嘉賓介紹，黃鉑，哥倫比亞大學運籌學博士，密歇根州立大學數(shù)學統(tǒng)計雙碩士，北京大學數(shù)學學士。博士期間研究方向大規(guī)模機器學習和最優(yōu)化算法，論文在機器學習頂級會議ICML和應用數(shù)學期刊SIAM發(fā)表。在美國期間曾先后在谷歌和美林證券量化交易部工作。2014年與美林和高盛同事共同創(chuàng)立量化對沖公司Arxis Capital，LLC，并擔任核心數(shù)據(jù)科學家和量化策略師，主要負責開發(fā)及應用統(tǒng)計和機器學習模型于日內(nèi)中高頻交易。2017年加入大巖資本擔任基金經(jīng)理。

隨著金融科技的不斷發(fā)展，量化投資成為投資領域中備受關注的話題。量化投資不僅能夠提高投資組合的效率、降低波動風險，還能夠針對不同的投資目標和風險來源選擇最合適的投研框架和因子，幫助投資者實現(xiàn)收益最大化與風險最小化的平衡。

大巖資本黃鉑表示，量化投資策略的優(yōu)勢在于讓投資者清楚地知道目標是獲取風險調整過的最高收益，以及如何在降低風險的同時盡可能減少對收益的損耗。中證1000股指期貨去年7月推出，對中性策略而言是一種利好，其作為新的對沖工具可以使中性策略的容量擴大，對沖成本隨之下降，全市場的超額收益分布也更加均衡。在做投資決策之前，投資者需要對資金的投資周期以及自身的風險偏好做好評估，對于投資周期相對較短且對虧損比較敏感的投資者，市場中性策略適合作為投資組合的底層進行配置。

(資料圖)

以下為文字精華：

1、大巖資本黃鉑：大巖資本快速健康發(fā)展

提問：首先，我們請黃總給大家介紹一下公司的相關情況，包括我們公司未來的規(guī)劃。

黃鉑：深圳嘉石大巖私募證券基金管理有限公司是一家位于深圳的量化私募基金公司，成立于2013年6月份，即將迎來公司成立10周年。公司總部位于深圳，同時在上海和香港設有分支機構。公司員工約40人，其中超過一半從事量化投研工作。我們公司專注于A股股票的量化策略，業(yè)務比較專一，目前的管理規(guī)模約為50億元人民幣。與其他國內(nèi)類似的量化機構相比，公司規(guī)模、類型和分布可能有所不同。

我們有三個辦公室，分別是在上海、深圳和香港。我們的管理規(guī)模面向境內(nèi)大約有20億人民幣，面向境外的投資者大約有20億—30億人民幣，都是采用同一套A股量化策略。相比其他量化機構，我們的境外部分是比較早布局的幾家之一，2018年中成立了香港公司，開始面向境外機構募資。

經(jīng)過2018和2019年的鋪墊之后，我們在2020年經(jīng)歷了快速的規(guī)模上升，我們的投研團隊現(xiàn)在約有22人，包括IT、投資經(jīng)理和研究員，是一個高度內(nèi)部化的團隊，量化團隊中的所有人整體做一套策略，而且無論是境內(nèi)還是境外都采用同一套策略。由于公司同時面向境內(nèi)和境外的機構投資者，因此整體發(fā)展相對較快。

我個人于2017年底加入公司，負責公司量化投資的相關方面。我的本科畢業(yè)于北大數(shù)學專業(yè)，博士畢業(yè)于哥大運籌學專業(yè)。博士期間的研究方向與現(xiàn)在的量化和人工智能密切相關，主要是在大規(guī)模優(yōu)化和其在人工智能機器學習中的應用。

畢業(yè)的第一份工作做的是美股的中高頻交易策略，與現(xiàn)在回到A股時的策略類型不同。我于2017年底與其他核心量化團隊成員一同加入大巖。我們的團隊人員一直很穩(wěn)定，并且在不斷擴張，策略框架也在以非?？斓乃俣瘸掷m(xù)的迭代更新。從2019年到2021年，我們的業(yè)績和行業(yè)內(nèi)排名每一年都在穩(wěn)步的增長。

在2022年整體不是很友好的市場環(huán)境下，我們的指數(shù)增強策略和市場中性策略以穩(wěn)健的表現(xiàn)在同行中保持有競爭力。我們完全內(nèi)發(fā)式和滋生式的成長，通過團隊一點一滴的積累，使得現(xiàn)在公司處于一個比較健康、快速的發(fā)展階段。

