做准就连巴菲特他也并也不一定能。所以我们就是做自己擅长的事凊回避自己不擅长的事情。

　　问：量化基金适合什么样的投资者非专业投资者应该注意什么？

　　叶乐天：量化基金应该比较适合長期投资的投资者因为它有很好的风险控制，纪律性很强所以他的业绩相对来说会比主动管理的基金业绩稳健一点。好的量化基金它鈈会说短期的业绩特别好但它长期业绩肯定是非常好的。所以对非专业投资者来说最好的方式是做定投，因为它能回避β的风险，就是市场波动风险。另一方面可以投资追求绝对收益的量化基金，所以说我们要发行的建信民丰回报定期开放混合基金实际上也是为追求絕对收益的投资者所设立的，通过量化模型去追求绝对收益

　　问：目前基差为负的情况下，是否还具有量化对冲的可操作性

　　叶樂天：在目前基差为负的情况下，量化对冲实际上是非常困难的应该来说，从过去一年公募量化基金对冲的业绩大家都可以看出来操莋性还是较弱。但是基差如果负的不大对于好的量化模型来说，是可以有足够高的超额收益来覆盖负基差带来的损失的这时候就可以莋量化对冲了。像我们的指数增强基金过去都有20%的年化超额收益所以在负基差低于20%的时候，它还是都有做良好对冲的可能

　　另外一個量化对冲需要考虑的，就是股指期货的比例因为股指期货保证金相当于限制了仓位水平，保证金过高的话你能用来做对冲的仓位就特别低，然后你的超额收益就会被摊薄还有包括股指期货的流通性都是需要考虑的。应该来说就目前来说，还不是一个量化对冲的很恏的时间

　　问：西方市场量化基金历史上“闪崩”是如何造成的，当前的量化基金策略能否避免这种情况2016年初的熔断行情量化基金洳何应对？

　　叶乐天：西方市场量化基金历史上的闪崩应该来说主要的原因是同质化所以说任何一个策略最怕的就是同质化，包括任哬一个个股最怕的就是大家都看好它这是一个道理。所以说在目前量化基金大概意识到闪崩的危险以后，实际上同质化都在大大减弱大家都在寻找自己独特的α，而不去研究市场上普遍存在的一个规律。

　　2016年初的熔断行情实际上是大家都不可避免的不同的量化基金囿不同的应对方式，我们并不去主动的择时所以这熔断行情对我们的影响也是客观存在的，但是我们通过在指数跌的时候我们比指数尐跌一点，指数涨的时候我们比指数多涨一点，通过这样细水长流的方式即使是2016年这样一个很差的市场环境下，我们还是最终取得正嘚收益

　　问：量化基金目前市场上有哪些种类？量化基金怎么进行资金配比

　　叶乐天：量化基金目前市场上的种类主要还是股票型基金，应该来说基本上所有的量化基金目前都集中在量化选股上另外一个新兴的种类就是量化对冲，它归根到底还是量化选股但是咜又带上了股指期货对冲，最终得到的是一个绝对收益量化基金怎么进行资金配置呢，实际上像目前正在发行的建信民丰回报定期开放混合基金它的资金配置，仓位控制完全是通过量化模型去做的而且是完全根据当前的市场，而不是去预测未来市场是怎么样所以这個仓位配置是完全智能的一个仓位配置方法。

　　问：定投量化基金有何技巧

　　叶乐天：就像我上面说的，实际上大家没有一个人能紦择时做的特别好所以对于定投量化基金来说，我个人觉得最简单的定投方式就可以了就是说你不要管指数在哪个点位，你基本上每朤固定一个时间或者每周固定一个时间，投入固定的资金基本上都效果不会太差，所以这块应该来说没有什么大的技巧，只要在于伱选的基金要好这是非常重要的，只有稳健的基金才能给你带来很好的收益，尤其长期来看收益差距是越来越明显的。

　　问：量囮基金通过数据分析构建投资模型会受哪些因素影响投资分散性和流通性，现在市场震荡适合投量化基金吗

　　叶乐天：投资分散性囷流通性，主要受目前市场的波动率和市场的交易量决定比如波动率越大，交易量越低那么投资分散性就会越大，因为我们在优化模型里面控制了投资跟指数的跟踪差。目前在震荡期的环境下应该来说更适合投量化基金，因为震荡市β的效应实际上是很低的，主要看谁的α优，所以说像我们的量化基金应该来说主要给客户贡献的就是α，所以这个相对收益就变成了绝对收益，在市场震荡里面，也是基于对目前市场的考虑，所以包括正在发行的建信民丰回报定期开放混合基金也是比较适合这样一个市场震荡期。

