君晟年会特辑五金融工程12号申万杨国平

量化和主动融合是证券投资的核心竞争力__兼谈金融工程研究的三大新趋势申万宏源金融工程部杨国平与宏观、策略、行业相比，不少投资者对金融工程是干什么的？对投资有什么作用，了解相对较少。不少主动投资者往往把金融工程与量化、绝对收益、对冲等划等号。当然它们之间既有区别，又有联系。金融工程研究既可用于量化投资，也可用于主动投资、金融资产定价、金融产品开发及风险管理等领域，其中量化投资既可用于绝对收益投资,也可用于相对收益投资。如果非要界定一下什么是金融工程的话，大致可以用如下语言描述：用工程方法把现代金融理论和计算机信息技术综合在一起，运用数学模型等方法设计各类新型金融产品，使之具有能够满足不同投资者需要的收益风险组合特征，解决各类金融问题的学科。金融衍生品是金融工程的重要研究领域，由于目前我国金融衍生品市场发展受到管制，目前卖方金工团队研究领域更多可归类于量化研究，如量化择时、风格轮动、量化选股、事件驱动、舆情研究与文本挖掘、大类资产配置、衍生品及结构化产品、金融产品及FOF研究等。自年下半年股市从高位下跌以来，衍生品市场受到管制，新的分级基金不再发行，股市微观结构出现剧烈变化，在老结构被打破，新结构未稳定情况下，量化绝对收益投资面临收益率下降、管理规模下降的严峻局面。与此同时，在全球进入低利率甚至负利率，无风险收益越来越低，无风险资产越来越少，国民经济进入转型关键期的背景下，整个大资管行业面临着向风险中要收益的巨大挑战。为适应市场的新变化，金融工程领域发展具有如下三大趋势：第一个趋势：量化和主动的融合以前各家机构量化团队和主动团队基本上各自发展，不少机构甚至没有量化团队。经历股灾之后，机构对量化团队需求不断上升，量化投资和主动投资相互融合迹象不断明显。近半年来，我经常接到一些原来主要从事主动投资的私募基金、公募基金、保险公司、证券公司等，要求推荐量化团队，主要目的大致是如下几个：（1）组建量化绝对收益团队，完善产品线，希望在弱市中能尽量稳定产品规模，量化投资模型更具可积累性，可学习性，主动投资团队一旦灵魂人物离开，对团队冲击有时往往会很大，产品业绩及规模也会因此出现明显变化;（2）投资策略等的指数化、产品化，对量化团队提出了需求。（3）为主动团队投资提供量化建议。经历股灾的残酷洗礼后，可以这么说，目前资本市场很多方面都有量化支持需求，谁都不希望投资决策全是靠经验、靠拍脑袋做出的，都希望投资决策有一定的量化规律支持，提高投资决策的科学性。大家经常说，投资是科学与艺术的结合，量化和主动融合其实就是科学与艺术结合的具体体现。可以说，量化和主动融合不仅是一种趋势，也是证券投资的核心竞争力之一。事实上，量化在证券投资的各个流程、各个环节都有用武之地。我们经常把各个基金叫做金融产品，请问，既然是金融产品，有无金融产品的标准呢？有无金融产品的质量控制机制及流程呢?有多少人敢说，自己管理的基金配得起金融产品这个称号呢？显然如要建立金融产品标准、质量控制机制及流程，量化人员参与是必须的。我相信，哪家公司率先建立了这种金融产品标准、质量控制机制及流程，且最终基金表现也符合产品募集说明中所说的，一定会受到市场欢迎。从量化团队角度来看，在无风险套利收益率越来越低，套利机会越来越少，靠完全对冲、完全市场中性已无法应对挑战的情况下，量化团队除了不断向细节向精细要收益外，也正在向主动靠拢，向风险要收益。比如向量化择时、风格轮动要收益，进入场外衍生品市场要收益，从绝对收益投资向相对收益投资拓展，向FOF领域拓展，向商品期货、国债期货拓展，向海外市场拓展等等。第二个趋势：大类资产配置及指数化投资随着养老金入市步伐不断加快，入市规模不断上升，在整个大资管行业面临向风险要收益，而偏偏最重要的风险管理工具--金融衍生品又被严格管制情况下，除了加强风险认知，风险规律的把握之外，对大资金来说，如何利用不同大类资产配置来对冲组合风险，烫平管理组合净值回撤就显得越来越重要。