蒙玺投资李骧：“另”辟蹊径方能行稳致远_新浪财经

　　在经历过去几年的爆发式增长之后，私募基金行业正快速步入巨头竞争阶段。新浪财经特推出“2023中国证券私募华曜奖评选——华曜之光”系列访谈栏目。该栏目围绕新发展阶段的经济和投资、财富管理新机遇、2023资本市场投资前瞻、数字经济与创新等多个议题，分享投资逻辑、投资经验及深度思考。

　　本期采访中，东方证券(9.440, -0.32, -3.28%)财富管理业务总部总经理助理张鹏对话了蒙玺投资总经理李骧，他们针对量化私募的超额收益来源、常见策略、行业格局与未来前瞻等关键主题展开了深度探讨。

　　李骧表示，量化投资的本质就是不断挖掘市场无效性，获取持续稳定的超额收益。对于专业机构，想要在激烈的行业竞争中脱颖而出，要么挖掘别家还没有发现的机会；要么在各家都参与的赛道，做得比别家好。

　　以下为采访文字实录：

　　张鹏：

　　观众朋友大家好，欢迎收看由新浪财经和东方证券联合举办的第三届中国证券私募华曜奖评选之华曜之光私募管理人访谈系列节目，我是东方证券财富业务管理总部的张鹏。过去几年的量化投资在A股市场发展迅速，受到了市场热捧。今天，我们很荣幸邀请到蒙玺投资的创始人及总经理李骧先生，跟大家分享量化投资的过去、现在与未来。首先，我们请李骧总简要做下公司介绍和自我介绍。

　　李骧：

　　我们蒙玺投资，全称上海蒙玺投资管理有限公司，公司成立于2016年，是一家基于大数据分析、依托于多资产研究的稳健型量化私募机构。

　　我是在中国科学技术大学读的本科，美国布朗大学读的硕士。目前，我担任上海蒙玺投资管理有限公司的总经理职务，同时，我还担任上海市浦东新区数理金融学会理事长，我的母校中国科学技术大学金融硕士专业的业界导师。

　　张鹏：

　　感谢李骧总。很多观众朋友虽然听过这个量化投资，但是对量化投资了解有限。所以，我的第一个问题是，量化投资跟主观投资有什么区别。

　　李骧：

　　主观投资和量化投资的本质区别，在于量化投资的交易信号、选股逻辑等都是确定的。换句话说，量化投资的大多数流程都是用程序表达：比如买哪些股票由程序生成信号，而不是由人主观判断。量化投资的逻辑是基于历史数据推断的。哪种策略比较优秀，哪个模型比较好，都是有历史回测数据支持的。

　　此外，一些前沿数据、前沿技术的应用可能在量化领域体现得更丰富。

　　张鹏：

　　我听下来，量化投资和主观投资的区别主要在：决策机制上，量化投资相对于主观多头，有明确的买卖规则，还可以依据历史数据做回测；收益方面，量化投资也和主观投资有分化。去年整个市场不是特别好，尤其以主观股票投资为代表。但也有些量化机构的指数增强产品，获得了正向的超额。还有些利用衍生品工具做对冲的中性产品，甚至取得了不错的收益。

　　有些投资者可能会比较感兴趣，市场中性策略跟量化指增策略分别适用于什么样的市场环境？

　　李骧：

　　指数增强顾名思义，就是在指数一定的标准上进行增强。举例讲，我们现在常见的指数增强类型的产品有沪深300、中证500、中证1000、国证2000等指数。我们还可以做一些自定义的指数。做法很简单，通过一系列数据分析，找出具有预测性的因子，通过模型进行因子组合。我们希望选出来的股票具备什么特征呢？就是当大盘涨的时候，它能比大盘涨得多一点；大盘跌的时候，它比大盘跌得少一点。指增类策略的超额，就是长期稳定跑赢对应的大盘指数的那部分收益。

