量化女掌门田汉卿：创业板已近底部 可以开始适当配置了

　　关于量化投资和人工智能

　　问：量化策略的弱点是什么，同时如何在不确定中寻找确定性的机会，如果量化模型失灵了怎样进行有效地调整？如果量化投资与人工智能深度结合会产生什么样深远的影响，其中对于普通投资者而言有什么样的机遇可以把握？

　　答：这个问题其实问的特别好，我相信也是好多投资人想关心的问题，也是比较专业的一个问题，我想说任何主动管理的投资策略，都不可能在任何时候都是有效的，所以我们通常会说量化策略，也有大年和小年，就是好的年份我们可能表现特别好，有些年份可能就是表现没有那么突出，当然我这里面说的大年、小年主要是从超额收益的角度来说的。

　　换句话说，量化通过过去的市场的表现，来预测未来市场的走势，或者市场的一些情况。因为做量化的时候，我们要根据历史数据做回测分析，这里面其实就隐含了一个量化策略的弱点，如果这个市场本身发生很大的变化，它过去的规律在未来不再重复了，那么量化就会出现一个不工作的情况，或者说工作的不太好的情况。那就是说这个市场出现了比较大的变化，其实从我个人的理解来讲，主要是投资人的行为发生了重大改变，其实在国际上也发生过一些这样的情况，比方说投资人的这种风险偏好，瞬间发生了很大变化，过去它风险偏好比较高，突然全市场都是风险厌恶了，这时候他的投资行为会发生重大变化，那么这时候量化模型也要适应这种变化，如果你没有及时调整，不能适应这种变化的话，那么量化策略在未来的一段时间，可能会表现的不像预期的那么好。这个弱点其实特别是2007年、2008年以后，这个量化策略不管国际上的也好，我们国内的团队也好，其实都是相应做了一些调整。我们都叫它动态的量化模型，或者我自己通俗一点叫它聪明的量化，这个量化要根据市场情况做一些预判，同时要对量化模型做一些调整，而且要事先调整，事后调整通常都来不及的。

　　着重讲一下，我今天所有讲的都是基于基本面的量化选股模型，这个要跟其它的一些量化区分开，比如像CTA、高频、统计套利，这些不在我们涵盖的范围之内。

　　所以量化有它的弱点，并不是说它什么都很厉害，所以大家对量化也不要迷信，要客观判断它，来选择适合你的量化策略，那么怎么在不确定中寻找确定？投资没有特别确定的东西，我们量化通常是要做一个概率，比方说我们这样做投资，我们60%以上的机会能赢的话，那么我们就可以做，比方说拉长一段时间，一年、3个月以上、6个月以上、一年到三年、五年，那么我们打败这个基准的机会就很高，任何一个策略不能保证100%的胜率，所以只要你赢的概率超过50%，那么你就可以去考虑，如果你把握了很多这样超过60%以上赢面的机会，总的来说你的胜率就会比较高。

　　关于人工智能，从我个人目前的判断来讲，我觉得在近期三年之内还看不到有这么强的人工智能，能在投资领域像阿尔法狗一样打败所有的高手。我的理解是投资这个领域，它是无数的参与者，共同形成的市场，对我们来讲做主动回报是一个N×N的博弈，这个博弈的情况下你要用一个机器按照一定的原则，打败所有的人是比较困难的。

　　将来如果真的变成了非常聪明的情况下，那么我们也不排除这种可能性，大家可以跟一下这个市场，但是也不要去迷信，因为在目前这个阶段出现的话有可能会过度地夸张，或者是有人在做一些骗术，这个也请大家注意。

　　作为普通投资者来讲，如果对量化有兴趣，还是花一点时间，对这些量化基金做一个比较全面的了解，不懂可以问专家，了解后再来选择量化基金，了解以后你才会去关注这些跟这种模型、机器相关的机会，在目前这个阶段不要轻易地去，崇拜一个什么东西，或者说轻易地去上当，目前市场上有一些东西我觉得是过度宣传了，就是告诉你我们有一个量化模型很简单，你操作起来看这个、看那个就好了，就是能赚钱了，那这基本上不可能的。

