中国量化投资学会、中国证券投资基金年鉴、中国人民大学共同举办的“金麟2016第三届量化投资与对冲基金年会”于今日在中国人民大学八百人大教室召开。年会主题为“金融技术的创新与机遇”。上海金珀资产管理公司合伙人兼执行总裁黄后川参会并发表“量化投资在中国的实践：经验、教训与展望”主题演讲。

他表示，我们所有人想去投资要赚钱，要有绝对收益。所以我们也把这个东西当作是投资公司或者是投资管理人的终极目标。分散化投资是唯一的免费午餐，通过多市场、多品种、多策略可以明显的提高它的稳定性。目前来讲我们相对认为股票跟债券最单纯做多的投资机会比较匮乏，整体来讲商品特别是金融产品属性强的产品有相对的洼地，有一定的机会。

以下为发言实录：

感谢大家，我更偏实务一些。所以我把框架跟大家介绍一下，另外介绍一下我们在量化上面偏学术一点的尝试和探索。主要介绍两方面，第一个是我们如何想量化这个事情，第二个是如何应这个事情。

我们先看第一张图（PPT），这个是上证指数的图，从这个角度来看，实际上经历了多次牛熊交替，投资者并没有太大的升值。

第二张图我把上证指数叠加了中国的GDP，中国的GDP2000年的时候接近7万亿，现在是70万亿，它增长了10倍。如果我们在股票市场里面投资，经济波动的风险并没有太大的增值。从我们自己的思考和客户的需求来讲，我把它总结成有四个要点。第一个是长期的，长期下来它可以有复合的增长，再一个是稳定的，因为投资者对于投资品如何定价，他们不清楚。如果不稳定像很多公募基金的购买者一样，他可能会产生高买低出的行为。第三个是合理，对于我们绝大多数者来讲，我不可能在GDP增长是10%左右，可能是7%到15%之间，我期望每年有50%的回报率，他必然会承担一定的风险或者存在不稳定性，一定是这样的。

最后一个要点是无论如何人家去投资，我们所有人想去投资要赚钱，要有绝对收益。所以我们也把这个东西当作是投资公司或者是投资管理人的终极目标。我们怎么样来理解这个事情，如何去实现这个事情呢？我觉得有些投资理念是我们思考以后，我们觉得应该长期实践的。要寻求可持续的模式和方法，而不是拿一个资产，很多人有一些偏见，认为选比较好的资产拿十几二十年，我们的思考不是这样的。

分散化投资是唯一的免费午餐，通过多市场、多品种、多策略可以明显的提高它的稳定性。我们要遵守基本的投资逻辑，在这里面我可以讲一个，对于我们的理念来讲，我们认为生态系统里面存在食物链，在投资业里面，实际上它应该存在一个价值链。你的钱是从哪里来的，未来会到哪里去，这个一定要想清楚。

还要严控风险，投资方法上面落脚到今天的主题量化投资上面，第一个方面是客观，量化信息，量化逻辑，量化投资机会和盈亏比例，胜负的概率。还有多样化，还有理性它符合朴素的逻辑，越简单越好，风险要能够量化，你要对风险进行量化和有效的配置，你才能追求收益和风险的最大化。

我们在方法上的探索和应用，我们认为未来投资量化和智能化是有必然的，存储的扩充，信息时代单靠人脑是没有办法记忆和处理海量数据的。计算的扩充，你通过人眼跟人脑没有办法经历那么多品种，长时间的历史检验，也没有办法客观处理和操作信息。近五到十年才会出现的东西，就是思维的扩充，使得机遇数据思维的扩充成为可能，机器可以帮助你去发现和应用一些规则和规律。

比如说我举几个案例，第一个是量化风险的案例，我们在2003年做了国内第一只保本基金，它是第一次在国内采用了量化风险的办法，效果也是非常好的，上证指数虽然只涨了50%。但是这个基金涨了410%，目标和配置也需要量化，我们在05年的时候在社保做了一个产品，定下来要长期的量化的目标，我们不要一个相对的目标。因为投资人最后都需要付量化的绝对收益。最后做的结果也是六年收益率还有260%。

