波动风险下的量化内核与选择

您可以关注万德基金公众号或通过万德基金专属客户经理进一步咨询。 欢迎在留言区互动提问。 路演正式开始。 尊敬的各位来宾朋友们，大家下午好。 欢迎您参加万德基金线上活动，我是本次的主持人。 万德基金致力于搭建起优秀投资经历与客户之间的桥梁，为您展示更专业的投资观点和更独特的投资理念，加强市场资讯及后市观点的及时分享，快速把握投资时机和方向。 万德基金是万德集团控股全资子公司，基金质研提供万德专属精选池，研报路演相似基金风格拟合债基久期估算与异动监控等投研服务。 5、基金交易快线以合作市场上绝大部分的基金公司支持线上开户、批量下单，特色服务包含费率折扣、超级转换、智能拆单以及资产管理、风险监控等服务。 万德基金致力于为机构客户打造高效便捷的一站式基金投研交易管理平台，解决投资、管理三大痛点，投研服务少、交易效率低、投后管理难，为客户实现投前、投中和投后的一站式基金投研交易管理服务。 万德基金结合数据优势，每周在万德基金公众号输出基金经理调研机构研究基金周报专栏，用图表解读基金经理、基金公司和市场趋势等，欢迎关注。 今天我们有幸邀请到了量客投资李东新博士参与我们的路演。 李东新博士，量客投资创始合伙人，美国哥伦比亚大学经济系，南京大学工程管理学院联合培养博士，上海市虹口拔尖人才，南京市中青青年拔尖人才。 曾任职于上海证券交易所、金融创新部、南京大学，并曾担任某国有上市公司旗下投资公 司投研总监，研究方向包括基本面因子、模型、期权衍生平等。具有十余年量化投资的经验，负责公司的管理和策略研发。下面我们热烈有请李总带来精彩分享。好，谢谢主持人，各位观众朋友们下午好，我是亮客投资的李东新。感谢万德基金和万德集团的大力支持与盛情邀请，非常荣幸能成为受邀嘉宾。今日在万德3C平台和各位见面。下面我来跟大家去做一个关于波动风险中的量化内核与选择的这样一个主题的这样一个报告。今天这个报告，我想主要分成两个大的部分。一个是关于我们能量化的内核。从我个人的应该说一点小小的潜在的理解，对于量化的一个发展，包括如何我们在从中能够找到真正的量化的这种核心和关于量化如何在风险控制中的一些手段。这个会去做一点小小的这样一个分享。第二可能在量化策略的这种共性和以及在波动中，如何我们去选择一个较好的这样一个量化策略。来去做一点这方面的一些自己的一些小小的认知。从量化应该大家可能更多的也都听过关于很多的量化投资的这样的一些报告。其中大家谈到量化投资，实际上大家也都知道是利用我们的数学的一些模型，通过我们的统计的一些方法，通过在算法执行的这些层面上去完整的去刻画一个投资决策的这样一个过程。整个过程里边，我们实际上是以数据为驱动的。整合了更多的，特别是现在我们看到的很多的一些量价类的，或者说我们的一些订单部的这样一些数据，以及我们称之为一些基本面的，像财务宏观，甚至是一些另类的这样的一些数据。在这种多维度数据下，我们通过多样的这样的一些方法，无论是早期的我们看到的线性非线性模型，我们现在更多的去选择一些机器学习的一些方法来提炼我们的一些有效的这种信号。整体从我们的数据的集成，再到我们去进行这样的一个分析整合，再到我们去做交易执行。实际上我们是严格遵守一系列的这样一些规则，来实现我们的这样的一种量化的整个的全 步骤。 所以在很多的大家的理解里边，大家都会讲到说量化是不是就是我们的一些自动化的一些算法呢？是不是我们就是进行一些自动化的交易，甚至高频的交易，实际上这是有失偏颇的。 我们更多的理解的量化，实际上它的核心它的内核在于我们的信息处理的能力和严格的风险管理。 为什么这么说呢？实际上它和我们的量化的发展，量化的到现在能够去面向的不同的这市场有很大的关系。 现在我们也知道更多的无论是我们的股票类型的，还是期货期权的这样的一些衍生品事项，甚至在其他的比如说外汇等等这样的一些市场上是量化已经成为一个非常主要的主流的这样一个策略的一个体系。 这个策略的体系的背后，它实际上并不是突然冒出来的。 