问题7：可以给我们讲讲您们的投资理念或投资哲学吗？股票策略和期货策略分别是怎样的？有什么优势和竞争力呢？

渔阳：我们最基本的投资哲学：量化投资本质上是一个概率游戏，或者说是一个统计学游戏。

每一个策略都可以认为是一个随机变量，一个随机变量就有可能赚，也有可能亏。在任何一个时点，我们肯定是要寻找赚的可能性比亏的可能性大的好策略，或者说盈亏比更高的策略，赚的时候赚得多，亏的时候亏得少，这些统称为盈利策略。那么我们企图寻找很多这样的策略，把它们组合起来。从统计学的角度，随机变量有一个最大的特点，就是它收益部分的预期值可以叠加，它的风险却是相互冲抵的。风险相抵取决于相关性，或者说相关性矩阵。这就意味着靠谱策略越多，相互之间的相关性越低，合理配置的这个大组合的收益风险比就越高，这就是我们实际上在做的事情。

我们的两大策略是股票策略和期货策略。股票策略与期货策略的相关性很低，假设两个策略都赚钱，那一加一明显大于二。举个例子，我们今年前十个月实盘业绩就完美诠释了大类策略的分散和互补作用。我们期货策略一到四月很好，但五月份开始连续6个月小回撤，虽然总体幅度不大，但过程蛮痛苦的。

而股票策略则是一到四月份亏了点钱，但后面六个月四胜二负，总体也是赚钱的。合并起来看，期货策略十个月里有四个月赚钱，六个月亏钱；股票这边是五对五，最终我们的复合基金客户看到了什么呢？八个月赚钱，两个月亏钱，投资体验就提升了不是一点半点，这就是所谓多策略分散投资的优势，当然前提是你的期货策略和股票策略本身都是靠谱的，长期是能赚钱的。

如果再细分，在期货策略和股票策略内部，同样也是多策略。股票里面有指数增强、中性策略、偏交易型的贝塔股指期货策略，还有一些执行层面的高频策略等等。在任何一个时间点，可能A是赚钱的，B是亏钱的，C是赚钱的，就是这样一个逻辑。

我们的商品期货策略也是一样，从数据的类型划分，技术面、基本面、情绪面等；从时间周期上划分，短、中、长周期。所以我们的投资理念有几个关键点：第一，找到靠谱的策略或者靠谱的信号；第二，策略数量足够多；第三，用一套靠谱的数学方法把它们组合起来，兼顾风险和收益，多配一些高质量的策略和风险小的策略。

这就是我们的逻辑，当然最终技术实现的过程也极其重要。如果工程质量做的不好，就像车子漏油一样，因此必须要做的严丝无缝，才能够在实践当中拿到预期的收益，这就是我们的理念。说实话没有一招鲜，单看任何一个信号、任何一个品类、任何一个技术细节似乎都不那么重要，但它们组合起来一起用，才能够看出优势。

问题8：请问您们的超额收益来源哪里？超额收益的稳定性是如何做到的？

渔阳：超额收益的稳定性主要靠多策略。我们配置的大类资产包含股票、商品、还有一小部分固收，在每个大类资产里，又有多个策略。像股票，我们同时持仓至少500只，这就很分散，商品也是全品种交易，几十个品种一起做。所以就是靠风险的相互抵消来实现收益的稳定性。

至于超额收益来源，则要求高信号质量，快执行速度。中低频策略要指望高信号质量，高频和高换手率的策略则要求执行效率高，滑点小，最好是交易过程中还能赚点钱。这需要一是覆盖的信息足够广，二是在提取因子时尽可能做的好。

