七禾網注：嘉賓回答僅代表其本人觀點，不代表七禾網的觀點及推薦。金融投資風險叢生，愿七禾網用戶理性謹慎。

上海均直資產管理有限公司

公司成立于2015年3月，專注于股票和商品期貨量化策略，為機構投資者和高凈值客戶提供專業的資產管理服務。公司擁有自主研發的量化研究系統和程序化智能交易系統，團隊成員均畢業于海內外名校，核心人員曾長期在境內外頂尖金融和專業服務機構工作。

秉持著打造第一流量化投研交易平臺的理念，用最優秀的人，正確的方法，為投資人提供長期穩健的收益。

楊小雨（筆名：漁陽）

上海均直資產管理有限公司投資總監。曾著有金融類暢銷書《亂世華爾街》。

精彩觀點

我認為量化交易需要兩種能力，如果是新入行的年輕人，主要是數學能力和計算機能力。

我建議年輕人一定要在技術上面多下工夫，只要這點做到了，肯定這行里有你的一席之地。

我個人認為量化在很大程度上是一個工程學的問題。你找靠譜的量化基金來聽他們路演，大家講的都差不多。你捂上名字，可能很難說出誰是誰家。那為什么最終業績會不一樣？或者關鍵時間點的業績不一樣？很大程度取決于這個工程學的實現。同樣一件事兒，也可能策略一模一樣，工程學問題解決不好的就不行，工程學做得好的就能賺錢。

我們最基本的投資哲學：量化投資本質上是一個概率游戲，或者說是一個統計學游戲。

說實話沒有一招鮮，單看任何一個信號、任何一個品類、任何一個技術細節似乎都不那么重要，但它們組合起來一起用，才能夠看出優勢。

超額收益的穩定性主要靠多策略。

至于超額收益來源，則要求高信號質量，快執行速度。

總的來說，你不去擇時，我覺得多半不會錯，你去擇時，就需要小心。

正反饋不可能永遠持續，負反饋也不可能永遠持續。

有時候賺錢，一定程度上靠運氣，但是怎樣活到你運氣好的那天呢？這就要靠風控。不能亂下注，有機會的時候再下注。

我認為人才首先是需要能夠學到東西，能夠發揮出自己能力的這樣一個舞臺。

量化機構不僅要做好投資，還要知道本質是服務好客戶。

問題1：楊總您好！感謝您在百忙之中與東航金融&七禾網進行深入對話。您在美國創辦過量化對沖基金，曾在瑞士信貸銀行擔任過IT工程師，法國巴黎銀行擔任過固定收益自營交易員，您在美國有令人羨慕的事業，為什么會選擇回國發展？

漁陽：有以下幾個原因。首先，從事業的角度，中國有更好的機會。我們國家在2014年下半年私募陽光化，我在2015年初選擇回國。在此之前，我一直關注這方面的機會。原來中國沒有對沖基金，后來忽然有了。我一直有一個觀點，在《亂世華爾街》當中也寫到過，并反復提過，新游戲是最容易賺錢的。當時對沖基金在中國是個新事物，量化也是個新事物，那么顯然機會非常好，從過后時間的發展，我覺得也是這樣?，F在中國新增的百億基金，主要也是量化，我們雖然還沒有做到百億，但我們也在向這個方向前進，所以這是第一個原因，機會很好。

第二，美國市場，賺錢越來越難。在一個市場做得久了，會覺得新鮮感變少了。我們知道有效市場假說，玩得越久，會發現這個市場越來越向有效的方向走。事實上，從過去這六七年的經驗來看，這個判斷也是正確的，美國的對沖基金總的來說是越來越難做了，原來一些耳熟能詳的基金，后來業績都不是太好，現在剩的沒有那個時候多，而且剩的主要也是量化機構。量化這行本來競爭就非常激烈，用咱們的話來講，卷得很厲害。所以當時選擇回國發展就是選擇一個相對不那么卷的市場。