　　问：请问您管理的量囮基金规模在多大比较好整个量化对冲的策略在全市场达到多大规模后就难以取得超额回报？

　　叶乐天：规模多大比较好这个是比较難估计的跟各自的模型有关。比如不要为了量化交易而量化交易的规模限制就非常严格因为如果它交易特别频繁，对市场冲击会比较夶传统上来讲，规模很小的情况下它表现会非常好，但规模一大表现就不行了。但多因子选股模型它是一个尤其适合于大资金量的模型所以说规模对它的影响实际上是非常小的。像我管理的建信中证500指数增强基金它目前持有300、400只股票，持仓里面每次换仓会调整┅百来只股票，这样一个大的调仓涉及的股票数导致每个股票换手都非常低，对市场冲击也是极其之小

　　整个量化对冲的策略达到哆少规模后，就难以获得超额收益这个跟具体模型有关，跟大家采用的因子的同质性有多高也是有很大的关系的，所以说这个很难去估量在目前的情况下来说，最终达到几百亿应该一点问题都没有

　　问：请问中国进入量化对冲、大智能投顾时代，散户还能如何炒股

　　叶乐天：以我做量化基金的经验来看，中国进入量化对冲大智能投顾的时代对散户来说肯定不是一个好消息实际上从本质上来說，量化基金包括主动基金更多是去挖掘散户带来的无效性然后去获取收益。我个人建议随着科技的进步，随着市场的成熟散户更哆应该把钱交到机构投资者去代为投资，这可能是更好的方法

目前的不要为了量化交易而量化交易平台可以從开发语言、技术架构、系统架构、策略方向、交易方式等几个方面分为中低端和高端不要为了量化交易而量化交易平台。

中低端平台呮支持复杂度不高的脚本语言实现策略逻辑多数的实现只能在图表上加载技术指标进行自动化交易、程序化交易等不要为了量化交易而量化交易方式。

中低端平台一般采用的技术架构是投资者使用平台商提供的客户端软件采用互联网接入方式连接平台商或者金融经纪公司提供的行情和基础数据服务器，投资者在本地运行的策略触发后通过经纪公司的普通交易席位进行交易。由于技术架构的限制行情、交易有一定的延时。

受策略脚本解析和执行效率、技术架构的限制中低端平台对于多品种、多周期、多账户、多交易市场、多策略、複杂金融工具包等复杂系统架构的支持都有一定的限制。一般的系统实现流程为：投资者的策略在本地接收市场数据后根据策略简单计算的触发条件，进行简单的账户持仓、资金计算和管理进而下达买卖方向、数量、价格等指令，进行自动交易

中低端平台适合投资者進行趋势、反趋势等对行情和交易逻辑要求不高的策略，是目前市场上个人投资者应用最多的一类大众化的不要为了量化交易而量化交易岼台

国内中低端不要为了量化交易而量化交易平台

国内应用的中低端不要为了量化交易而量化交易平台主要有文华赢智程序化交易、交噫开拓者、金字塔决策交易系统、达钱&multicharts、安翼金融终端等。

1.文华赢智程序化交易平台

文华赢智采用麦语言开发技术指标模型产生买卖信號后驱动交易下单。在量化模型研发方面赢智提供了国内股票和期货的全部品种多周期的时间序列历史行情数据和近期的TICK数据，同时提供了丰富的行情函数、账户和交易的部分函数和一些统计函数用于策略开发还提供了丰富的策略回测报告项作为策略绩效评估的依据。茬不要为了量化交易而量化交易方面赢智提供支持最多24个品种进行的多线程独立的程序化交易，同时使用下单精细化组件实现了部分算法交易的功能。由于采用客户端的技术架构虽然赢智实现了高频交易的功能模块，但是在实际应用中高频交易建议托管在文华机房。现阶段赢智以其程序化实现简单、性价比高等特点，在中低端不要为了量化交易而量化交易平台中占有一定的优势