　　问：对业内这么多量化基金看法？如何区分哪种是优秀的量化基金，主要看那些因素？

　　答：评价一个量化基金的方法有多个维度，需要综合考虑基金风格，超额收益和风险，一个比较通用的指标是信息比率，信息比率定义是: 量化基金相对基准的超额收益和超额收益的波动率的比值，衡量的是承担单位主动风险所能带来的超额收益，信息比率越高，收益风险的性价比就越高。我们所有的量化基金首先有一个比较基准，沪深300，中证500或者是我们这次发行的新基金的基准创业板指数，相对于基准，我们会控制基金的跟踪误差，目的是使得基金跟基准的偏离不要太大，或者我希望超额收益的波动率控制在一定范围内，在给定的跟踪误差范围内，我们追求更高的超额收益，尽量最大化信息比率。

　　问：如果市场上只有量化基金了会发生什么状况？

　　答：先做个假设，这里说的量化基金是主动量化的，如果被动也算量化，这个问题的答案是不一样的，假设我们的量化基金都是主动基金，大家设想一下如果这个市场上只有量化基金会发生什么情况？这个其实挺有意思的，主动管理要得到超越市场的主动回报，是市场所有参与者博弈的结果，就是说你博弈的话比别人博弈的好，那么你能拿到一个正的超额收益，如果你做的差你能拿到负的超额收益。

　　就我个人理解，不可能出现说市场只有量化基金的情况。量化与基本面的博弈是互补的，两者两通，就是如果参与的人越来越多，它规模越来越大，获得超额收益的机会就会减少。如果我们现在市场全部变成量化基金，那我们量化基金与量化基金博弈，至少从量化基金作为总体来讲它是没有超额收益的对不对？那这里面可能会有一些量化基金比较好，然后一些量化基金肯定会比较差一些，所以是这样的情况，所以我个人认为，假设这些量化基金的策略是有比较大的相关性，那么市场上应该不会出现只剩下量化基金的这一天。

　　目前我们认为主动量化基金机会比较好，主要是因为我们总体在这个市场参与度还是比较低的，比如说它的容量还有很大、很大的空间，在A股市场获得超额收益的机会较多。

　　问：对于今年以来部分量化因子失效，致量化基金跑输大盘现象，如何辨证认识和有效应对？

　　答：所有的alpha因子都不能一直有效，我们所使用的alpha因子长期来说都是有超额收益的，但是在某些时候单个alpha因子可能会不工作，甚至跑输，这就是为什么我们使用多因子模型的原因，通过把众多alpha因子捆绑起来一起使用，可以把单个因子的不稳定性给offset掉，这样长期来说，多因子模型的超额收益稳定性就高的多。今年以来，小盘股因子，部分成长因子表现不好，但是价值类的因子表现非常好，我们的模型综合考虑了各个类别的100多个因子，实际上今年以来表现还是比较好的。

　　我们管理的量化基金，实际上今年以来表现都比较好，超额收益显著，从事后的业绩归因来看，大部分因子工作的都不错，一部分价值因子的表现尤其好，这跟目前的市场情况也比较符合。

　　问: 未来人工智能是否能够代替人工选股？对未来AI的发展情况的一个愿景？

　　答：不论是人工智能还是更广义的量化投资，最初始的起点都是数据。目前来说，人工智能还没有智能到对数据源进行筛选。

　　众所周知，现在是一个信息爆炸的时代，我们量化投资团队以及量化研究员的一个重要的价值就是对数据进行甄别。此外，量化投资的数据来源一般来源于数据供应商，而量化投资团队的作用之一就是推动供应商提供对投资有价值的新的数据库。

　　因此，最近几年，AI是无法代替人的。长期来看的话，AI可以替代大部分重复劳动，但是能否完全替人就是一个哲学问题了。