《基金经理投资笔记》资产配置系列

一层一层，剥开大类资产配置的心

本文作者：刘翀 华宝基金养老金部副总经理、单宽之 华宝基金养老金部分析师

自2008年金融危机之后，许多人对金融衍生品口诛笔伐，认为金融衍生品加剧了市场风险，为金融衍生品增添了些许争议和几分神秘。其实，正如一枚硬币的正反两面一样，金融衍生品可以避险、也可以冒险，好比天使与魔鬼的融合。众所周知，有人靠牛市赚钱，有人则靠熊市赚钱。其实，也有人靠震荡市赚钱。所谓震荡，是指忽上忽下的市场行情，其方向的切换和节奏的把握往往让投资人神魂颠倒，与其去猜测震荡行情中的下一个波段会呈现怎样的弧度和角度，不如安安稳稳用对冲的方式守住收益的高度和厚度。总体而言，笔者认为量化对冲有如下三种不“对”不冲的特性。

一、 大盘行情不“对”，不乱冲

说到投资里面什么最难，可能部分投资者会给出“判断”的答案。确实，判断对于投资而言极其重要，本系列之前的文章也提到提高投资回报率的方法之一就是提高判断的胜率，通俗而言就是看得准，能够较好把握标的涨跌。相比较于分析过去，投资可能更加侧重对未来的判断。

过去的事情可能会在未来重演，但是其内容和形式不知会有怎样的改变。因此，对于做大类资产配置的人需要判断大的趋势，才能做好配置。可是，有时候并不是那么容易判断出大趋势，比如在市场盘整的时候，往往在一个区间范围内上下震荡，暂时上冲乏力且下跌不得，那么这时候如果要沿用看得准的标准去追求收益，这对投资人的要求会相当高，毕竟在相对较小的区间内波动本身行情厚度欠缺。

另外，上上下下的方向不明也总是挑逗着投资者的情绪与神经，总而言之就是难。震荡行情中，我们发现大盘行情没有给出一个对的方向，因此明智的选择是不乱冲，也就是采用对冲的方式先稳住阵脚，不胡乱赌方向。

所谓对冲基金，是通过股指期货对冲市场系统性风险，具有与市场β低相关的属性，无论市场涨跌，都力争实现稳定的绝对收益的基金。

说到这里就会明白，对冲系统性风险从而规避可能因其而带来的涨跌是对冲基金的特性，一般情况下其风险暴露敞口几乎为0。说到这里，可能读者会把对冲基金当做是避风港型资产，没有风险且不赚不赔。或许有读者会问：既然如此，那直接拿着现金或者货币基金不就完了，为什么还要选择量化对冲呢？对此，我们可以看看下面的数据统计。

数据来源：华宝基金、Wind

从上图我们可以看到，近1年股票多空型基金（对冲型基金的别名）的年化收益率为11.29％，年化波动率为4.14％，最大回撤为-2.01％。相比较于货币基金及其它债基而言，股票多空型基金的近1年收益不仅能够战胜它们，算上年化收益加上最大回撤后的风险调整后收益来看，其收益也能战胜其它债基。任何资产的名称和结构都各具特色，但是有一个观测和评价的维度是相同的，那边是风险收益特征，良好的风险收益特征是众多投资人所看重并追求的。对于绝对收益型投资者而言，量化对冲基金在近1年的风险收益特性上是具备一定的相对优势和吸引力的。

二、 期指基差不“对”，不全冲

虽然对冲市场系统性风险，但是这不代表量化对冲基金没有风险，其风险主要包括期指基差风险。所谓基差，是指同一标的的现货和期货之间的价格差。量化对冲一般都通过买入股票（或指数基金）并卖出股指期货来实现套期保值的风险对冲。如果把量化对冲比作是一个天平，一方是股票多头，另一方是股指期货空头，现货和期货的价格除了自身波动之外，相对也在波动，总体而言基差会在一定的范围内波动。如果建仓的时点恰好碰上了股指期货贴水严重，这就意味着现货的价格比期货的价格要高出正常水平，这时候就会产生对冲成本，通俗一点的理解就是一边高价买入一个东西的同时另一边低价卖出了这个东西，两笔交易综合来看是赔钱的，这就是所谓的由基差波动而引起的对冲成本。如果可以选择，那么在期指基差不“对”的时候，我们不要让手中的资金全冲进去，以便等待更好的时机进行建仓。关于基差，我们可以通过下图来进行直观理解。

