快速导航

联系我们

010-64168475

地址: 北京市东城区东中街丰产支路9号东环广场A座写字楼9层
邮编: 100027
电话: 010-64168578
传真: 010-64748699
邮箱: service@lujialawyer.com
连续7年年化收益20%蒋晓炜:我在华尔街如何做量

来源:fun88乐天堂     发布时间:[field:pubdate function="MyDate('Y-m-d',@me)"/]

  量化投资,始终是证券投资行业最隐秘的一个领域;手握重金的量化对冲基金经理,在大众心目中也一直蒙着一层神秘的面纱。

  纽约华尔街、伦敦无疑是全球对冲基金的两大重镇。由于华人在数理化方面比较优势,目前在华尔街从事投资的华人中,基本集中在量化投资领域施展。

  美国时间9月30日下午,在曼哈顿中城,冰哥采访了在华尔街从事量化对冲投资已有12年的蒋晓炜,很温和的笑容,告诉我在上周二(9月24日),他刚刚从工作了5年的Welton公司离开,10月1日将正式入职到一家总部在伦敦的对冲基金GSA Capital的纽约办公室任职。

  纽约大学毕业后,从2001年到2007年,蒋晓炜先后在美国一家能源集团、瑞银集团(UBS)、联博基金(AllianceBernstein)这三家机构从事了近6年的研究工作。2007年,他正式开始了量化对冲的投资工作生涯,先是在克林顿集团 (Clinton Group)担任基金经理和首席策略师,为克林顿集团的量化股票基金(CES)创下7年每年年化20%的收益率;2014年9月,跳槽至Welton Investment Partners(WIP)担任合伙人、基金经理、首席策略师,为WIP创建量化投资基金团队。2016年,他荣获美国HFM对冲基金年度最佳业绩 (对冲量化股权类)。

  行文至此,有必要从网上搬一段通俗的说明:“量化对冲”就是“量化”和“对冲”两个概念的结合;而“量化”指借助统计方法、数学模型来指导投资,“对冲”指通过管理来降低组合系统风险,获取相对稳定的收益。实际操作中,对冲基金的管理往往采用量化投资方法。

  那么,华人在华尔街从事量化对冲的现状如何?量化对冲基金经理,每天上班都干什么?他是通过什么方法来赚取收益的?量化投资这个方法赚的是谁的钱?一支好的量化基金是什么样的?

  肖 冰(前海宜涛资产合伙人):蒋总,今天非常高兴能在纽约你。听说你是上周二刚刚离开上家公司,即将入职一家新的对冲基金公司,请介绍一下这家对冲基金公司的情况,以及你将在这家公司投资工作的主要内容?

  蒋晓炜:过去这十二年,我一直在华尔街做量化对冲,10月1日将入职这家公司名叫GSA Capital,总部在英国伦敦, 2006年从德意志银行里面分离出来的,以前是在德意志银行里面做的非常成功的一个量化团队,这个团队出来以后做了一个量化对冲基金,开始是一个单策略,后来慢慢变成多策略,在伦敦总部有几百人,三年前在纽约成立了办公室。它的总体管理规模有一百多亿美金,在业界算是一流的对冲基金公司,投资领域主要是二级市场,有股票、固收、外汇、期权期货衍生品等,期权期货衍生品里面还有一些固收衍生品。

  说到量化,你能想到的名字就可能是文艺复兴、DE Shaw、Two Sigma、 Millennium这些公司,因为那些公司都是美国的,所以我们听到的多一点。英国其实有几家非常不错的量化对冲基金,跟美国是平起平坐的,比方说Winton、 Man Group、 GSA都是英国几家最大的,但是对它们的报道少一些。全球范围,量化对冲在纽约和伦敦两个地方做的最好。

  这家公司GSA的体制有点像事业部,每一个团队核算盈亏,英文叫做 silo porfortlio manager或者independent porfortlio manager。这种模式基本上就是我自己有一个团队,这个团队负责开发策略,交易以及风控,盈利后我们团队和公司进行比例分成,在这家公司我也将负责这样一个投资团队。

  除了我团队自己做风控外,同时公司层面也有一个总体风控,比如某个产品净值出现比较大的波动以后,公司会对每一个团队进行风控。

  蒋晓炜:这两套风控是平行的。我自己的风控是从我的建仓开始做,比如说我建仓之前就知道我的风险敞口应该怎么设定,然后我把这些设定都放在一个模型里面,最终出来的资产组合,已经把风控考虑在里面了。

