金刺猬答辩之马志宇：当前市场波动率接近最低点两倍

　　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。灵均投资投资总监兼执行事务合伙人马志宇作为金刺猬入围候选私募代表并发言。

　　马志宇首先介绍了灵均投研的四大策略，阿尔法策略、选策略、CTA策略和其它策略。

　　首先公司最擅长的、市场上最有竞争优势的是阿尔法策略，就是多因子选股策略。第二个择时类策略，用多周期、多信号、多重合模型。第三，是多组模型构成的CTA策略。主要是做商品期货，大部分是趋势类的策略，也兼有套利和其它策略。第四是其它类的策略，目前上线的有股指期货策略，还有国债期货的策略。

　　谈及对2018年的市场观点，马志宇表示“我们对市场是谨慎乐观的”。目前的市场波动率已经接近市场波动率最低低点两倍的水平。整体来讲对量化是比较友好的。另一方面，股指期货在政策上也是有继续松绑的迹象，股指期货的流动性幅度会有进一步改善，对于量化策略模型有明显利好。

灵均投资马志宇 投资总监兼执行事务合伙人委派代表

　　马志宇：灵均投资成立于2014年6月，地点在北京，我们公司就在北大边上，我们是一家纯量化的私募基金，公司目前的管理规模在50多亿，我们公司的产品线涵盖了中性产品、择时对冲产品、指数增强和量化选股产品。我们的客户主要是来自于私人银行、信托、三方这些渠道的高净值客户，以及一些券商的FOF和大中国企。

　　我们公司的CEO是蔡枚杰女士，她负责公司的非投研事务，包括市场、销售以及公司的运营管理。蔡总是浙江大学硕士，以前就职于中金公司、鹏华基金、浙商基金等大型机构。

　　我毕业于北京大学和斯坦福大学，我毕业后加入了美国的千禧年对冲基金，从业到现在10年。我之前在千禧年的时候做的是股票多因子策略，主要做全球市场。加入灵均之后主要是做A股，量化选股是我相对比较擅长的。

　　灵均投研有四三三制。

　　四是四大团队：阿尔法策略、选策略、CTA策略和其它策略。

　　我们分成三级的团队架构：投资总监、各策略投资经理、各策略研究员。首先是由研究员开发底层的模型。投资经理的职责，一方面是管理手下的研究员，指导研究员开发模型。另外，他要运用这些模型，并且负责他的交易策略，要对策略净值负责。

　　作为投资总监，我负责各个策略之间的资产配置和风险的配置，包括产品净值和投研团队的管理。

　　公司对整个投研团队，是将公司赚取利润的30%作为绩效，发放给投研人员，对投研人员我们有一个很明确的激励。

　　投资策略分四大策略，我们公司最擅长的、市场上最有竞争力的是阿尔法策略，就是多因子选股策略。多因子选股首先是要开发多个低相关的单因子，要从各个不同的角度挖掘这些因子。每一个单因子都是对市场的预测，对于单因子的预测能力，都要求有比较好的有效性。后面会详细介绍我们的因子体系。第二步是用优化算法对单因子进行合并，形成一个合并因子。合并之后的因子，对未来的短期股价会有比较好的预测能力。第三步，我们一方面通过合并因子选股，另一方面会选对标的指数，比如300、500指数，分析指数的风险特征。我们要构造的投资组合尽可能获得最大化收益，同时还要保证我们的组合的风险特征和对标指数相接近，这样对冲掉指数之后，它可以在一个比较小的回撤下获得一个稳健的收益。这是阿尔法策略。

　　择时类策略，我们是用多周期、多信号的择时模型，进行指数涨跌的预测。我们用指数和个股的信息预测指数，也用一些相关联的市场数据，比如期权、期货、ETF、逆回购等市场信息预测大盘的指数。我们把这些单模型进行合并优化，利用合并的模型去判断市场的走势。我们用这个模型来确定我们的期现对冲的比例，当认为市场向上概率较大的时候，我们会降低我们的对冲比例。用这种做法，在控制大盘风险的前提下，能够获得一个较好的收益风险比；同时减少对冲，也能降低对冲的成本。

　　第三，CTA策略。主要是做商品期货。CTA策略也是由多个子模型构成的。我们的策略大部分是趋势类的策略，也兼有套利和其它策略。

　　对于其它类的策略，我们上线的有股指期货的日内策略，和国债期货的策略。我们也在不断开发其他的策略，开发比较成熟的时候，都会加入到我们相应的产品中。

　　策略开发流程。

　　首先是由投研人员独立开发策略模型。研究员开发好之后会进入公司的系统平台进行评测。模型选取的标准是表现要好，同时相关性要比较低。当模型能够达到这个标准，就可以进入公司的模型库。进入公司模型库后，基金经理会对这些模型做优化组合，并进行交易。优化算法会对当期表现好的子模型或者是因子赋予更高的权重，尽量将相对最优的策略用在客户的产品当中。

