随着人工智能与量化策略的深入结合，量化投资逐渐成为资本市场激烈竞争中制胜的必要前提之一。近年来，众多欧美对冲基金以及投行的自营盘都热衷于开发基于“大数据技术”的量化套利策略，其中最具代表性的包括温顿资本（Winton Capital）在牛津设立数据研究中心，以及瑞信信贷对HOLT选股系统进行技术革新等。而众多欧美顶尖投行，也在不计血本培养IT为主导的产品模型研发团队。许多人都笑称，如今金融行业的核心人才得像程序员一样编码建模，伦敦金融中心也开始变成 IT 人才的聚集地。

 

　　事实上，量化投资就是运用计算机及数学理念建立模型，通过准确捕捉市场波动，从而合理调整投资组合，减少风险暴露，来获取超额收益。进入中国市场五年来,量化投资管理的基金规模出现了爆发式增长,量化投资也逐渐成为市场的投资主流。如何通过量化投资策略把握资本市场的发展趋势？怎样将人工智能技术与金融投资有效相结合？如何做好“新常态”下投资的风险控制？正是中国资本市场及其主要参与者所面临的关键问题。

 

　　

   为顺应量化投资人才培养及投资机构相关策略研究能力提升需求，北京大学汇丰商学院2016年11月中旬圆满举办了第四期量化投资课程。本次课程分为量化投资的发展趋势、量化投资运用、量化投资策略开发过程实例、量化投资风险控制与主流策略这四个模块，合理涵盖量化策略运用、设计及评估等多个维度，并结合基本面预测及宏观策略提高量化投资的优势。

 

 

 

 

 

　　培训课程的第一模块“量化投资的发展趋势”，由凯思博投资管理(香港)有限公司董事总经理聂军先生主讲。他搭建出海内外量化投资的框架，分享了其在华尔街“多指”与金融衍生品市场等金融工程方面的投资。聂军先生指出，在国内多指即“多因子模型分析”相关的投资及程式化交易，并细分为阿尔法产品、CTA策略以及期权策略。他认为，应理性对待量化投资策略，虽然量化投资能够避免“情绪化”操作，有效止损，但由于系统、模型同质化产生“共振”，量化投资策略“系统风险”对市场的影响比基本面策略更为深远。

　　

   基于阿尔法产品，聂军先生指出，不少基金以这种策略实现“市场中性”，就常见的 “错位对冲”现象。在选择子基金之前，需要理解各对冲基金的特点。由于没有在任何市场情况下都稳赚不赔的对冲基金策略，所以需要分析在不同市场环境下对冲策略的平均收益率、波动性、最大回撤、夏普比率以及相关性等特点，根据宏观环境分析风险因子，再根据风险因子进行资产的动态配置。值得关注的是，CTA策略现已遍地开花，但总容量还不是很大，行业追求的夏普比率普遍太高。对此，聂军先生分别以Barclay CTA指数、Barclay农业、外汇、系统性、自由量裁式、多元化、金融/金属CTA指数为例，指出策略的持久性和有效性同样起着至关重要的作用。此外，结合卖空新东方看跌期权捕捉高蕴含波动率的投资实战经验，他还介绍了期权策略作为一种非线性产品的特征，以及如何设计量化投资策略将期权与股票等线性产品组合，降低投资的风险以及增强投资回报。

 

 

 

　　第二模块的课程“量化投资运用：工具与技术、策略”侧重于量化投资工具与技术层面，由国元证券（香港）投资经理王林峰先生主讲，分量化投资工具与技术、策略与案例两部分。王林峰先生首先从大类资产配置出发，介绍了量化技术不但能实现主动策略、交易，同样能实现风控目标。通过构建一个跑赢大市的回报策略并优化的案例，结合对中国市场的观察，他演示了量化投资在日常交易的策略应用。他创造性地将量化的角色及意义总结为，作为策略的量化，需要以数据为基础，以战养战；作为工具的量化，则更注重模型和理论。

　　

   在套利策略中，王林峰先生结合案例分析了以可转债套利﹑AH股价差套利﹑技术指标策略为代表的统计套利策略。在阿尔法策略中，他侧重讲授了基本面﹑分析师预期等阿尔法来源，并深入阐述了如何在因子之间进行有效组合，优化投资策。基于SVM及HMM的统计交易模型，王林峰先生还演示了神经网络、HMM隐马尔科夫模型，分享训练数据的方法并给出真实模拟预测过程，凸显了策略设计与模型运用相结合的量化投资优势。借助金融实验室的彭博终端，王林峰先生结合Python的语言封装C++接口交易恒指期货等案例，引导学员们建立自己的策略工具包，合理地选择数据库，将策略实施的通用步骤总结为函数，提高开发效率等。他认为主动套利策略以及量化系统的协同与竞争至关重要，同时在国内外市场投资时还要避免实际操作中量化存在的一系列陷阱。

 

 

 

