嘉宾介绍，黄铂，哥伦比亚大学运筹学博士，密歇根州立大学数学统计双硕士，北京大学数学学士。博士期间研究方向大规模机器学习和最优化算法，论文在机器学习顶级会议ICML和应用数学期刊SIAM发表。在美国期间曾先后在谷歌和美林证券量化交易部工作。2014年与美林和高盛同事共同创立量化对冲公司Arxis Capital，LLC，并担任核心数据科学家和量化策略师，主要负责开发及应用统计和机器学习模型于日内中高频交易。2017年加入大岩资本担任基金经理。

随着金融科技的不断发展，量化投资成为投资领域中备受关注的话题。量化投资不仅能够提高投资组合的效率、降低波动风险，还能够针对不同的投资目标和风险来源选择最合适的投研框架和因子，帮助投资者实现收益最大化与风险最小化的平衡。

大岩资本黄铂表示，量化投资策略的优势在于让投资者清楚地知道目标是获取风险调整过的最高收益，以及如何在降低风险的同时尽可能减少对收益的损耗。中证1000股指期货去年7月推出，对中性策略而言是一种利好，其作为新的对冲工具可以使中性策略的容量扩大，对冲成本随之下降，全市场的超额收益分布也更加均衡。在做投资决策之前，投资者需要对资金的投资周期以及自身的风险偏好做好评估，对于投资周期相对较短且对亏损比较敏感的投资者，市场中性策略适合作为投资组合的底层进行配置。

(资料图)

以下为文字精华：

1、大岩资本黄铂：大岩资本快速健康发展

提问：首先，我们请黄总给大家介绍一下公司的相关情况，包括我们公司未来的规划。

黄铂：深圳嘉石大岩私募证券基金管理有限公司是一家位于深圳的量化私募基金公司，成立于2013年6月份，即将迎来公司成立10周年。公司总部位于深圳，同时在上海和香港设有分支机构。公司员工约40人，其中超过一半从事量化投研工作。我们公司专注于A股股票的量化策略，业务比较专一，目前的管理规模约为50亿元人民币。与其他国内类似的量化机构相比，公司规模、类型和分布可能有所不同。

我们有三个办公室，分别是在上海、深圳和香港。我们的管理规模面向境内大约有20亿人民币，面向境外的投资者大约有20亿—30亿人民币，都是采用同一套A股量化策略。相比其他量化机构，我们的境外部分是比较早布局的几家之一，2018年中成立了香港公司，开始面向境外机构募资。

经过2018和2019年的铺垫之后，我们在2020年经历了快速的规模上升，我们的投研团队现在约有22人，包括IT、投资经理和研究员，是一个高度内部化的团队，量化团队中的所有人整体做一套策略，而且无论是境内还是境外都采用同一套策略。由于公司同时面向境内和境外的机构投资者，因此整体发展相对较快。

我个人于2017年底加入公司，负责公司量化投资的相关方面。我的本科毕业于北大数学专业，博士毕业于哥大运筹学专业。博士期间的研究方向与现在的量化和人工智能密切相关，主要是在大规模优化和其在人工智能机器学习中的应用。

毕业的第一份工作做的是美股的中高频交易策略，与现在回到A股时的策略类型不同。我于2017年底与其他核心量化团队成员一同加入大岩。我们的团队人员一直很稳定，并且在不断扩张，策略框架也在以非常快的速度持续的迭代更新。从2019年到2021年，我们的业绩和行业内排名每一年都在稳步的增长。

在2022年整体不是很友好的市场环境下，我们的指数增强策略和市场中性策略以稳健的表现在同行中保持有竞争力。我们完全内发式和滋生式的成长，通过团队一点一滴的积累，使得现在公司处于一个比较健康、快速的发展阶段。