为什么有的人做出来的模型好，有的人就不行？首先看数据质量，有没有做很好的清洗及其它处理，有没有考虑数据可能在不同的时点会有区别等等。如果考虑了这些因素，就相当于你的食材比别人要好一点。其次，在烹饪过程中，是不是用了更合适或更先进的方法。烹饪的手段好，这菜也会更好。最终做出来的，可能具体到某一个信号上，你就是比别人强一点。我觉得量化有一个普遍性特点是换手率高，带来的交易成本也高，所以就意味着假设交易成本是1，如果你的信号提炼出的预测能力也是1，那就只能是不亏不赚，如果预测能力从1变成1.5，好像只提升了50%，但后面的50%都是利润，所以其实很多时候就是在最后那一点点上发力，忽然就变得比较赚钱了，很多时候都是些细节。

问题9：您们的量化策略非常丰富，涵盖相对价值、统计套利、趋势、反转等不同因子，可以给我们讲讲不同的环境背景下什么样的因子会表现突出呢？

渔阳：这是一个好问题，我相信所有的投资经理，特别是量化投资经理都会思考这个问题。目前有两大流派，一派认为不应该做择时；而另一派认为，在特殊的情况下是可以做择时的。其实我们是介于第一种与第二种之间。前面谈到量化投资经理一般都比较谨慎，不会过于自信。择时也是一种自信的表现。我们往往考虑问题的出发点是基于有效市场假说，有效市场假说的核心是市场是效率最高的，你企图说市场不对，或者企图在市场里赚钱是很困难的。包括因子择时，我们的前提是知道这事很困难，几乎做不到，了解到这点之后，我们就不会轻易去做这件事。但是，当我们有了充足经验或覆盖了大量数据之后，我们可能会在某些特定时点做择时。总的来说，你不去择时，我觉得多半不会错，你去择时，就需要小心。

通常来说，统计套利和相对价值策略往往是需要加杠杆的。那么在整个市场波动率大，比如美联储加息的时候，统计套利的策略就要小心一点，因为市场比较混乱的时候，规律会被打破，这类策略至少不能加太大杠杆。2008年，我亲眼看到这样的策略是如何爆仓的。所以，在加息周期，统计套利策略第一是要小心，第二是不要加杠杆。这种时候，可能短周期的趋势模型会比较好做，而均值回复类型的模型就要慎重，因为市场的波动太大，会有很多极端的事情发生。相对而言，在市场比较平静的时候，相对价值、统计套利的策略表现可能会好一些。

事无绝对，我这一大番话，也只有55%的把握，所以在实战当中，我会往这个方向倾斜，但不是绝对。并不是说美联储加息了，我统计套利就完全不做了，不是这样。

问题10：如何分配不同类型因子的权重呢？在什么样的情况下会对因子权重做出调整？

渔阳：大的逻辑是考虑风险和收益，其中首先考虑的是风险，因为风险比较容易算得清楚，而收益预测的不确定性更高。其实这种方法思路，就是马科维茨均值方差的优化，也是学术界和业界一直在讨论的问题。

具体而言，均值方差优化的难点是收益率不太好预测，所以后来就各种各样的改进，包括风险平价理论等，大的逻辑都是一样的。风险比较容易算的清楚，所以风险在我们的系统当中相对重要一点，当然收益也是很重要的。有些策略更靠谱，有些策略可能把握小一点，把握小的自然是少配一点，策略风险大的也少配一点，大致就是这样。最后还要考虑相关性，相关性高的还要一定程度上合并计算。

什么情况下会对因子的权重做出调整？如果风险变了或是收益变了，我们就做出调整。我觉得风险不大容易变，风险相对比较容易判断。收益就不好说了，因为可能真的就变得不赚钱了，也许是研究有漏洞，也许是数据挖掘或者市场有变化，我们说过市场总体会变得越来越有效，那当市场变得有效的时候，原来一些能赚钱的模型就变得不赚钱了，这自然会有一个过程。统计学也会有波动，这段时间不赚钱，有可能是运气，也有可能东西变了，这里面一半数学一半经验，然后你发现怎么不赚钱了，于是把权重降低一点，还不赚钱，慢慢可能这个策略就停了，就是这么一个过程。