　　公司风控。

　　风控的理念是以保证投资的合规性和业绩的稳健性为目标。风控分成市前、市中、市后。

　　市前风控是在开盘之前，当天交易的股票订单我们都要进行风控检查，保证持仓的头寸都是在投资范围或者是投资限制之内的。

　　市中风控，是在盘中做实时的风控，一方面是检查持仓，另一方面也包括交易检查，比如股票的报撤单比，比如期货多个产品户的联合限仓，等等。

　　市后风控，对在盘后对所有产品持仓做最后的风控检查。

　　总的来说风控的体系能够保证风控问题及时发现、及时解决。

　　壹心一号产品，股票多头是用多因子选股，同时用股指期货对冲。我们的因子体系是这样的：对于多因子可以分成投资逻辑因子和交易逻辑因子。投资逻辑因子是要研究公司本身，分析公司的价值和成长性。它使用的数据或者是对因子的研究，可以分为基于公司财报的、基本面类的因子；基于分析师预期类的因子；基于公司的股权结构变动、大宗交易等的事件类型因子；或者是用公告新闻等文本数据类的因子。

　　交易逻辑类的因子，主要采用价量的数据。交易逻辑类因子里面我们会用到一些传统的，大家所熟知的因子，包括像趋势、反转、流动性、波动率这一类的因子。另外有一部分是我们研究的相对比较深入的新型价量因子。价量因子如果想继续深入挖掘，主要还是从数据和算法两方面着手，数据要深入到行情数据的最底层Level2，这一类因子我们是通过分析交易数据，提取有效信息，在我们的组合里配置了大概20%的权重。另外一类是算法上的进步，主要是基于机器学习。现在机器学习算法在金融和很多其他领域的应用越来越广，而且在工具使用上也越来越便利。我们这方面做了很多尝试，组合里差不多20%左右的权重配置在机器学习算法生成的因子上。

　　现在中国市场上的交易逻辑因子明显比投资逻辑因子的有效性更强，我们现在的组合里，80%以上的因子权重是配置在交易逻辑因子，不到20%配置在投资逻辑因子上。这和美国等成熟市场有一定区别。由于成熟市场量化的资金占比很高，交易逻辑因子的有效性在降低，相对来讲投资逻辑因子具有比较大的容量，在成熟市场投资逻辑和交易逻辑因子的配置会更均衡，这应该也是A股今后的趋势。我们现在因子库里优化出来的结果是交易逻辑因子明显占优，但我们一直不断地深度开发基于投资逻辑的因子，也是为未来布局。

　　我们组合的持仓有300多只股票，每只股票平均持仓10天左右。我们分析这个策略的容量，认为应该能够管理股票资金100亿这个级别。

　　我们在构造投资组合的这个环节，对于风险暴露度的控制是很严格的。我们构建组合一般是对标中证500，对于组合的行业、板块和风格都有严格的控制，这方面的风险暴露很低，主要的回撤不会来自于风险因子敞口的暴露。但是作为一个中性策略，也有自身策略的缺陷。一方面是受制于股指期货，因为空头完全是用股指期货对冲。股指期货的贴水如果很深，对冲成本太高，做起来会比较困难。另一方面有可能是市场行情特别不适合于阿尔法选股，尤其是现在配置主要是交易逻辑的因子上，如果市场波动率非常非常低，或者市场处于持续的“一九”行情这样一种特别极端的市场下，对于选股的超额收益也是会有比较大的影响。

　　结合历史的业绩讲一下，我接手这个产品是从15年11月，到现在两年半时间，最大回撤是4%多一些，费后年化收益7.88%。17年4月对这个模型进行了比较大规模的升级，升级之后效果比较显著，年化的收益费后是13.3%，最大回撤是1%左右。这三段大概分别评述一下。其实在股灾之后到2017年4季度之前，中性策略都不是很好做。2016年一整年股指期货的贴水非常深，中证500这个品种年初的贴水是年化40%，年底大概是20%，全年平均成本大概30%左右。同时股指期货还要求40%的保证金，多头上配置的比例也不能太高。这要求有非常高的超额收益，才能给客户相对较好的到手收益。我们的业绩整体做得还是比较好的，在同期同类招行的产品里是排名第一。但是这个产品在当时的时候，在市值因子上有一定的暴露。之所以这么做，是因为在2016年市场波动率高，价量因子非常有效。而且波动率主要是集中在中小盘股票上，中小盘股票在价量因子上阿尔法更强。所以，如果对市值因子控制得特别严格，组合里持有的中小盘股票过少，整个组合的阿尔法可能打败基差就会比较有难度。我们当时是对市值上是有一定暴露的。但是这个组合在2016年运行得虽然不错，但是在2017年的一季度遭遇了一个回撤。这个回撤主要是市场的逻辑发生了一个急转弯，赢亏同源，2016年赚到钱，在2017年就遭遇不幸的回撤。2017年的特点是市场波动率特别低，价量因子的有效性明显减弱，包括中小盘股票。另外由于是一九行情，大盘股持续占优，暴露市值因子对组合会造成比较大的伤害。此外，2017年一季度基差大幅度收敛，远月合约大概收敛了差不多6%，这也是一个很高的成本。我们在2017年4月份的时候，对模型做了一个很大的升级，补充了更多的因子，而且对这个组合的风险做了更严格的控制。升级之后效果比较明显，超额收益有显著的提升，而且回撤也很小。而17年四季度之后，市场波动率在不断回归，相对来讲做超额收益也是比之前更容易。

