掘金量化李波文：量化的未來不可限量

作為一個資深金融IT架構師，李波文身兼多職，除了金融界擁有多重身份，在學術界也深受認可，兼任人民大學財金學院量化投資專業碩士班校外輔導老師、重慶金融學院智能金融研究中心協同創新研究員，其開發的產品深受市場認可，其中盤後分析系統產品榮獲亞州金融創新獎。近日，圍繞量化投資、智能投顧等相關話題，操盤手曬單網專訪了深圳紅樹科技有限公司聯合創始人，掘金量化平台產品負責人李波文。

伴隨著今年「人工智慧」首次被寫入了全國政府工作報告，「人工智慧」成為了「要加快培育」的新興產業之一，人工智慧領域的在近年來實現了快速發展，而在資本市場，智能投顧正在成為一個新風口！

阿爾法狗並沒有很高的智能

「歷來圍棋被認為是最難的，但從智能的角度來講，圍棋算不上最難的，只能說最複雜，最複雜跟最難是有差異的。」

在媒體的集體追捧下，阿爾法狗被稱是人工智慧的最新突破，但在李波文看來，阿爾法狗從本質上講是一個卷積神經網路，而從數學的角度來看，是一種深度的匹配性的擬合，並沒有很高的智能，用阿爾法狗做量化做智能投顧肯定是不夠的。首先阿爾法狗應用方向跟量化應用方向不一樣，二者雖然對手都是人類，但圍棋是固定規則，361個點位的落子，雖然看似組合很大，實際上仍然是一個有限集合，在如今的高速計算機面前，早已不是問題。無數的人參與博弈的資本市場，每個人都有自己的作戰方式，相比圍棋固定的361個點位，資本市場的變數是一個無窮大的集合，馳騁棋場的阿爾法狗面對資本市場的跌宕起伏也只能丟盔棄甲！

在李波文看來，把現有的人工智慧技術用到智能交易或者投顧上來，還是有很多不足的，最明顯的問題就是數據量的缺乏。

市場上有人在嘗試用人工智慧做投顧策略模型訓練，但很快他們就會發現一個問題——數據量嚴重缺乏，拿了一部分數據做訓練集，測試集就沒多少數據了，最終模型陷入過擬合的狀態，在過去的訓練集中表現得非常好，但是跳出這個訓練集樣本外就很糟糕，智能投顧在未來可能會是一種趨勢，但絕對不會是現有的技術能做到的，還需要很大的技術突破。

人工智慧的發展史並不長，目前還存在很多爭議，最早提出來的時候，曾引發科技界和社會激烈討論與幻想，甚至在科幻電影大肆描述人類最終被人工智慧控制。但在實際上，大量的實驗室或者是高校、研究所，做到最後發現全人工智慧很難取得突破，於是人工智慧開始出現了一些分化，往單一功能方面發展。從最早的謂詞邏輯、推理性軟知識，到神經網路黑匣子擬合，出現各種各樣的分類分化，當然現在取到一些成績，微軟在1998年推出了人臉識別技術，谷歌一直在探索智能駕駛，支付寶推出了人臉支付，工廠大規模應用機器人，但是相對來講都比較簡單的產品應用。當然人工智慧在量化投資也有應用，國外一些做原油的量化機構，派無人機到油庫上空附近去偵察，然後通過紅外探測返回光波的強度，測算出油灌的存庫，把數據導入預先做好的量化模型，採用事件驅動的方式進行交易。

決勝於萬億之中

人工智慧分為強人工智慧和弱人工智慧，所謂強人工智慧就是類似於人，有思想有情感。弱人工智慧則基本上只在特定範圍內替代繁瑣機械化的重複性勞動。

在李波文看來弱人工智慧更有應用前景，強人工智慧在當前的科技水平幾乎不可能實理，人類的大腦太複雜，模擬人的大腦實際上在哲學上是一個悖論，大腦怎麼可能研究出大腦運行規則。

