误解: 做量化投资要靠一个非常高大上的团队

这些年，大家对量化投资的误解
原创： Quant_Andy AI科学投资 昨天

误解一 所有的量化投资都是一样的

  实际上，量化投资只是一个宽泛的概念，且不说P派Q派的理念之争，在具体的投资策略上也是八仙过海，各显神通。虽然是各显神通，但是毕竟过的是一个海，所以经常也会出现某年做量化对冲的表现都普遍不好，或者做CTA策略的某年都很难的情况。

  

     目前主流的量化策略大概有两类：一个量化选股类，另一类是以短线择时策略为主的商品CTA策略。

量化选股类里面有可以分好多种，从简单的财务指标，技术指标条件选股到中高频人工智能量化选股，技术方法差异非常大，表现上也差异很大，比如2017年财务基本面选股比较牛，2019量价选股比较好，这两年也有表现一直比较优异的，以大数据和人工智能为特色的新锐量化私募出现，确实提振大家对量化投资业绩稳定性和可持续性的信心，也开阔了大家对量化投资研究的新思路。

CTA类策略其实差异也很大，有简单的程序化交易，也有主观和量化结合的，也有多品种趋势策略的，我主要是做量化选股类，也就是阿尔法策略的，我已经放弃对短线择时策略的研究好多年，这里也就不多评述了。

误解二 中国市场不适合量化投资

很多人会认为A 股是个政策市，肯定不适合量化投资，A股财务造假严重，肯定不适合量化投资，A股股价操纵严重，肯定不适合量化投资等等。 但是你知道哪里还有比A股市场更适合无脑投资的股票市场吗？你知道哪里还有比A股更丰富的韭菜资源的股票市场吗？你觉得是跟成熟机构投资者博弈的胜算更高一些还是跟大叔大妈博弈的胜算更高一些呢？

   所以，不要想当然的认为A股不适合量化投资，不管是我们对是历史数据的统计测算还是一些新锐量化私募的涌现，都在证明一个事情，那就是A股太适合量化投资，韭菜资源比美股丰富的太多太多，这简直就是一个刚刚被发现的富矿。而且含矿量之巨，以目前被市场认可的那几家私募的资金容量而言，好比几只老鼠掉进了一个大粮仓里，撑死也吃不了啊。



  误解三    量化投资只能做低风险低收益的产品

这些年，量化投资一直给大家一个普遍的印象就是追求低回撤，5%左右，年化收益最多也就百分之二三十。因为传统的主动投资做低风险产品，确实存在人性在风险控制方面的劣势，所以量化投资的突围就是从低风险产品起步，但这并不意味着量化投资只擅长做低风险低收益的产品。

以指数增强类产品为例，以前给大家的印象就是每年能跑赢基准指数百分之七八就已经很不错了，其实这是基本面增加方法的基本情况，这几年涌现了一些新的基于人工智能统计套利等技术，每年跑赢指数四五十都是非常现实的存在。这两年很多私募都已经能够做到这个业绩水平了，这样量化投资选股的表现已经绝不局限于传统基本面多因子的指数增强的印象。下图是我们的策略的历史回测，按照次日均价+千三交易成本测算。图中红线表示完全不对冲时股票满仓组合的收益，蓝线为相对于中证500指数的累计阿尔法线。

（详见本公众号，菜单 AI实验室-群体智能交易系统）

误解四 做量化投资要靠一个非常高大上的团队

一堆高深的数学模型，一群海归博士这是量化投资给大家留下的一些印象，以我在这个行业从业十二余年的观察和诚实的品格可以直截了当的告诉大家，很多都是出于营销目的的包装。这个行业真正稀缺并且最有价值的东西，并不是这种高大上的华丽包装，而是十年如一日的工匠精神。

首先，特别具有创造性的工作并不是团队的强项，近期发表在Nature（非常权威的一个自然科学学术杂志）上一篇论文告诉我们，大科学团队更像是一个建立在已有研究基础之上的加速器，那些小团队才是贡献颠覆性成果，开拓学术未知领域的先锋，简单的说，就是小团队更容易做出更有创新性的发现，论文最后的结论是团队规模与颠覆性创新成反比。举几个简单形象的例子，诺贝尔科学奖从来都只颁发给个人而不颁发给团队。飞机最早是莱特两个兄弟倒腾出来的，红楼梦最早的章节是曹雪芹一个人写的………

其次，现在很多量化投资从业者都具有复合型的知识结构，当年西蒙斯刚开始搞量化投资还找了个搭档，因为他不会编程，那时个人电脑刚刚起步，编程还是一项十分稀缺的技能，而今能写程序的满大街都是，金融专业行业门槛很低，数学都是考研的必考科目，懂金融，懂数学，会编程的人实在大有人在。以我为例，就是计算机+金融工程+统计学复合专业背景，就我这个专业背景，早十年还可以说道说道，现在谁想找量化投资的工作，还得给他配置个程序员，数学基础还差，他能找着量化投资的工作算我输。

我并不是说团队没有用，而是我觉得日子艰难的时候，团队容易散，业绩太好的时候，团队也容易散。所以，我对量化投资团队的理解是先有牛人后有的团队，才会是稳定的团队，否则就是创业初期，一堆简历像散沙一样堆在一起组团忽悠。但是对被忽悠惯了的人来说，你不忽悠他，他总会觉得哪里不太得劲儿。

 误解五  量化投资研究就是在做刻舟求剑的历史数据拟合游戏

这个误解由来已久，前段时间我还专门写了一篇公众号文章《量化投资的三大基石》反驳这个观点，有兴趣的朋友可以查阅一下本公众号的其他文章。这里再强调一句，大数定律，大数定律是量化投资最重要的基石，所有脱离大样本的量化回测可信度都非常低，真正能长期有效的量化投资策略必须建立在大数定律和人性的基础之上。量化投资的第一大基石 ：建立在大数定律基础之上的统计优势； 第二大基石：建立在趋势风控基础之上的人性优势；第三大基石：建立在多元组合投资之上的分散优势。这就是划重点，这就是敲黑板的必考题。

误解六 人工智能战胜基金经理还很遥远

这个误解，最主要的还是来源于大家对人工智能的误解。自从Alpha Go 一战成名之后，国人的传说中就多了一条比哮天犬还要神奇的阿尔法狗。实际上，围棋的英文名字就叫Go,很多国人还以为Go就是电子游戏里面，Ready？Go！那个Go! 而Alpha是希腊字母的首字母，Alpha Go在美国人眼里其实就相当于围棋1号这样一个朴实无华的名字，而绝不会想象出一条叫做alpha的狗会下围棋这么科幻的事情。所以，人工智能这个词，当下融合了大众幻想、商业炒作和真实的技术进步三大要素。可以这么说，大家想象中的能不听人类指令，有自己独立意识和思维能力的机器人，机器狗都非常科幻，非常遥远，但是现在可以完成以前需要人类智能才能完成的工作的机器非常非常多，而且会越来越多，而支持这类机器运行的算法就是真实的人工智能技术，很可能跟大家想象的“类人的智能”一毛钱的关系都没有。

阿尔法狗是演绎式的科幻，但是围棋1号是现实。同理，股票投资也一样，用计算机算法复制巴菲特，索罗斯是科幻，但是让计算机用它自己擅长的基于统计大数定律和人性弱点的算法，以短平快的交易方式跑赢基金经理确实非常非常现实。短则几个月，长则一两年一定会有越来越多的人相信这一点。这是我们在wind上做的公开模拟测试盘，欢迎关注。