　　对于2018年，我们对市场是谨慎乐观的。市场波动率的最低点是在2017年3月底，当前的波动率已经接近最低点两倍的水平，整体环境对量化策略是比较友好的。另一方面，股指期货在政策上也是有继续松绑的迹象。我们预期股指期货的流动性和贴水幅度会有进一步的改善，这对于量化策略模型是明显利好。

　　我们一直在加强对投研团队的投入，不断吸收优秀的人才加入到我们的队伍中来。同时我们每年也花费大量资金采购数据和机器，持续不断的维护和建设投研的基础设施。现在我们的投研人员每周开发提交新因子，每个月我们把新因子做评测并加入到组合当中，模型是在不断的持续升级。今年我们会在之前的基础上，对各策略的模型做进一步的升级，力争做好业绩回报投资者的信任。

　　杨牧（华夏银行）：马总详细讲一下17年4月对模型的升级是具体做哪些调整？您刚才讲之前我们在一些风格因子上做了暴露，调整之后，包括2018年现在这个模型在运转的时候因子的暴露或者是因子的配置上是怎么安排的？

　　马志宇：多因子投资的体系结构我们没有做大的调整，但对于内容丰富了很多。从2017年之后，首先是我们灵均的投研团队的人数有了大幅度增长，并且对于投研的机器和数据等基础设施投入也大幅度增长。因此我们的因子比之前丰富了很多。

　　2017年一整年，投资逻辑因子都是比较有效的。比如做价值投资的多头类私募，去年的业绩表现很好。在量化这一边也能看到，投资逻辑因子在2017年的有效性相比之前有所提高。我们在2017年4月份升级模型的时候对这部分因子做了大量的补充。另外，像机器学习、level2这一类价量因子，我们的投研团队人数增加之后，开发新因子的效率也提高了很多。所以，首先是我们的因子全面性和丰富性上比之前提升很多。

　　第二，在组合的风险暴露度方面。2017年4月份之后，市场的贴水一直比较低，年化大概一直不超过10%。对我们来讲不需要暴露高风险去获取高收益。因此我们的做法是对组合的风险控制得更为严格，在因子层面和组合层面都做了改进和调整。

　　高昕炜：马总，我们在几个策划的开发中，团队的情况介绍一下，就是不同策略开发的团队。

　　马志宇：我们阿尔法策略团队现在是有十几个人，有一些成员是来自海外的对冲基金，还有一些是来自国内其它优秀的基金，也有一些读书毕业之前就在我们公司长期实习，优秀的实习生我们择优录用。阿尔法团队是我们所有团队中人数最多的，也是投入最多的团队。我们还配备了两个数据的人员，专门进行量化数据库的管理，以及数据的清洗和加工。

　　择时团队我们有两名成员，这两个都是清华数学系的硕士，其中有一位基金经理工作了大概5年左右，在我们公司工作了3年。

　　CTA我们这边有四个成员。CTA的基金经理是之前在清华毕业之后，在美国南加州大学读了金融数学硕士，在美国有一段时间的工作经历，又回国在国内的券商也工作过，管理券商的自营。后来也加入了我们公司，差不多三年时间。他下面带了三个CTA策略研究员，开发策略因子。同时对CTA策略我们有一个IT，负责交易系统和风控系统的开发和维护。

　　其它的辅助策略分别配置了一两个人，大概整个分配是这样的。我们所有的策略开发人员，无论是基金经理还是研究员，全部是毕业于海外名校或清华北大的硕士以上学历，全部为理工科背景。

　　高昕炜：刚刚有几大策略，您刚刚介绍是由投资总监这边决定策略的配比，配比的过程或者是依据是怎样的？

　　马志宇：这个依据首先是这个产品在发行时候定的风险等级和投资范围。很多时候在产品发行之前就已经对各策略配置确定了一个上限比例。

　　其次，我们是基于风险预算对各策略做一个配置。比如择时类策略肯定是有一定风险的。但同样的择时类产品在不同的渠道，由于渠道的要求或者是销售的定位不一样，也会在配置上有差别。有些渠道的择时多策略产品会更偏向于中性类的产品，我们对于市场贝塔的敞口定得非常小。有些渠道，比如招行的多策略产品是R5的评级，这个产品的最大敞口就会比较大，会更往多头类的风险定位那边靠拢。因此是基于产品的风险定位，通过风险预算反推各个策略的配置。

责任编辑：郭金霞