晒单网 掘金量化李波文：量化的未来不可限量

作为资深金融IT架构师，李博有多重角色。除了在金融界的多重身份，他在学术界也是深得认可的。他还是中国人民大学金融学院量化投资硕士项目的校外导师，重庆金融学院智能金融研究中心的协同创新研究员。他的产品深受市场认可，其中的盘后分析系统产品获得亚洲金融创新奖。近日，围绕量化投资、智能投资等相关话题，交易员孙采访了深圳市红树林科技有限公司联合创始人、金块量化平台产品负责人。

随着今年的“人工智能”首次写入国家政府工作报告，“人工智能”成为需要快速培育的新兴产业之一。近年来，中国人工智能领域取得了快速发展，在资本市场上，智能投资正在成为一个新的出路！

阿尔法狗不是很聪明

“围棋一直被认为是最难的，但从智能的角度来看，围棋并不是最难的。只能说最复杂，最复杂，最难的都不一样。”

在媒体的集体追逐下，阿尔法狗被称为人工智能的最新突破。然而，在李博文看来，Alpha Dog本质上是一个卷积神经网络，但从数学的角度来看，它是一个深度匹配拟合，不具备高智能。用Alpha Dog进行量化和智能投资肯定是不够的。首先，Alpha Dog的应用方向不同于量化的应用方向。虽然两个对手都是人，但是围棋是一个固定的规则，361点集合虽然看似合在一起，但仍然是一个有限的集合，这在今天的高速电脑面前已经不是问题了。无数人参与游戏的资本市场，每个人都有自己的战斗方式。相对于围棋的固定361点，资本市场的变量是一个无限集合，驰骋在棋坛的阿尔法狗面对资本市场的大起大落只能放弃头盔！

在李博文看来，将现有的人工智能技术应用于智能交易或投资仍然存在许多不足，最明显的问题是缺乏数据。

市场上有人试图用人工智能来训练投资策略模型，但很快就会发现一个问题——数据量严重不足。如果用一些数据作为训练集，那么测试集中的数据就不多了。最后模型陷入拟合状态，在过去的训练集中表现很好，但是跳出这个训练集样本就很不好了。智能投资可能是未来的趋势，但肯定不是现有技术能做到的，还需要很多。

人工智能的发展历史并不长，目前还存在很多争议。最早提出的时候，在科学界和社会各界引起了激烈的讨论和幻想，甚至在科幻电影中描述人类最终被人工智能所控制。但实际上，大量的实验室、大学、研究所最终发现人工智能难以取得突破，于是人工智能开始表现出一定的分化，向单一功能发展。从最早的谓词逻辑、推理软知识，到神经网络黑盒拟合，出现了各种各样的分类分化。当然，现在已经取得了一些成绩。微软在1998年推出人脸识别技术，谷歌一直在探索智能驾驶，支付宝推出人脸支付，工厂大规模应用机器人，但都是比较简单的产品。当然，人工智能也适用于量化投资。国外一些做原油定量的机构，在空附近派无人机到油库侦察，然后通过红外探测返回光波强度，测量灌油量的存储量，将数据导入事先准备好的定量模型，以事件驱动的方式进行交易。

赢了几万亿

人工智能分为强人工智能和弱人工智能。所谓强人工智能，类似于人，有思想，有情感。弱人工智能基本上只是在特定范围内代替繁琐的机械化重复劳动。

在李博文看来，弱人工智能更有应用前景，而强人工智能在目前的科技水平下几乎不可能实践。人脑太复杂，模拟人脑其实是一个哲学悖论。大脑如何研究大脑运作的规律？

在工厂里，一天24小时工作的机器人非常受欢迎。机器人以其高速度、低错误率和产品标准化的优势，开始在许多领域取代人工。甚至有媒体称，到2136年，机器人将取代所有人类的位置。但是这种机器人分工非常精细，大部分都是做单一类型的工作，不同的工作由不同的机器人完成。但是对于非标准化的产品或者需要根据环境不断变化的工作，目前的机器人是无法胜任的。

李博文认为，智能投资可以通过根据市场情况自动调整策略以及学习和进步来实现。

资本市场瞬息万变，智能投资能否自我进化是关键。和目前的量化策略一样，它一直在随着市场而变化。不是说它在变，而是这个策略背后的人，他在不断地做研究，跟踪市场情况和各种经济数据的变化，不断地调整策略。

随着科技的发展，在未来，智慧投资将在现有投资理念的框架下，占据更多的辅助岗位。不是每个人都是全才。可能我不是这个领域的专业人士，但是聪明的投资可以为我做这些事情，向我汇报，而我则进行战略规划，赢上万亿。

为什么既赚涨又赚跌的量化策略会失败

量化已经成为国外投资的主流。即使交易不是量化的，其背后的分析逻辑框架也离不开量化。现在中国正朝着这个方向前进，2015年和2016年都取得了不错的成绩。但2017年，号称既赚又亏的量化策略在一定程度上失败了。数据显示，截至今年5月底，量化对冲私募基金的平均回报率为-3.38%。今年量化策略的失败其实早在李博文的预料之中。现在很多人自称做量化。然而，他们只做非常简单的编程，而只是自动化一些机械化的动作。这本质上不能叫量化，因为他的模型太简单了。过去可能有效，但在另一个场景中很快就不适用了。而且国内机构在波动性研究方面比较薄弱，大部分都只是在研究趋势。震惊是趋势的杀手。