数据来源：Wind

如上图所示，我们采取沪深300ETF作为多头，以沪深300期货作为空头进行对冲，我们可以观测到近1年基差（现货-期货）的走势总体上在-42和68之间波动，右下方有基差的频率分布图，总体上比较接近正态分布，但也有厚尾现象的存在，比较符合金融世界的常态。通过观测右方的统计数据及频率分布，我们不难发现频率最高柱状体的对应基差在-3.1与1.7之间，近1年均值为2.4，中值1.256，这些数据可以为我们基差中枢的设定提供参考。之所以是参考，那是因为不同的阶段基差中枢是会改变的，我们可以看上图左下方的近5个日历年度的基差季节图，不难发现2019年的基差走势与其它年份的基差走势明显不同，2019年全年的沪深300基差大多为负值，这从一个角度反映了2019年大家对沪深300的未来趋势看涨的时间占据多数，呈现出了牛市的特征。一般情况下，基差会围绕中枢进行上下波动，对于投资而言，除了尽量避开基差不利时建仓，对基差波动进行套利也是可以考虑的收益来源。

三、 增强趋势不“对”，不多冲

前文第一点中谈到量化对冲主要通过对冲市场系统性风险来规避潜在的波动损益，细心的读者可能会有疑问：风险与收益作为一枚硬币的两个方面，如果对冲了风险，那相当于把收益也给对冲了，可是为什么量化对冲基金在风险收益特征方面的数据还是体现出了绝对正收益的特征呢？

确实，在对冲市场系统性风险的同时我们也对冲了潜在的系统性收益，这个收益来源于我们平常说的β，实事求是地说在没有净风险敞口的时候量化对冲基金确实与β进行了道别。不过，对冲基金之所以市场以量化冠名，那是因为对冲基金通常会运用量化工具进行α的挖掘，从而获得相对基准的超额收益。

所谓量化投资，就是通过大数据、建模、计算等工具对优秀的投资标的进行价值规律的探索总结和对相关规律的投资实践以真正落实α的捕获。

从投资层面而言，具体操作就是在多头端以指数增强代替纯被动指数，在对冲了β的同时捕捉α，从而创造绝对收益。

数据来源：Wind

如上图所示，中证500增强基金对于中证500指数基金的超额收益也存在波动，有时有明显的超额，有时可能也会遇到超额收益不明显或是暂时不利的局面。既然对冲使得投资收益与β绝缘，那么α的捕捉就显得尤为重要。

古语有云：天有不测风云，人有旦夕祸福。在充满变化的金融市场中α仿佛晴天的阳光，人人向往但却无法时时拥有。在遇到阴雨天气的时候（α减弱甚至为负），投资者可以选择适当地避雨（不过多追求对冲基金的绝对收益或暂时在多头端跟住被动指数的步伐不偏离）以待天晴。在量化对冲基金绝对收益为零甚至为负的情况下，货币基金或许以风险更小、收益微薄的相对优势提供暂时的避风港。

四、 小结

对于量化对冲基金的不“对”不冲，实际上在投资的过程中无法考虑得面面俱到。第一个不“对”不冲其实对应的是“要不要对冲”的问题；第二个不“对”不冲对应的是“何时对冲更好”的问题；第三个不“对”不冲对应的是“如何对冲增强”的问题。

如果在选择了量化对冲基金的时候市场延续震荡，同时基差良好且还能提供超额收益α，这是所有投资者都愿意看到的事情。可是现实并非完全遵循这样顺畅的剧本，有时候或许不得不承受一定的浮亏。

不过，如果相信量化对冲的量化增强部分，那么假以时日会创造α收益，毕竟量化讲究的是基于量化数据对相关规律的研究与应用，通俗地理解就是“赚概率的钱”，而概率的落地需要充足的样本和充沛的时间去实现。总而言之，当你对未来的一段时间感到迷茫而不知方向的时候，不妨考虑量化对冲，对冲大风险（β），积攒小收益（α），与时间为友，相信前方不远的路口总有明确的箭头在等候。

【风险提示】本文的观点、分析及预测不构成对阅读者的投资建议，如涉及个股内容不作为投资建议， 亦不代表基金管理人旗下任何基金的持仓信息和投资方向。基金管理人承诺以诚实信用、勤勉尽责的原则管理和运用基金资产，但不保证基金一定盈利，也不保证最低收益，同时基金的过往业绩并不预示其未来表现，基金管理人管理的其他基金的业绩也不构成本基金业绩表现的保证，在投资前请阅读本基金的《基金合同》、《招募说明书》等法律文件，市场有风险，投资需谨慎。