2、大岩资本黄铂：新策略框架有效性提升

提问：迭代是量化投资中非常重要的环节，迭代进化的过程与市场越契合，获得的收益也越高。因此，在公司策略的迭代上，黄总有什么想要和投资者分享的？

黄铂：虽然A股量化市场起步较晚，但迭代速度很快。策略市场的风格与策略体系的进化，从2017年开始是发展速度最快的阶段。针对量化私募和机构而言，量化策略的迭代与整体投研框架、团队人员素质和数量息息相关。

首先，我们公司的核心团队成员均毕业于国内外顶级高校，并且具有数理科背景。其次，以核心团队为中心，招募人才扩充团队也是我们过去几年的重中之重。我们团队在2018年到2022年间人数都有稳定的增长，尤其是在2021年，团队规模翻了一倍，现在拥有20多人。

其实从策略的开发类型来讲，我们公司是一个比较专注的量化机构。虽然量化这个领域有很多不同的策略类型，比如，高频策略、日内策略、低频策略，根据我个人在美国的经历来说可能偏向于纯日内中高频的。基于美股和其他发达市场的策略，由于投资者结构和交易成本的不同，当时的策略在回国后实际上是无法直接使用的。

从2018年开始，我们公司主打的策略属于中频和中低频策略，这种策略的优势在于，它的持仓周期大约为10天，既不算特别长，也不算特别短。如果对于量化策略有所了解的话就会知道，这种策略的底层最重要的因素就是因子，是通过某种规律来预测未来收益的一种方式。有很多类型的因子可以预测未来5—10天的收益，如公司财务数据、分析师预期等，这些偏基本面的指标在中频周期上具有较好的预测能力。

除此之外，A股市场中，量价因子其实是我们和其他发达市场的最大区别，它在A股市场中是最有效的组成部分，尤其适用于偏中短周期的收益预测会更有效。因此，中频策略实际上承载了因子开发的性价比、多样性和均衡性。由于换手率和交易延迟不高，策略容量变大时，收益下滑速度较慢。这使得这个策略在竞争中具有较高的性价比。

这也是我们公司一直致力于做这种中低频策略的原因，因为均衡化的因子适合均衡化的配置策略。目前我们的策略非常均衡，对基本面类因子和加量类因子都有广泛且深入的研究。

自2022年开始，我们进行了较大的策略迭代，包括因子研究、因子整合以及风险控制。其间，我们还对指数增强和绝对收益类产品的风格、行业和个股的风险敞口进行了收紧，整体波动率得到良好控制。在紧张的风控条件下，由于我们有更均衡的因子配置和更深入的因子研究，虽然波动率降低，但2022年的收益仍然具有竞争力，这表明我们新策略框架的有效性。

提问：公司受到海外机构投资者的青睐，这在市场上是不太常见的，跟大家分享一下这方面的信息。

黄铂：量化在境外发展得比较早，境外比较大的对冲基金，很多大家可能也都听过，那么真正意义上这些对冲基金有多少在做A股的量化策略？如果我们把时间窗口拉回到2018年，确实非常少。

这一现象有几个原因：首先，A股市场可能跟其他市场的交易规则比较不一样，这就意味着很多在其他市场上花了很多年去开发的一些策略是没有办法直接在A股量化来直接用的。即使对于深耕海外市场很多年的传统的头部量化机构，让他回来做A股，其实也是一个从零开发的过程，这就意味着更多的时间成本。

其次，绝大多数量化对冲基金进入一个市场，他们第一个策略肯定是绝对收益类的策略，提到绝对收益类的策略就肯定需要对冲，要把市场和他不想要的风险给对冲掉。A股市场最显著的区别就是对冲的成本，2016年、2017年、2018年其实都非常高。

比如说我如果想把中证500的风险给对冲掉，我们用股指期货去对冲，早些年年化的最终成本可能要花10%-15%，甚至更高。对于境外机构来讲会面临一个问题，首先我要做一个不一样的策略，从零开始，这个策略在运行的时候每年要花超过10%的成本才能把对冲策略完整地跑出来，这就意味着在多头端如果跑不赢指数10%的话，策略大概率要亏钱。

