一个成功『量化研究团队』的构建启示录|团队_新浪财经

来源：量化投资与机器学习

作者：Randle Rabe、Kayla Fraser

如何构建一个高效、有生命力的量化研究团队？

量化研究团队的最佳设置和文化是什么？

这些问题可能有不同的答案，但我们可以从前顶尖量化研究小组的一些见解中获得一些启示。

顶尖量化机构的启示

PDT Partners

PDT Partners 是一家知名的量化投资公司，由年轻的数学家 Pete Muller 于 1993 年在摩根士丹利内部创立（最初为 PDT）。2013 年，PDT 从摩根士丹利独立出来，成为 PDT Partners。

PDT Partners 的员工在他们的网页上分享了一些有趣的见解。

一位员工评论说：

> "PDT 不像典型的金融交易公司。它更像一家科技公司。在这里做决策的人是使用科学方法的科学家。我们的运作方式源于此。"

另一位员工提到：

> "我们有很多自由去尝试想法，去制作原型，看看它是否有效，看看你能否做出更好的版本。这是在 PDT 工作的一个非常重要的方面。"

最后，该网页还提到了类似的观点：

> "PDTers 被鼓励提出问题，设定自己的目标，并对自己要求高标准。我们避免微观管理和自上而下的命令控制。"

D.E. Shaw Group

接下来我们看看 The D.E. Shaw Group，这是一家全球投资和技术公司。它由计算机科学家 David E. Shaw 于 1988 年创立。

一位交易员在评论 The D.E. Shaw Group 的环境时说：

> "我认为 D.E. Shaw Group 的问题解决是协作的，我认为这是最好的词。当我们遇到一个难题时，我们经常会聚在一起，或者通过电子邮件进行，但我们会召集一群人，很多人参与……我会说我们解决问题的方式使它更具有研究重点，你感觉自己几乎在一个学术机构中。"

D.E. Shaw 的网页也表达了同样的情感，它说：

> "公司重视跨学科、跨地理和投资策略的协作文化。"

Renaissance Technologies

由数学家 Jim Simons 创立，Renaissance Technologies 的 Medallion 基金在 1994 年至 2014 年间平均回报率为 71.8%（扣除费用前）。该基金完全由模型驱动，由来自 STEM 领域的科学家团队进行量化研究。

在一次精彩的采访中，Simons 透露了一些关于 Renaissance Technologies 的见解：

> "我的做法一直是，你把聪明的人聚集在一起，给他们很多自由，创造一个每个人都可以相互交流的氛围（他们不是躲在角落里做自己的事情，他们和每个人交流），你提供最好的基础设施，最好的计算机等，让人们可以使用，并让每个人都成为合伙人。"

Man AHL

量化领域的另一个巨头是系统投资管理公司 Man AHL，它是更大的母公司 Man Group 的一部分（Man Group 由 James Man 于 1783 年创立），它使用动量策略（以及其他策略）作为其超过三十年的旗舰方法。

在Man AHL 的介绍视频中，Sandy Rattray 描述了以下环境：

> "我们的研究人员完全没有限制，可以查看他们认为我们可以找到 alpha 的任何市场和任何模型。我们培养了一个极具创造力和活力的环境。"

除此之外，研究工作具有挑战性。Giuliana Bordigoni 在评论这个方面时说：

> "……我们推动边界，无论某事是否困难。如果它是值得的，我们会找到一种方法去做。我喜欢接受挑战，我喜欢找到问题的解决方案，这种心态在 Man AHL 的所有人都有共鸣。"

Two Sigma

Two Sigma 由计算机科学家 David Siegel 和数学家 John Overdeck 于 2001 年创立。

Two Sigma 的一些员工在视频中描绘了与前述案例相似的画面。视频中的一些关键点是，环境被描述为协作和创造性的，并且有一种学习文化。

一位员工说：

> "我们真的相信，如果你把具有不同技能集的人聚集在一起解决问题，拥有不同的观点，并鼓励和培养这些不同的观点，那么这将创造出更好的结果。"

另一位员工提到：

> "能够走到一个人面前，基本上从他们那里挖掘这些，并且他们非常乐意分享，这是非常好的。因此，我们构建的许多产品都是公司内跨团队非常有效的协作。"

Citadel Securities

Citadel Securities，它由 Kenneth C. Griffin 于 1990 年创立。

在一些员工的采访中可以找到一些有趣的评论。一位员工在评论他们的量化研究时说：

> "不同的团队成员有不同的专业知识。自然地，我们需要与许多团队和团队内部的人进行大量协作。"

