金刺猬答辩之王啸：反思多基金经理团队的低性价比

　　新浪财经讯 5月11日消息，由新浪财经和华创证券联合主办的第二届中国私募基金业金刺猬奖北京答辩会今天举办。念空科技董事长、首席投资官王啸作为金刺猬入围候选私募代表并发言。

　　王啸是金刺猬此次北京专场最后一位私募答辩，他特意侧重的提及自己在过往投资中所犯的错误和思考。

　　“我们公司犯的其中一个错误是，我们在规模初期发展得还不错急剧上涨的时候，我们当时做了一个错误的决定，我们想把公司打造成一个像千禧年这样的多基金经理团队的模式。”吃过亏后王啸明白，中国市场和美国市场、海外市场有一个非常大的不一样，海外有一个特点是α是非常稀缺的，但是杠杆是免费的，在中国是相反的，α是非常多，但是杠杆是非常贵的。

　　“海外需要用非常多低相关性的策略提升你的夏普，带来放杠杆扩大收益的机会。但是中国不是这样，中国是杠杆非常贵，α非常好产生，再加上同等收益下，大部分人不会在意夏普2和夏普4的区别，没有太多人会在意这件事情，”由此，多基金经理团队带来高成本和低性价比。

　　然而这不是最主要的，最主要是因为我们是一家量化私募，决定量化私募的差异甚至生死存亡的是细节的处理。2016年年中，当时我们的规模和业绩都非常好的阶段，2016年下半年我们有很多产品出现业绩下滑，回撤4-5%左右。多策略中单个产品可能就是8-9个基金经理，如果有一个人的细节没有处理好导致会影响全部产品。

　　他还提及股灾后量化行业发生的事情影响深远，当股灾大量多头私募亏了很多钱，银行的钱全部转向量化的时候，“大家会抱有一定的侥幸，你认为这个政策可能会马上取消，或者其实是能做得出收益的，一定有办法做出来。但事实上这件事情并没有发生。今天我认为量化的规模一直都没有达到很大发展的主要原因就是16年太多的钱进入了量化，又因为我们的工具被严重限制，深度贴水把我们所有的α都吃掉了，大部分客户没有赚到钱。”

　　相对股票多头策略发展到相对成熟阶段，量化策略还只是起步阶段。“如果量化像主观股票一样发展了20年，你肯定赚到过钱，你也知道它有不好的时候。不好的时候一定会过去。可惜量化只发展了5年都不到，你看不懂它，它很复杂，里面有很多黑箱子，它又没帮你赚到钱，经过2016年这个行业的信用被烧完了。”

念空科技董事长、首席投资官王啸

　　王啸：各位领导：中午好！

　　我简单汇报一下我们这家公司做了什么事情，是怎样的一家公司。

　　我们公司成立于2015年3月，注册资本1.5亿，实缴5000万左右。

　　股权结构，陈晋雯是我夫人，我是大股东，吴冬是我们的另外一个合伙人，因为他是美籍，也是他的夫人。金小红是我们的一个战略投资人，也是战略投资人的夫人，基本上全是夫人。丽总是我们的总经理，确实是合伙人本身。

　　我们现在管理规模30多亿，15年底达到10亿，16年60亿，17年到现在为止管理规模是30多亿左右浮动。

　　提到产品线，简单地说我们做两大类策略：股票中性和管理期货。我们做的这个策略的频率都会偏高一点。CTA持仓的平均一般是半天到两天左右。股票的日均换手双边70-80%，一年的换手200倍左右。

　　我们客户基本的结构，是历史沿革的过程。我们在公司刚成立的时候，主要的客户是银行，还有FOF，那时FOF很多，都很大。到现在我们整个结构变成各占三分之一，三分之一个人超高净值客户、三分之一代销、三分之一机构。