  蒋晓炜:华尔街的基金公司分两类,一个是做mutual funds(共同基金或者国内讲的公募基金),另一个是做私募,或者对冲基金。我这两块都做过,我以前是从联博基金(AllianceBernstein)出来的,这是一家比较大的共同基金公司。

  华人在华尔街看共同基金里面做到中层职位的有不少,但是做到比较高层的就少了。比如现在纽约人寿保险公司下面的一家投资管理公司,我在联博基金的老同事江平做到了它的CIO(首席投资官)。

  蒋晓炜:我觉得对冲基金的竞争更加激烈,要做好需要一种全才通才,不论是市场经验、策略、领导能力、沟通能力,都要求非常高,这个的确。在对冲基金待了十二年,我觉得对冲基金行业绝对是汇聚了顶端的人才。

  华人在华尔街做量化这块是挺多的,做基金管理投资的话基本是量化对冲为主,做主观对冲或者主观操作的相对较少,这也和我们中国的教育体系有关,量化数学这方面基础比较好;其次,做主观对冲要跟人打交道,而由于文化的差异,导致华人在这里做投资时不如跟机器、跟数字打交道来的自然。

  现在在纽约的量化对冲基金公司里面,包括在Millennium或者Two Sigma都能看到不少华人的面孔,而且有一些华人在基金公司里面做的还是不错的。有做到中层的部门经理的,但是做到公司管理层的几乎没有。

  有一个现象很有意思,虽然印度人在量化对冲基金这个行业里面绝对人数没有中国人多,但是他们有不少是做的非常好的,能够做到部门的头,有的甚至做到了公司的高层。

  蒋晓炜:对,共同基金在美国虽然也有它的盈亏压力,但是因为它的整个销售、售后服务、管理体系已经非常健全,每个个人扮演的角色相对少,你要体现出自己在某一方面的领导能力就已经足够了。但是在对冲基金行业里面,是有一个非常强的survival bias(偏差),就是优胜劣汰,所以说你的专业知识、市场方向把握、策略优劣、领导能力、执行能力,方方面面都要具备,而已经淘汰的对冲公司它就在历史上了,这个公司也就被人遗忘了。

  蒋晓炜:我举个例子,我以前在的一个公司,它的管理规模曾经达到全世界对冲基金排名排第三位,但是在2007年的时候主要投的是次贷这方面的mortgage backed security(抵押担券)那些结构化产品,结果面临巨额亏损,之后就一蹶不振。这个当然有运气的成分,但是对市场方向的把握,就显得至关重要,因为不像mutual fund每个产品界限都非常明晰,而对冲基金的投资相对来讲灵活一点,如果船调头不及时的话,很有可能一个大浪就把你给卷走了。

  蒋晓炜:现在这家公司我刚过来,就说说我工作的上一家公司Welton,在那我是全面负责公司股票对冲这方面的业务。工作中,我面对各式各样的人,比方说我会面对投资人做演,我曾经有一段时间,在一百天之内见了50个投资人,其实可能你觉得这50个并不是那么多,但是问题是你做空中飞人,要跑不同的城市;然后公司市场部可能给每一个投资人都准备了一套不同的个性化的材料,要跟市场部的人沟通,他们告诉你说这个客户的背景是什么,投资偏好是什么,我们要根据客户的投资偏好去针对性地讲一些我们的东西,每个演的材料都要捋一遍,那么这个工作量就非常大。

  蒋晓炜:都有。我工作的第二块内容,我们也叫做执行,我会面对prime broker,即主券商,或者机构券商。这个机构券商不是那种零售券商,我们这里有区分。跟他们沟通,比方他们的交易平台、交易接口、交易所怎么介入,延时是多少。“延时”就是:我们发一个单过去,到券商最后执行那个单子,在交易所完成这个单子需要多少时间。

  工作内容前面说了两块:第一个是见客户,第二个是执行,现在说第三个:策略的研究和制定,这个是最大的一块,我们公司的空间、我们的优劣主要是从我们的策略来的,策略不好,什么都不用谈了。比方我们做一个量化对冲基金,我们看什么样的市场因子能够赚钱,我们是做择时、做动量选择、还是做多方还是做空方,这些都是策略的组成部分,你赚钱的法宝就是策略。

  蒋晓炜:对,阿尔法因子。这个就是我大概60%到80%的工作精力都在这,这是我们的立命之本。

  蒋晓炜:做策略方面有几大块,第一是选择数学模型,通过理论化的研究或者分析,看看哪些数学模型比较适合我们;第二是数据采集,数据采集这边,有很多非常优秀的数据提供商,比方说透,比方说彭博,标普。我们从他们那边采集来数据,进行数据分析、整理、清理,因为数据比较混乱,要进行清理,这里面有大量的数据分析、数据研究和编程的工作。