在另一次采访中，一位量化研究员说：

> "在 Citadel Securities，我们非常擅长将人们分配到他们特别擅长和适合的任务……这种分而治之的策略是书中最古老的技巧之一。我认为我们的文化使我们能够特别好地做到这一点。"

行业专家的见解

除了这些团队之外，还有一些有趣的观点来自 Marcos Lopez de Prado，他是金融领域应用机器学习技术方面的行业领导者。

西西弗式的宽客

首先解释一下这个标题，在西方语境中，形容词“西西弗的”（Sisyphean）代表“永无尽头而又徒劳无功的任务”。意思就是告诉我们要做有效率的事情，不要一个人全部包办，要懂得团队协作！

不能让投资组合经理凭个人意愿做所有的事

投资组合经理做出不符合特定理论或有严谨推论的投资决策。
因为没有人能够完全理解自己最好的逻辑，所以他们几乎不能像一个团队一样工作，并且在最初的直觉之外有个更深入的洞察力。
如果让50个投资组合经理一起工作，那么最终49个人都会跟着那个最牛逼的去做，50个人跟1个人差不多。

因此，投资公司应该是小组分工合作，防止受一个投资组合经理单方面影响，从而保护工作的多元化。

1、在工作中，宽客们应该和投资组合经理一起工作。

2、让我们聘请50名博士，要求他们在6个月内每人产出一份投资策略。但是这种做法，可能会适得其反：

过度拟合，回测吊炸天，实盘一般般；
结合很多理论模型，但是也效果一般（主要是对市场没有吃透，不能把模型作为核心区做一些策略，要懂得结合市场做出一些调整和改进）。

最终这个项目将会被叫停，原因想必大家都知道的。

3、几十50个博士里面有5个人的策略可以用，那么老板也会很郁闷啊，项目也大概率叫停，这5个人可能也会走。留不住人啊！

所以

“[…] there is no more dreadful punishment than futile and hopeless labor.”

——Albert Camus (1913-1960), The Myth of Sisyphus

制定真正的投资策略需要做的几件事：

- 数据的收集，处理，结构化

- HPC（高性能计）基础设施的建设

- 软件开发

- 特征分析

- 测试等

即使这些都齐活了，但是你今天在做这个，明天再做那个，永远是一个失败者，你永远是徒劳的，看似很累很辛苦，但是你没有把一件事做到极致！

所以正确的做法应该是：像车间那样，有人生产轮胎，有人生产发动机，分工明确，每个人的工作互不影响，有独立的考核标准，每个人都能做到部分最好的。同时也要对整个流程有统一的看法。个人和全部几部分离也不脱节。

每一个成功的量化公司，都会用到这个模式，他就是META-STRATEGIES

来自Man Numeric更详细的实践案例

当一个新的研究完成后，如何应用到最终的策略中？谁来决定是否采用？这是研究团队管理中会经常遇到的问题。Man Numeric提出了一种方法，通过建立"专家小组"来减轻人类偏见对投资决策的影响。该小组基于德尔菲模型技术，汇聚多样化的观点，共同评估新的量化研究提案，旨在激发集体智慧，提升决策过程。

专家小组的设立突破了传统投资委员会的结构限制，由公司内不同团队的成员组成，作为投资委员会的咨询机构。小组成员通过匿名投票和评论，独立地对每个提案进行评估。这一过程利用了德尔菲模型的匿名性，以消除群体中的偏见，鼓励成员表达真实观点。在未能达成共识的情况下，会进行第二轮投票，允许成员根据他人的评论调整自己的立场。此外，为减少群体思维和权威偏见的影响，提案陈述是讨论的基础，个人意见会匿名收集。

实验结果表明，专家小组的引入显著提高了决策过程的质量和效率。通过集体智慧，投资决策阶段的时间缩短了35%。小组成员对讨论的想法和项目有了更强的所有权，团队间的界限被打破，促进了知识共享和信息流通。此外，参与度的提升和对项目终止或转向的决策信心加强，也反映了专家小组在提高决策质量方面的作用。尽管过程中需要一些调整，如更明确地界定提案范围以防止参与者疲劳，但总体而言，专家小组的实施为投资决策带来了积极的变化。

MACD金叉信号形成，这些股涨势不错！