證大資產(chǎn)轉(zhuǎn)戰(zhàn)AI投資 機器學習賦能量化選股

    本報見習記者 劉冬

    老牌私募常青樹上海證大投資管理有限公司（以下簡稱：證大資產(chǎn)）最近在忙什么？全員學習Python語言（人工智能首選編程語言），連前臺妹子也沒落下。

    日前，《證券日報》記者走訪了位于證大五道口廣場的證大資產(chǎn)，在其員工出示的內(nèi)部微信群里看到，30多人全員學習如何編程，每人每日還需上交作業(yè)，熱情高漲。證大資產(chǎn)合伙人劉兵接受記者采訪時表示：“機器學習是大勢所趨，目前我們很多量化選股模型已經(jīng)轉(zhuǎn)換到更前沿的機器學習算法，這也是今年證大依然跑贏指數(shù)的原因之一—對市場的適應性有所提升。”

    量化選股大范圍應用機器學習

    證大資產(chǎn)的管理團隊主要成員來自上海證大投資管理有限公司。團隊核心朱南松博士是業(yè)內(nèi)傳奇人物，于1993年國內(nèi)證券市場興建初期在上海創(chuàng)立證大投資，是國內(nèi)最早設立的投資管理公司之一，因業(yè)績持續(xù)領跑行業(yè)獲得行業(yè)各大獎項。

    據(jù)了解，2011年，證大資產(chǎn)發(fā)力量化交易，2014年開始大規(guī)模進行量化投資。如今，證大資產(chǎn)的產(chǎn)品主要分為兩大類，一是基于基本面選股的多頭策略產(chǎn)品，由朱南松博士負責，二是量化選股策略產(chǎn)品，由劉兵博士負責。兩個團隊之間每周進行交流，在證大近20年積累的選股經(jīng)驗基礎上，量化投資團隊進一步提煉邏輯，應用于量化模型之中，目前交易頻率偏中低頻，約1個月更新一次股票池，劉兵團隊近幾年取得了驕人的成績：證大穩(wěn)健增長2014-2017年累計收益率500%。

    劉兵擁有10年以上的量化投資經(jīng)驗，投資主策略為量化選股，但不同于傳統(tǒng)的靜態(tài)擇股模型，加入了倉位管理、因子輪動、事件驅(qū)動等策略。通過多套模型監(jiān)測市場情緒，根據(jù)模型信號靈活調(diào)整倉位。同時因子輪動模型會在不同市況下配置各因子的權(quán)重以博取高收益。

    目前，這些動態(tài)調(diào)整正在交由機器學習算法來“智能”實現(xiàn)。

    “量化選股關(guān)鍵在于挖掘更多動態(tài)的因子。目前市場不斷動態(tài)變化，A股已經(jīng)很難單靠某個因子賺錢，比如2017年至2018年初是藍籌強勢行情，如果設置的小盤股因子僵化不動就會面臨大問題。這也是為什么我們很多模型已經(jīng)轉(zhuǎn)換到更復雜的機器學習的原因。”劉兵對記者表示。

    圍棋界的阿爾法狗名噪一時，隨后AI技術(shù)應用進入投資領域。證大資產(chǎn)2016年年底提出轉(zhuǎn)戰(zhàn)人工智能投資，2017年初正式投入實施，如今機器學習已經(jīng)替代了大部分模型中的傳統(tǒng)算法。從證大的應用效果來看，機器學習相比傳統(tǒng)的算法能提高量化選股模型的適應性，大大提高勝率。

    不過，劉兵對AI技術(shù)仍保持辯證理性的態(tài)度：超額收益究竟是來自市場無效性還是機器學習的優(yōu)越性？國內(nèi)市場的超額收益很可能更多的來自市場無效性。

    全球首個AIETF為何鎩羽而歸？

    劉兵認為，相對國際市場，國內(nèi)股市仍有較高的無效性，因此不論是量化策略還是基本面投資，只要足夠?qū)I(yè)都能在A股博取超額收益，其中機器學習的領先性能起到多大作用暫無定論。“國內(nèi)散戶為什么虧錢？本質(zhì)上散戶應該賺市場長期上漲的錢，然而國內(nèi)指數(shù)長期看并沒怎么漲，但A股對于專業(yè)投資者來說，反而可以通過選股，賺阿爾法而非貝塔的錢。”

    從國際案例來看，亦是如此。2017年10月18日AIPoweredEquityETF上線，由舊金山EquBot公司推出，利用IBMWatson超級計算機進行大數(shù)據(jù)處理，對美股進行主動投資管理，也被認是全球首只AI ETF。其僅交易兩天，就輕松跑贏美股大盤。然而一兩個月后便露出“真容”，至今一年多來略跑輸美股標普500指數(shù)。

    “這說明了美股有效性比A股高很多，美國的AI投資即便運用了比國內(nèi)更先進的算力、更優(yōu)質(zhì)的數(shù)據(jù)源，也不一定能跑贏指數(shù)。而且不光是機器學習，其實像巴菲特這樣的投資大佬也是如此。”劉兵說，巴菲特50年來復合年化收益率為20%，但實際上其20%-30%的超額收益是在早期形成，從最近10年的收益率來看與指數(shù)增幅幾乎無差別，除了有規(guī)模原因，另一個因素即美國的市場有效性已經(jīng)非常高。

    但毋庸置疑的是，機器學習在資管領域的應用已成為一大趨勢，國內(nèi)外領先的公募、私募基金紛紛試水，證大資產(chǎn)正在搶占先機。

    “人工智能有三大要素，場景、算法和算力。目前證大資產(chǎn)對人工智能的應用場景在選股上，機器學習能更好捕捉、適應市場動態(tài)，比如風格切換、高送轉(zhuǎn)、業(yè)績驅(qū)動等行情輪動。人工智能已經(jīng)勢不可擋，但由于其有一定壁壘，對研究人員、計算機、數(shù)據(jù)以及經(jīng)驗積累都有非常高的要求，而且對算法細節(jié)的不同處理會導致結(jié)果天壤之別，因此對人工智能的探索和布局越早越好，這樣才能有所積淀、越做越深，未來證大資產(chǎn)還將繼續(xù)加大投入，我們永遠相信美好的事情即將發(fā)生。”劉兵表示。