世界熱文：量化行業(yè)正瘋狂內卷？燒錢、搶人才…如何保持競爭力？頭部量化私募揭開答案

過去幾年，伴隨著量化行業(yè)的快速發(fā)展，資金大舉涌入，一批私募突破百億大關，甚至千億規(guī)模，成為股票市場最重要的一股力量。

隨著規(guī)模的飆升，行業(yè)競爭趨于激烈，甚至不斷內卷。一方面，科技的進步賦予了量化投資更多的選擇，不少量化私募在科技上投入重金,“卷”算力；另一方面，投研人才和策略團隊是量化的核心，不少量化私募斥重金,“卷”人才，將一批海內外的頂級學霸招自麾下。

中國量化投資的現狀如何？在量價賽道逐漸擁擠，量化私募如何破解超額的不斷衰減？在行業(yè)不斷內卷的壓力下，如何保持持續(xù)的競爭優(yōu)勢？怎么看待量化投資的未來？

【資料圖】

近日，由證券時報主辦、長江證券協辦的“2023中國金長江私募基金發(fā)展高峰論壇”在上海舉辦。靈均投資首席投資官馬志宇、世紀前沿創(chuàng)始人吳敵、艾方資產董事長蔣鍇、黑翼資產創(chuàng)始人、鄒倚天等四位大咖對上述話題進行了深入探討，廣金美好總經理羅山擔任圓桌論壇的主持人。

量化進入精細化管理時代

羅山：這個主題是中國量化投資的現狀與未來，我們先說說現狀。在說現狀之前，請每人用2分鐘的時間介紹一下公司情況，尤其是最新的規(guī)模、產品，包括特色優(yōu)勢。

馬志宇：我是靈均投資馬志宇，專注于量化投資領域，我們的策略線從中性策略、量化多策略、500指數增強，到量化選股策略都有覆蓋。

吳敵：我們世紀前沿也是專注于量化策略，我們策略線從股票到期貨、期權都覆蓋，我們管理規(guī)模大概100多億左右。

蔣鍇：艾方資產2012年成立，我們去年管理規(guī)模突破百億，艾方資產專注做絕對收益的量化投資。公司成立的前幾年以套利策略為主，最近這五六年我們做量化多策略，我們現在最大的產品線是量化多策略，還有量化可轉債和CTA兩個產品線。

鄒倚天：黑翼資產主要做CTA、500增強、1000增強、量化選股，還有中性產品，目前管理規(guī)模差不多150億左右。

羅山：量化在中國的發(fā)展還是挺出乎我的意料，最開始的量化是從公募基金開始，最早一批海歸回來，做公募量化指數增強，那時候我在易方達也做了幾年這方面的工作，后來延伸到券商量化，2014年以后私募量化開始出現，最近五年迅速發(fā)展到超過5萬億的規(guī)模。此時，我們來討論量化的現狀和未來是非常恰當的時點，量化已經是市場很重要的參與者，是一股非常強大的力量。

請鄒總給大家介紹一下，你對現在量化行業(yè)發(fā)展的現狀怎么看，有什么特色、特點？對整個行業(yè)有什么樣的體會和認知？

鄒倚天：這幾年行業(yè)發(fā)展很快，我最大感受是量化正朝著越來越精細化的方向發(fā)展。

國內最早從2009年的公募量化開始，到2012-2013年開始出現第一批量化私募，那時的策略相對比較粗獷和簡單，可能做3~5個因子，一年超額也能達到30%。那個年代應該是量化投資的“田園時代”，也是最美好的時代。

這幾年量化行業(yè)明顯比較“內卷”，各方面的競爭越來越激烈，包括最基礎的高速通信網絡、算力投入、人才投入。現在量化管理人都在想如何把每個環(huán)節(jié)打磨得更加精細。量化投資可以看作是一臺非常精密的機器，最上游是各種原始數據，這幾年正出現指數級別的上升；中間是做收益預測，到下游是交易執(zhí)行。每個環(huán)節(jié)都需要管理人去把它打磨得非常精細，才可能維持相對理想的超額收益。

總的來說，量化行業(yè)開始進入精細化發(fā)展模式。打個比喻，量化投資有點像大家在跑步機上跑步，這個跑步機的速度很快，假如時速15公里代表了全行業(yè)的平均水平，你在這上面跑步如果時速達不到15公里就會摔下跑步機?，F在整個量化行業(yè)發(fā)展很快，如果你是花了很多的投入剛好趕上時速15公里，那接下來要想比別人跑得稍微快一點，比如跑到時速18公里，就必須在投入或方法論上比別人領先很多。

羅山：請吳敵總從你的角度回答一下。

吳敵：我覺得量化行業(yè)之前確實是一個田園時代或者黃金時代。2018-2020年，超額收益易做，500超額可以做到30%甚至40%，正好遇上了機器學習的爆炸，技術進步帶來超額的提升。