问题11：2021年9月底以来,市场出现对量化策略不利的行情，虽然您们策略也一度出现回撤，但已及时调整策略并逐步修复净值，可以给我们讲讲您们是如何在2022年开年后的不利市场情况下取得正受益？当市场风格转变，策略失效，您们是如何及时做策略调整的呢？

渔阳：2021年对于量化策略，特指股票，称得上冰火两重天，九月之前是火。回顾一下历史，2020年到2021年年初，蓝筹股非常火，当时市场上当红基金都是坤坤、兰兰这类偏向大盘股的公募基金，本质上是资金追捧带来的正反馈。但2021年春节之后蓝筹就不行了，侧重中小盘股票的量化策略异军突起，很多机构还及时推出指数增强策略，良好的业绩带来更多的资金，陆续进场的资金有几千个亿，触发了量化策略的正反馈，产生了很多的超额收益。

在收益特别好的时候，真的要小心，因为那都是正反馈，而收益特别差的时候，也不要过于悲观，那往往是负反馈。正反馈不可能永远持续，负反馈也不可能永远持续。过后看是比较清楚的，2021年夏天的那一波正反馈，钱在不停的往量化里走，一般都是买中小股票，所以像中证500、中证1000等偏中小盘股的指数被越抬越高，抬到一定程度上，就无法持续了，就往下走了。九月发生的几件事成为了动因，第一是恒大的事，预示着地产下行；第二是国家限电，意味着那时候被爆炒的周期股下行。当时包括新能源在内的一些板块被之前的资金正反馈推的太高了，所以一往下掉就发生了负反馈。

因此在2021年四季度和2022年一季度，大多数量化机构不但亏钱，还跑输指数，这其实比较不常见。我们耳熟能详的几家规模大的量化机构，都在不同时点发生过较大回撤。我觉得这是一个负反馈过程。我们也有这方面的经历，高频模型看的比较清楚，在市场的微观结构发生改变之后，原来很赚钱的模型就失效了，但当我们发现之后，及时做出调整，慢慢降仓，然后血就止住了。

后来至于为什么又能逐步修复净值？那其实是其他策略开始赚钱了。在困难的时候，经验起了作用，我们知道负反馈正在发生，因此就比较谨慎，慢慢的稳住了之后，就会开启下一个周期。然后我们又有开发新的信号、新的策略，所以业绩慢慢就起来了，在2022年也取得了比较好的正收益，而且波动率也很低。

问题12：巴菲特曾说，投资有两大原则，第一条是保住本金，第二条是记住第一条。您们在产品运行中非常注重风险控制，请给我们讲讲您们是如何做好风险控制的？

渔阳：我非常赞同巴老说的这句话，我们也是这个理念。怎么做到呢？我们在构建产品，构建策略组合的时候，都同时考虑收益和风险。刚才也讲过，风险比较容易算的清楚，所以我们在构建新基金的时候，一定会先在风险的角度给它做一个定义。

首先要把重要的风险指标固定下来，比如年化波动率是多少，回撤是多少等，规划好所要控制的范围区间。一般机构投资者普遍了解自己的风险偏好，且知道自己需要什么；高净值自然人客户，对风险的承受能力是怎样的，则需要管理人做相应的匹配。从风险角度，我们的特点是能达到投资人的预期。比如以商坤基金为例，我们企图把回撤控制在6%以内，也做到了，一般每年都是5%左右，这就是风控在发挥作用了。风控不是说发生回撤的时候你才去控，而是在状况发生之前，就已经算好了可能会出现什么情况，从数学的角度就已经基本上布局好了。例如，商坤基金的波动率就一直在我们预期的范围以内：8%-10%，这是因为我们提前就做好了风险的预判和布局。