　　核心的合伙人是我跟凯文作为策略的合伙人，市场和运营这边是丽总。

　　我们的组织架构比较特殊，在我们的公司里是非常非常扁平化的公司，整个投研的团队里面我们所有的身份只有两类，一类是策略分析师，一类是IT的技术人员。

　　最初我们公司刚成立的时候，IT人数比较少，那时我们做的频率比较低。现在公司里一半是IT，一半是策略。我们对IT的依赖会越来越大。对策略分析师的依赖会越来越小。

　　激励机制，我们做了非常量化的激励机制，CTA也好，α也好，对我们来说都是在开发因子，每一个策略分析师其实在我们的策略平台上开发出来这个因子，它的有效性是一个量化的检验过程。当分析师做出了认为不错的因子以后，会进入我们另外一个脚本，这个脚本会检验这个因子有没有用到未来数据等最起码的一些工作，然后会扔到我们的因子库，和现存所有的因子做相关性分析。只有新因子的绩效达到一定的要求，且和我们任何一个现存交易因子的相关性都低于50%，才会把它纳入进来。当它被纳入进来以后，它的因子占我们所有头寸就有了比例，当然每天都有变化。公司在策略上的收入和策略分析师的绩效有明确的换算公式。这是我们内部通过邮件的形式，都已经下发比较量化的规则。

　　另外，优势和专长。

　　我们去年CTA做得还不错，截止到今年整个CTA的表现一直应该是全市场应该是前三的位置。我们股票做得还可以，但是坦白说，这个市场上股票做得好的量化的私募还挺多的。不敢说我们是做得最好的，但我们做得还可以。

　　今天我不想到这里简单和大家介绍一下我们的情况，然后说我们做的不错。我更想讲一下我们公司曾经犯过的错误。因为这些错误和这些错误带来的改进造就了今天的念空。

　　我们是一家成立了三年以上的量化公司，虽然三年在阳光私募的时间不算长，但是在量化这个行业不算是一个初创的公司。我们走到今天走到这一步，反思一下的话，我们也做错过很多事情。各位都在银行，相信大家也投过量化，也看过量化，到现在为止量化都不是你们主要的投资标的，它是有原因在里面的。这个原因里60-70%当然要归结于股指期货2015年9月份的限制，这是客观因素；但还有很大一部分原因是量化私募自身的问题。在那个限制到来的时候，其实大部分客户还没有意识到那个限制对大部分的股票中性策略和股指CTA这一类策略的影响到底有多大。管理人是更明白的，当股灾大量多头私募亏了很多钱，银行的钱全部转向量化的时候，大家会抱有一定的侥幸，你认为这个政策可能会马上取消，或者其实是能做得出收益的，一定有办法做出来。但事实上这件事情并没有发生。今天我认为量化的规模一直都没有达到很大发展的主要原因就是16年太多的钱进入了量化，又因为我们的工具被严重限制，深度贴水把我们所有的α都吃掉了，大部分客户没有赚到钱。

　　股灾后量化行业发生的事情影响深远，使得今天的这个局面从某种意义上成为一种必然。而且大家突然发现量化是很复杂的事情，你投的股票私募做砸了，会知道它是做价值的，所以目前的成长环境不适合他；又或者市场跌了他会亏钱所有人都懂。但是量化没有赚钱，你会很迷茫，因为量化在市场涨的时候也可能亏钱，跌的时候也可能赚钱。迷茫也没关系，如果量化像主观股票一样发展了20年，你肯定赚到过钱，你也知道它有不好的时候。不好的时候一定会过去。可惜量化只发展了5年都不到，你看不懂它，它很复杂，里面有很多黑箱子，它又没帮你赚到钱，经过2016年这个行业的信用被烧完了。

