“AI對智力密集型行業(yè)的沖擊是工業(yè)革命級別的，可以類比上世紀末計算機普及對量化投資的影響。”
“各家量化機構的差異其實除了技術路線，更重要的是細節(jié)的極致化處理與性能優(yōu)化。”
“量化指增產品的一個優(yōu)勢是，如果管理人能做出年化20%+的超額，從歷史來看，這個產品大概率就能為投資者持續(xù)累積絕對收益。”
“倍漾量化的定位是科技公司，專注于AI技術在金融市場的應用。倍漾希望成為硅谷型的科技企業(yè)，而非華爾街型的金融企業(yè)。”
以上是倍漾量化創(chuàng)始人馮霽在好買TV“穿越迷霧•變局中破局，波動中主動”系列直播中發(fā)表的精彩觀點。
今年以來，量化投資迎接著新的機會與挑戰(zhàn)。一方面，AI技術的發(fā)展與突破驅動著量化投資的新范式，另一方面，多變化高波動的投資環(huán)境也考驗著各家量化機構的反脆弱能力。
在好買TV穿越迷霧系列倍漾量化專場直播中，倍漾量化創(chuàng)始人馮霽對量化行業(yè)的格局、AI對量化投資的影響進行了獨到的分析。
以下內容整理自直播實錄：
依托AI技術，打造科技型量化私募
主持人：相比于歐美成熟市場，量化在中國仍是一個較新的投資范式。從您的經(jīng)驗看，當前中國量化投資處于什么發(fā)展階段？
馮霽：相比華爾街等老牌量化投資機構，中國量化投資還很年輕。私募行業(yè)的陽光化監(jiān)管也就經(jīng)歷了十來年時間，滬深300股指期貨這種重要的對沖工具也是十余年前才開始推出的，國內程序化交易技術仍處于持續(xù)完善階段。
過去十年，量化投資逐漸被公眾認可。如今，量化投資已成為二級市場不可忽視的力量，它不僅為市場提供了流動性，也以一種科學的投資方式服務于廣大投資者。
未來，中國量化管理人的發(fā)展方向是與國際接軌、走出國門并更全面的全球化。倍漾量化的目標就是成為全球性的量化投資機構。
主持人：如今的量化私募機構可以大致分成兩代，第一代是2011-2015年成立的傳統(tǒng)量化私募，第二代是2019年后涌現(xiàn)的，憑借AI新技術的優(yōu)勢，快速步入行業(yè)前列的管理人。您覺得第一代量化先驅與第二代AI驅動的量化機構有何根本性的不同？
馮霽：國內第一代的量化先驅普遍有全球量化對沖基金的背景，他們將全球量化投資經(jīng)驗遷移回國，并發(fā)展成本土領先的量化資管機構。
倍漾量化這樣的第二代量化投資機構，可以看做是由AI科學家組成的“AI原生公司”。我們的定位是科技公司，專注于AI技術在金融市場的應用。公司完全由一幫“圈外人”構成，我們把投資這件事情當作一個純粹的人工智能任務，組建了倍漾量化，嘗試用AI破解金融市場的規(guī)律。我們希望打造成硅谷型的科技企業(yè)，而非華爾街型的金融企業(yè)。
在具體的量化投研方法論上，第一代量化先驅更依賴專家經(jīng)驗和傳統(tǒng)流水線分工。而倍漾量化這樣的第二代量化機構，更注重于依托第一性原理，通過AI技術用市場數(shù)據(jù)訓練模型，對專家經(jīng)驗的依賴較小。分工和組織架構也有顯著的不同，我們?yōu)榱藦氐揍尫臕I的能力，重構了投研的生產線，盡最大能力搭建一個機器學習底座，支撐所有投研任務。
主持人：在投研人員招聘上，倍漾量化與傳統(tǒng)量化機構有何不同？
馮霽：傳統(tǒng)量化機構可能更偏好招收具有豐富經(jīng)驗的專家或是“老司機”。而我們更希望引入年輕的AI科學家，也就是“小天才”。我們更注重研究員能給我們帶來的人工智能領域的突破，而并不特別強調他們的金融經(jīng)驗或背景。
我們的團隊分工也與傳統(tǒng)量化機構不同，傳統(tǒng)量化機構可能會分為因子組、信號組、模型組等多個工作單元，進行流水線分工。而倍漾量化的三大主要部門是負責核心建模的人工智能組、負責交易算法加速的硬件組、以及負責基礎設施的IT組，我們的架構其實更類似于科技公司而非金融公司。
保持技術優(yōu)勢，持續(xù)打磨細節(jié)
主持人：你認為AI技術會如何改變國內量化行業(yè)的競爭格局，AI技術給倍漾帶來了哪些優(yōu)勢？
馮霽：AI對智力密集型行業(yè)的沖擊是“工業(yè)革命級別”的，可以類比上世紀末計算機普及對量化投資的影響。
AI技術能夠發(fā)現(xiàn)人工難以挖掘出的信號，同時，AI模型的迭代路徑是易于規(guī)劃的。舉個例子，開發(fā)出GPT-3.5模型之后，研發(fā)團隊基本能明確GPT-4.0模型什么樣，有明確的改良與進步方向。倍漾量化也是如此，我們模型迭代的排期很明確，知道我們下一步該優(yōu)化哪里，如何優(yōu)化。
另外，AI非常擅長挖掘非線性關系，所以對于高換手策略開發(fā)，AI是非常重要且不可或缺的工具。所以倍漾量化依托在AI技術方面的優(yōu)勢，更加專注于短周期策略領域。