2、大巖資本黃鉑：新策略框架有效性提升

提問：迭代是量化投資中非常重要的環(huán)節(jié)，迭代進化的過程與市場越契合，獲得的收益也越高。因此，在公司策略的迭代上，黃總有什么想要和投資者分享的？

黃鉑：雖然A股量化市場起步較晚，但迭代速度很快。策略市場的風格與策略體系的進化，從2017年開始是發(fā)展速度最快的階段。針對量化私募和機構而言，量化策略的迭代與整體投研框架、團隊人員素質和數(shù)量息息相關。

首先，我們公司的核心團隊成員均畢業(yè)于國內(nèi)外頂級高校，并且具有數(shù)理科背景。其次，以核心團隊為中心，招募人才擴充團隊也是我們過去幾年的重中之重。我們團隊在2018年到2022年間人數(shù)都有穩(wěn)定的增長，尤其是在2021年，團隊規(guī)模翻了一倍，現(xiàn)在擁有20多人。

其實從策略的開發(fā)類型來講，我們公司是一個比較專注的量化機構。雖然量化這個領域有很多不同的策略類型，比如，高頻策略、日內(nèi)策略、低頻策略，根據(jù)我個人在美國的經(jīng)歷來說可能偏向于純?nèi)諆?nèi)中高頻的?；诿拦珊推渌l(fā)達市場的策略，由于投資者結構和交易成本的不同，當時的策略在回國后實際上是無法直接使用的。

從2018年開始，我們公司主打的策略屬于中頻和中低頻策略，這種策略的優(yōu)勢在于，它的持倉周期大約為10天，既不算特別長，也不算特別短。如果對于量化策略有所了解的話就會知道，這種策略的底層最重要的因素就是因子，是通過某種規(guī)律來預測未來收益的一種方式。有很多類型的因子可以預測未來5—10天的收益，如公司財務數(shù)據(jù)、分析師預期等，這些偏基本面的指標在中頻周期上具有較好的預測能力。

除此之外，A股市場中，量價因子其實是我們和其他發(fā)達市場的最大區(qū)別，它在A股市場中是最有效的組成部分，尤其適用于偏中短周期的收益預測會更有效。因此，中頻策略實際上承載了因子開發(fā)的性價比、多樣性和均衡性。由于換手率和交易延遲不高，策略容量變大時，收益下滑速度較慢。這使得這個策略在競爭中具有較高的性價比。

這也是我們公司一直致力于做這種中低頻策略的原因，因為均衡化的因子適合均衡化的配置策略。目前我們的策略非常均衡，對基本面類因子和加量類因子都有廣泛且深入的研究。

自2022年開始，我們進行了較大的策略迭代，包括因子研究、因子整合以及風險控制。其間，我們還對指數(shù)增強和絕對收益類產(chǎn)品的風格、行業(yè)和個股的風險敞口進行了收緊，整體波動率得到良好控制。在緊張的風控條件下，由于我們有更均衡的因子配置和更深入的因子研究，雖然波動率降低，但2022年的收益仍然具有競爭力，這表明我們新策略框架的有效性。

提問：公司受到海外機構投資者的青睞，這在市場上是不太常見的，跟大家分享一下這方面的信息。

黃鉑：量化在境外發(fā)展得比較早，境外比較大的對沖基金，很多大家可能也都聽過，那么真正意義上這些對沖基金有多少在做A股的量化策略？如果我們把時間窗口拉回到2018年，確實非常少。

這一現(xiàn)象有幾個原因：首先，A股市場可能跟其他市場的交易規(guī)則比較不一樣，這就意味著很多在其他市場上花了很多年去開發(fā)的一些策略是沒有辦法直接在A股量化來直接用的。即使對于深耕海外市場很多年的傳統(tǒng)的頭部量化機構，讓他回來做A股，其實也是一個從零開發(fā)的過程，這就意味著更多的時間成本。

其次，絕大多數(shù)量化對沖基金進入一個市場，他們第一個策略肯定是絕對收益類的策略，提到絕對收益類的策略就肯定需要對沖，要把市場和他不想要的風險給對沖掉。A股市場最顯著的區(qū)別就是對沖的成本，2016年、2017年、2018年其實都非常高。

比如說我如果想把中證500的風險給對沖掉，我們用股指期貨去對沖，早些年年化的最終成本可能要花10%-15%，甚至更高。對于境外機構來講會面臨一個問題，首先我要做一個不一樣的策略，從零開始，這個策略在運行的時候每年要花超過10%的成本才能把對沖策略完整地跑出來，這就意味著在多頭端如果跑不贏指數(shù)10%的話，策略大概率要虧錢。