考虑到这样的时间成本和对冲之后的成本风险，虽然海外的量化机构独立开发A股策略做了很多年，其实绝对意义上的吸引力没有那么大。在这样的大前提下，找一家深耕于国内，在A股量化做了很多年，已经知道怎么做，而且又比较契合他们投资框架跟风控框架的管理人，其实是一件很自然的事。

我们2018年的时候成立了香港公司，在后两年的时间里我们对接的境外机构非常多，陆续对接了超过400家，线上和线下的路演应该是100场到200场。很多时候是别人找到我们，因为2018年、2019年的时候，境外有很多有关量化的会议，当时大家一致的共识就是“A股市场是全球量化市场唯一一片蓝海”。这一说法放到那个时候其实是不为过的，这也是为什么我们作为比较早的有代表性的国内量化管理人能走出去。

时间点是契合的，再加上整个团队有非常强的海外背景，包括我本人，包括香港公司的CEO，包括之前的公司合伙人，都是美国本校毕业，也都在美国的量化对冲基金从业过很久。无论是从方法论还是对投资的认知，跟境外很多机构有高度的一致性，沟通的成本也更低一些。

在2020年，我们境外的量化规模增长了接近30亿人民币，为什么这一年增长这么多？在量化在境外做。外资来做 A股量化策略的话，绝大多数时候他会在香港成立一个账户，通过北上的方式来参与。在2019年年底前，其实是没有办法完全把A股的量化策略完全移植在香港来做的，因为通过北上的方式来做，你交易的股票池是不一样的，只能交易沪深港通大概1300只到1400只股票。

所以无论你在A股跑什么样的策略，外资机构都面临着没有办法完全复制策略的问题。但是到了2020年的时候，我们中资的券商、外资券商开始通过各种收益互换的方式，达到哪怕从香港也可以交易整个A股股权市场，从那一刻起，真正意义上可以把A股多头端的任何策略搬到香港来跑，从这个意义上来讲，这两个策略才有了高度的一致性。

2020年我们势头比较好，但2021年遇到了疫情，境外机构一般投资 A股量化策略需要到现场来进行定调，所以在这方面受到了一些冲击。我们在香港的这部分规模在2020年之后没有特别大的变化，到了今年会有一些增资。

3、大岩资本黄铂：针对性平衡收益和风险

提问：去看待在量化交易中方法论的重要性，以及如何平衡风险和收益？

黄铂：量化投资作为现代投资领域的一个热点，其最大特色并非单纯的高收益或者严格的风控，而在于能够运用科学的方法平衡收益和风险。

在量化投资在，一个好的投资策略应该追求是风险调整过的最高收益，这通常用夏普比率衡量。相较于传统策略对于风险的控制能力，量化投资策略擅长以数理的方式分析并拆分风险，使风险从某种程度上可视化，更加直观。

例如，量化策略可以将每只股票每天的上下波动分解为来自大盘、行业、市值成长、估值等多个层面。当我们有了更明确的风险来源时，便能更好地控制这些风险。

对于量化策略来说，量化一直在追求的是风险和平衡收益，但它的困难在于如何在控制风险的同时尽量减少对收益的损失。如果只是简单地做风控，这可能相对容易， 比如说，我们对标中证500指数，如果按照中证500指数的成分股配比进行投资，在风险降到0的同时，收益也将为0，这肯定不是我们想要的结果。

在实际应用中，量化投资策略需要细致地研究各种量化因子，找到适应不同股票池和收益类型的最佳组合。这就要求我们识别哪些因子适合哪些组合，从而取得最高的风险调整收益。例如，可能某些因子更擅长选取中小盘股票，但当我们需要针对沪深300指数进行选股时，就需要重新筛选适合大市值选股的因子。

因此，量化投资策略的优势在于让投资者清楚地知道目标是获取风险调整过的最高收益，以及如何在降低风险的同时尽可能减少对收益的损耗。

在不同的量化框架下，投资者需要针对目标组合和风险来源选择最佳的因子和投研框架。这实际上是一个更加精细化的操作过程，做得越好，降低风险时对收益的损耗就越小，整体的业绩体现就会更好。