最后，也就是個人方面，我覺得那時候孩子還小，說回國要帶他在中國生活幾年，這個目標也都順利實現了。

問題2：您有24年行業實戰經驗，跨越牛熊，涵蓋中美兩國金融市場，站在一名交易者的視角，從美國到中國，有什么不一樣嗎？

漁陽：有很多基本的邏輯還是比較相似，特別是涉及人性方面的。另外，涉及到整個經濟周期，包括貨幣政策周期，相似的成分居多，并且我覺得這是金融市場最重要的驅動力。

再看不一樣的方面，我覺得在市場發展的微觀結構上有所差異，以及市場發展的周期，或者說生命周期不太一樣。美國還是發展在咱們前面，比如以美國的量化為例，它應該是80年代末開始的，最初是一些套利策略，包括摩根士丹利，都是80年代末開始的。我們現在耳熟能詳的一些大的對沖基金像Two Sigma、Citadel，他們大概都是2000年前后創立的，這基本上比我們要快15到20年。但有一點是我當時在回國前可能考慮的不夠充分，覺得所謂的拿著國外的先進經驗回到這來還有優勢，拿著先進武器來吊打別人，但實際上我發現我們國家人學得很快，另外我國市場也有一些獨特的地方，所以大家基本上還是站在一個比較平等的起跑線上來做投資。

最后一點，我還在思考，就是中美市場可能從宏觀的頂層設計上是不一樣的。它體現在微觀的交易層面，也會有所差別。美國是自由資本主義經濟，可以理解為市場原教旨主義，認為市場的存在就是正義的。所以任何干預市場的行為都是政治不正確的等等，他相信市場本身。但中國，資本市場是被認為發展經濟的一種工具，它有更高層次的要求，比如經濟發展 、人民的美好生活是第一位的，市場的存在是為這個服務的，所以我覺得這會導致很多政策上面的不一樣?？赡茉谥袊?，更多的是要理解政策，要理解現在是鼓勵什么，不鼓勵什么，這可能是中美一個比較大的區別。

問題3：您在學生時代在中美頂尖學府有過數學、計算機、金融工程的學業背景，請問這些基礎學科的學習對您日后創辦量化私募有多大幫助？除此之外，您覺得量化交易還需要哪方面學科的積累？

漁陽：對于量化私募而言，這些基本是必備的。像我最早是北大數學專業畢業的，然后在美國密歇根大學學過計算機，在加州大學伯克利分校學過金融工程，這在量化機構里算是一個比較標準的簡歷，說實話談不上特別頂尖，因為還有很多人像IMO，國際奧賽金牌這樣的選手。

除此之外，我認為量化交易需要兩種能力，如果是新入行的年輕人，主要是數學能力和計算機能力。在當下時代，我個人認為計算機能力，我們俗稱動手能力，可能還更重要一點。因為在剛入行的時候，先得會搬磚，然后慢慢的才能夠有機會做一些有創造性的工作。而會搬磚這項技能，只要學就能學會。而創造性的工作，并不是每個人都能做的。所以我建議年輕人，一定要在動手能力上面加強。我們在面試過程中，很多人是怎么被刷掉的？無論在中國還在美國，都有一個共同點，就是因為他干不了活兒，或者他干活兒能力不夠強才被刷掉，根本沒有機會來看你是否有創造力，還沒到這個層次。

另外反過來說，你最后從事比如信號研究、數據研究等工作，你的效率以及準確度都非常重要，那效率和準確度來自于什么呢？很多時候也是你做事比別人快，你計算機玩的熟，你寫的程序跑得快，出錯少，這樣你才能有所突破。所以我建議年輕人一定要在技術上面多下工夫，只要這點做到了，肯定量化這行里就有你的一席之地。至于能不能做到后面，我覺得要看運氣，要看個人的天賦或者造化，因為都是很優秀的人，能不能卷得出來，這是不一定的。

