对话世纪前沿吴敌，探索量化

时间：2023年11月内容：对话世纪前沿吴敌，探索量化 Q1：请教下吴总，未来想把世纪前沿打造成怎样的公司？ 吴敌：本质上讲，我们公司的特点跟其它量化公司有点不一样。因为我们最开始是做高频交易起家，所以从整个公司定位来讲，第一是风险业务，第二是偏科技公司。从未来讲，虽然后来拓展到中低频策略，但我们可以看到自己的策略特点，也是胜率非常高、盈亏比比较高、超额波动率控得比较低，是一个相对稳健的策略。 对话世纪前沿吴敌，探索量化 时间：2023年11月 内容：对话世纪前沿吴敌，探索量化 Q1：请教下吴总，未来想把世纪前沿打造成怎样的公司？ 吴敌：本质上讲，我们公司的特点跟其它量化公司有点不一样。因为我们最开始是做高频交易起家，所以从整个公司定位来讲，第一是风险业务，第二是偏科技公司。从未来讲，虽然后来拓展到中低频策略，但我们可以看到自己的策略特点，也是胜率非常高、盈亏比比较高、超额波动率控得比较低，是一个相对稳健的策略。未来从公司特点讲，我们一直会保持稳健的发展态势，提供不同的低风险、高胜率的产品，特别是希望能够保留更多的纯超额给客户，让客户能够拿到复利增长，这是我们长期对客户收益的希望。我们不希望通过风险或风格暴露在某一年赚很多钱，然后客户一追高冲进来可能因为风格逆转就亏掉了，这个不符合我们的期望。因为我们是偏科技型的公司，更希望通过比较偏高频交易、偏风控，再结合中低频多元化的特点，最后能够达到高胜率，客户任何时候进来都有稳健收益。目前在国内，不仅最开始有期货、现在有股票、包括国内其它品种也有布局，包括可转债、期权，最近也在布局海外市场。我们的理想是通过这种偏量化的技术，可以拓展到全球所有的品种，核心是给客户提供高胜率的交易体验。 Q2：经过了这几年的团队搭建后，您怎么样去保证投研的稳定性，在策略层面、组织架构层面、激励层面，会有怎样的一些想法？ 吴敌：首先我觉得作为量化公司，或者科技公司，最重要的是人才，好的研究员可以顶上100个甚至更多的普通研究员。举例来讲，比如你让10个人同样研究一些数据，在其它一些普通的劳动密集型公司可能每个人做得差不多，最后有加总的作用。但在量化公司，可能同样的数据10个人在研究，其中最厉害的人做出来了，其它几个人就没用了，所以我们公司的特点是对人才有很强的追求，我们只要最好的人才。那么为了达到这个目标，我们觉得要做好以下几点： ①你要给人才比较好的激励，激励分两方面，第一点我们基本上会把公司的50%收入（包括管理费）作为激励。因为国内大部分量化公司，他们给投研分的只有业绩报酬，管理费会留存下来作为运营开支。但我们公司的管理费也会拿出来给投研划分，比如去年，虽然我们的超额有十几个点，但是去年500跌了20个点，最后一年下来业绩报酬是0。这种情况下，我们的投研收入受到很大影响，他们的积极性也会受到影响，因为实际上是做出超额的，所以我们一直会把管理费拿出来分，并且比例有50%，这个是业界比较突出的一点。 ②不仅是分得多，还要分得公平。作为量化公司，我们觉得奖金发放制度有两个部分，第一个占大头，是定量部分。基本上每个同事每年的贡献，我们都有量化方式去计算，每月发给他们，相当于这个月贡献多少钱，这是定量部分。第二个定性部分，比如有些创新性项目，可能研究员在今年因为各种原因还没有做出来，但整个研究过程非常好，或者做出来后今年还没赚到钱，在这种情况下，我们 会有一些定性部分的奖励给研究员。所以我觉得通过定量+定性的激励制度，保证了研究员在我们公司能够获得最大的尊重，并且他的劳动成果能够得到透明展示，这也是我们同事比较在意的一点，是公平性和透明性。再加上最后的决策过程中，我们公司一直是扁平结构，并没有太多层级。公司投委会的所有决策都是基于量化数据和逻辑推导出来的。所以从这一点上，大家觉得整个公司激励上非常丰厚，并且非常公平，同时平时做决策都是基于逻辑和数据的考虑，大家会愿意一直跟着公司前进。到现在为止，过去几年没有权重很高的同事出现离职，更多的一两个离职，可能因为一两年没有做出东西，确实想换个方向或者去海外读书。 ③面向未来，我们也一直在搭建人才团队，除了猎头每年花费很多成本在招聘市场上有成熟策略经验的人才外，过去1年多，我们也有搭建实习加校招的流程。比如今年在上海，大概有30位实习生加入暑期实习。考察了大概4个月后留下大概8位。他们也极大充实了投研团队，给团队带来新鲜血液，带来冲劲。 Q3：目前世纪前沿整体规模有200多亿，换手相对中高频。关于近期对于量化的监管，怎样衡量规模、换手、业绩的约束或者条线怎样保持比较好的长期业绩？ 