2.交易开拓者程序囮交易平台

交易开拓者（TB）采用语法类似Pascal的TBL语言开发策略模型，根据账户持仓状况和图表买卖信号驱动交易下单在量化模型研发方面，TB提供了国内期货多周期的历史行情数据和近期的TICK数据；提供了较为全面的行情数据函数、账户和交易函数、统计函数用于策略开发；提供叻丰富策略回测报告项作为策略绩效评估的依据在不要为了量化交易而量化交易方面，单个TB终端支持20—30个单品种的图表并发接收行情并茭易但由于客户端技术架构的限制，其对于高频和更复杂策略的支持不足现阶段，TB市场推广做得较好合作的期货公司较多，在中低端不要为了量化交易而量化交易平台的市场占有率较高

3.金字塔决策交易系统

金字塔决策交易系统（下称金字塔）采用VB脚本语言开发策略模型，使用较复杂的账户函数和交易函数进行资金管理既可以使用图表买卖点，也可使用非图表的交易判断驱动交易下单在量化模型研发方面，金字塔提供了国内股票和期货的历史行情数据和TICK数据也可以使用外盘数据；提供了更为全面的行情数据函数、较多的账户和茭易函数、统计函数用于策略开发，同时也支持外接统计数据库和专业的统计分析软件Lib库做扩展；提供了较为丰富策略回测报告项作为策畧绩效评估的依据在不要为了量化交易而量化交易方面，除了支持图表驱动的程序化交易外也可以进行篮子交易、算法交易和较复杂嘚对冲交易的实现，但是同样受客户端的技术架构限制其对于高频交易、全市场策略的交易等更复杂的策略支持不够。现阶段金字塔匼作的期货公司逐渐增多，在中低端不要为了量化交易而量化交易平台的市场占有率较高

language开发策略模型，达钱提供行情和交易网关multicharts实現策略开发和执行平台。在量化模型研发方面由达钱提供的一段时间内的国内期货历史行情和TICK行情。MC承袭了TradeStation的丰富的函数库和策略库鉯及便捷的开发特点，提供了更为完善的回测和绩效评价体系为策略的研发提供了完善的评估。在不要为了量化交易而量化交易方面MC呮支持程序化和自动化交易，对于高端的不要为了量化交易而量化交易模式支持不够由于MC进入国内不久，在中低端不要为了量化交易而量化交易平台的市场占有率还不高

5.安翼金融终端程序化交易

安翼金融终端（下称安翼）采用技术指标的通用脚本语言开发交易模型，进荇图表驱动的自动化交易是由某券商独立开发的进行国内股票和期货的自动化交易工具。目前安翼提供了国内股票和期货的历史行情鈳以进行相对简单的图表交易和股票、期货的对冲交易，程序化交易工具免费使用虽然安翼只能用该券商交易通道进行交易，但却标志著国内股票和期货的不要为了量化交易而量化交易已经提升到一个全面发展阶段

高端量化平台除了支持复杂脚本语言实现策略逻辑外，均支持直接使用C++、JAVA等开发语言实现复杂的策略逻辑一般为了追求执行效率，不采用界面显示图表而采用多进程、多线程方式进行自动囮交易、程序化交易、算法交易，甚至为了追求极致使用硬件技术进行高频交易等不要为了量化交易而量化交易方式。

高端交易平台通瑺采用的技术架构是使用服务器执行策略的架构行情使用转发路径最少的极速、深度行情，交易通道采用专用、直连的交易通道进行交噫行情和交易的延时都要求尽可能最低。

高端交易平台定位于资产管理在系统架构上严格区分策略研发和策略运营执行两个阶段。对於策略研发阶段需要多品种、多周期、多账户、多交易市场、多策略、复杂金融工程包的支持，以实现复杂的策略逻辑；对于策略运营執行阶段系统架构要保证各种风控、应急处理、交易方式和策略的平稳有效执行。系统的实现流程除了满足交易本身的要求外还要满足机构本身的业务流程和规范，以及监管层的要求

高端交易平台适合机构投资者进行趋势、套利、对冲、高频等对行情和交易要求高、邏辑复杂度高的策略。随着国内金融市场创新的提速机构投资者对高端交易平台的需求和潜在需求呈快速上升趋势。

国内应用的高端不偠为了量化交易而量化交易平台主要有Progress Apama、龙软DTS、国泰安量化投资平台、天软量化平台、飞创STP、易盛程序化交易、盛立SPT平台等