【了解作者】

刘翀：上海财经大学金融学硕士。11年以上证券从业经验。2018年8月加入华宝基金管理有限公司，现任华宝基金养老金部副总经理。曾在大型保险资管及大型券商从事各类资产的投资管理工作。对组合构建及股债配置比例有一定的研究，对增强收益回报的可转债资产有较为丰富的实践经验。对资产切换的择时有比较独到的经验与方法。代表产品为华宝稳健养老FOF。

单宽之：华宝基金FOF投资决策委员会投研秘书、养老金部分析师。美国哥伦比亚大学统计学硕士，具有大类资产配置、股权投资、公司并购、行业研究、量化分析等方面的经验。

本文源自金融界基金

（本访谈约9500字，阅读时间约需30分钟。）

访谈时间：2019年9月30日下午（美国时间）

访谈地点：曼哈顿中城

量化投资，始终是证券投资行业最隐秘的一个领域；手握重金的量化对冲基金经理，在大众心目中也一直蒙着一层神秘的面纱。

纽约华尔街、伦敦无疑是全球对冲基金的两大重镇。由于华人在数理化方面比较优势，目前在华尔街从事投资的华人中，基本集中在量化投资领域施展拳脚。

美国时间9月30日下午，在曼哈顿中城，冰哥采访了在华尔街从事量化对冲投资已有12年的蒋晓炜，很温和的笑容，告诉我在上周二（9月24日），他刚刚从工作了5年的Welton公司离开，10月1日将正式入职到一家总部在伦敦的对冲基金GSA Capital的纽约办公室任职。

纽约大学毕业后，从2001年到2007年，蒋晓炜先后在美国一家能源集团、瑞银集团（UBS）、联博基金（AllianceBernstein）这三家机构从事了近6年的研究工作。2007年，他正式开始了量化对冲的投资工作生涯，先是在克林顿集团 （Clinton Group）担任基金经理和首席策略师，为克林顿集团的量化股票基金（CES）创下7年每年年化20%的收益率；2014年9月，跳槽至Welton Investment Partners（WIP）担任合伙人、基金经理、首席策略师，为WIP创建量化投资基金团队。2016年，他荣获美国HFM对冲基金年度最佳业绩奖 （对冲量化股权类）。

行文至此，有必要从网上搬一段通俗的说明：“量化对冲”就是“量化”和“对冲”两个概念的结合；而“量化”指借助统计方法、数学模型来指导投资，“对冲”指通过管理来降低组合系统风险，获取相对稳定的收益。实际操作中，对冲基金的管理往往采用量化投资方法。

那么，华人在华尔街从事量化对冲的现状如何？量化对冲基金经理，每天上班都干什么？他是通过什么方法来赚取收益的？量化投资这个方法赚的是谁的钱？一支好的量化基金是什么样的？

（图为蒋晓炜）

肖 冰（前海宜涛资产合伙人）：蒋总，今天非常高兴能在纽约访谈你。听说你是上周二刚刚离开上家公司，即将入职一家新的对冲基金公司，请介绍一下这家对冲基金公司的情况，以及你将在这家公司投资工作的主要内容？

蒋晓炜：过去这十二年，我一直在华尔街做量化对冲，10月1日将入职这家公司名叫GSA Capital，总部在英国伦敦， 2006年从德意志银行里面分离出来的，以前是在德意志银行里面做的非常成功的一个量化团队，这个团队出来以后做了一个量化对冲基金，开始是一个单策略，后来慢慢变成多策略，在伦敦总部有几百人，三年前在纽约成立了办公室。它的总体管理规模有一百多亿美金，在业界算是一流的对冲基金公司，投资领域主要是二级市场，有股票、固收、外汇、期权期货衍生品等，期权期货衍生品里面还有一些固收衍生品。

说到量化，你能想到的名字就可能是文艺复兴、DE Shaw、Two Sigma、 Millennium这些公司，因为那些公司都是美国的，所以我们听到的多一点。英国其实有几家非常不错的量化对冲基金，跟美国是平起平坐的，比方说Winton、 Man Group、 GSA都是英国几家最大的，但是媒体对它们的报道少一些。全球范围，量化对冲在纽约和伦敦两个地方做的最好。

这家公司GSA的体制有点像事业部，每一个团队独立核算独立盈亏，英文叫做 silo porfortlio manager或者independent porfortlio manager。这种模式基本上就是我自己有一个团队，这个团队负责开发策略，交易以及风控，盈利后我们团队和公司进行比例分成，在这家公司我也将负责这样一个投资团队。