并不是说我们因为有了英伟达的这种芯片，所以我们才有了这种积极学习，甚至深度学习的这种方法。 甚至我们用了更多的端到端的这样方法提炼出来的这种信号因子和交易的模型。 实际上并不是这样。 我们要知道其实真正的量化的内核，它还是来自于我们对市场的这样一种理解。 而这种市场的理解的背后，并不是我们严格区分所谓的主观，所谓的这种量化、所谓的基本面，所谓的这种量价。 它有一个严格的这种界限，并不是这样的。 我们真正的看到的量化，它实际上是在我们的投资决策，甚至投资科学的整个的发展过程中不断演化，而不断这种进步。 在这个过程里面，很多人也会提到说我们谈投资，大家谈到了利弗摩尔，谈到了格雷，谈到了8菲特。 他们虽然也是我们讲投资中的一个主流，但是他好像跟我们的量化偏离很远。 其实并不是这样，如果你去翻我们最早的这本格雷厄的这样一本书，证券分析这本书也称之为华尔街的投资的这样一本圣经。 这本书里面实际上他谈到了更多的很多的这种所谓的叫做价值投资。 这种价值投资背后的这种理论称之为我们用相对低廉的这样一个价格去买质量较高的这样的一些股票。 这个思想它实际上背后还是用很多的数据去进行一个驱动的。就像格雷厄姆他的最经典的一站一样，去做古根海勒姆的这样一个公司的这样一个清算套利的这种交易。实际上这个套利的交易它跟我们传统讲到消息驱动或者趋势投资，实际上是有很大的区别的。因为在早期大家也还是基于很多的这种类目消息来去做这种交易和决策的。很多人是忽略所谓的叫做基本面的分析。而真正的基本面分析，它实际上在早期是利用了很多的一些关键的这样的一些上市公司的一些数据。而这种关键的数据，实际上它是通过调研，通过我们的一些这种各方各维度的这种新信息的一些汇聚。甚至包含了很多的上市公司本身的一些利润的一些来源，盈利的这种分析，甚至它的成本的一些分析的这样的一些数据。所以它跟所谓的消息驱动比起来，它实际上它是数据驱动的。虽然我们现在看到的很多的量化，它利用了这种大模型、大数据。虽然它跟我们现在感觉主流的这种主观的投资比起来，它的数据使用量更多。但是你要知道，在早期实际上在投资并不成熟的这样的一个时间段里边。在1910年的这个时间段里边，实际上他们也是利用了这种量化的一些思路思维。甚至我们看到在最早的像股票作者回忆录的这个介绍里边也提到了。利弗摩尔他的很多的这种交易执行的这种信号，实际上也是来自于雇佣的各种各样的这种信息网的这样的一些来源。比如说他通过他的这种手下大概几十个这种大学生，不断通过电话和交易所之间保持联系，甚至在多个市场，多个城市之间不断的传递这样的一些信息。而这些信息实际上就是我们看到的投资最雏形的这样一种量化。所以其实量化它的来源并不是它突然冒出来。并不是说我们有了这样的一些芯片，有了我们的这种算力，它才有了我们现在的量化。而真正的量化还是植根于我们讲的投资的这样一个演进的这样一个过程。就像我们这个诺贝尔经济学奖的最早的获得者萨梅尔森说过的一样。投资它并不是一件这种我们讲的非常有冲劲或者说有激情的事情。投资它本身就像我们在这个墙上一个白墙上去画画一样，或者说我们去进行一个燃料的土 壤，甚至包含我们去每天在我们的草坪上去除草一样，他实际上是枯燥乏味的。如果你追求你的投资的这种激情，那你不如去拉斯维加斯赌一把。所以本身投资的这种背后，实际上我们看到他也是有很多的我们关于这种理论和理性的这样一种交织和分析的一个过程。而这种过程它实际上它也是基于我们金融的一个本质。那么金融的本质是什么呢？实际上它是我们所谓的叫做价值的一个跨时期的转移，以及我们在这个跨时间的转移上，我们所达成的一种权利。这种权利它跟我的未来的结果是相契合的。所以这种权利和契约之间，它就是我们的这种金融的一个合约。而金融的合约能够交易，能够实现我们最后交易投资的这样一收益。实际上它又来自于我们的这种可转让性，也就是我们的流动性。所以它的本质实际上来自于我们从商业文明发展的这种过程中不断去演化而来的。就像我们早期看到的这种商业文明一样。