2021年，整個量化規(guī)模進入大擴張時代，整個量化的占比之前只有5%，到2021年已經占到20%左右，在A股市場的占比越來越高。我們從一個容易賺錢的時代，變成一個需要精細化管理的時代，我們統(tǒng)計了2021、2022年百億私募平均的超額收益，大概15%。

此外，2021年超額波動率7%左右，到了2022年之后，雖然同樣平均15%的超額收益，但是波動率從7%降到5%，這也說明了量化行業(yè)在不斷進步，組合管理和風控能力增強，收益來源也更加穩(wěn)定，以前更多押注在量價因子上，現在各種工具用的更多，收益更加穩(wěn)定。

整個行業(yè)從2021年爆發(fā)性的增長現在變成很平穩(wěn)的甚至良性增長的過程，所以對量化目前是很樂觀的態(tài)度，首先我們國內量價還是相對好做的時代，其次我們這么多私募經過這么多年的進化，不管是技術、模型、認知，都有很大的升級，所以我們行業(yè)進入一個比較穩(wěn)定的過程。

卷算力、卷人才，量化門檻不斷提高

羅山：我們是做量化私募FOF的，也接觸很多很多量化團隊，從周總和吳總說的對現狀特色的總結，一個是“卷”，非常卷，或者因為卷導致收益下降，或者因為卷要維持和過去差不多的收益，需要有更多的投入，包括投研上的、人才上的、技術上的。我想再請蔣總和馬總分享一下，在競爭很激烈的環(huán)境下，是怎么進行應對的？

蔣鍇：首先艾方從我們的策略類別，還有公司的定位，跟市場上其他20多家百億量化私募的同行略微有些不一樣，我們可能處的賽道不是最卷的賽道，但是我們確實也能感受到，現在人才招聘上的壓力，而我們的競爭對手前些年主要是量化私募和一些互聯網的大廠，包括人工智能的企業(yè)。這兩年，尤其是去年以來，我們競爭對手都變成量化私募了，隨著量化私募行業(yè)的發(fā)展越來越快，大家對人才的爭奪也越來越激烈。

結合我們自己艾方實際的情況，談談我們的幾個感想和做法。

第一，在10萬億大資管的市場里，每家資管機構，包括量化私募，可以結合自己的稟賦和特色做一些有差異化的投資。比如說我們對自己的定位，就是我們專注做絕對收益量化的產品，盡量不要去做一些，比如說相對收益，大家在同一個賽道上比超額，我們更希望能夠給客戶呈現一個年度的絕對收益。基于這個，我們很多的研究精力是在挖掘一些另類的策略，差異化的這種包括衍生品在內的另類資產，在這個上面我們能夠呈現出相關性比較低的策略以及收益來源。

第二，另一方面，量化私募市場越來越成熟的環(huán)境下，品牌的培養(yǎng)，包括從資管的角度來說，售后的服務也比較重要，我們在這些方面也做了很多的努力。

羅山：謝謝蔣總，我們知道現在量化很多大廠在技術上投入非常多，已經到了億的級別，大部分百億量化私募這個級別投資還是會有點心有余而力不足，但是靈均不一樣，這么大的規(guī)模，絕對是有足夠的資源和財力來做這方面的投資，如果你們想做的話，所以我也很好奇，，靈均在技術上的投入，比如說數據、算力、算法、人工智能等等方面有什么布局？

馬志宇：因為現在市場競爭的激烈，也包括市場逐漸得到認知，包括機器學習的這一類方法論在量化投資中具有明確的效果，所以這一切都使得我們必須在這一塊加大投入。如果說到量化，比如說我們做一個日頻的策略，早年一個量化的日頻策略更多是對于數據做了清洗和整理之后，做一些有邏輯意義的嘗試和回撤，得到一些因子，這是比較早期的做法。那個時候肯定對算力的需求是比較低的。再到后來，一些公司做的用機器搜索的方式積極尋找因子，這樣對算力的需求就有明顯的提升了。再到現在，大家對整個因子和模型都通過機器學習的方式，這個對算力的要求進一步提升。

這個背后實際上是技術發(fā)展和方法論的認證，量化投資越來越發(fā)現用算力，或者說一個策略的構成，人力是一部分，但是算力是越來越重要的另一部分，這個已經是非常明確的事實了?；诖?，我們想在這方面進一步的開發(fā)策略，想進一步的精進，就必須投入。目前這種投入確實比較大，我們公司每年也需要在算力這塊，就純粹的硬件上也要有過億的投入，這個是一個不得不承擔的成本。

此外，對于人才需求也比較大，包括與互聯網相關以及市場相關的人才。還有一些是量化專有的人才，量化專有的人才我們更多是面向海外進行招聘，吸收海外頂尖對沖基金的頂級量化人才，當然這種人才的成本也是非常貴的，所以說整個量化行業(yè)現在運營成本的確是像羅總所說成本很高。