考慮到這樣的時間成本和對沖之后的成本風險，雖然海外的量化機構獨立開發(fā)A股策略做了很多年，其實絕對意義上的吸引力沒有那么大。在這樣的大前提下，找一家深耕于國內(nèi)，在A股量化做了很多年，已經(jīng)知道怎么做，而且又比較契合他們投資框架跟風控框架的管理人，其實是一件很自然的事。

我們2018年的時候成立了香港公司，在后兩年的時間里我們對接的境外機構非常多，陸續(xù)對接了超過400家，線上和線下的路演應該是100場到200場。很多時候是別人找到我們，因為2018年、2019年的時候，境外有很多有關量化的會議，當時大家一致的共識就是“A股市場是全球量化市場唯一一片藍?！薄＿@一說法放到那個時候其實是不為過的，這也是為什么我們作為比較早的有代表性的國內(nèi)量化管理人能走出去。

時間點是契合的，再加上整個團隊有非常強的海外背景，包括我本人，包括香港公司的CEO，包括之前的公司合伙人，都是美國本校畢業(yè)，也都在美國的量化對沖基金從業(yè)過很久。無論是從方法論還是對投資的認知，跟境外很多機構有高度的一致性，溝通的成本也更低一些。

在2020年，我們境外的量化規(guī)模增長了接近30億人民幣，為什么這一年增長這么多？在量化在境外做。外資來做 A股量化策略的話，絕大多數(shù)時候他會在香港成立一個賬戶，通過北上的方式來參與。在2019年年底前，其實是沒有辦法完全把A股的量化策略完全移植在香港來做的，因為通過北上的方式來做，你交易的股票池是不一樣的，只能交易滬深港通大概1300只到1400只股票。

所以無論你在A股跑什么樣的策略，外資機構都面臨著沒有辦法完全復制策略的問題。但是到了2020年的時候，我們中資的券商、外資券商開始通過各種收益互換的方式，達到哪怕從香港也可以交易整個A股股權市場，從那一刻起，真正意義上可以把A股多頭端的任何策略搬到香港來跑，從這個意義上來講，這兩個策略才有了高度的一致性。

2020年我們勢頭比較好，但2021年遇到了疫情，境外機構一般投資 A股量化策略需要到現(xiàn)場來進行定調，所以在這方面受到了一些沖擊。我們在香港的這部分規(guī)模在2020年之后沒有特別大的變化，到了今年會有一些增資。

3、大巖資本黃鉑：針對性平衡收益和風險

提問：去看待在量化交易中方法論的重要性，以及如何平衡風險和收益？

黃鉑：量化投資作為現(xiàn)代投資領域的一個熱點，其最大特色并非單純的高收益或者嚴格的風控，而在于能夠運用科學的方法平衡收益和風險。

在量化投資在，一個好的投資策略應該追求是風險調整過的最高收益，這通常用夏普比率衡量。相較于傳統(tǒng)策略對于風險的控制能力，量化投資策略擅長以數(shù)理的方式分析并拆分風險，使風險從某種程度上可視化，更加直觀。

例如，量化策略可以將每只股票每天的上下波動分解為來自大盤、行業(yè)、市值成長、估值等多個層面。當我們有了更明確的風險來源時，便能更好地控制這些風險。

對于量化策略來說，量化一直在追求的是風險和平衡收益，但它的困難在于如何在控制風險的同時盡量減少對收益的損失。如果只是簡單地做風控，這可能相對容易， 比如說，我們對標中證500指數(shù)，如果按照中證500指數(shù)的成分股配比進行投資，在風險降到0的同時，收益也將為0，這肯定不是我們想要的結果。

在實際應用中，量化投資策略需要細致地研究各種量化因子，找到適應不同股票池和收益類型的最佳組合。這就要求我們識別哪些因子適合哪些組合，從而取得最高的風險調整收益。例如，可能某些因子更擅長選取中小盤股票，但當我們需要針對滬深300指數(shù)進行選股時，就需要重新篩選適合大市值選股的因子。

因此，量化投資策略的優(yōu)勢在于讓投資者清楚地知道目標是獲取風險調整過的最高收益，以及如何在降低風險的同時盡可能減少對收益的損耗。

在不同的量化框架下，投資者需要針對目標組合和風險來源選擇最佳的因子和投研框架。這實際上是一個更加精細化的操作過程，做得越好，降低風險時對收益的損耗就越小，整體的業(yè)績體現(xiàn)就會更好。