　　我们公司犯的其中一个错误是，我们在规模初期发展得还不错急剧上涨的时候，我们当时做了一个错误的决定，我们想把公司打造成一个像千禧年这样的多基金经理团队的模式。直到今天还有很多量化私募还有很多公司想这样做，其实这里面是有一个很深刻的教训，因为中国市场和美国市场、海外市场有一个非常大的不一样，海外有一个特点是α是非常稀缺的，但是杠杆是免费的，在中国是相反的，α是非常多，但是杠杆是非常贵的。海外需要用非常多低相关性的策略提升你的夏普，带来放杠杆扩大收益的机会。但是中国不是这样，中国是杠杆非常贵，α非常好产生，再加上同等收益下，大部分人不会在意夏普2和夏普4的区别，没有太多人会在意这件事情，这是到目前为止。所以，多基金经理团队带来高成本和低性价比。然而这不是最主要的，最主要是因为我们是一家量化私募，决定量化私募的差异甚至生死存亡的是细节的处理。2016年年中，当时我们的规模和业绩都非常好的阶段，16年下半年我们有很多产品出现业绩下滑，回撤4-5%左右。为什么会出现业绩下滑？主要原因是两个，第一，我们当时所有的产品都只有一条产品线，就是多策略，因为这是我们赖以成名的策略组合。2015年我们刚到这个市场上来，没有人做多策略，要么做股票中性，要么做CTA。全都是多策略以后，每一个产品全部是用同一批8-9个基金经理来做的时候，就造成一个问题，只要有一个基金经理做砸了就相当于全部产品都受影响。我们忽略了一个问题，千禧年有100个团队，一个做砸了没有问题，但是我们没有那个规模马上达到100个团队，一个做砸就影响很大了。你会问你有8个人，为什么一个做砸了会影响很大？这是因为量化，量化的细节给你带来的打击是非常非常大的。

　　为什么这么说？我们做砸的那个团队是做CTA的，其中一个代码写错了一个BUG，这是非常低级的失误。当然你们会问，那你怎么会不检查或者不审这些代码？坦白讲管理10个基金经理团队的时候，你有非常多的算法和代码去看，不可能看每一条。只要你写过程序就知道，你看别人代码是非常慢、非常艰难的过程。

　　当问题产生的时候我们先去核对算法，最后只能一行行检查代码，最后发现问题是这样的。

　　这个问题是，他在所有策略中加了一个绝对值止损。什么意思呢？我做多了以后，如果在我做多的仓位往下跌3%就出场。问题来了，2%或者是3%是怎么来的？程序里给螺纹钢设置了一个2%，问他是怎么来的，他说用2016年四年的数据回测出来的结构。这就有一个很大的问题，这是优化，加绝对值没有问题，稍微有一点经验的人会优化出一个参数，比如2，再乘以最近市场的波动率，16年市场波动率非常大，可能是3-4%，那么这个绝对止损就是6-8%；如果15年波动率非常低，比如只有0.5%，2×0.5%，绝对止损应该是1%。这是自适应调整，非常简单的事情。正因为做错这一点，每一次整个商品市场经过震荡期，它的策略就会反复进出场导致亏钱，一直亏，把之前趋势带来的钱全部亏完。

　　听完这个事情大家都很清楚发生了什么，但就是这么一个小小的细节的错误，整个影响非常大。

　　经过2016年以后，从2016年年底我就在反思这件事情，在16年底至2017年上半年一直致力于做一件事情，我们改变整个投研模式，我们现在整个投研模式已经越来越减少人所能带来的影响，我们现在完全是从数据的清洗、填充、复权，所有细节的脚本都是我们自己写的，写完以后封装起来。因为我们知道写量化策略要先有数据，工作1-2年的分析师，之所以我们有时候不相信他们的结果，就是因为他们的数据可能处理错。他处理错的其他原因还有比如清算的程序，他发出买入信号以后，买的位置错了。没有经验的人会说10点钟的信号，用10点钟的收盘价买，肯定是买不到的。稍微有经验的人会说用10点钟之后的1秒的对手价加两个滑点，这种规则只适合管500万或者1000万不到的私募。我们这样的管理体量至少需要5分钟甚至30分钟，如果用30分钟的对手价均价你这个策略还能不能赚钱？真正量化策略不在于你的方法有多好，在于你有没有把所有的事情做对。而事实上我们不能保证每个人都做对，我们就把清算这部分封装起来，框架的东西我们也封装起来，只要通用性，每个策略都要用到的代码都封装起来。到最后我们公司不管是开发CTA还是开发股票中性，整个策略分析师所需要写的代码都非常非常少，尽可能地少。