4、大岩资本黄铂：中证1000期指利好量化

提问：中证1000股指期货的推出是否会影响到中性策略？

黄铂：中证1000股指期货的推出，对于量化领域是一个相当重要的事件。对于这种衍生产品，尤其是对体量较大并且影响力的产品而言，都会对量化交易产生一定的影响。

从去年7月份以前的情况来看，可用于对冲操作的股指期货只有沪深300和中证500两种。因此，在量化策略中，中证500是最常用的，这导致即使是在进行市场中性策略时，多头仍然是中证500指数增强。然而，现在中证1000股指期货已经推出，对于市场中性策略而言，这是一个利好。

市场中的中性多头策略在策略上和我们的纯多头策略上会有所重叠，因为大多数的投资者依旧选择使用中证500期货进行对冲，因此在中证500的赛道上竞争相对激烈，这会导致市场中性策略的对冲成本很高。

当有很多人使用中证500期货进行对冲时，负基差就会非常严重，导致至少每年花费10%或更多的成本。这将影响到绝对收益。但是中证1000股指期货的推出将改善这种状况。

首先，由于新的对冲工具的出现，投资者在多头方面的选择更加多样化，不仅可以选择跟500指数对标的策略，还可以选择跟1000指数对标的策略，或者根据自己的需求自由组合不同的资产比例。这种新变化对于整个策略容量的提升效果非常显著。这也就意味着整个市场中性的容量得到了扩大，因为投资者在多头端有了更多的选择，而空头端需要承担较高的成本。

自去年7月份中证1000股指期货上市以来，从8月份开始，我们可以看到，不仅是中证700，中证1000，甚至是中证700和中证500这两个指数期货的负基差一直在稳定地下降。这可以理解为多了一种对冲工具来分担中性产品的压力，使得投资者的选择更多，容量也更大，整个成本也就下降了，从而使中性策略的赛道要比之前变得更宽。

这个现象可能是中短期的，从长远来看可能不会产生如此大的影响。而根据过往表现，比如500和1000的指数增强，我们发现，在相同的波动率下，1000的指数增强的超额表现要比500更好一些，尤其在小票、小市值方面的超额空间可能更大。

在小市值股票中，可能存在更大的超额收益空间，过去这种做法是有道理的。因为如果大家都知道小市值股票中的alpha表现更好，那么谁可以获得这种alpha呢？在中证1000股指期货推出之前，只有那些愿意承担风险的人才能获得小市值股票的alpha。例如，如果购买了1000指数增强，愿意承担1000的贝塔，那么就可以获得比以前更高的alpha收益。显然，这类投资者是有限的，因为并不是所有人都喜欢小股票的贝塔。

现在事情发生了变化，当中证1000股指期货出现时，所有人都可以以较低的对冲成本获得以前只有小股票市场才拥有的超额收益。

在长期来看，整个市场的超额收益分布可能会更加均衡，中证500的超额收益不再难以实现，但中证1000的超额收益不再像以前那么有爆发力，整个策略会更加平稳。总的来说，对于量化策略，我认为这是一个严格意义上的好消息。

5、大岩资本黄铂：衡量两点选取中性策略

提问：中性策略的配置价值有哪些？如何去挑选那些比较优秀的中性策略的基金？如何挑量化？

黄铂：在讨论绝对收益或市场中性策略时，每个人的风险偏好可能不同，因此并没有一个很好的答案，但是我可以提供一些思路以供参考。对于投资者而言，赚得多或少可能对感受没有太大影响，但在发生亏损的风险时，投资者更关心的其实是可能会亏多少。因此在此之前投资者可以通过问自己一些简单的问题来评估自己的风险偏好。