实际上大家提到商业文明的开端，实际上就提会提到我们中东的这样一些贸易。而贸易商之间它实际上也是在于对于很多的这种数据。比如说我们借款，我们的贷款，实际上它也是基于我们的这种数据，我们如何偿还利息，这个利息到底什么样的这种价格是一个公允的一个价格。这个也是在大家的这种交易或者说我们的贸易买卖中不断去形成的。而这种形成的背后，它是一个相对这种我们的缓慢的一个进行。因为这是一种点对点，这是我一个交易对手方的一个这种个人的这样一个行为。而这种个人行为怎么样能够让他形成一个市场化的这样一个运行的轨迹呢？它就需要我们有一个相对标准的这种契约和权利的一种约束。而这种权利的约束，实际上在上千年的这种历史过程中，它是不断演进的。当然这种演进它也有后退的时候，也有因为我们的这种社会的这种发展，不断去进行一个优化改良的这样一个过程。一直到了16世纪的时候，因为我们的大航海时代的这种发展，商业活动进行了一个新的阶段。由于这种商业活动它需要更长期更长周期的，甚至更多的风险的这样一种活动。这时候他就不仅仅说我需要一个人去进行一个投资。他需要聚合更多的力量，更多的这种投资的这种资金。 甚至大家在承担这种风险的背后，能获得未来的这样一种收益。所以他就有了我们的相对的第一个这种上市的这样一个公司。有了股份的公司，有了我们的上市的这样一个场所，就是我们的交易所。有了交易所之后，就有了我们相对的这样一个交易的品种。也就是说我们将我们的这种可交易的一些契约和权利变成了我们的股票，变成了我们的衍生品、期货期权互换等等。这样子，我们的金融创新才不断的发展。金融创新的背后实际上还是因为我们的经济贸易的这种驱动力和经济发展的这种需求不断衍生而来的。但这里边我们有没有一些这种所谓的这种泡沫呢？大一定有。比如说在金融活动中第一次郁金香的泡沫，实际上它就是因为我们的价格和我们的交易和交易的这种对手之间的这种情绪，形成了一种共振。这种共振的背后，对于我们的这种市场的冲击，价格的这种偏离，其实也带来了很大的一些影响。所以这种影响大家就开始真正的去思考，这种影响的这种驱动力到底是什么？所以才有了我们用数学，用数据的这种模型去进行刻画。但是因为我们早期的那种数据，实际上它还是基于很多的一些这种数学的一些理论去推演而来的。包括我们知名的像黄金比例的这种分割线的这样一些原理，菲波那切数列。大家其实到现在我们看到很多的这种技术分析的方法，实际上到现在还是基于我们的这样的一些早期的这种数学的模型，数学的这种刻画。所以很多人讲到技术分析，实际上大家会讲蜡烛方法，但是其实背后它的驱动力还是我们对于数学数据的这种应用。但是只是因为这种数据的应用，它还没有形成一个科学观，或者说我们的一些科学的这种投资的方法。这种科学的投资方法从什么时候真正的形成的呢？实际上是在20世纪初的时候，有一本书记载了这样一个相对有趣的一个故事。实际上就是英国的统计学家在一个相对大众化的一个宰牛节上，他通过观察大家对于一个牛的重量的这样一种预测和实际值的这种偏差。最后他发现如果将很多人的这种预测进行一个大样本的这样一个归集。 这时候这个样本的均值和实际值之间就产生了一个非常密切的这种联系，甚至它最终会逼近于我们的这种实际值。所以这时候大家才想到，我用统计的一种方法，利用均值方差的这种方法，能够对我们的这样一个实际经济的实体能够做出一定的这种预测。而这种预测实际上在我们投资中，1952年马克一茨提出了投资组合理论之后，均值方差或者有效市场的整个组合的这样一个理念真正成熟了。但是它受制于我们的讲的算力，真正的就是算力。因为我们在去对这种所谓的这样一个斜方差的矩阵去进行这样的一个计算和优化的过程中，实际上它不能够实时的算出这样的一个结果。那么怎么办呢？所以才有了我们的更多的这样一些经济学家，通过构建我们的资本资产定价模型campaign模型。去减少我们的这样一些参数的一些计算。使得我们在参数减少的这种同时，我们的预测模型能够逼近于我们的这样一个实践。但这种实践