再回到巴老这个观点，我们的风险是可控的，基金的波动率是有所预期的，这样就不会出局。很多时候赚钱是有宏观原因的，比如宏观经济发展了，出现了戴维斯双击，使得股市大涨；或者商品处于通胀周期，趋势模型赚钱了；或者高频策略，成交量忽然起来的时候就赚钱了。很多时候，赚大钱要靠运气，但是怎样活到你运气好的那天呢？这就要靠风控。不能乱下注，有机会的时候再下注。

问题13：您在《乱世华尔街》里有提到过“对冲的真正目的并非避险，而是要用杠杆获取高利润”，如何理解对冲和杠杆之间的关系呢？

渔阳：这其实是一个风险收益比的关系，比如在股票里面，有指增策略和中性策略。指增策略是不对冲的，而中性策略是对冲的。

最终你要如何配置策略，取决于风险预算的设定。假设年化波动率是10%，如果你是指增策略，那大概只能买一半不到的仓位，因为指增策略本身是指数的风险，所以仓位30%-40%就差不多了。但要是采用波动较低的对冲策略，就可以满仓。

所以是否对冲，如何对冲是一个比较复杂的问题，并没有固定答案。我书中说的这句话，“对冲的真正目的并非避险，而是要用杠杆获取高利润”在美国市场更为适用。这可能说的相对比较专业，因为美国的杠杆特别便宜，所以美国的量化基金都要加起码四五倍的杠杆，就是因为这个杠杆成本非常低，但是同时，利润也非常薄，所以你不加杠杆是不行的。像我们知道的Two Sigma、Renaissance都加了很大的杠杆。可能组合的回报率就只有比如5%，在美国市场这已经很高了，而在中国大家可能觉得很普通，但加上五倍的杠杆，就25%了，再减掉一点融资成本，剩下20%多，这是美国的逻辑。中国的逻辑我觉得还稍有不同，一般来说用不着加那么大的杠杆。

其实回答这个问题，它是一个优化的过程，具体要不要加杠杆，要加多少，要不要对冲，都取决于策略的风险收益比，以及你追求什么。

问题14：波罗的海干散货运价指数（BDI指数）常被称作大宗商品的“风向标”，也是全球经济的“晴雨表”，截至今年11月8日，BDI指数近一年跌幅约50.11%，面对市场环境的不稳定，以及大宗商品持续低迷，商品期货策略越来越难赚钱。如何看待明年的期货市场？以及如何看待CTA的大年和小年效应？

渔阳：我只能泛泛而谈，谈一谈宏观层面。我觉得可能不尝试择时为好，包括对策略的择时。因为你一旦择时了或选股了，一旦集中精力去做某一件事情，多半会有损失。从数学上损失了分散风险这个功能，本来是三个策略：期货策略、股票策略、固收策略，分散风险的效果是一直存在的，这是固定的好处，但一旦择时了，你说今年我不看好商品我去掉商品，这样收益是不确定的，但风险分散的效能损失已经发生了，三个策略就剩下俩了；选股也是一样，本来选五百只票挺好的，非要缩减成五只，那我这五只能不能跑赢那500只不一定，但风险分散的效果不在了。

那么择时行吗？刚才我们讲过，除非特别有把握，否则最好还是不择时。所以关于CTA策略，过后看，确实有大年和小年，但关键你怎么预判明年到底是大年还是小年，我觉得没有人能够说得清楚，所以最好还是不做判断，说到这里都是比较保守的量化思路。如果我们一定要有个观点，我认为取决于很多因素，世界经济是一个大周期，无论向上还是向下，这可能对CTA都有影响，有较大的地缘政治事件发生，像俄乌战争等，也是会有影响的。具体到BDI指数，我认为这是我们体系中众多因子之一，我们做量化，观察很多指标，很难说有哪个指标是神奇的，多数指标是随机的，说白了我们也没有用到，所谓有用的指标，往往就是概率上多一点点优势，可能55%对45%，这就很好了，也就是信息比例多一点点，所以我们也没有对BDI指数做很多解读。