除了我团队自己做风控外，同时公司层面也有一个总体风控，比如某个产品净值出现比较大的波动以后，公司会对每一个团队进行风控。

肖 冰：你们团队做的风控，和公司层面的风控，各有什么侧重？

蒋晓炜：这两套风控是平行的。我自己的风控是从我的建仓开始做，比如说我建仓之前就知道我的风险敞口应该怎么设定，然后我把这些设定都放在一个模型里面，最终出来的资产组合，已经把风控考虑在里面了。

公司的风控基本上是事后风控，比方说我的产品风险敞口超标了，他就会来警告我，让我减仓。

华人在华尔街大多从事量化对冲

肖 冰：目前我们华人在华尔街的基金公司里面，能够做到什么样的职位？

蒋晓炜：华尔街的基金公司分两类，一个是做mutual funds（共同基金或者国内讲的公募基金），另一个是做私募，或者对冲基金。我这两块都做过，我以前是从联博基金（AllianceBernstein）出来的，这是一家比较大的共同基金公司。

华人在华尔街看共同基金里面做到中层职位的有不少，但是做到比较高层的就少了。比如现在纽约人寿保险公司下面的一家投资管理公司，我在联博基金的老同事江平做到了它的CIO（首席投资官）。

肖 冰：在华尔街做量化对冲基金这个细分领域，华人目前是一个什么状况？

蒋晓炜：我觉得对冲基金的竞争更加激烈，要做好需要一种全才通才，不论是市场经验、策略、领导能力、沟通能力，都要求非常高，这个的确是非常考验人。在对冲基金待了十二年，我觉得对冲基金行业绝对是汇聚了金字塔顶端的人才。

华人在华尔街做量化这块是挺多的，做基金管理投资的话基本是量化对冲为主，做主观对冲或者主观操作的相对较少，这也和我们中国的教育体系有关，量化数学这方面基础比较好；其次，做主观对冲要跟人打交道，而由于中西文化的差异，导致华人在这里做投资时不如跟机器、跟数字打交道来的自然。

现在在纽约的量化对冲基金公司里面，包括在Millennium或者Two Sigma都能看到不少华人的面孔，而且有一些华人在基金公司里面做的还是不错的。有做到中层的部门经理的，但是做到公司管理层的几乎没有。

有一个现象很有意思，虽然印度人在量化对冲基金这个行业里面绝对人数没有中国人多，但是他们有不少是做的非常好的，能够做到部门的头，有的甚至做到了公司的高层。

肖 冰：你觉得这个是有文化方面的原因吗？

蒋晓炜：可能是有，硅谷的科技公司也一样，有一些文化方面的因素。

肖 冰：你说需要通才全才来做对冲基金，比做共同基金要求更高？

蒋晓炜：对，共同基金在美国虽然也有它的盈亏压力，但是因为它的整个销售、售后服务、管理体系已经非常健全，每个个人扮演的角色相对少，你要体现出自己在某一方面的领导能力就已经足够了。但是在对冲基金行业里面，是有一个非常强的survival bias（生存偏差），就是优胜劣汰，所以说你的专业知识、市场方向把握、策略优劣、领导能力、执行能力，方方面面都要具备，而已经淘汰的对冲公司它就在历史上消亡了，这个公司也就被人遗忘了。

肖 冰：没有第二次机会。

蒋晓炜：对，你没有第二次机会，大浪淘沙，这种竞争非常激烈。

肖 冰：在你说的这些能力里面，关于“市场方向”是什么意思？

蒋晓炜：我举个例子，我以前在的一个公司，它的管理规模曾经达到全世界对冲基金排名排第三位，但是在2007年的时候主要投的是次贷这方面的mortgage backed security（抵押担保证券）那些结构化产品，结果面临巨额亏损，之后就一蹶不振。这个当然有运气的成分，但是对市场方向的把握，就显得至关重要，因为不像mutual fund每个产品界限都非常明晰，而对冲基金的投资相对来讲灵活一点，如果船调头不及时的话，很有可能一个大浪就把你给卷走了。

量化对冲基金经理，上班都干什么？

肖 冰：大家对对冲基金经理的工作也比较好奇，能否介绍一下你每天主要做一些什么事情？

蒋晓炜：现在这家公司我刚过来，就说说我工作的上一家公司Welton，在那我是全面负责公司股票对冲这方面的业务。工作中，我面对各式各样的人，比方说我会面对投资人做路演，我曾经有一段时间，在一百天之内见了50个投资人，其实可能你觉得这50个并不是那么多，但是问题是你做空中飞人，要跑不同的城市；然后公司市场部可能给每一个投资人都准备了一套不同的个性化的材料，要跟市场部的人沟通，他们告诉你说这个客户的背景是什么，投资偏好是什么，我们要根据客户的投资偏好去针对性地讲一些我们的东西，每个路演的材料都要捋一遍，那么这个工作量就非常大。