量化行業(yè)是一個智力密集型的行業(yè)，所以頂尖人才能夠發(fā)揮的價值明顯的超過一般人才的水準。所以這種投入還是值得的，關鍵是有效的投入，有效的識別人才。當然在另外一個方面，也要形成人才培養(yǎng)的機制，包括在內部以及校園招聘等方面。我們公司過去的兩年里，整個HR部門人數增長比較快，現在從人才招聘，包括國外和國內的招聘，校園招聘、實習生培養(yǎng)，都需要建立一個相應的機制。

我覺得在這個行業(yè)越來越變成了一個門檻不斷提高的行業(yè)，對于我們，需要做到有效和精準的投入，以及高效的產出。投入可能更多的是在人才的招聘和識別上，包括對團隊的管理、團隊內部高效的合作，以及對量化的激勵機制，使得整個團隊能有高效的產出。

剛才羅總也講到數據，數據這塊確實是近年成本增長比較快的方向，因為這個也和策略類型有關，前幾年的策略只要買到數據再做加工就可以了，現在因為策略不斷豐富，對于各種另類數據成本提高是比較多的，尤其和一些主觀相結合的數據，這種成本確實比以前明顯要高。以當前來看，數據的成本與機器硬件的成本的比，不在一個數量級上。

從高頻到中低頻，組織分工和團隊作戰(zhàn)是大趨勢

羅山：謝謝馬總非常詳細的分享，我想再讓鄒總分享一下黑翼，在兩類不同策略里面，用到這些人工智能機器學習的使用方式有什么不一樣？對數據的要求、對交易的頻率，因為商品日內可以高頻，股票T+0卻比較有限，也會有差異，我想聽聽你們公司在這方面是怎么做的，有什么體會？

鄒倚天：股票和商品兩者在基本方法論上相類似，都是把某組數據以某種形式組合出來，形成對某個標的交易的預測。核心在于數據量不一樣，股票的標的更多，基本比商品多了兩個數量級。股票做人工智能模型，因為數據量大，可以設置更多參數，模型的復雜度可以做得更高。期貨里面，因為整體數據量不大，模型相對簡單，太復雜的模型容易出現欠擬合現象。

羅山：和這個差不多相關的問題，請吳總和大家分享一下。幾年前在深圳，團隊非常小，這幾年發(fā)展非常迅速，現在已經在上海招了很多人，組建了很大的團隊，我也想吳總分享一下，你們在團隊管理、人才培養(yǎng)和使用方面是一個什么樣的模式？通常市場上有兩大類的模式，可能還有更多的、更細的做法，一個是偏流水線的，量化的策略研發(fā)不同的環(huán)節(jié)都有一定的人來做好這個工作，像流水線的生產一樣，也有量化一個人從頭做到尾的，吳總分享一下，你們是怎么做？你怎么看這兩類做法各自的優(yōu)劣？

吳敵：我們最開始是做高頻，做高頻相對來說整個工序不是那么復雜，因為它沒有隔夜的風險，我們當時人少，基本上一個人從頭弄到尾。其實我們很多百億私募人也不是很多，因為高頻不需要很多人，但是市場也很好，包括2015、2016年的時候，很少人就可以賺很多錢。

到后來要做到中低頻要考慮的東西變多，需要考慮各種各樣的數據，包括量價和非量價的數據，甚至另類的數據，都需要投入很多的人力，包括組合管理需要相當多的經驗，甚至引進海外不同的優(yōu)秀人才。后來你會發(fā)現一個人單挑的模式一定不合適，一定會變成有很明確的組織分工，在每個分工里面進行深度的優(yōu)化過程，包括我們現在也是分了很多不同的組，從最開始的數據組，最基本的量價數據組，今年我們還建了大數據組，人數也是急速上升。

國外真正賺了很多錢的對沖基金，大數據組也是非常多，一年要開1000個數據集，從里面發(fā)現有6個數據有用，寫10個因子，就是他們一年的工作，你發(fā)現每一部分都需要很大的投入，我們現在的模式也是說需要把我們的工作拆解，每部分招到最優(yōu)秀的人才。人才也分，領頭人一定是需要有足夠經驗的，我們現在量化行業(yè)不是一個很新興的行業(yè)，至少在國外，因此我們需要借鑒海外成功的經驗，所以我們也是從海外引進很多優(yōu)秀的人才進來，包括股票組的投研，都是有海外經驗的人。

本質上我們的領頭人可以從海外招，他們給我們帶來最先進的經驗。具體一些α的研究和工作，我們國內的研究員，特別剛畢業(yè)的學生都很優(yōu)秀，發(fā)展也很快，他們對先進技術的掌握，包括人工智能技術的掌握很快，所以我們其實是采取一個搭配的情況，由優(yōu)秀的人帶著團隊朝前沖，我們有優(yōu)秀的人才梯隊，慢慢成長成為合格、靠譜的研究員，專注做研究，是這樣一個模式。

（文章來源：券商中國）