  然后你看什么样的因子有效,因为这个市场数据量这么庞大,有些是我们之前积累起来的,有些是我们看论文,或者说我们看一些出版物来进行分析,从中获取一些灵感,再有一些就是我们叫做自有产权,是我们自己进行的思考,通过分析得出来的一些结果,有点像一个教授他写论文时自己产生的想法。我们自己采集来的数据也要进行验证,也要进行回测。这是我们平时研究策略的具体工作。

  蒋晓炜:现在的大数据,包括数据的获得,数据的处理的这个量和速度比以前快几十倍、上百倍甚至上千倍,所以如果没有这个大数据的帮助,无论是心理因素也好,还是实质的结果也好,那些做主动性投资的人会面临压力,他的业绩如果有滑坡,他可能自然而然会想是不是他的业绩是被那些使用大数据、人工智能的人夺走了。所以说越来越多的人他会往那个方向去尝试去努力,但这个方向是不是最终真的能让别人有超额收益呢?这是一个问号。而且最终的结果有可能是:当大家都朝一个方向努力的时候,这个市场是一个很诡异的东西,一旦市场朝一个方向走的时候就变得拥堵,拥堵了以后,首先你的阿尔法被稀释掉了,然后有可能大家在退出的时候,同时退出,发生市场踩踏,这个踩踏最近出现的频率越来越多,而且踩踏的迹象越来越明显,这个大家都知道,但是大家又没办法,因为比方说市场上好的股票就这么一些,大家都在追捧,最后踩踏的时候你也跑不掉,就是这么一回事情。

  肖 冰:你在上一家公司的主要工作,主要包括见客户、执行(和主券商进行沟通),以及开发制定投资策略。这三块工作分别占你时间的多大比例?

  蒋晓炜:初期的时候我们会把更多的精力放在建设基础构架上,包括怎么样跟机构券商进行接口。工作进入正轨之后,主要还是研发策略占60%到80%,剩下20%到30%是对基金组合的日常管理,就是仓位管理,对组合进行分析这些方面的东西,就是基金管理人的日常工作;还有少量精力放在系统的和开发、见客户。

  肖 冰:量化投资大致可分两大流派:一派是模型驱动,分CAPM单因子模型、多因子模型;另外一派是数据驱动,从纯数据的角度出发,代表公司就是西蒙斯的文艺复兴。请问你是归类于哪个流派?

  蒋晓炜:我们是模型驱动的,多因子模型。我们不做纯数据挖掘,也不做pattern recognitions (模式识别,是指通过计算机用数学技术方法来研究模式的自动处理和判读,把与客体统称为“模式”)。

  肖 冰:你过往的业绩不错,比如曾经为为克林顿集团的量化股票基金(CES)创下8年每年年化20%的收益率,也拿了一些项,请问你是通过什么方法来赚取收益的?

  蒋晓炜:我赚取收益的方法比较简单,主要是看一些传统的市场上的一些信号或者说是因子,我们并没有大规模的采用人工智能或者机器学习的方法,但我们也在研究。我认为作为一个好的投资经理,不管是量化还是主动的,你首先是要对这个市场进行判断,你要对这个市场有一定的认知,包括风险的认知,本身市场机制的一些认知,这些我们是基本面的东西。

  数据是辅助你去实现去完成整个投资流程,我不是特别赞同本末倒置的方法,就是先拿一套机器学习的方法,再拿过来大数据,在里面滚一下得出一个结果,这个我们叫做数据挖掘,数据挖掘在大数据、数据分析里面常流行的一套做法,但是我觉得在做一个好的基金管理人来讲,这套东西行不通。为什么呢?因为比方说巴菲特他说他搞价值投资,人人都在追捧价值投资多么多么好,多么多么神奇,这个我们叫做一种学派或者流派,就像有人追捧科技股也是一种流派,这是基于人的经验做出的判断。

  那么如果完全通过机器来学习、来投资,而机器是没有人的经验的,这又要回到人的智慧这方面,人的经验、智慧有些时候的,比方说你为什么说价值投资是一定是能成功的呢?反过来讲有些流派也说价值投资其实也叫做“价值陷阱”,一旦掉入价值陷阱,这些看似有价值的股票其实是一个周期性的股票,或者虽然看上去公司的资产挺不错,但是它没有盈利能力,那股票价格也上不去,这也是一种观点。