在工廠，24小時不間斷工作的機器人非常受歡迎，速度快、出錯率低、產品標準化等優勢讓機器人開始在很多領域取代人工，甚至有媒體稱：到2136年 機器人將取代所有人類職位。但此類機器人分工很細，大多都是做單一類型的工作，不同的工作由不同的機器人完成，流水線作業。而對於非標準化產品或者需要根據環境不斷變化的工作，目前的機器人難以勝任。

李波文認為能根據市場情況自動調節策略，並且能夠學習進步，才能叫做智能投顧。

資本市場瞬息萬變，智能投顧能不能自我進化是關鍵，像現在量化策略，它也跟著市場就一直在變，不是它在變，是背後做這個策略的人，在不斷做研究，跟蹤市場狀況及各方面的經濟數據的變化，不斷調整策略。

隨著科技的發展，未來智能投顧在已有的投資思路框架下將擔任更多輔助性的工作，不是每個人都是全才，可能我這方面不是專業，但智能投顧在這方面專業，它就可以為我去做這些事，向我彙報，而我則運籌帷幄，決勝於萬億之中。

漲跌都賺的量化策略為何失效

在國外量化已成為投資主流，即使交易不是量化，背後的分析邏輯框架也離不開量化，現在國內也在朝這個方向走，並且在2015年和2016年取得不錯的業績。但是在2017年，號稱漲跌都賺的量化策略出現了一定程度的失效，數據顯示，截至今年5月底，量化對沖私募基金的平均收益為-3.38%。今年量化策略的失效其實早在李波文的意料之中，現在很多人號稱做量化，然而做的只是非常簡單的程序化，只是把一些機械化動作自動化了，這在本質不能叫做量化，因為他的模型太簡陋了，可能在過去的場景是比較有效，換一種場景，很快就不適應了，而且國內機構在波動性的研究方面相對較弱，絕大部分都只是在研究趨勢，震蕩是趨勢的殺手，所以在今年行情中他們受傷很正常。

偽量化策略失效很正常，但真正的量化策略為什麼也出現一定程度失效呢，李波文認為最主要的一個原因是策略的研究能力沒有跟上。雖然資金管理規模上去了，但是策略的研究方面，不論是人員配備還是研究資源都沒有跟上去，還是用的老一套的方法。在以前管理一千萬資金，做一個簡單的趨勢跟蹤，然後正好遇上一波大牛市行情，業績大增規模暴漲，但其研究策略還就那麼幾個，一旦市場出現大的變化，沒有新的研究能力投入進來，僅僅在原有策略上做一些修復性的工作，是沒辦法適應新的市場，所以虧損是一種必然。另一方面就是同質化的策略太多，競爭相較以前更激烈，趨勢一來，雷同的策略集體下單，你下了50手單，我也下了50手的單，實際僅成交兩手，你一手我一手，剩下的單子都是廢的，都掙不到錢。市場有一種怪象，一種策略掙錢，同類策略立馬就蜂湧而上，最後都掙不了錢。這其實跟投資人也有一定的關係，投資人特別看重過去策略的業績，過去業績好，就認為以後這個策略還能掙錢，這在本質是錯的，投資團隊是否真正地理解市場，能夠找到市場中的機會，並且抓到機會為投資者帶來收益，才是關鍵。

看一個策略的好壞，不能僅僅看他過往的成績怎麼樣，要看這個策略能否適應市場，是否具有成長性，尚不成熟資本市場一直在成長，如果策略不成長，很快就會被市場拋棄。

對於未來量化投資的發展，李波文認為，第一點未來會成為的交易主流，而且會吸引越來越多更聰明的人進入這個市場，第二點簡單的機械化、自動化不叫做量化，量化是記錄大量的數據經濟模型分析，然後在不斷的在市場上印證去調優的過程，可能一個量化策略，從他開始投入市場實戰到它最後退出市場的時候，這個策略可能已經完全面目全非，但他的思路是不變的，核心邏輯不變。第三點量化人才多元化，不再局限於金融、經濟學專業的人才。美國文藝復興基金擁有大量的數學物理方面的人才，不同專業的人，對整個市場的看法，或者說看這個市場那個視角是不一樣的。在美國這種非常成熟的市場，參與者都是很專業的人士，想從中借別人的錯誤來獲利是非常難的，A股很多人是實際上是一種情緒化的交易，很容易能從別人的錯誤中盈利，但是像成熟市場是不可能的，這也是很多人為什麼從海外回來做的原因，因為海外對手都太強了，而國內韭菜初長成。

