导语：科技在发展，人类在进步。量化，作为科技进步的先驱力量，这些年来大家耳熟能详的就有大数据、云计算、区块链、人工智能……
作为人人皆可用的，人工智能（AI）代表作之一：同声传译，主打不用学英文！出国旅游的时候这边讲来那边译！
然而，幻想的泡泡飘飘忽忽，最近有同传译员曝出科大讯飞的假AI——居然只是在用机器模拟发音人工翻译的译文……
不由让人心生疑窦，这火了好几年的量化莫不是，也是吹出来的？
红极一时的量化基金
1.2016年6月之前，火！
在2013年12月31日至2016年6月30日期间，A股23只主动管理的量化基金中，有17只基金的业绩跑赢了同期的沪深300和中证500指数，占比达到了73.5%。
其中12只、超过半数的基金甚至跑赢了同期的创业板指数。
两年半的时间里，量化基金能有如上图的收益：年化9%-75%，平均33%！
如果说那个时候有接触过量化基金，一定会心心念念：这量化，真的是太棒了……
2、2016年6月之后……
然后，就说到了2016年6月之后。上述基金表现如何呢？
从图上可以看到，之前红火的量化基金，从2016年起至今，基本都是负收益。
缘何如此？
在2015年之前，A股市场一直喜欢炒作小盘股。只要公司股票的总市值小，大家都爱炒。又因为盘口小，资金体量不用太大也能拉动股价。那时，以创业板为代表的小盘股，其上涨幅度远超同期的大盘股。
然后风格转变，沪港通、深港通开始流行，A股开始炒作大蓝筹股、崇尚价值投资。那些押宝“小盘股”的量化基金日子就不好过了。
当然，股市的长期低迷，也是偏股类基金总体表现不佳的另一原因。听起来上述的量化也好、阿尔法也好，好像都是在选股。
量化，只能选股吗？
量化，三个阶段
1.第一阶段：量化选股与策略
选股票的量化，先考虑量化因素：大盘、主力资金、个股基本面、宏观条件、量能……首先摸清楚这些指标的对应关系，涨跌的规则，再去发展量化策略。
比如说大盘涨势，个股是涨还是不涨：请给我大盘涨一个点位，个股涨跌多少的具体数值。
然后在个股数据的基础上，发展出自己的投资策略：要不要对冲？用股指期货还是用期权？
比如下图：
量化策略有许多种，比如趋势反转策略，比如套利策略，也比如塔莉曾经这样解释过，量化对冲策略（市场中性策略）：用股指期货与股票组合进行对冲，就好比用醋中和掉鱼腥气；讲究的就是，剥离掉行情起伏的影响（酸、腥），只赚你选的股票（鱼）本身材质的优势那部分利润（鲜）。
这确实是量化的用法之一，但一定不是牛掰的大数据、云计算、人工智能可以做到的全部。
2.第二阶段：量化交易
说到量化交易，不能不说说传奇的詹姆斯·西蒙斯(James Simons)。他23岁博士毕业，24岁是哈佛大学数学系最年轻的教授，26岁破译美国五角大楼密码，37岁与中国数学家陈省身联合发表了著名论文《典型群和几何不变式》并创立著名的“Chern-Simons定律”，39岁斩获全球几何界最高荣誉维布伦奖，40岁设立林姆若伊基金沿用传统的基本面分析法从事外汇交易，45岁创立文艺复兴科技公司，他不雇用华尔街人士，完全靠数学模型捕捉市场机会，利用电脑交易，其管理资产规模高达220亿美元。
他的大奖章基金主要投资于全球范围的商品期货、国债、外汇和股票等，他平均持有2500到3000种不同产品，长期持仓但日均交易超万次，投资组合中每种产品平均隔天就会有仓位变化。
1989至2009的20年间，大奖章基金实现年均净回报率35%，同期高出索罗斯10%，高出同期巴菲特18%，如算上5%的管理费和44%的业绩提成，其年均净回报率达40%—80%。更重要的是，市场越“乱”该基金表现越好。
美国《Alpha》杂志每年公布的对冲基金经理排行榜上，西蒙斯2005年、2006年分别以15亿美元、17亿美元净收入稳居全球之冠，2007年以13亿美元屈居第五，2008年再以25亿美元重返榜首，连续15年共赢利235亿美元，是当之无愧的有史以来最成功的“量化投资之王”。