肖 冰：你们对冲基金的客户主要是机构还是高端净值个人？

蒋晓炜：都有。我工作的第二块内容，我们也叫做执行，我会面对prime broker,即主券商，或者机构券商。这个机构券商不是那种零售券商，我们这里有区分。跟他们沟通，比方他们的交易平台、交易接口、交易所怎么介入，延时是多少。“延时”就是：我们发一个单过去，到券商最后执行那个单子，在交易所完成这个单子需要多少时间。

工作内容前面说了两块：第一个是见客户，第二个是执行，现在说第三个：策略的研究和制定，这个是最大的一块，我们公司的生存空间、我们的优劣主要是从我们的策略来的，策略不好，什么都不用谈了。比方我们做一个量化对冲基金，我们看什么样的市场因子能够赚钱，我们是做择时、做动量选择、还是做多方还是做空方，这些都是策略的组成部分，你赚钱的法宝就是策略。

肖 冰：在市场上找有效的阿尔法因子（编注：阿尔法是相对于大盘指数的超额收益）。

蒋晓炜：对，阿尔法因子。这个就是我大概60%到80%的工作精力都在这上面，这是我们的立命之本。

肖 冰：做策略主要干什么？

蒋晓炜：做策略方面有几大块，第一是选择数学模型，通过理论化的研究或者分析，看看哪些数学模型比较适合我们；第二是数据采集，数据采集这边，有很多非常优秀的数据提供商，比方说路透，比方说彭博，标普。我们从他们那边采集来数据，进行数据分析、整理、清理，因为数据比较混乱，要进行清理，这里面有大量的数据分析、数据研究和编程的工作。

然后你看什么样的因子有效，因为这个市场数据量这么庞大，有些是我们之前积累起来的，有些是我们看论文，或者说我们看一些出版物来进行分析，从中获取一些灵感，再有一些就是我们叫做自有产权，是我们自己进行的思考，通过分析得出来的一些结果，有点像一个教授他写论文时自己产生的想法。我们自己采集来的数据也要进行验证，也要进行回测。这是我们平时研究策略的具体工作。

目前比较流行的大数据，人工智能，机器学习我们都在进行尝试。

肖 冰：人工智能对你的投资管理，带来的影响是什么？

蒋晓炜：现在的大数据，包括数据的获得，数据的处理的这个量和速度比以前快几十倍、上百倍甚至上千倍，所以如果没有这个大数据的帮助，无论是心理因素也好，还是实质的结果也好，那些做主动性投资的人会面临压力，他的业绩如果有滑坡，他可能自然而然会想是不是他的业绩是被那些使用大数据、人工智能的人夺走了。所以说越来越多的人他会往那个方向去尝试去努力，但这个方向是不是最终真的能让别人有超额收益呢？这是一个问号。而且最终的结果有可能是：当大家都朝一个方向努力的时候，这个市场是一个很诡异的东西，一旦市场朝一个方向走的时候就变得拥堵，拥堵了以后，首先你的阿尔法被稀释掉了，然后有可能大家在退出的时候，同时退出，发生市场踩踏，这个踩踏最近出现的频率越来越多，而且踩踏的迹象越来越明显，这个大家都知道，但是大家又没办法，因为比方说市场上好的股票就这么一些，大家都在追捧，最后踩踏的时候你也跑不掉，就是这么一回事情。

肖 冰：你在上一家公司的主要工作，主要包括见客户、执行（和主券商进行沟通），以及开发制定投资策略。这三块工作分别占你时间的多大比例？

蒋晓炜：初期的时候我们会把更多的精力放在建设基础构架上，包括怎么样跟机构券商进行接口。工作进入正轨之后，主要还是研发策略占60%到80%，剩下20%到30%是对基金组合的日常管理，就是仓位管理，对组合进行分析这些方面的东西，就是基金管理人的日常工作；还有少量精力放在系统的维护和开发、见客户上面。

我是通过什么方法来赚取收益的？

肖 冰：量化投资大致可分两大流派：一派是模型驱动，分CAPM单因子模型、多因子模型；另外一派是数据驱动，从纯数据的角度出发，代表公司就是西蒙斯的文艺复兴。请问你是归类于哪个流派？