怎樣降低量化成本？

雖然量化優勢特別多，但私募做量化成本很高，做量化最基礎的是數據，無論是數據收集還是數據分析處理都涉及到複雜的IT技術，對於私募來說組建專業的IT團隊成本非常高。於是，能降低入場成本的量化平台就成為了私募的首選，量化平台讓私募降低IT方面的投入成本，讓私募能夠快速地獲取到數據，快速地在這個數據模型上做分析，建立自己的模型進行測試，而掘金量化則更進一步地把IT技術儘可能地為私募簡化，讓其方便地操控數據、操控機器，快速進入量化領域一展所長。

做投資，特別是做量化，策略是核心知識產權，是生存的根本，所以策略的保密性很重要，而掘金量化除了提供技術支持，無論是策略編寫還是下單交易，都不經過掘金量化的伺服器。

除了人性化設計，最受私募歡迎是的掘金量化平台的開放性，深耕量化領域多年的掘金量化，採用工業級語言打造出了一個開放性的框架平台。支持自由的接入數據，輕鬆定製各種策略。同時支持C,C++, C#, Python, GNU R, Matlab等多種語言開發策略，大大降低團隊建設成本，擴大人才選擇自由度。

市場瞬息萬變，再好的策略都有可能會失效，所以不能局限只能做一類策略，否則一旦這類策略失效了，就會錯過很多機會甚至大幅虧損。

制約量化投資的發展因素

李波文認為制約量化投資的發展主要有兩方面，第一，交易方向單一，對沖工具缺乏。資本市場對沖工具不夠豐富，特別是最大的市場A股，缺乏做空的手段和空間，僅存的兩項做空手段目前基本處於殘廢狀態，有名無實，股指期貨限倉嚴重，融券很難融到券，市場力量不均衡。越複雜的東西，量化交易越有優勢，在成熟市場個股期權或者渦輪等衍生品對沖工具十分豐富，目前資本市場正在不斷豐富各類金融產品，相信在未來，在衍生品交易上擁有天然優勢的量化有著更大發揮空間。

A股只能一個方向做，所以很多股票要麼就瘋漲，要麼狂跌，這種暴漲暴落，顯示A股的交易情緒化特別嚴重，從另外一個方面也說明缺乏制衡機制。比如一隻股票如果有人做莊，不管它是什麼樣的垃圾股，只要有人包裝、操縱，它就會瘋漲上去，因為沒有對手，就算我對他持反對意見，不看好這支股票，我也沒辦法去表達我的意見，而在國外我可以直接做空。做空機制的缺乏，導致極端行情頻頻出現。徐翔曾經想拉聯通漲停，做了幾次都被別人砸下來了，因為裡面的莊家比他強，但假如沒有更強的莊家，就只能看著徐翔去控盤了。

第二，量化人才儲備非常不足。還處於早期階段的私募，不管是管理規模，還是背景，都相對弱小，很難吸引到特別優秀的人才進來，特別是IT人才，互聯網企業的待遇比私募高很多，騰訊人均6.3萬的月薪，讓很多私募望塵莫及。有人說互聯網企業或許能成為量化人才庫，但在李波文看來，其實很多IT在互聯網企業只是做螺絲釘一樣的工作，單一的工作對於知識面要求並沒有那麼廣，而做量化除了應對各種複雜IT問題，還需要對金融市場有著深刻的理解，所以互聯網IT轉行量化並不是那麼容易。

雖然目前量化仍存在許多困難，有困難的地方才有更多機會，非常成熟的市場意味著格局已定，除非你找新的突破點，否則只能在場外「眼見他起高樓，眼見他宴賓客」。李波文對於量化的前景十分看好：「雖然有很多制約條件，但是趨勢不可擋，隨著資本市場發展，量化的未來不可限量。」

操盤手曬單網 記者 朱勇 編輯 科一