我们做量化少不了要做量化交易交通，通过计算机来进行组合交易、风险管理、流动性管理，市场不同品种的风险对冲。我再详细介绍一下我们在更智能化上面的探索。

这个东西也是在最近五到十年才发生的东西，它的基础就是数据的扩充和标准化，比如说形成了很多数据源，比如说08年的时候交易所就扩展商务报告语言，所有的语言都已经标准化了。比如说研究员的年报，09年开始写，但是它的标准化是08年、09年以后的事情。数据量也有很大的扩充，因为现在我们可以用到很多行业上面或者是网站上面的数据，它的数据量有大幅的扩充。

最开始我们做做量化验证已有的策略，但是在最近几年能够用它来做一些思维上面的拓展，有些有规律的做法或者是系统上面新的生机，这里面我们应用了几个，我后面会介绍一下。

我们的理解是智能化投资他的内涵和困难，我刚才讲过，以前我把它定义为计算机辅助。但是计算机辅助到智能化中间可能有一个鸿沟，这个鸿沟还需要一些时间才能慢慢跨过去，现在可能还在半途中。比如说我们做Excel报表或者是做简单的数据处理都属于这种，扩充思维它必须要能够发展、产生，并且应用规则，去决策和执行。人在这里面只是起调整的作用，而不是做主体判断的作用。

这个东西的困难在投资里面的困难，我觉得可能有三个方面，第一个方面就是数据量不足，因为经济数据或者经济信息只会过一遍不可能让你重复N遍，所以中周期的数据量和长周期的数据量明显不足。规律的变化迁移很快，中长周期的规律可能出现大幅的变化。大家最近讲滞胀，它里面的基础跟我们现在完全不一样，怎么样类比呢？短周期规律可能发生快速的变化。刚才有一个嘉宾讲的很好有一些基本面量化的案例。

我们这边的探索，讲几个案例，这是我们2010年开始做的，在做α策略做的时候，做用户决策树，然后集合起来，它对未来预测的效果会更有效或者说更能够应对后面的变化。

面对数据量不足，主要有两个原因，有的时候变量很多，数据调速有限，你可能需要降纬。比如说α因子那么多，它简单归纳成几类。比技术面的因子也可能归纳成几类。扩存数据可以采用很多方式，比如说样本或者是虚拟数据。面对变化也是很重要的，因为讲金融本身的背景变化非常快，应对变化采用两个办法，第一个是重要度加权，我认为对目前有参考意义的数据可能就是重要度会加重。第二个是自然选择，它有一套模式去判断各种不同的策略，哪一种可能更适合，这是我们在本身智能化上面的探索。

后面在产品上面，我简单介绍这一张图，这是我们做产品设计最根本的出发点。它的步骤是三步，第一步使用多策略提升有效的边界，最下面那张线就是60%的股票，多策略可以提升，再追求收益风险最大化，在可承受的风险下，用杠杆把它的收益最大化。

我们的产品最后出来历史上面的结果也比较好，给客户比较好的回报。

我介绍一下2016年的投资思路，之前几个嘉宾都讲过了，使用期指多头替代股票，年化可能到20%以上。目前来讲我们相对认为股票跟债券最单纯做多的投资机会比较匮乏，整体来讲商品特别是金融产品属性强的产品有相对的洼地，有一定的机会。所以现在新发的产品把整个资产配置领域拉宽了。

我们会增加CTA策略的配置，这里面有几个原因，我觉得对未来市场，可能它的波动会加大，而且以后的黑天鹅出现的频率会比以往的历史数据高很多，主要的原因就是有四个。一个就是资金比较充裕，中国的货币基金存量规模到现在为止，我们统计差不多五万亿，投资渠道畅通，很多投资产品实际上都是跨品种、跨市场的，也可以快速在各类资产里面进行转换。信息传导很迅速，预期会增加。所以大家要买和卖的话经常容易出现一致性的交易，对手可能反而缺乏，这个是我们超配CTA的原因。