　　对我们的好处很简单，一，效率提升非常多。第二，他们没有做错的机会。第三，流水线不依赖任何人，培训成本也很低，可以择优培养。为什么我们去年的CTA业绩非常好，直到今年一季度我们CTA还是市场最好的业绩的原因。原因就是我们的这套投研体系，另外是因为CTA相对简单，竞争对手少，数据也比较少。但是股票做的好的很多，我相信我们通过这一套平台型的模式，我觉得我们是有机会在股票上也做到最好。

　　另外一件事情是面向未来的事情，我们在深度学习上的投入不小，严格意义上说人工智能是一种应用场景，可以用机器学习去实现，但是机器学习算法很多。我们现在谈论的是模拟人脑神经网络的方式来预测接下来一分钟或者是五分钟市场涨跌的方式去交易。1年前我们已经为此投入了不少GPU，招了几名从华为和腾讯过来的深度学习的分析师，他们完全不懂金融方面的东西。我们现在已经发了一个产品，叫人工智能122号。为什么叫122号？因为我们那个迭代了122次的版本才在测试集，也就是样本外预测对了。这个产品已成立，大家都可以查得到。这个产品我可以向大家保证，完全是用深度学习的算法，没有任何人来写交易信号，是它自己在学习数据后形成的交易信号。

　　所以，这个过程中怎么样调整网络的结构，怎么来调整输入输出数据的数据，这些都很关键。

　　投资回顾。

　　我们做得比较好的是14年12月。当时量化最主要是中性策略，当时我们最大回撤只有4%多。那时可能全市场还在做中性策略的回撤可能达到10%—20%，那时我们的风控做得比较好。

　　我们风控另外做得比较好的一点是，因为我们所有的股票和CTA的下单都是程序化。在我们交易系统的前端前置了一个风控模块，帮我们限定了所有我需要风控的点和交易所需要我来风控的点，比如一只股票下单的数量，撤单数上限等；包括期货每个品种，在每个30秒或者10秒下下去的量，都是根据近期的成交额动态管理，会尽量不会影响市场。这基本上是我们公司的情况。

　　（民生银行）许星：122号的业绩怎么样？

　　王啸：跑了一个多月，两个点。我们合约价格设定是这样的，我们跑了1500万的合约价值，但是平均每一时刻平均留存的合约价值只有100万，但是换手是3000万一天，也就是它的换手相当于留存的价值是30倍，平均持有的时间是15—30分钟。不能叫高频，属于亚高频的策略。

　　许星（民生银行）：投CTA吗？

　　王啸：目前我们只交易商品，但是我们目前准备在股票里来用，因为需要大量数据，其它日级别的很难有太多数据来训练。但是日级别有一件事可以做，我们可以训练他找因子，这也是一个方向，我们正在研发。

　　许星：CTA里所有的主力合约都参与还是有选择？

　　王啸：我们现在比较多的是黑色系，因为成交量比较大。

　　许星（民生银行）：你用商品行业的资金配置是你们自己定的吗？

　　王啸：我们大部分商品CTA的产品都是四个板块均分资金，板块内部均分资金，都是这样。只不过人工智能这个产品黑色的多一点。

　　高昕炜：咱们公司的产品换手率很高，股票类的策略也是更高的换手率。什么原因使然？

　　王啸：这是一个进化的过程。在最初的时候我们的换手率大概是一天10%，10%买，10%卖。到后来，因为我们加入了越来越多短周期的因子，它的频率就变快了。

责任编辑：郭金霞