“量化投資是在市場暴跌的時候火起來的，但其實并沒有非常突出的表現(xiàn)。”
郭璐慶
當AlphaGo在備受矚目的圍棋“人機大戰(zhàn)”中拿下與李世石的首番棋時，陳慕（化名）剛剛從會議室出來。在校期間，陳慕的專業(yè)方向是人工智能及數(shù)據(jù)挖掘，目前他在國內(nèi)一家有名的公募基金量化投資部任基金經(jīng)理。
“人工智能最早開始于美國，之后是日本，一般是在特定的應用領域，比如德州撲克、圍棋。”陳慕告訴《第一財經(jīng)日報》記者，“也可以是炒股，通常做法是把套路固化后，每用一個套路就算一下概率，每次都做大概率的事。放在量化上，就是收益率能排到前20%，而且能穩(wěn)定在前20%。”
業(yè)內(nèi)人士認為，所謂量化選股，即利用數(shù)量化方法選擇股票組合、以計算機程序發(fā)出交易指令。
綜合來看，國內(nèi)34只量化基金今年以來的成績比一般的基金表現(xiàn)更為穩(wěn)定，在回避非系統(tǒng)性風險、獲取確定性收益方面等更勝一籌。事實上，量化投資正是在市場暴跌的時候火起來的，但并沒有非常突出的表現(xiàn)。
陳慕表示，相比人工智能選股，基金經(jīng)理更有主觀能動性、更靈活，當一個新主題或新的邏輯出來時，能夠馬上跟上。
人工智能如何炒股
“正常情況下，我每天的工作流程是早上起床后看一下（機器）生成的股票清單，再看看組合管理系統(tǒng)里每個策略配了多少權重，這些策略加起來的倉位又是多少，然后根據(jù)機器所給出的信號（賣出或買入）的各類數(shù)據(jù)（包括融資融券、投資者入場情況等），判斷機器給出的信號有沒有明顯的錯誤。”陳慕告訴記者，如果當天需要交易，他就會生成交易指令，再下單到交易系統(tǒng)，交易系統(tǒng)就會開始自動運作。
事實上，在證券投資領域，人工智能早已經(jīng)不是什么新鮮事，像陳慕那樣的量化對沖基金經(jīng)理遍布于北京金融街、上海陸家嘴。
一般來說，公募基金或大型私募的量化投資部由兩部分組成，一部分是投研團隊，另一部分是IT團隊，投研團隊提出需求，IT團隊做出算法交易的模塊，解決基金經(jīng)理們的需求。
在傳統(tǒng)的投研中，基金經(jīng)理及研究員們對財務、交易、市場等數(shù)據(jù)進行建模，分析其顯著特征，利用回歸分析等傳統(tǒng)機器學習算法作出交易策略，到了人工智能階段，這些工作便交給了計算機。
“比如，傳統(tǒng)基金經(jīng)理有10億元要買20只股票，也就是一只股票5000萬元。如果買，可能把這些股票打到漲停板；同樣，賣出去的話就可能把股票打到跌停板。”陳慕告訴本報記者，這樣就會降低收益，但通過算法交易的模塊，每年可以節(jié)約至少3%的成本，也就是增加了3個點的回報。
北京一家專注于量化對沖私募的有關人士告訴本報記者，他們IT系統(tǒng)的構架師團隊，由原湯森路透全球交易所數(shù)據(jù)推送的架構師、原花旗銀行中國技術團隊的VP（總經(jīng)理），以及國內(nèi)其他一些架構師組成。他們的工作是做出數(shù)據(jù)和部分研發(fā)，之后在政策允許時打通交易接口。
目前，一些私募基金已開始將量化對沖的三個子領域融入日常交易策略中，嘗試獲取收益，它們包括機器學習、自然語言處理與知識圖譜。例如，作為全球最大的對沖基金，橋水聯(lián)合使用的是一種基于歷史數(shù)據(jù)與統(tǒng)計概率的交易算法，讓系統(tǒng)能夠自主學習市場變化并適應新的信息。
有基金業(yè)人士告訴本報記者，目前主流的交易系統(tǒng)包括恒生、金證等，但由于使用成本過高，只有公募基金或大型私募基金公司才會用，“差不多幾十個人來才能用得上這個系統(tǒng)，而且這些系統(tǒng)并沒有研發(fā)功能，基本上是交易和風控。”
本報記者了解到，目前已有互聯(lián)網(wǎng)金融公司試圖研發(fā)一套適用于中小對沖基金公司的“一條龍”交易系統(tǒng)，功能涵蓋數(shù)據(jù)分析、投研、風控和交易等。
誰的選股能力更強
AlphaGo大勝李世石，引發(fā)全世界關注。投射到投研領域，則是以人工智能量化選股和人類基金經(jīng)理之間的對決。