伪量化策略失败很正常，但是为什么真正的量化策略一定程度上失败了呢？李博文认为，主要原因是该战略的研究能力没有跟上。虽然基金管理的规模有所上升，但战略的研究却跟不上人员配备和研究资源，依然沿用老一套的方法。以前我管理1000万资金，做一个简单的趋势跟踪，然后刚好遇到大牛市，业绩大幅提升，规模暴涨。然而，只有几个研究策略。一旦市场发生较大变化，没有新的研究能力投入其中，只在原有策略上做一些补救工作无法适应新的市场，亏损是必然的。另一方面同质化策略太多，竞争比以前更加激烈。趋势一来，同样的策略就集体放置。你下了50单，我也下了50单。其实只卖了两只手，你和我，剩下的订单都没用，赚不到钱。市场上有一个奇怪的现象，一个策略赚钱，同样的策略立刻蜂拥而上，最后赚不到钱。其实这和投资人有一定的关系。投资者特别关注过去策略的表现。如果过去业绩好，他们认为这种策略以后还能赚钱，本质上是错误的。投资团队是否真正了解市场，能否在市场中找到机会，抓住机会给投资者带来利益，才是关键。

一个战略的好坏，不仅取决于它过去的成就，还取决于这个战略是否能适应市场，是否有成长性。不成熟的中国资本市场一直在成长，如果战略不成长，很快就会被市场抛弃。

对于未来量化投资的发展，李博文认为，第一点将成为中国未来交易的主流，并将吸引越来越多更聪明的人进入这个市场。第二点是简单的机械化和自动化，不叫量化。量化就是记录大量的数据经济模型。分析，然后不断确认市场去调谐的过程，可能是一种量化策略。从他开始进入市场，到最后退出市场，这个策略可能已经完全认不出来了，但是，第三点是量化人才的多样性，不再局限于财经类专业的人才。美国复兴基金拥有大量的数学和物理人才。不同专业的人对整个市场的看法不一样，或者说看市场的角度不一样。在美国这样一个非常成熟的市场，参与者都是非常专业的人，很难从别人的错误中获利。a股很多人其实都是感情交易，很容易从别人的错误中获利，但是不可能像成熟的市场一样，这也是很多人从海外回来做的原因，因为海外对手太强，国内韭菜刚刚开始长。

如何降低量化成本？

量化虽然有很多优势，但是通过私募量化的成本非常高。量化最基本的就是数据。数据收集和数据分析处理都涉及复杂的信息技术。对于私募来说，建立一个专业的IT团队的成本是非常高的。因此，能够降低录取成本的量化平台成为私募的首选。量化平台使私募能够降低IT投入成本，使私募能够快速获取数据，在这个数据模型上快速分析，构建自己的模型进行测试。掘金量化进一步尽可能简化私募的IT技术，让其方便控制数据和机器，快速进入量化领域展现实力。

投资，尤其是量化，战略是核心知识产权，是生存之本，所以战略的保密性很重要，而掘金量化提供技术支持，不经过掘金量化服务器。

除了人性化设计，私募最受欢迎的平台是掘金量化平台的开放性。掘金量化，在量化领域深入耕耘多年，用工业级语言打造了一个开放的框架平台。支持自由访问数据，轻松定制各种策略。同时支持C、C++、C#、Python、GNU R、Matlab等语言开发策略，大大降低了团队建设成本，扩大了人才选拔的自由度。

市场瞬息万变，再好的策略也有可能失败，所以不能局限于一种策略，否则这些策略一旦失败，就会错失很多机会，甚至会损失很多钱。

制约量化投资的发展因素

李博文认为，中国量化投资发展的主要制约因素有两个。一是交易方向单一，缺乏套期保值工具。中国资本市场对冲工具并不丰富，尤其是中国最大的a股市场，缺乏空和空的手段。仅有的两种做空手段基本失效，名义上只是股指期货严重限仓，卖空后难以获得债券，市场力量不平衡。事情越复杂，量化交易越有利。在成熟市场，有丰富的衍生品对冲工具，如股票期权或涡轮机。目前，中国资本市场正在不断丰富各种金融产品。相信在未来，衍生品交易中具有天然优势的量化将在空中发挥更大的作用。

a股只能做一个方向，所以很多股票要么狂涨，要么狂跌。这种大起大落说明a股的交易特别情绪化，也从另一个方面说明了制衡的缺失。比如有人在一只股票上发了财，不管是什么类型的垃圾股票，只要有人打包操纵，就会疯狂上涨。因为没有对手，即使我反对他，不看好股票，我也不能发表意见，但我可以直接在国外做空。空机制的缺失导致频繁出现极端的市场情况。徐翔曾经想拉联通的涨停，但是因为里面的庄家比他强，被别人砸了好几次，但是如果没有更强的庄家，他只能眼睁睁看着徐翔去控盘。

第二，量化人才储备非常不足。私募，目前还处于its的初期阶段，从管理规模和背景来说都比较薄弱，很难吸引到特别优秀的人才，尤其是IT人才。互联网公司待遇远高于私募，腾讯人均月薪6.3万，使得很多私募远远落后。有人说互联网公司可能会成为一个定量的人才库，但在李博文看来，其实很多IT公司做的只是螺丝钉一样的工作，单一的工作并不需要那么多的知识。量化除了处理各种复杂的it问题之外，还需要对金融市场有深入的了解，所以互联网IT转行量化并不是那么容易。

虽然目前量化还有很多困难，但是有困难的地方机会更多。一个非常成熟的市场，意味着格局已经确定。除非找到新的突破点，否则只能在场子外“看他升高楼待客”。李博文对量化的前景非常乐观:“虽然有许多限制，但趋势是不可阻挡的。随着中国资本市场的发展，量化的前景是无限的。”

交易员孙单身网记者编辑