  所以,我认为要用基金经理各自的理论和经验来指导机器,树立对应的模型框架,这个量化投资系统才能转起来。

  蒋晓炜:比方我说做价值投资,也是我投资中用的一个因子。价值投资在2000年以后,尤其是2008年金融危机以后,受到了巨大的挑战,巴菲特这套东西不是那么玩的转了。价值投资本身也是一个非常流行的量化因子,这时候我们就要分析为什么?其实价值因子包含了一种因素:你把价值因子的历史盈亏或者业绩单独拿出来,做一个时间轴状态的分析,你发现这个分析跟宏观周期比较吻合,那就有意思了。那么这个价值因子和宏观周期吻合的结果,你会发现它其实又跟股票的贝塔因子(编注:贝塔是衡量基金收益相对于大盘指数的相对波动性的指标)又吻合了。有了这个理论指导以后,你就可以去做模型了。

  蒋晓炜:很多人觉得价值模型一定能赚钱,通过分析,我现在要说的是:价值模型要做调整,要随行就市,跟着经济周期来和市场周期来,才能赚钱。当然具体怎么操作每个人都有自己的不同做法。这就是我们研究的过程与结果。

  我们的投资在这一块的收益还是不错的。总体来讲我们夏普比率保持在1.5%到2%(编注:用基金净值增长率的平均值,减去无风险利率,然后再除以基金净值增长率的标准差,就可以得到基金的夏普比率;它反映了单位风险基金净值增长率超过无风险收益率的程度,夏普比率越大,说明基金单位风险所获得的风险回报越高。)。

  蒋晓炜:从量化角度来讲,风控是有它自己的方法,通过风控模型和一些资产优化建模来实现。这套东西是在整个流程里面人为介入最少的一个部分,就是说我相信我的风控模型。

  蒋晓炜:风控这一关如果你加了人为的因素,就可能会有偏颇,就有偏差,就是把你的主观想法放在里面了。风控应该是一个客观的东西,包括各种风险敞口。这套模型本身来讲我们认为是长期有效的,它不是根据市场的变化而迅速变化的。

  蒋晓炜:对,它有些内在的逻辑。比方说股票里面科技板块,科技板块内部的股票之间有关联性,这个关联性可能就会长时间维持在某一个水平上。

  蒋晓炜:对。然后银行股之间又有某种关联性,这种关联性我们认为是相对稳定,而且不是完全按照市场涨跌,它内在有一定的关联,有一些内在的因素它有“同涨同跌”的性质,所以基于这个,我们假定它是一个长期有效的模型。从实际操作看,最后的有效性还是不错的。

  蒋晓炜:一个有意思的例子是这样的,我们在投资的时候有一种投资大块叫做动量投资,动量投资用散户的语言来讲叫做追涨杀跌。之前在长的历史跨度里面,这种策略是赚钱的。

  蒋晓炜:90年代中后期的时候,慢慢开始失效了,当然失效不是说完全失效,动量投资它在某一种状态下是赚钱的,但是如果你用这种方式去持续的进行投资,比如五年以上,你会发现净值表现就像坐电梯一样,这就带来一个问题:就是说它的因子我们叫动量因子,和风控模型有一个不匹配的问题。

  蒋晓炜:就是说我的长期风控模型很有可能把动量因子给抹掉了,因为它认为追涨杀跌是不好的,而基金管理人如果说他喜欢这个因子,他认为这个是好的,两者就出现矛盾了。这时候你就要权衡,你是相信动量因子的呢,还是相信风控模型?无论你相信哪一个,你就会损失另外一个。

  如果作为散户无所谓,我今天坐个电梯,明天还能赚钱。作为我们这种职业经理人来讲,就有一个问题,我们叫回撤,投资人往往在赚钱的时候你开心我开心大家都开心,一回撤的时候哪怕回调到他原来赚钱的50%,即我原来可能赚100%,我就掉下来50%,他就是不那么开心了,他会把钱赎回拿走。这个我们叫“不对称性”,是投资理的不对称性。

  所以说你就不能去用那个动量策略,或者说你在用动量策略的时候你得要小心,或者说你要做一些更深入的研究,或者用择时。我第一次是在2007年2008年的时候碰到过类似的情况,动量策略给我们带来比较大的回撤,后来就吃一堑长一智,我们也用,但是我们用的方法就不一样了,最大可能的减少回撤。

  蒋晓炜:第一个看看怎么样做,在风控模型和动量模型之间进行一些数量化的研究,看看到底是什么样的投资回报/风险比的界限,你不要在这个指标上过渡投资,也不要不投资。

  举这个例子,我想表达的一个就是说:千万不要忽略了阿尔法因子和风控因子之间的一个互动,这个互动非常的有效,能够给你带来你预见不到的收益,或者预见不到的业绩支撑。业绩支撑不一定是收益,有可能是你的回撤减小,这也是你的收益。所以我们最后学习到的东西就是这之间的互动关系。

  肖 冰:下一个问题,比如我做价值投资,号称我是赚企业增长的钱,那量化投资你这个方法赚的是谁的钱?

