证大资产转战AI投资 机器学习赋能量化选股

    本报见习记者 刘冬

    老牌私募常青树上海证大投资管理有限公司（以下简称：证大资产）最近在忙什么？全员学习Python语言（人工智能首选编程语言），连前台妹子也没落下。

    日前，《证券日报》记者走访了位于证大五道口广场的证大资产，在其员工出示的内部微信群里看到，30多人全员学习如何编程，每人每日还需上交作业，热情高涨。证大资产合伙人刘兵接受记者采访时表示：“机器学习是大势所趋，目前我们很多量化选股模型已经转换到更前沿的机器学习算法，这也是今年证大依然跑赢指数的原因之一—对市场的适应性有所提升。”

    量化选股大范围应用机器学习

    证大资产的管理团队主要成员来自上海证大投资管理有限公司。团队核心朱南松博士是业内传奇人物，于1993年国内证券市场兴建初期在上海创立证大投资，是国内最早设立的投资管理公司之一，因业绩持续领跑行业获得行业各大奖项。

    据了解，2011年，证大资产发力量化交易，2014年开始大规模进行量化投资。如今，证大资产的产品主要分为两大类，一是基于基本面选股的多头策略产品，由朱南松博士负责，二是量化选股策略产品，由刘兵博士负责。两个团队之间每周进行交流，在证大近20年积累的选股经验基础上，量化投资团队进一步提炼逻辑，应用于量化模型之中，目前交易频率偏中低频，约1个月更新一次股票池，刘兵团队近几年取得了骄人的成绩：证大稳健增长2014-2017年累计收益率500%。

    刘兵拥有10年以上的量化投资经验，投资主策略为量化选股，但不同于传统的静态择股模型，加入了仓位管理、因子轮动、事件驱动等策略。通过多套模型监测市场情绪，根据模型信号灵活调整仓位。同时因子轮动模型会在不同市况下配置各因子的权重以博取高收益。

    目前，这些动态调整正在交由机器学习算法来“智能”实现。

    “量化选股关键在于挖掘更多动态的因子。目前市场不断动态变化，A股已经很难单靠某个因子赚钱，比如2017年至2018年初是蓝筹强势行情，如果设置的小盘股因子僵化不动就会面临大问题。这也是为什么我们很多模型已经转换到更复杂的机器学习的原因。”刘兵对记者表示。

    围棋界的阿尔法狗名噪一时，随后AI技术应用进入投资领域。证大资产2016年年底提出转战人工智能投资，2017年初正式投入实施，如今机器学习已经替代了大部分模型中的传统算法。从证大的应用效果来看，机器学习相比传统的算法能提高量化选股模型的适应性，大大提高胜率。

    不过，刘兵对AI技术仍保持辩证理性的态度：超额收益究竟是来自市场无效性还是机器学习的优越性？国内市场的超额收益很可能更多的来自市场无效性。

    全球首个AIETF为何铩羽而归？

    刘兵认为，相对国际市场，国内股市仍有较高的无效性，因此不论是量化策略还是基本面投资，只要足够专业都能在A股博取超额收益，其中机器学习的领先性能起到多大作用暂无定论。“国内散户为什么亏钱？本质上散户应该赚市场长期上涨的钱，然而国内指数长期看并没怎么涨，但A股对于专业投资者来说，反而可以通过选股，赚阿尔法而非贝塔的钱。”

    从国际案例来看，亦是如此。2017年10月18日AIPoweredEquityETF上线，由旧金山EquBot公司推出，利用IBMWatson超级计算机进行大数据处理，对美股进行主动投资管理，也被认是全球首只AI ETF。其仅交易两天，就轻松跑赢美股大盘。然而一两个月后便露出“真容”，至今一年多来略跑输美股标普500指数。

    “这说明了美股有效性比A股高很多，美国的AI投资即便运用了比国内更先进的算力、更优质的数据源，也不一定能跑赢指数。而且不光是机器学习，其实像巴菲特这样的投资大佬也是如此。”刘兵说，巴菲特50年来复合年化收益率为20%，但实际上其20%-30%的超额收益是在早期形成，从最近10年的收益率来看与指数增幅几乎无差别，除了有规模原因，另一个因素即美国的市场有效性已经非常高。

    但毋庸置疑的是，机器学习在资管领域的应用已成为一大趋势，国内外领先的公募、私募基金纷纷试水，证大资产正在抢占先机。

    “人工智能有三大要素，场景、算法和算力。目前证大资产对人工智能的应用场景在选股上，机器学习能更好捕捉、适应市场动态，比如风格切换、高送转、业绩驱动等行情轮动。人工智能已经势不可挡，但由于其有一定壁垒，对研究人员、计算机、数据以及经验积累都有非常高的要求，而且对算法细节的不同处理会导致结果天壤之别，因此对人工智能的探索和布局越早越好，这样才能有所积淀、越做越深，未来证大资产还将继续加大投入，我们永远相信美好的事情即将发生。”刘兵表示。