對于比較有經驗的，或者是投資經理這個級別的，我就不好說應該做什么了，因為每個人都在積累，每個人可能最后也會形成自己不一樣的風格。對于我來說，可能算是略微另類的，因為我是交易員出身，所以我還是傾向于站在交易的角度來看待這個市場，我認為市場的本身并不是由數據構成的，量化有幾種類別，就像你在電腦上看一幅圖一樣，你可以認為它是由點陣構成的，這可能是經典量化的觀點，但是我會認為這是一幅圖，那么這些點只是來表達這幅圖，我企圖去理解更宏觀的層面。那么量化的方法也好，模型也好，更多的是我高效率來表達交易觀點的一種方式?？赡苌晕⑿W一點兒，但我的確是這么想的。

問題4：除了均直資產的創始人，您還是一名知名財經作家，您根據自己的投行交易經歷寫出了暢銷書《亂世華爾街》，帶著讀者體驗華爾街乃至全球經濟的風云變幻。這段華爾街交易的經歷對您在中國私募行業的發展有怎樣的幫助？

漁陽：重要的是積累。首先，我認為做交易這事兒，有很大的經驗成分在里面，特別是經歷過一些大周期，是有幫助的。比如現在我們身處2022年，美聯儲正好是一個比較大的加息周期，這期間發生了很多事情，跟2008年那波有點相似，再往前跟2000年導致互聯網泡沫的加息周期也有點類似。所以我覺得經歷過一些大的周期，會有一些宏觀的感觸，這些對我有幫助。

第二，我覺得實盤交易像打仗一樣，紙上談兵容易，真上了戰場，感受完完全全不一樣。當我做交易員的時候，做的是債券，不但要用模型，很多時候還直接和人打交道，在電話里跟人家嚷嚷，有點像在一線打仗的感覺，每分鐘都有盈虧，市場波動的時候盈虧還是很大的，有點兒像戰場上一個老兵，你聽見過槍響，躲過炮彈，我覺得這種經歷有很大的好處?，F在做的雖然是量化交易，也是一樣的，市場機會來了怎么辦，波動率大了怎么辦，有回撤了怎么辦，這都是經驗的積累。至于當時寫這本書，就算是玩票。當時有個朋友鼓勵我說，“你這經歷挺有意思，而且你本人也比較善于講故事，不如寫出來給大家看看”，所以我就寫了。那后來也確實有不少讀者跟我說，“看了你寫的書，我覺得在華爾街交易很有意思，后來我就做了交易員”。所以我也帶了不少人入坑。

問題5：量化投資在歐美市場已經成為一種相對主流的投資方式，我國的量化投資雖然起步較晚，但隨著人才、設備、技術等日趨完善，我國量化行業也正逐步走向成熟。作為量化私募，您覺得在量化投資的賽道中跑贏的核心是什么呢？

漁陽：量化投資是利用計算機以及數學模型在分散化投資，所以從宏觀上來講，量化投資犯的錯誤比較少，特別是人類的常見錯誤，比如交易方面的幾個常見誤區：

首先，人類容易過于自信。網上的財經大V，包括一些比較愛說話的主觀私募基金經理，普遍都非常自信，他告訴你茅臺肯定漲，看好一定會怎么樣，其實這是一個過于自信的表現。在我們量化人看來，我也可能承認茅臺是一只好股票，但它上漲的概率可能只有55%，就是這么一點點概率優勢，而不是一定會怎么樣。當過于自信的時候，你就會犯錯誤，因為你在不應該下很大賭注的時候，下了很大注。如果你運氣好， 可能會一戰成名。但人不可能一直運氣很好，下一次運氣不好，就垮下來了。這種例子也很多。然而量化是看數據說話，一般來說不會過于自信。我們不會在一個策略上押太多資金，這從數學的角度上是錯誤的，量化不會犯這種錯誤。