西蒙斯总结：“模型的优势之一是可以降低风险，而依靠个人判断选股，你可能一夜暴富，也可能第二天又输得精光。”
3.第三阶段：人工智能编制量化策略
量化与人工智能（AI）的结合，就是机器或者是一些人工策略能够自动学习，根据股票市场规则、根据宏观经济条件，它能自动发展一些策略，这是更加高级的策略，这目前是属于一个发展阶段。
人工智能的量化，首先就是要把基本的原理参悟透了。各种指标的对应关系是什么，涨跌的规则是什么，全部摸清楚以后，才能够用人工智能深度学习，再去发展一些量化策略。
看起来很厉害的样子。
是的，确实很厉害……厉害到，这么说吧：我们国家的话，普遍处于第一阶段，第二阶段在一些期货市场上有一些应用。
第三阶段？它需要比较成熟的第一和第二阶段做基础，才能够茁壮发展。
敲黑板！量化的劣势在哪？
上海亿信伟业投资管理有限公司顾问，周平表示：第一个劣势，就是它容易形成交易的一致性，尤其是在市场出现极端行情的时候，容易出现交易冲击。
尤其是在一些期货行情，在跌破某些关键价位或者是涨过某些关键价位形成一致性市场预期，一致性抛盘，这个时候就容易出现一个非常剧烈的跌幅。实际上这个跌幅是不理性的，往往跌完之后市场马上又会收回来。如下图：
像股票也会出现这种情况，有的时候，比如说跌破关键价位，容易出现恐慌性抛盘。还有比如说，一些个股出现闪崩，可能是因为达到一些止损的条件，出现了集中性抛盘，这里就会形成市场的一致性预期，这是一个劣势。
策略，在华尔街发展这么多年，很多人的市场观念都一样。虽然可能具体的一些指标不太一样，但是策略原理是一样的：殊途同归，最后发展下来可能基本上到某一个价位大家都会抛，某一个价位大家都会买。
就是说：当涨的时候使劲地涨过头，当跌的时候又能使劲地跌过头。量化交易可能会助涨助跌，尤其是在期货行情里头，是特别明显的。
2.指标钝化及失效
周平还表示，如果某种量化策略市场上用的人比较多，就容易形成策的失效。
比如说，这种策略第一年可能会有40%的收益，尤其是一些套利策略，第二年可能就20%收益，第三年可能就10%收益，第四年就没有收益了。
因为策略的趋同性，市场上用的人比较多了，会造成指标的失效和钝化。
比如说量化对冲策略，在股指期货限仓之后，像IC和IF都有贴水，基本上每个月有的时候将近1%，一年将近8%的贴水。如果有贴水，有时候你去做空进行对冲，效果就不是特别好，当然整体而言的话我觉得还是有指导作用的。
3.不向三方开放接口
目前我们国家对量化交易，尤其是股票的量化交易、程序化交易，还是有控制的，券商的接口不能对第三方随意开放。
有的券商内部可能有一些好的量化平台，在它的平台上去写一些策略，但是投资者自己的一些策略是不能随意进入到任何券商的接口。
从某种程度上来说，这算是一道防火墙，不至于形成大量的市场化冲击。
所以，量化在证券市场上的主要作用，还是停留在选股阶段。
那么，在其他市场上呢（大写的期货）？
30多年发展，优势呢？
在股票，包括一些债券的交易中，量化交易的杠杆使用还不是特别明显，不过由于量化交易的相对表现比较稳定，收益比较稳定，所以一些比较好的套利策略中，大家就有冲动去加杠杆，因为有些套利策略本身收益不是很高，但是相对比较稳定。
加了杠杆可以扩大收益，这样的话也是比较适合一些量化交易的。
而在期货里面的话，量化交易的杠杆是普遍在使用的，因为整个策略比较成熟，量化产生的助涨助跌，有杠杆的作用。
未来量化交易的比重肯定是会增加的。无论是在华尔街，还是在其他国家，这都是一个发展趋势。像高盛，包括摩根他们的一些交易员，很多人工交易员都被裁掉了，量化交易取代了大量手工下单的工作，一些很好的策略，机器执行起来要比人工有效得多。在未来，中国也应该会是这么一种发展趋势。
来源： 红塔期货
---------------------------------------------------------------
网友评论