江苏龙网

  1. 首页 > 人文 > >

点拾|幻方投资陆政哲：完全依靠人工智能的量化投资模式( 三 )


AILab提高的高算力 ， 为我模型的丰富程度打开了空间 ， 这些数据的训练和模型开发 ， 在过去是根本无法实现的 。 对我的帮助 ， 并不直接反映在目前的净值上 ， 但是能够加速我整个策略开放的过程 。 其次 ， 强大的算力让我能驾驭更加复杂的模型和海量参数 ， 这是以前基础算力框架下无法实现的 。 最后 ， 极大的算力储备能帮助提升实时大样本信息处理能力 ， 为未来更加高频的策略与交易执行提供支持 。 当然 ， 我们目前主要做的 ， 是在前端训练一个精度更高、预测能力更强的模型 。
少数的完全本土化量化团队
朱昂：能不能为我们介绍一下目前幻方的产品线？
陆政哲幻方算是业内把产品线做的比较标准的一家机构 。
根据对不同客户的风险偏好的判断 ， 我们把产品线主要分为两类：
第一类是偏多头的指数增强产品 。 对标不同的指数 ， 但本质上是longonly的策略 ， 这类产品的风险偏好比较高 。 第二类是对冲策略产品 。 这类产品的风险偏好相对弱一点 。
这两大类产品线共享了底层的选股模型 ， 其实只要有一个单一的选股模型能够做到极致 ， 就可以用来支持前端几乎所有的产品 。 这两类产品在架构上的不同是 ， 第一类指数增强产品是满仓的 ， 会受到市场Beta的影响；而对于第二类对冲策略产品 ， 应用一部分资金进行衍生品交易 ， 对冲掉相应市场风险 ， 提供较为稳健的Alpha收益 。 所以 ， 这两类产品的运作机理是相同的 ， 区别只是对应不同风险偏好的持有人 。 同系列产品的基础策略、基础架构、持仓占比都是比较接近的 ， 长期看 ， 这个体系内的产品走势也都是比较一致的 。
朱昂：能不能为我们介绍一下幻方的发展历程？
陆政哲从最初开始交易至今已经超过十年了 。 早在2008年 ， 创始团队还在学校的时候 ， 就已经尝试探索 ， 当时市场上还很少有人知道量化交易 ， 因为团队都是偏向工程或计算机背景的 ， 所以希望尝试用系统化、程序化的方式来研究市场进行交易 。 所以 ， 在公司真正成立之前的2008-2015年 ， 都处于自主摸索的阶段 。
国内绝大多数量化私募的创始团队或技术团队都有海外成熟机构的背景 ， 但幻方团队是一个完全本土化的团队 ， 一直以来我们完全是基于兴趣进行量化投资的探索 。
2015年 ， 探索已经趋于成熟 ， 也建立了自己的交易体系 ， 有了非常有效的策略 ， 就成立了幻方量化这个品牌 ， 到了2017年 ， 已经搭建起了一整套多因子策略体系 ， 也对外发了主动管理产品 ， 开始涉足资管业务 。
2017-2020年 ， 恰逢全行业增长 ， 幻方有幸作为参与者 ， 见证了整个量化行业的高速增长的同时 ， 管理规模也超过了200亿 。 早在2015年我们就已经比较积极地尝试用机器学习、深度学习的模型做数据的实盘检验了 ， 到了2018年 ， 我们把整个产品线和资金管理都嫁接到人工智能的核心策略开发体系上了 。 2018-2020年 ， 我们主要做了两件事 ， 完善基础团队的架构和大规模吸纳AI专家型人才 。 后来 ， 我们成立了AIlab ， 试图在技术路径上继续向前推进 ， 国内几乎没有量化机构走过这条路 ， 我们在这条路上虽然经历了很多的不确定性 ， 但也证明了这是一条可行的路 。
我们把第一个超级计算机和超级算力集群搭建起来后 ， 未来也会快速投入生产 ， 尝试各种新策略的开发 。 我们基本上每年营收的70%都会投入到研发中去 。
朱昂：国内有很多量化私募用T+0获取超额收益 ， 您怎么看这一块带来的收益？
陆政哲国内很多高频交易体系都是在T+0的范畴中 ， T+0有很多种做法 ， 对于以T+0为主要收益来源的机构来说 ， 最直接的方式就是 ， 按照某个指数建立一揽子股票 ， 在这些股票的基础上 ， 根据日内标的的交易空间进行交易 ， 同时 ， 如果用股指期货对冲 ， 最终呈现出一条比较平滑的向上的曲线 ， 如果不对冲 ， 就相当于指数增强 。 总体而言 ， T+0的交易获取的是较为稳定的收益 。 对于我们来说 ， T+0不是我主要的策略类型 ， 但也在大的策略体系中扮演了重要角色 ， 增厚了产品收益 。 T+0又分为机器和人工两种 。


推荐阅读


上一篇：燕七|借冷门品牌聊聊我的看法，国产HIFI圈做耳机和品牌难不难

下一篇：君说数码|新品电竞显示器评测吧，618想入手144HZ吃鸡显示器？来看看HKC