　　朱晓天博士主讲“量化投资策略开发过程实例”，是对之前模块的延伸及扩展。他首先从全球对冲基金资产规模快速增长切入，指出量化对冲策略在长期来看业绩稳定并且在危机中的应对表现亦不凡。接着，他通过MATLAB演示了四组多因子组合策略，生动展示了多因子组合策略的开发及案例分析、量化交易系统的构成和实操过程，回顾了国内市场政策及量化发展方向。尤其令人印象深刻的是，朱博士总结了构建量化策略回测，优化和模拟交易基本框架的实战经验：首先通过量化策略定期设定参数优化系统，再根据更新的参数进行后续的日常使用和交易，最后在大规模使用之前需要通过日常交易模拟系统进行测试。此外，在理论基础上运用MATLAB工具，他还现场模拟演示了量化投资策略开发中编程的算法优化，通过美国市场实盘交易结果、沪深300股票申万行业分布等实例讲解反转因子案例，并结合统计套利原理和sharp指标详细地展示了A股筛选的具体步骤。

 

　　在课程的后半部分，朱晓天博士立足中国的量化现状分析问题，对国内市场政策回顾及量化发展方向进行分析。从2014年牛市起步到2016牛熊过后，面对股市变化，相应策略的有效性有所不同，比如，大小盘收益差异明显时多空对冲的Alpha套利策略表现较佳，A股整体牛市则纯多头量化选股策略更为出色。而在股灾之后，中金所提高股指期货套保和非套保账户交易保证金，多空对冲Alpha策略收益下降。同时，结合英国脱欧、意大利公投和美国大选等热点问题，朱博士介绍了可交换债的套利策略。对于中国资本市场及量化交易的未来，他指出未来半年股票市场将呈中性，波动率维持在较低水平，考虑到蓝筹股分红预期因素以及中小盘增加供给趋势，大盘股应获得更多关注。结合两融期权及其他衍生工具，并通过参与打新或日内T+0来提高资金使用将是未来量化策略的一个方向。

 

 

 

　　量化投资课程的第四部分为 “量化投资风险控制与主流策略实例”。陆晨博士首先以美国大选和光大证券乌龙指事件为引，指出了风险的重要性。从风险管理的角度来看，光大最大的损失并非资本损失，而是信誉风险，因为整个基本金融市场，不管是交易股票还是其它金融工具，都建立在信誉的基础上，中国的市场和社会都极其缺乏信用。针对市场存在的风险点，陆晨博士详细地介绍了目前中国货币超发催生的泡沫，包括太大而不能碰的泡沫：房地产和信贷；以及三个中性泡沫：股市、互联网+P2P和新三板。他指出，中国崩盘方式主要是泡沫，而美国则是现金流。基于热钱流向的深入分析，陆晨博士认为资产荒的本质是底层实体经济的衰败，而游资染指大宗商品导致最近期货黑色星期五事件。陆晨博士揭示了贝叶斯推理背后所隐含的原理，即回报是线性的，然而风险往往是非线性的。“回报率是风险的非线性函数，当市场疯狂时，赚钱很多时候靠运气。一旦市场过于疯狂，投资者的策略应该是退出来，有自知之明。” 

   

   课程后半部分主要侧重风险期望和风险管理的演变。陆博士提出期望和风险是对未来预测的两大指标。风险管理经历了无视风险、回避风险、接受风险、被动静态管理风险、主动管理风险的演变过程；而心理因素、策略交易、创新奇想、风险管理则为四大量化交易策略支柱。针对风险，他从市场实操的角度介绍了金融工程中的实际应对策略，包括如何评估量化策略、投资逻辑、投资风险管理程序以及市场风险计量方法等，强调投资者注意投资场景的变换，了解投资的模式及微观结构，将被动的风险管理模式转变为积极的风险管理模式。

　　

   课程后半部分主要侧重风险期望和风险管理的演变。陆博士提出期望和风险是对未来预测的两大指标。风险管理经历了无视风险、回避风险、接受风险、被动静态管理风险、主动管理风险的演变过程；而心理因素、策略交易、创新奇想、风险管理则为四大量化交易策略支柱。针对风险，他从市场实操的角度介绍了金融工程中的实际应对策略，包括如何评估量化策略、投资逻辑、投资风险管理程序以及市场风险计量方法等，强调投资者注意投资场景的变换，了解投资的模式及微观结构，将被动的风险管理模式转变为积极的风险管理模式。

 

 

 

　　在国际上，尤其是欧美70%以上的交易量已经由量化或者是程序化完成。而在中国在股票市场只有不到5%，在CTA领域可能不到10%，所以市场需求也非常大。同时，在跨境并购和中概股回归，量化对冲策略的布局将体现更多价值投资的回归。

　　北大汇丰量化投资（全球视角）课程邀请国内外权威金融机构的投资经理和资深专家，为学员讲授量化投资前沿知识和工具、技术，拓宽量化投资者的实战思维和视野，提升构建量化投资策略与算法的能力。更重要的是，为他们提供了一个良性的交流平台，通过相关的行业分享、企业参访与投资沙龙等，形成课上与课下互相促进、全面提升的动态学习体系。

 

（文：张哲晟、毛林叶、金颖琦  编辑：董金鹏  摄影：谢凤、刘依苇）