　　对冲的话，相当于用一些衍生品工具，比如股指期货或者两融ETF，做融券对冲，把大盘波动对冲掉。近几年股指期货呈贴水状态，贴水就是我们在做对冲的时候，需要付出一定成本，对冲产品的收益率就是跑赢大盘的部分再减去对冲成本。这样的好处是规避了市场波动；如果我们预测未来市场表现、大盘表现不是特别好，那就可以把大盘波动对冲掉，这样最终获取的是对冲型产品的绝对收益率。

　　2023年以来，整个市场行情走强，可能有一些投资人会觉得未来一年大盘状态可期，那可以配置指数增强类产品。一年后，投资人获取的收益就是大盘收益率加上跑赢大盘的那部分收益率，也就是beta收益和aplha收益。如果市场下跌，指数增强产品会有一定波动，收益率平均下来可能会大于量化对冲的收益率。但总体来说，量化对冲产品的收益率稳定性更高，因为它把市场波动率对冲掉了。

　　张鹏：

　　明白，不管是指增也好中性也好。投资人选择管理人或投资标的，主要在于管理人获取超额收益的能力。如果追求相对偏稳健一点收益的投资人，不管市场涨跌，通过中性产品（如果投的管理人有不错的超额收益获取能力）都可以获得相对稳健的收益；指数增强的话，在预判未来市场风险不大的情况下，不但能获取大盘上涨的收益，还能获取管理人的超额收益。

　　李骧：

　　对。从业绩表现来看，指数增强由于具备大盘收益率，所以波动也会大一点，适合风险偏好较高，对收益预期高一点的投资人。如果投资人就想获取相对稳健的收益，那可能更适合量化对冲这类产品。

　　张鹏：

　　这就回到了最关键的一点，就是管理人的超额收益获取能力。从海外的经验来看，行业超额收益是逐渐变得越来越薄的。在国内A股市场，过去几年量化行业发展非常迅速，规模增长比较快。有些管理人的整个超额收益是在下降的。因此，我想问一下，投资人选择管理人的时候，有具体有哪些参考指标，可以判断未来管理人超额收益获取能力？

　　李骧：

　　这个也是我们一直思考的问题。因为在经营一家量化机构的时候，我们经常需要做一些前瞻性布局，包括一些方法论层面的，一些公司架构层面等。我认为获取超额的能力，从研究维度看有几个模块。

　　一是，量化是如何产生，或量化策略如何产生的，量化策略和主观策略有什么样区别？

　　首先，我们要获取一些数据。这些数据有些由供应商提供，有些由我们自己收集。通过分析数据，我们研究出具有一定预测效果的因子，再将这些因子进行组合。因子组合的时候，可以使用现在热门的AI技术，或者简单的线性组合。完成因子组合后，再通过生成仓位的方式，生成一篮子股票。从研究架构上，这一篮股票还需要优化和风控。最后，生成目标持仓之后，还需要利用算法交易进行最优成本成交。需要注意的是，这几个研究维度的每个细分模块，都有非常值得研究的点。

　　举个例子，我们大量运用跟传统的基本面数据、量价数据不一样的另类数据，这样超额收益来源更丰富。因子端，我们做得更详细些，挖掘得更深度些，找出产业链上下游的深度关系，从而获得更精准的股价预测。模型端，现在非线性模型或AI应用也增加了预测能力。风控优化，除了传统的barra风格层面定义，也可以自己定义风格进行约束。订单执行的时候，我们通过应用低延迟技术，以更好的算法，降低交易成本，提升潜在收益。这是研究层面。

　　公司层面，我们内部做员工培训的时候，会强调公司是智力密集型企业，从业研究员的教育背景都是偏理工、偏头部的一些学校。这里的头部，不仅仅包括国内的头部学校，也包括海外的，这是人才层面。

　　最终的竞争其实是量化机构在跟整个市场有效性的提升之间的一场赛跑，包括刚才张鹏总也提到海外机构现在获取超额是非常艰难。因为在上世纪90年代末期，美国诞生了大量的量化机构，包括现在的一些头部机构。但在中国，量化行业在近几年才开始受到关注。从市场无效性角度分析，国内量化行业的超额空间依然比较大。