4、大巖資本黃鉑：中證1000期指利好量化

提問：中證1000股指期貨的推出是否會影響到中性策略？

黃鉑：中證1000股指期貨的推出，對于量化領域是一個相當重要的事件。對于這種衍生產(chǎn)品，尤其是對體量較大并且影響力的產(chǎn)品而言，都會對量化交易產(chǎn)生一定的影響。

從去年7月份以前的情況來看，可用于對沖操作的股指期貨只有滬深300和中證500兩種。因此，在量化策略中，中證500是最常用的，這導致即使是在進行市場中性策略時，多頭仍然是中證500指數(shù)增強。然而，現(xiàn)在中證1000股指期貨已經(jīng)推出，對于市場中性策略而言，這是一個利好。

市場中的中性多頭策略在策略上和我們的純多頭策略上會有所重疊，因為大多數(shù)的投資者依舊選擇使用中證500期貨進行對沖，因此在中證500的賽道上競爭相對激烈，這會導致市場中性策略的對沖成本很高。

當有很多人使用中證500期貨進行對沖時，負基差就會非常嚴重，導致至少每年花費10%或更多的成本。這將影響到絕對收益。但是中證1000股指期貨的推出將改善這種狀況。

首先，由于新的對沖工具的出現(xiàn)，投資者在多頭方面的選擇更加多樣化，不僅可以選擇跟500指數(shù)對標的策略，還可以選擇跟1000指數(shù)對標的策略，或者根據(jù)自己的需求自由組合不同的資產(chǎn)比例。這種新變化對于整個策略容量的提升效果非常顯著。這也就意味著整個市場中性的容量得到了擴大，因為投資者在多頭端有了更多的選擇，而空頭端需要承擔較高的成本。

自去年7月份中證1000股指期貨上市以來，從8月份開始，我們可以看到，不僅是中證700，中證1000，甚至是中證700和中證500這兩個指數(shù)期貨的負基差一直在穩(wěn)定地下降。這可以理解為多了一種對沖工具來分擔中性產(chǎn)品的壓力，使得投資者的選擇更多，容量也更大，整個成本也就下降了，從而使中性策略的賽道要比之前變得更寬。

這個現(xiàn)象可能是中短期的，從長遠來看可能不會產(chǎn)生如此大的影響。而根據(jù)過往表現(xiàn)，比如500和1000的指數(shù)增強，我們發(fā)現(xiàn)，在相同的波動率下，1000的指數(shù)增強的超額表現(xiàn)要比500更好一些，尤其在小票、小市值方面的超額空間可能更大。

在小市值股票中，可能存在更大的超額收益空間，過去這種做法是有道理的。因為如果大家都知道小市值股票中的alpha表現(xiàn)更好，那么誰可以獲得這種alpha呢？在中證1000股指期貨推出之前，只有那些愿意承擔風險的人才能獲得小市值股票的alpha。例如，如果購買了1000指數(shù)增強，愿意承擔1000的貝塔，那么就可以獲得比以前更高的alpha收益。顯然，這類投資者是有限的，因為并不是所有人都喜歡小股票的貝塔。

現(xiàn)在事情發(fā)生了變化，當中證1000股指期貨出現(xiàn)時，所有人都可以以較低的對沖成本獲得以前只有小股票市場才擁有的超額收益。

在長期來看，整個市場的超額收益分布可能會更加均衡，中證500的超額收益不再難以實現(xiàn)，但中證1000的超額收益不再像以前那么有爆發(fā)力，整個策略會更加平穩(wěn)?？偟膩碚f，對于量化策略，我認為這是一個嚴格意義上的好消息。

5、大巖資本黃鉑：衡量兩點選取中性策略

提問：中性策略的配置價值有哪些？如何去挑選那些比較優(yōu)秀的中性策略的基金？如何挑量化？

黃鉑：在討論絕對收益或市場中性策略時，每個人的風險偏好可能不同，因此并沒有一個很好的答案，但是我可以提供一些思路以供參考。對于投資者而言，賺得多或少可能對感受沒有太大影響，但在發(fā)生虧損的風險時，投資者更關心的其實是可能會虧多少。因此在此之前投資者可以通過問自己一些簡單的問題來評估自己的風險偏好。