吴敌：目前来讲，换手确实是同类中比较高的，包括现在换手最低的是500条线。500策略规模大概100多亿，换手是80~100倍，也是管理人里面比较高的。今年主要募集的是一些规模比较小的产品线，比如500因为100多亿，我们今年没有主动募集500。在一些我们之前合作很久的渠道，今年募集更多的是一些规模比较小的产品线，比如今年募集最多的产品线是量化优选，之前在年初只有几个亿，现在有20多亿。同时今年还有几条产品线在重点募集，比如1000这条线，1000是各个管理人今年募集的重点，包括大家业绩确实也很好，1000条线目前规模是十几亿，跟其它同规模管理人动辄100亿规模来讲，我们1000条线规模比较小。像500跟1000这两个产品线，它们的股票池重合度也很低。所以我们希望通过这些规模比较小的，像量化优选、1000、300产品线去做一些横向募集，这样不影响目前比较大的产品线的换手率。希望在未来一年 半后，像量化优选，现在只有20多亿，募到五六十亿；1000现在只有10亿，募到四五十亿；300也只有10亿，未来如果经济复苏，300也是可以预见的反弹。综上，我们希望通过其它几条线的募集进一步把各产品线规模做得相对均衡，但同时不影响500产品线的规模。我们希望目前在300多亿甚至接近400亿的情况下，仍然能保持现在策略的特点，就是中高频策略给客户带来比较稳健的收益。 Q4：在未来的发展方向，会不会采用人工智能的方式去保持超额的长期稳定性？ 吴敌：人工智能确实对A股量化起了很大的促进作用。比如在2018年以前，国内量化主要用的是多因子模式，这个模式一年下来比较好的管理人，能够做到20%的超额就不错了。但是在2018年以后，得益于Transformer的深度学习技术的逐步出现。国内量化跟海外量化还不一样，我们可以看到国内量价策略是比较有优势的，因为参与者的原因，包括市场结构的原因，量价策略比较好做。所以在这种情况下，深度学习策略发挥了很大的作用，包括18年19年20年以后，很多管理人包括我们也应用了深度学习技术，在量价方面超额基本上很多时候能够做到30%以上，包括我们2021年的超额是30%以上。所以我们一直是在前沿应用这种先进技术，去挖掘市场的超额收益，我觉得现在绝大多数管理人，都在量价类策略使用到了人工智能深度学习技术。今年实际上有个新的机遇，就是ChatGPT的大语言模 型带来的改变。因为像以前这种模型可以很好得帮助我们挖掘另类数据里面的超额收益信息，比如我们可以把新闻扔到GPT里面去，让它帮你分析这个新闻对A股的什么板块或股票有什么影响，效果是非常好的，这类模型已经在逐步实盘使用，它比以前的传统的语言模型或者NLP自然语言处理的技术要好很多，我觉得这个可以带来非常大的革新。举个例子，前一阵关于浙江省对药品进行集采的一个新闻，这个新闻并没有提到任何股票，但是我们把它放到GPT中，它会自动帮你分析出这个新闻对一个药企是有帮助的。因为它可以通过联系各种信息，去分析出药企的主营业务，分析它集采的品类。所以GPT的归纳能力，相当于初级分析师的存在，并且可以分析阅读出市场所有的信息，做出合理的推断。这个时候，它在做一些主观投资者做的事情，进行一些归纳和推理，并且算力是无止境的，它可以分析全球所有的信息，所以我们觉得像GPT技术在未来会对量化，特别对另类数据的因子挖掘或者阿尔法的研究，有很大的帮助。人工智能技术也是我们最近在不断投入的点。 Q5：这两年从整体的平均收益来看，量化表现可能比主观好一些，对于这两者之间的对比，吴总您怎么看？未来来看，主观和量化之间，会有一些新的变化吗？ 吴敌：主观和量化，是不同的投资方法。这里面很重要的一点，就是都有逻辑的存在。量化最近表现好，更多是因为A股市场结构的原因，比如A股市场散户参与者比较多，其次它是T+1制度，流动性的缺失正好由量化策略提供。所以A股量化，特别是指增类或者中性类产品在A股是有很大的成长空间，因为有T+1制度，所以我们可以拿到丰厚的中高频预测收益，持仓之后第二天可以做一些卖出。如果在海外，完全是T+0的市场。买卖没有限制，这类收益就会被纯高频或者纯自营的交易者拿到，但我们在A股可以通过资管产品的模式去拿到中高频收益。只要市场结构不改变，我们预期未来量化策略至少在两年内，应该会有不错的收益，再叠加另类数据方面的收益，我觉得未来量化的收益应该很稳健。 这两年确实因为市场原因，比如市场风格的快速切换、美联储的加息确实对主观有一些影响。我们也是希望是主观能够调整过来，市场生态非常重要，市场需要不同的参与者，需要提供流动性的量化投资者，也需要主观交易者的参与。