其次，對于風險的認知，我們是人，會恐懼。有時候覺得完蛋了，天塌下來了，我得跑！這是人容易犯的錯誤。但是量化，同樣是看數據，我們通過分散風險，或者對風險的認知，不會做這種極端的事情，一般不太會在貪婪的時候追，也不太會在恐懼的時候跑，這樣量化犯的錯誤就少了。那最終從數學的角度來看，可以把量化理解為兩大維度，第一是管理好風險，通過分散投資降低風險，這是量化擅長干的事兒。第二，根據盈利概率分散籌碼，或者分散下注，盈利概率高的機會，就多下一點，盈利概率低的就少下一點，這就達到數學上接近優化的狀態。我們不會覺得有什么是100%的把握，但是我們也同時鋪的面很開，這就導致我們不太容易犯錯誤，或者說不太容易犯大錯誤。再進一步，我們覆蓋面比較廣，我認為這就是量化能夠表現比較好的一個原因。像2022年很明顯的就是量化最靠譜。

今年不是大年，股票基金虧錢的是絕大多數，但是量化策略普遍跑贏了指數。平均而言，差不多跑贏指數10%，這很好了，而且是整個行業，不是個別基金。我們要比這個多一些，我覺得我們是屬于做的比較好的。

另外，我覺得現在所有投資里面都有一定量化成分，即便是主觀投資經理看數據或管理風險，也會用到量化的一些想法。我個人認為，未來的發展趨勢，大家的量化成分都會增加，看美國也是這樣，量化基金本身的占比在增加。同時，大家在做投資的，不管是什么風格的投資經理，最終的量化策略都會增加。美國現在前十名的基金已經一大半都是量化機構，這里面既有像Renaissance，Two Sigma這種純量化的，也有像類似橋水這種比較量化的基金，像以前純靠主觀策略的已經很少。

問題6：您們想賺市場上哪一部分錢呢，又是如何通過技術去實現的呢？

漁陽：這是一個很好的問題，我也一直在思考。有部電影叫《Margin Call》，里面有個大老板說過這么一句話，我覺得很有道理，他說，你想在市場上賺錢，無非三種方法，Be first，be smarter，or cheat。出手快，更聰明，會耍賴。我覺得大體上也逃不過這三種方法，當然cheat是不行的，欺騙就違規了。也不是沒有欺騙的人，但這是違規的，像掛釣魚單，那肯定最終要被罰。還有的發現了券商的接口漏洞，這些違規的方法都不可取。合法的方法，第一是快。天下武功，唯快不破。第二是你比別人更聰明，我們也期望賺這兩種錢。談到“比別人更聰明”，量化的特點是處理信息的能力比較強，可以同時眼觀六路，耳聽八方，看很多數據，并且尋找其中復雜的規律。這也是為什么現在很多人在嘗試使用機器學習模型，無論是截面的，還是從時間序列上挖掘一些相對復雜的但也真實存在的規律，都屬于第二種方法，你要比別人更聰明，你的效率要更高。

“出手快”落實在交易層面上是高頻。我們有一部分是高頻或者偏高頻的策略，就是反應很快，有機會來啪就下單了。還有一種快，相當于博弈，因為總有人行動比較緩慢，可能錢比較多或受其它自身特點約束，那你可以跑在這些人的前面。一般趨勢策略都是這樣，一大波行情來了，螺紋鋼從5000點到6000點，你5100沖進去就賺錢了，所以我們企圖賺這種錢。如何通過技術去實現呢？首先我覺得還是效率的問題，這跟上述所講的應具備什么技能等有點類似，即我們企圖高效率的去覆蓋很多數據，追求用好的數學方法提煉出精髓。在實現的過程當中，很多是靠計算機系統，包括物理布局、機器設備等，所以我個人認為量化在很大程度上是一個工程學的問題。你找靠譜的量化基金來聽他們路演，大家講的都差不多。你捂上名字，可能很難說出誰是誰家。那為什么最終業績會不一樣？或者關鍵時間點的業績不一樣？很大程度取決于這個工程學的實現。同樣一件事兒，也可能策略一模一樣，工程學問題解決不好的就不行，工程學做得好的就能賺錢。

我經常跟人家說，量化投資就像造汽車一樣，都是四個輪子上扣一個殼子，但是不同品牌的汽車質量很不一樣，量化也是這樣。