蒋晓炜：我们是模型驱动的，多因子模型。我们不做纯数据挖掘，也不做pattern recognitions （模式识别，是指通过计算机用数学技术方法来研究模式的自动处理和判读，把环境与客体统称为“模式”）。

肖 冰：你过往的业绩不错，比如曾经为为克林顿集团的量化股票基金（CES）创下8年每年年化20%的收益率，也拿了一些奖项，请问你是通过什么方法来赚取收益的？

蒋晓炜：我赚取收益的方法比较简单，主要是看一些传统的市场上的一些信号或者说是因子，我们并没有大规模的采用人工智能或者机器学习的方法，但我们也在研究。我认为作为一个好的投资经理，不管是量化还是主动的，你首先是要对这个市场进行判断，你要对这个市场有一定的认知，包括风险的认知，本身市场机制的一些认知，这些我们是基本面的东西。

数据是辅助你去实现去完成整个投资流程，我不是特别赞同本末倒置的方法，就是先拿一套机器学习的方法，再拿过来大数据，在里面滚一下得出一个结果，这个我们叫做数据挖掘，数据挖掘在大数据、数据分析里面是非常流行的一套做法，但是我觉得在做一个好的基金管理人来讲，这套东西行不通。为什么呢？因为比方说巴菲特他说他搞价值投资，人人都在追捧价值投资多么多么好，多么多么神奇，这个我们叫做一种学派或者流派，就像有人追捧科技股也是一种流派，这是基于人的经验做出的判断。

那么如果完全通过机器来学习、来投资，而机器是没有人的经验的，这又要回到人的智慧这方面，人的经验、智慧有些时候是非理性的，比方说你为什么说价值投资是一定是能成功的呢？反过来讲有些流派也说价值投资其实也叫做“价值陷阱”，一旦掉入价值陷阱，这些看似有价值的股票其实是一个周期性的股票，或者虽然看上去公司的资产挺不错，但是它没有盈利能力，那股票价格也上不去，这也是一种观点。

所以，我认为要用基金经理各自的理论和经验来指导机器，树立对应的模型框架，这个量化投资系统才能转起来。

肖 冰：这是你赚取收益的一个总体思路？

蒋晓炜：对。

肖 冰：还是以自己在证券市场的经验、积累的认知为核心，同时用机器来辅助你实现投资收益？

蒋晓炜：对。

肖 冰：请举个例子，你的产品怎么来赚取收益。

蒋晓炜：比方我说做价值投资，也是我投资中用的一个因子。价值投资在2000年以后，尤其是2008年金融危机以后，受到了巨大的挑战，巴菲特这套东西不是那么玩的转了。价值投资本身也是一个非常流行的量化因子，这时候我们就要分析为什么？其实价值因子包含了一种因素：你把价值因子的历史盈亏或者业绩单独拿出来，做一个时间轴状态的分析，你发现这个分析跟宏观周期比较吻合，那就有意思了。那么这个价值因子和宏观周期吻合的结果，你会发现它其实又跟股票的贝塔因子（编注：贝塔是衡量基金收益相对于大盘指数的相对波动性的指标）又吻合了。有了这个理论指导以后，你就可以去做模型了。

肖 冰：这个模型用的效果怎么样？

蒋晓炜：很多人觉得价值模型一定能赚钱，通过分析，我现在要说的是：价值模型要做调整，要随行就市，跟着经济周期来和市场周期来，才能赚钱。当然具体怎么操作每个人都有自己的不同做法。这就是我们研究的过程与结果。

我们的投资在这一块的收益还是不错的。总体来讲我们夏普比率保持在1.5%到2%（编注：用基金净值增长率的平均值，减去无风险利率，然后再除以基金净值增长率的标准差，就可以得到基金的夏普比率；它反映了单位风险基金净值增长率超过无风险收益率的程度，夏普比率越大，说明基金单位风险所获得的风险回报越高。）。

肖 冰：指的是整个你的产品还是指价值因子这块的夏普率？

蒋晓炜：整个产品，我们不单独做价值因子。

怎么控制投资管理的风险？

肖 冰：接下来请讲一下怎么控制投资管理的风险。

蒋晓炜：从量化角度来讲，风控是有它自己的方法，通过风控模型和一些资产优化建模来实现。这套东西是在整个流程里面人为介入最少的一个部分，就是说我相信我的风控模型。

肖 冰：什么意思？

蒋晓炜：我的风控模型出来以后，我不对它进行任何修饰，不对它进行外部的调整。

肖 冰：让它六亲不认，该干什么干什么？

蒋晓炜：是这个意思。

肖 冰：这是基于什么思想？

蒋晓炜：风控这一关如果你加了人为的因素，就可能会有偏颇，就有偏差，就是把你的主观想法放在里面了。风控应该是一个客观的东西，包括各种风险敞口。这套模型本身来讲我们认为是长期有效的，它不是根据市场的变化而迅速变化的。