  蒋晓炜:其实在这个量化的过程中赚谁的钱,有几种方式可以研究,第一个这里面还是有分类的,如果是我们做量化高频的话,量化高频就是赚其他的交易者的钱,比方说我割韭菜,这个韭菜是高频韭菜,比方说我们“买一”和“卖一”之间的一些差价,我通过这个来赚非常非常小的短差。

  蒋晓炜:如果说我们是做中高频,有可能我们赚的是其他散户和其他低频公募基金的钱。我就举个例子,指数有两种设计指数的方法,一个是等权重指数,另一个是按照市价指数。等权重指数有一个很大的问题,如果说Facebook涨了100%,苹果只涨了50%,那么Facebook在指数中占的权重就上升了,苹果占的权重就下降了。如果你是一个这个等权重指数的基金经理的话,你得采取一些措施,使得基金能够完全指数,那时候你只能卖出Facebook、同时买入苹果的股票,那你就知道了,如果你是等权重指数的基金经理的话,哪个股票涨的越高你就卖谁,谁没涨那么多我就买谁,这也是一种策略。我们按照这个思往下走,假设这个市场的等权重指数的基金ETF它的规模越来越大,管理这些ETF和指数基金的人,他势必要进行不停的调仓,不停调仓的结果就是说:指数里的某个股票一旦涨幅上升了,它很有可能会要卖掉,股票价格就可能会跌下来。这时候你就去测量这些股票的在等权重指数基金里面权重的失衡,有可能你会找到一个小的幅度的获利空间,你比指数基金先行一步,你先去卖或者买,你有可能就赚钱了。

  蒋晓炜:好的量化投资基金其实就是主动来风控,它的净值涨跌相对来讲比较平稳,也就是说不一定赚取很高的回报,但是我的夏普比率一定要高,我风控能力要强,我的回撤一定要低。这是我们觉得最终的指标。

  蒋晓炜:客户也有需求是这样的,因为大多数投资量化的客户,他不希望获得超高回报率,但他希望获取平稳回报率。

  肖 冰:作为一个量化投资经理,你做了十二年,你的投资或者投资策略的核心是什么?请举例说明。

  蒋晓炜:我投资策略核心就是:我的策略是一整套投资流程,各种模型模块之间的有机互动,里面是缺一不可,不能忽略任何一个环节,从量化策略的研发到最后的执行和执行结果,不能少任何一个环节。有些人往往只注重阿尔法,但忽略了很多别的方面,比方说风控,比方说执行,比方说归因方面的东西。

  蒋晓炜:我觉得是这样:我的个人经验是基本上所有的资产类别大类我都接触过,包括固收、私募衍生品、期权期货衍生品、股票、大商品,所以我对市场的判断有一个比较总体的概念,我对于风险敞口会出现在什么地方,对目前市场的一些隐含的风险因子等等,有一个比较明确的判断。我并不是一定就判断的比别人准,或者我择时也不一定准,但是我可以负责的说:我把这些自己的一些判断和理解放到风控模型或者说建仓模型里面,我可以在业绩的平稳度要比别人强。

  蒋晓炜:因为我目前还着重于量化股票这一块。之前在联博基金的时候我是做量化固收的,知道在市场上做量化固收、尤其在对冲基金这个领域做的并不是很多,所以我下一步做的更多的是:把这两者结合起来。

  蒋晓炜:对,把这两个统筹做一个更大的盘子,这两个是有关联性的,而且是互补性的。这是我接下去要着重做的一个东西,目的是希望给客户带来更加稳健的收益。

  蒋晓炜:最大的挑战是来自的挑战,有些时候老是觉得自己想法枯竭,怎么挑战自身,这是最大的问题。

  蒋晓炜:第一个,我还是要多听听年轻人的想法,后生可畏!第二个,我觉得我们一直在探寻不同的子,比方说我们一直在做机器学习和人工智能的研究。


 


                                                        fun88乐天堂投资基金管理(北京)有限公司