这是大资金投资管理的核心竞争力，FOF发展将加速这一市场需求。养老金入市进程加快及FOF推进，可以认为是中国股市投资者结构的机构化过程的不断推进，投资者结构的机构化过程，将伴随指数化配置需求的不断增加。目前指数型股票基金资产规模已占到全部权益类基金的20%，已成为了一类不容忽视的资产配置工具，未来指数产品将成为机构投资者重要的投资方式。对公募基金来说，指数产品布局和培育仍可继续。尽管经过多年发展，宽基指数产品布局已经完善，但过去两年主题类指数产品的蓬勃发展表明，指数产品发展远未停歇，产品创新的机遇一直存在。随着FOF推出，又一个指数产品增长点有望出现，基金公司在相关领域的布局将大有可为。指数产品因具有费用低廉、投资风格不会出现漂移的特点，是构建FOF组合的重要选择。在指数型FOF需求的基础上，宽基、行业、主题指数产品将产生新增的配置价值。特别是行业系列指数基金，因其灵活、精准、体系化，将成为构建FOF过程中高效的工具箱。即使是传统宽基指数产品，在管理人构建内部FOF过程中，新的产品需求也将出现。第三个趋势：机器智能和数据挖掘的发展今年AlphaGO的人机大战，让我们切身领略了机器智能在特定领域的强大潜力。加之近些年已经不断在耳边围绕的大数据变革，让我们不免思考，如果不久的将来，大数据和机器学习更加深度的融合，给我们，尤其是投资领域会带来多么深远的变革。由于金融市场的复杂性、非封闭性（能够影响市场走势的外生变量太多）以及投资中蕴含的复杂人性，目前的机器智能和数据挖掘只能算是初露峥嵘。但在某些特定金融领域中，技术已经成功的挑战了投资经理。例如，在智能投顾领域，在信用风险管理中，基于行为数据的“画像”技术帮助我们识别客户和相关风险，早已不是新鲜事物。离我们更近的投资领域中，近些年不断涌现的大数据基金不仅收获了注意力，更实在的展现出了某种独特优势。百度、阿里巴巴、腾讯、大智慧、雪球、我们身边突然间多出了很多“外来者”，大量以往的信息技术公司正迅猛的进入金融和投资领域，这种趋势来的又猛又快，会不会成为一种改变投资行业的深刻变革？面对如此浪潮，我们要不要投身其中，又如何投身其中？这两个问题，我觉得大家要透彻的考量，早作应对和布局。对于金融工程团队来说，机器学习和大数据是机遇，也是挑战。机遇在于，量化脱胎于计算机和金融结合，先天优势和后天积累注定量化团队是最容易理解、掌握这种趋势的人。挑战在于，一则技术门槛突然被拔高了很多，二则外部大量更为专业的IT开发人员不断涌入。对我们量化人而言，一个新的学习周期和专业课程已经开始，不进则退。展望机器学习和数据挖掘，未来对投资的影响，我做三点预判:（1）会逐渐转向更为直接的投资方向，例如量化择时、行业和个股选择。目前我们已经观察到了一些先行者，进步的脚步会加快。（2）会优先在高频和程序化领域展现优势。由于长期投资涉及的影响变量过多，高频和程序化多基于算法驱动等因素，我相信高频和程序化，包括做市、算法交易等，将会优先受益。（3）有相当部分的投资机构转型科技化，或者相当部分科技机构渗入投资领域。目前，机器学习已成为申万金工团队的研究重点，我们从年起就不断加大相关的人才和物资投入。在9月的郑州会议我们单独用一个下午，设立了机器学习专场报告向大家介绍我们的心得，之前历次会议沙龙和路演中，也均有专门报告，有兴趣的投资者可以和我们多多交流。年部门研究领域及主要工作:申万金工团队创立已20年，目前有17位同事，为了更好的服务各类投资者，部门除了组建系列金工专业

转载请注明：http://www.duanmaomaos.com/tzyhlx/542260.html