主持人：有人說AI模型容易出現(xiàn)過擬合問題。我們如何解決策略AI“黑盒”的可解釋性問題？
馮霽：對于AI“黑盒”的可解釋性問題，有兩種辦法，一種是用一個可觀察的白盒模型進行模擬和拆解，比如說，barra框架就是用來分析一切黑盒算法的。通過把超額拆解為barra因子，剩下的就是真的alpha收益。這件事情在工業(yè)界已經(jīng)沿用很多年了，非常成功。
第二種路徑是與其解釋，不如監(jiān)控。這就好比坐網(wǎng)約車時，我們不需要時刻聽取司機解釋他的駕駛方法和路線，我們事先已知道網(wǎng)約車事故率非常低，所以相信乘車是安全的，是能有效運載我們到目的地的。高換手策略也是如此。通過設置足夠的監(jiān)控指標，只要統(tǒng)計意義合理，就可以繼續(xù)使用。換句話說，低換手策略對解釋性要求較高，高換手策略核心是監(jiān)控，而不是解釋。
主持人：您為何選擇了量化投資這條賽道，而非其他的AI應用方向，比如大型語言模型領域？
馮霽：我在加入創(chuàng)新工場，擔任南京AI研究院院長的時候，我們調研了多個AI技術的應用方向。經(jīng)過一系列調研后，我們發(fā)現(xiàn)國內量化行業(yè)的生態(tài)相比頭部科技公司來說有些落后，尤其是AI技術的運用層面，明顯和硅谷相比有不少不足。所以我們計劃用AI把量化投資這件事重新做一遍。從期貨切入，轉而做股票，后來不斷取得突破，實盤業(yè)績和理念也受到越來越多投資者的認可。
相比其他應用方向，量化投資對我個人而言更好玩一些，我堅信金融市場是一定可以被AI所理解的。
主持人：在倍漾發(fā)展過程中，您覺得遇到的最大挑戰(zhàn)是什么？
馮霽：各家量化機構的差異的核心之一是細節(jié)的極致化處理與性能優(yōu)化。拿大語言模型來說，很多公司都在做大語言模型chatbot，那為什么DeekSeek就讓人感覺更好用、更具突破性，其他的一些模型就相對落后？其實LLM這件事情的技術路線大方向都是明確的且相似的，而差距體現(xiàn)在工程細節(jié)的打磨上。量化投資機構對于工程細節(jié)的關注，是超過互聯(lián)網(wǎng)公司的，我們對于工程實現(xiàn)需要極致化，才能掙錢。
投資也是一樣，在倍漾發(fā)展過程中，我們力求每個細節(jié)都做到最精、最細、最極致。從數(shù)據(jù)的清洗，到L2行情的處理，再到講復雜模型的高性能實現(xiàn)，我們是按納秒為單位計算的。我們也自研了自己的編譯器，能夠高效編譯各類機器學習模型。
監(jiān)管環(huán)境趨于穩(wěn)定，看好量化股票策略發(fā)展
主持人：隨著量化投資交易規(guī)模的擴大，監(jiān)管層也在不斷完善相應的監(jiān)管政策。有投資者擔憂監(jiān)管政策對量化交易的影響？倍漾如何看待這一問題？
馮霽：我的理解是，監(jiān)管層重點規(guī)范的是價格操縱或幌騙交易類的不合規(guī)交易行為，而不會限制科學的投資方法。倍漾量化的定位是做市場流動性的提供者，和錯誤定價的糾正者，而不是市場價格的影響者。監(jiān)管層對不規(guī)范交易行為的約束，作為管理人角度是非常歡迎的，這也是各國的慣例。
主持人：今年上半年量化產品熱度提升，尤其是量化全市場選股產品，展現(xiàn)出了更強的業(yè)績競爭力，您如何看待各類量化股票策略產品，量化指增與量化全市場選股產品，您覺得哪類產品發(fā)展前景更廣闊。
馮霽：首先我非常看好量化股票策略產品，倍漾自有資金的相當一部分都配置在純多頭性質的量化股票產品中。
首先是量化指數(shù)增強類產品，它的一個優(yōu)勢是，如果管理人能做出年化20%+的超額，那么這個產品大概率就能為投資者持續(xù)累積絕對收益。因為指數(shù)一年下跌超過20%的情況很少見，而且連續(xù)出現(xiàn)的概率更低。所以如果管理人每年能跑贏指數(shù)20%，那他的超額大概率能抵御指數(shù)的極端波動，為投資者提供非常有吸引力的絕對收益。
不過指增產品的問題在于它需要投資者自己進行指數(shù)的選擇，并且管理人需要對標指數(shù)，這就對量化投資形成了一些約束。量化全市場選股產品則更純粹，它的目標就是為了跑贏股市整體，對量化管理人開展策略的約束較少，且不需要投資者去選擇指數(shù)。兩類產品各有特點，我覺得都是很好的產品形態(tài)。
風險提示：投資有風險，決策須謹慎。文中觀點不代表平臺投資意見，內容僅供參考并不構成任何投資及應用建議。未經(jīng)好買財富授權許可，任何機構和個人不得以任何形式復制、引用本文內容和觀點，包括不得制作鏡像及提供指向鏈接，好買財富就此保留一切法律權利。