肖 冰：风控模型是长期有效的？

蒋晓炜：对，它有些内在的逻辑。比方说股票里面科技板块，科技板块内部的股票之间有关联性，这个关联性可能就会长时间维持在某一个水平上。

肖 冰：是比如说Facebook、亚马逊这些公司之间的股价的关联性吗？

蒋晓炜：对。有一定关联性，而且关联性是区间，它不会偏离这个区间。

肖 冰：基本上会同涨同跌？

蒋晓炜：对。然后银行股之间又有某种关联性，这种关联性我们认为是相对稳定，而且不是完全按照市场涨跌，它内在有一定的关联，有一些内在的因素驱使它有“同涨同跌”的性质，所以基于这个，我们假定它是一个长期有效的模型。从实际操作看，最后的有效性还是不错的。

肖 冰：在过往的投资风控中，你印象比较深刻的例子？

蒋晓炜：一个有意思的例子是这样的，我们在投资的时候有一种投资大块叫做动量投资，动量投资用散户的语言来讲叫做追涨杀跌。之前在长的历史跨度里面，这种策略是赚钱的。

肖 冰：包括在美国。

蒋晓炜：包括在美国，直到大概二十年前它突然失效了。

肖 冰：二十年前指的是？

蒋晓炜：90年代中后期的时候，慢慢开始失效了，当然失效不是说完全失效，动量投资它在某一种状态下是赚钱的，但是如果你用这种方式去持续的进行投资，比如五年以上，你会发现净值表现就像坐电梯一样，这就带来一个问题：就是说它的因子我们叫动量因子，和风控模型有一个不匹配的问题。

肖 冰：是什么意思呢？

蒋晓炜：就是说我的长期风控模型很有可能把动量因子给抹掉了，因为它认为追涨杀跌是不好的，而基金管理人如果说他喜欢这个因子，他认为这个是好的，两者就出现矛盾了。这时候你就要权衡，你是相信动量因子的呢，还是相信风控模型？无论你相信哪一个，你就会损失另外一个。

如果作为散户无所谓，我今天坐个电梯，明天还能赚钱。作为我们这种职业经理人来讲，就有一个问题，我们叫回撤，投资人往往在赚钱的时候你开心我开心大家都开心，一回撤的时候哪怕回调到他原来赚钱的50%，即我原来可能赚100%，我就掉下来50%，他就是不那么开心了，他会把钱赎回拿走。这个我们叫“不对称性”，是投资人心理的不对称性。

所以说你就不能去用那个动量策略，或者说你在用动量策略的时候你得要小心，或者说你要做一些更深入的研究，或者用择时。我第一次是在2007年2008年的时候碰到过类似的情况，动量策略给我们带来比较大的回撤，后来就吃一堑长一智，我们也用，但是我们用的方法就不一样了，最大可能的减少回撤。

肖 冰：你会用什么新的思路来用好这个动量投资？

蒋晓炜：第一个看看怎么样做，在风控模型和动量模型之间进行一些数量化的研究，看看到底是什么样的投资回报/风险比的界限，你不要在这个指标上过渡投资，也不要不投资。

举这个例子，我想表达的一个就是说：千万不要忽略了阿尔法因子和风控因子之间的一个互动，这个互动非常的有效，能够给你带来你预见不到的收益，或者预见不到的业绩支撑。业绩支撑不一定是收益，有可能是你的回撤减小，这也是你的收益。所以我们最后学习到的东西就是这之间的互动关系。

量化投资这个方法赚的是谁的钱？

肖 冰：下一个问题，比如我做价值投资，号称我是赚企业增长的钱，那量化投资你这个方法赚的是谁的钱？

蒋晓炜：其实在这个量化的过程中赚谁的钱，有几种方式可以研究，第一个这里面还是有分类的，如果是我们做量化高频的话，量化高频就是赚其他的交易者的钱，比方说我割韭菜，这个韭菜是高频韭菜，比方说我们“买一”和“卖一”之间的一些差价，我通过这个来赚非常非常小的短差。