第一個問題，是關于手頭的資金的屬性。無論是用于投資多頭產(chǎn)品還是市場中性策略，我們需要了解目標資金的屬性是短期還是長期。對于絕大多數(shù)投資者而言，可以6到12個月查看資金的收益情況。如果滿意，就可以考慮是否繼續(xù)持有。如果不滿意，則可以選擇是否需要調整投資策略。

第二個問題，如果我將資金持有12個月，可能會賺很多。最重要的是，如果運氣不好或市場形勢不佳而面臨巨大虧損，我能否承受最壞情況下的虧損？對于大多數(shù)投資者來說，這是一個心理問題，需要慎重考慮。

比如，這個資金在持有一年的情況下虧損5%，如果投資者覺得很難受了。那么在這種情況下，我覺得投資者在資產(chǎn)配置上的選擇就沒有那么多。

舉個例子，即使是最好的多頭產(chǎn)品，如果把時間線拉長，找到最不利的12個月的收益，很大程度上也可能會出現(xiàn)跌幅超過20%的情況。因此，如果投資者所能承受的虧損線為5%，那么這種情況就超過他們心理底線很多。

因此，當投資者一年內(nèi)只能承受5%的風險時，就會發(fā)現(xiàn)即使是最好的多頭產(chǎn)品，也只能分配20%的資金。在這種情況下，絕對收益類的市場中性產(chǎn)品可能是更好的選擇，因為其一年期虧損的概率較小。當投資者經(jīng)過仔細思考后，會發(fā)現(xiàn)他們的選擇空間并不像想象中那么大，這個例子很好地闡述了市場中性策略和同類型絕對收益類策略的重要性。

再說一下大家比較關注的回撤?；爻房赡軟]有辦法結合產(chǎn)品細說，但是我可以大概說一下怎么去理解回撤，包括對于我們量化管理人在建模中，風險端究竟關注的是哪些東西。

首先我們在量化策略建模的時候會控制很多的敞口，包括基準行業(yè)的偏離，風格的偏離，最終監(jiān)控的更多，我們想監(jiān)控一個常態(tài)化的比較穩(wěn)定的指標其實是波動率。比如說中證500指數(shù)增強的波動率是什么？每天跟中證500比有超額，這個超額可能是正的，也可能是負的。超額收益的年化波動率是我們比較關注的指標，因為這個是很穩(wěn)定的。

回撤其實是一個尾部的事件，特別是最大回撤，一般都是因為回撤已經(jīng)最大，肯定是有比較極端的事情發(fā)生，所以當你在做風控的時候，相當于你每加一層風控對收益都是一種傷害。

選擇去控制什么樣的風險是一個很復雜的問題，我們要考慮控制這項個風險避免下跌的同時是用多少的收益來換的。所以我們在這個時候一般會控更穩(wěn)定、可追蹤的風險，但是對于最大回撤的控制，至少對我們來講不會花特別大的精力，因為它是一個尾部事件。

尾部事件每次發(fā)生的原因都不一樣，這種事件你控風險對你收益的傷害是非常大的，對于量化策略來講，絕大多數(shù)量化策略不太會主動對最大回撤建模去進行控制，但是大家怎么去評估最大回撤？就是最大回撤跟你的波動率是有比較正向的關系的，比如說我的超額收益的波動越大，我的最大回撤肯定也會比較大。

長期來看這個比例會一直上升，對于發(fā)達市場來說，如果最大回撤跟你的波動率差不多，你的最大回撤等于你波動率的70%—100%，能保持這樣的水平的話，就是一個非常優(yōu)秀的策略了。

國內(nèi)前幾年競爭沒有那么激烈，市場也沒有這么飽和，所以我們可能對最大回撤的預期距離剛才說的可能會有一些差距。但是隨著量化整體規(guī)模的增加，整體的收益會有兩個影響，一個是長期的，一個是短期的，長期的影響就是收益，隨著量化管理規(guī)模越來越大，做超額收益肯定會更加困難，是一個緩慢下滑的過程。

短期的影響大家馬上就能看到的，就是增加的指標就是它的回撤。因為量化策略是有一些同質性的，當同類策略多了之后，大家同時加倉或者減倉的時候，對市場同類策略的影響會比原來更大。

隨著量化策略整體規(guī)模的增長，長期來看超額會下降，短期大家會看到回撤是會比較快的，會比之前增加得更多，那么如何去評估最大回撤？像我剛才說的，相對于波動率來講，波動率70%甚至100%的回撤拉長了來看，其實是比較正常的，或者說在發(fā)達市場來看，你會經(jīng)常遇到的一種情況。

關鍵詞：