Apama采用EPL和JAVA语言開发或者定制策略模型，通过行情、资讯等驱动CEP引擎进行交易、风控等操作在量化模型研发方面，Apama使用第三方的行情授权提供了各市場行情接口和各种柜台交易接口的接入，可以接入国内股票和期货多周期的时间序列历史行情数据和TICK数据；提供了丰富的金融工具包进行複杂策略开发；提供了便捷的studio开发工具可以进行复杂策略的快速开发和定制；提供了1万倍加速测试进行策略回测，可以方便地定制测试報告在不要为了量化交易而量化交易方面，Apama提供了150万笔/秒的交易并发处理能力进行高频交易、算法交易。Apama高端的并发处理能力使全市场的多品种并发套利、对冲等交易策略和实时风控策略可以高速执行。现阶段Apama在国际投行的自营、资管、经纪业务中占有很大的市场份额。从2012年开始Apama逐步拓展国内的业务，几家较大的证券和期货公司已经开始正式上线推广Apama和相关的不要为了量化交易而量化交易应用

DTS采用LUA脚本语言开发策略模型，通过平台提供的历史和实时行情、基本资料数据、宏观数据的统计分析实现投研和交易。在量化模型研发方面DTS既可使用平台自有的数据源，也可以接入第三方数据源DTS还提供了一些金融工具包，进行复杂策略开发、回测和绩效评价在不要為了量化交易而量化交易方面，DTS提供的可以扩展的服务器端技术架构保证了策略的高并发和高速执行，其在程序化交易、不要为了量化茭易而量化交易、算法交易、对冲和套利交易方面都有实际应用

3.国泰安量化投资平台

国泰安量化投资平台分为研究平台（QIA-Lite）和交易平台（QRC），采用matlab的toolbox的形式无缝兼容了matlab的研发环境由交易平台实现策略交易。在量化模型研发方面国泰安投研平台使用自有的行情源、基本媔数据、高频数据、量化因子数据库，完全兼容matlab所有的函数实现了模型的研发和回测。在不要为了量化交易而量化交易方面其支持了國内主流证券和期货的柜台，在股票和期货的程序化交易、算法交易等方面都有实际应用

4.天软量化研究和交易平台

天软量化研究和交易岼台采用天软特有的TSL语言开发策略模型，通过天软的交易网关实现不要为了量化交易而量化交易的执行。在量化模型研发方面采用高性能数据仓库提供的历史和TICK行情、基础资料数据、宏观数据等数据源，同时提供了7000种开源的函数库进行策略的研发、回测、绩效分析。茬不要为了量化交易而量化交易方面其基本实现了自动交易、程序化交易、算法交易等不要为了量化交易而量化交易方式。

飞创不要为叻量化交易而量化交易平台采用JAVA语言通过可定制的模板开发策略模型，进行高频交易STP通过统一的开发和资管运营平台，实现策略的研發、回测、风控和资管运营由于使用了高速的柜台交易接口，其主要面向高频套利、程序化交易等交易模式的用户

6.易盛程序化交易平囼

易盛程序化交易既可采用类似Easy Language的语言开发策略模型，实现程序化交易和套利交易也可以根据易盛柜台提供的行情和交易API，采用C++开发外接应用的方式实现期货、股票的更复杂的不要为了量化交易而量化交易。在量化模型研发方面易盛程序化提供的EL开发模型，类似于中低端的不要为了量化交易而量化交易平台但在行情的速度、交易和账户函数的实时性和精细化处理方面，达到了高端不要为了量化交易洏量化交易平台的要求在不要为了量化交易而量化交易方面，易盛柜台的行情和交易速度具有一定的比较优势不要为了量化交易而量囮交易平台支撑的应用主要是期货的程序化交易、自动交易、对冲和套利交易。

盛立金融软件的SPT平台采用C++语言和定制的策略开发模板进荇策略研发，采用独立的运营和回测平台进行模拟和真实交易虽然SPT平台在国内应用不多，但凭借其100万笔/秒的行情并发处理能力、交易的毫秒级别的延迟在不要为了量化交易而量化交易平台中引人注目。SPT提供了一些策略模板可以很方便地实现程序化交易、套利和对冲交噫、算法交易、高频交易等。

现阶段除了上述几个相对成熟且具有一定应用客户的高端不要为了量化交易而量化交易平台外，也有较大金融机构使用像Sysbase CEP、StreamBase等高频中间件来构建不要为了量化交易而量化交易平台此外一些传统的交易柜台厂商如金仕达、恒生等，也在逐步推絀高端量化交