　　未来量化行业最核心的竞争在于人才和技术。与人才密不可分的有激励机制，即公司如何人才、留下人才。如果以一个人来做比喻，激励机制是人的骨骼，企业文化是人的血和肉。公司怎样看待人才、认知人才，人才加入后，公司有怎样的定位及规划，这些都需系统化建设。

　　团队建设层面，也需要有深度思考——希望打造一家什么样的企业，培养什么样的员工，怎样才能让员工和公司之间更好地互相成就。

　　把每一个维度都做得好，管理人才能从市场获得可持续性的超额收益。

　　张鹏：

　　感谢李骧总，从多维度阐述量化私募管理人如何持续做出超额收益。我们也观察到，过去几年，量化策略表现偶尔会一些不尽人意的地方。我们想知道，量化策略适用什么样的市场环境，风险点有哪些？

　　李骧：

　　这要分策略讨论，像我们刚提到的指数增强，业绩最主要风险点在大盘。大盘波动是整个曲线波动的主要来源。当大盘在一定的区间里面波动，哪怕没有涨，如果管理人的超额比较稳定，业绩也会处于一个不断创新高的状态。如果大盘快速下跌，而管理人在这个时间段内跑赢大盘的那一部分收益不足以覆盖掉大盘下跌的亏损，那指增产品的净值（业绩）就会产生波动（下跌）。这是最主要的风险点。其次，超额拥有一定周期性，策略采用的数据和因子也会对超额产生影响。如果大量运用量价数据，用机器学习这种非线性的一些拟合方式，超额则更多地跟市场成交量和波动相关。当整个大盘成交量萎靡时，超额就会下降。

　　另一类策略，比如量化对冲，就是把beta端通过股指期货或期权对冲掉，这样收益波动就主要来源于超额（alpha端）。这个策略也有周期性，其次也跟策略采用的数据和因子相关。

　　如果以量价数据为主，那超额收益跟量价因子的成交量、波动率相关；如果大量运用基本面数据，那超额收益则跟基本面因子的周期性相关。如果还采用了股指期货对冲，那就还有另一维度的波动。

　　采用股指期货对冲风险较小，因为对冲的时候，会有基差锁定。所谓基差就是交割时需要付出的成本，这个成本在交易过程中是会发生变化的。虽然锁定了基差，但是预期三个月之后付出的对冲成本是一个点，有可能它两天就把这一个点全部给贴水，我们叫贴水收敛。剩下的时间段基差就不再会收敛，哪怕有波动，最终也只需付出一个点的对冲成本。这个对冲成本会导致波动，尤其是短期波动。所以，对冲产品的收益波动来源是超额端和基差端的波动。

　　张鹏：

　　好的，刚才提到量价、基本面。我知道咱们蒙玺最初是以T0起家的。这几类细分领域有什么特点和区别？

　　李骧：

　　T0策略是低延迟技术在股票市场上的一种应用。我国股票交易制度决定了A股不可能存在真正意义上的T0。量化领域所谓的“T0策略”，主要通过复制中证500指数或者中证1000指数(6226.6488, -41.67, -0.66%)来实现，就是按指数权重买了500只股票后，紧接着对冲掉指数波动，再做空股指期货。两端做完之后，即使底仓不动，依然可以每天交易一次。

　　举个例子，如果投资者交易股票，昨天买了1万股茅台，今天觉得是低点，再买进2000股。当到高点的时候，投资者可以卖掉2000股。这在某种程度就形成了一种T0交易。这一切的前提条件是有底仓。如果觉得还可以再买2万股，在一个高点想卖的话，只能卖1万股，因为底仓只有1万股（买的是新的，卖掉的是昨天买进的底仓）。按此逻辑，底仓每天可以操作一次“T0交易”。当市场波动比较大、交易型机会变多时，这类策略就会有潜在收益空间。

　　刚才提到的量价因子，是相对于整个指数的涨跌，相对排名越靠前，越容易选到。基本面因子也是这样一个相对概念，但基本面因子和量价因子有区别：量价因子的数据源，是通过交易所推送出来的跟交易相关的各类数据，不管这个数据如何变化，这类因子都叫量价因子；基本面因子是根据上市公司披露的财务相关的一些数据，如年报、半年报等。