肖 冰：这是量化高频。

蒋晓炜：如果说我们是做中高频，有可能我们赚的是其他散户和其他低频公募基金的钱。我就举个例子，指数有两种设计指数的方法，一个是等权重指数，另一个是按照市价指数。等权重指数有一个很大的问题，如果说Facebook涨了100%，苹果只涨了50%，那么Facebook在指数中占的权重就上升了，苹果占的权重就下降了。如果你是一个跟踪这个等权重指数的基金经理的话，你得采取一些措施，使得基金能够完全跟踪指数，那时候你只能卖出Facebook、同时买入苹果的股票，那你就知道了，如果你是跟踪等权重指数的基金经理的话，哪个股票涨的越高你就卖谁，谁没涨那么多我就买谁，这也是一种策略。我们按照这个思路往下走，假设这个市场的等权重指数的基金ETF它的规模越来越大，管理这些ETF和指数基金的人，他势必要进行不停的调仓，不停调仓的结果就是说：指数里的某个股票一旦涨幅上升了，它很有可能会要卖掉，股票价格就可能会跌下来。这时候你就去测量这些股票的在等权重指数基金里面权重的失衡，有可能你会找到一个小的幅度的获利空间，你比指数基金先行一步，你先去卖或者买,你有可能就赚钱了。

肖 冰：在这里就赚那个公募基金的钱？

蒋晓炜：也许是这样。

一支好的量化基金是什么样的？

肖 冰：在你看来什么是一支好的量化基金？说一下你的评估标准。

蒋晓炜：好的量化投资基金其实就是主动来风控，它的净值涨跌相对来讲比较平稳，也就是说不一定赚取很高的回报，但是我的夏普比率一定要高，我风控能力要强，我的回撤一定要低。这是我们觉得最终的指标。

肖 冰：这个是因为机遇客户的需求吗？还是基于什么考虑？

蒋晓炜：客户也有需求是这样的，因为大多数投资量化的客户，他不希望获得超高回报率，但他希望获取平稳回报率。

肖 冰：作为一个量化投资经理，你做了十二年，你的投资理念或者投资策略的核心是什么？请举例说明。

蒋晓炜：我投资策略核心就是：我的策略是一整套投资流程，各种模型模块之间的有机互动，里面是缺一不可，不能忽略任何一个环节，从量化策略的研发到最后的执行和执行结果，不能少任何一个环节。有些人往往只注重阿尔法，但忽略了很多别的方面，比方说风控，比方说执行，比方说归因方面的东西。

肖 冰：你就讲究整个链条的完整性，这是你的一个核心是吧？

蒋晓炜：对。

肖 冰：在做量化投资的同行里面，你的个人特色是？

蒋晓炜：我认为我还是偏重于基本面，和对市场理解的挖掘。

肖 冰：举例说明。

蒋晓炜：我觉得是这样：我的个人经验是基本上所有的资产类别大类我都接触过，包括固收、私募衍生品、期权期货衍生品、股票、大宗商品，所以我对市场的判断有一个比较总体的概念，我对于风险敞口会出现在什么地方，对目前市场的一些隐含的风险因子等等，有一个比较明确的判断。我并不是一定就判断的比别人准，或者我择时也不一定准，但是我可以负责的说：我把这些自己的一些判断和理解放到风控模型或者说建仓模型里面，我可以在业绩的平稳度上面要比别人强。

下一步我要把量化股票和量化固收统筹做一个更大的盘子，会给客户带来更加稳健的收益

肖 冰：将来你会在那方面做进一步的优化和提升？

蒋晓炜：因为我目前还着重于量化股票这一块。之前在联博基金的时候我是做量化固收的，知道在市场上做量化固收、尤其在对冲基金这个领域做的并不是很多，所以我下一步做的更多的是：把这两者结合起来。

肖 冰：就是量化股票+量化固收？

蒋晓炜：对，把这两个统筹做一个更大的盘子，这两个是有关联性的，而且是互补性的。这是我接下去要着重做的一个东西，目的是希望给客户带来更加稳健的收益。

肖 冰：工作中面临最大的挑战是什么？你会如何应对？

蒋晓炜：最大的挑战是来自自我的挑战，有些时候老是觉得自己想法枯竭，怎么挑战自身，这是最大的问题。

肖 冰：那怎么办？

蒋晓炜：第一个，我还是要多听听年轻人的想法，后生可畏！第二个，我觉得我们一直在探寻不同的路子，比方说我们一直在做机器学习和人工智能的研究。

此文转载自肖冰投资圈

上一篇：三胎概念股拉升(三胎概念股突然大涨)

下一篇：股票行情(股票600333多少)