第一个问题，是关于手头的资金的属性。无论是用于投资多头产品还是市场中性策略，我们需要了解目标资金的属性是短期还是长期。对于绝大多数投资者而言，可以6到12个月查看资金的收益情况。如果满意，就可以考虑是否继续持有。如果不满意，则可以选择是否需要调整投资策略。

第二个问题，如果我将资金持有12个月，可能会赚很多。最重要的是，如果运气不好或市场形势不佳而面临巨大亏损，我能否承受最坏情况下的亏损？对于大多数投资者来说，这是一个心理问题，需要慎重考虑。

比如，这个资金在持有一年的情况下亏损5%，如果投资者觉得很难受了。那么在这种情况下，我觉得投资者在资产配置上的选择就没有那么多。

举个例子，即使是最好的多头产品，如果把时间线拉长，找到最不利的12个月的收益，很大程度上也可能会出现跌幅超过20%的情况。因此，如果投资者所能承受的亏损线为5%，那么这种情况就超过他们心理底线很多。

因此，当投资者一年内只能承受5%的风险时，就会发现即使是最好的多头产品，也只能分配20%的资金。在这种情况下，绝对收益类的市场中性产品可能是更好的选择，因为其一年期亏损的概率较小。当投资者经过仔细思考后，会发现他们的选择空间并不像想象中那么大，这个例子很好地阐述了市场中性策略和同类型绝对收益类策略的重要性。

再说一下大家比较关注的回撤。回撤可能没有办法结合产品细说，但是我可以大概说一下怎么去理解回撤，包括对于我们量化管理人在建模中，风险端究竟关注的是哪些东西。

首先我们在量化策略建模的时候会控制很多的敞口，包括基准行业的偏离，风格的偏离，最终监控的更多，我们想监控一个常态化的比较稳定的指标其实是波动率。比如说中证500指数增强的波动率是什么？每天跟中证500比有超额，这个超额可能是正的，也可能是负的。超额收益的年化波动率是我们比较关注的指标，因为这个是很稳定的。

回撤其实是一个尾部的事件，特别是最大回撤，一般都是因为回撤已经最大，肯定是有比较极端的事情发生，所以当你在做风控的时候，相当于你每加一层风控对收益都是一种伤害。

选择去控制什么样的风险是一个很复杂的问题，我们要考虑控制这项个风险避免下跌的同时是用多少的收益来换的。所以我们在这个时候一般会控更稳定、可追踪的风险，但是对于最大回撤的控制，至少对我们来讲不会花特别大的精力，因为它是一个尾部事件。

尾部事件每次发生的原因都不一样，这种事件你控风险对你收益的伤害是非常大的，对于量化策略来讲，绝大多数量化策略不太会主动对最大回撤建模去进行控制，但是大家怎么去评估最大回撤？就是最大回撤跟你的波动率是有比较正向的关系的，比如说我的超额收益的波动越大，我的最大回撤肯定也会比较大。

长期来看这个比例会一直上升，对于发达市场来说，如果最大回撤跟你的波动率差不多，你的最大回撤等于你波动率的70%—100%，能保持这样的水平的话，就是一个非常优秀的策略了。

国内前几年竞争没有那么激烈，市场也没有这么饱和，所以我们可能对最大回撤的预期距离刚才说的可能会有一些差距。但是随着量化整体规模的增加，整体的收益会有两个影响，一个是长期的，一个是短期的，长期的影响就是收益，随着量化管理规模越来越大，做超额收益肯定会更加困难，是一个缓慢下滑的过程。

短期的影响大家马上就能看到的，就是增加的指标就是它的回撤。因为量化策略是有一些同质性的，当同类策略多了之后，大家同时加仓或者减仓的时候，对市场同类策略的影响会比原来更大。

随着量化策略整体规模的增长，长期来看超额会下降，短期大家会看到回撤是会比较快的，会比之前增加得更多，那么如何去评估最大回撤？像我刚才说的，相对于波动率来讲，波动率70%甚至100%的回撤拉长了来看，其实是比较正常的，或者说在发达市场来看，你会经常遇到的一种情况。

关键词：