　　这两类因子因为数据源不同，适用场景也不完全相同。除了基本面和量价以外的数据，我们统称另类数据。另类数据范围很广，比如最近很火的ChatGPT，它文本到文本的功能。比如我们利用NLP技术抓取网友对某一类股票，甚至某一只股票的观点，这些都是另类数据。由这类数据生成的因子，就是另类因子。这些另类因子虽然适用场景各不相同，但都具有一定周期性。

　　考虑到每类策略的周期性，市场上没有永远的高波动，也没有永远的低波动，没有永远的低成交，也没有永远的高成交。

　　张鹏：

　　明白。近两年量化行业竞争越来越激烈，管理人相似度越来越高。您觉得未来整个行业，大家想要出类拔萃，需要重点发力哪些方面？

　　李骧：

　　这也是我们经常思考的问题。回归量化投资的本质，“宽客”一词，是quantitative trader的音译。我们有时候也会自嘲叫“矿工”，因为我们的工作有点类似于挖矿：最开始把地表层面的一些矿、比较好收集的先收集进来，然后越挖越深。

　　量化行业获得收益的根本来源是什么呢？是我们发现了这个市场的无效性，不论是交易错乱，还是定价紊乱，都属于市场无效性的范畴。我们利用策略、因子模型，捕捉市场的这些无效性，这就是量化行业超额收益的本质来源。

　　随着国内量化行业的发展，各家机构都在做大做强，因子越挖越深，策略持续精进，最终市场有效性会越来越高，超额收益会越来越薄。这是大的趋势，不会以人的意志为转移。量化机构应该如何保持长期稳定获取超额的能力呢？这就需要在我刚提到的几个维度和细分模块不断精进。

　　此外，近两年科技发展迅猛，随之而来诞生了大量非结构性的新兴数据，如果把这些数据收集过来，挖掘其中跟股价相关的规律，就可能捕捉到这类数据产生的超额收益。这类数据因为比较新，采用的机构不是很多，哪家先做，获取超额收益的概率就会增加。

　　像因子端，各家机构都投入大量研究员不断精进打磨因子。应用新兴的AI技术可以挖掘因子的预测性，哪怕因子预测性一般，也可以通过如深度学习、强化学习这样的复杂模型做因子组合，甚至是做风控优化，以提升预测性。

　　总的来说，想要在激烈的行业竞争中脱颖而出，只有两个方向：要么挖掘别家还没有发现的机会；要么在各家机构都参与的赛道，做得比别家好。

　　张鹏：

　　我也观察到，在去年整个行业都比较艰难得情况下，咱们蒙玺投资的管理规模实现了逆势增长。现在公司最新规模已经60亿了，整体的业绩表现也不错。所以，我想请这个李骧总讲一讲公司做得好的地方，比如在另类数据这一块，你们是怎么样去做投入、挖掘的？

　　李骧：

　　要了解我们公司哪些地方做得比较好，这和公司的经营理念密不可分。公司经营理念跟我们核心团队的风格有关系，包括我在内的公司很多同事，都是国内低延迟领域的先行者，我们经历了国内资本市场的多次巨变，对市场有着深刻理解。因此，在经营层面，我们遵从稳健经营的原则，极为看重前瞻性布局。

　　2022年我们实现逆势增长的很大原因，在于前几年的布局和积累。目前我们管理规模有六十亿左右，但公司总人数接近80人。相比投研团队规模，60亿的管理规模在整个行业内偏低。为什么要这样布局呢？因为我们始终坚持人才储备先于策略储备，策略储备先于管理规模的原则。

　　前面提到的另类数据也是，在海外成熟市场已经有一定的应用，但在国内量化行业，应用相对较少。我们公司为什么要提前布局另类数据，因为我们认为随着科技的发展，未来会有大量的数据产生，甚至是指数级别增长速度。这些数据都可以做研究，所以我们需要提前布局。另外，我们预判，随着整个中国资本市场的发展逐渐完善，市场有效性越来越强。我们需要提前布局一些未来强有效，但当下研究难度和成本稍微高一些的地方。

　　为什么说另类数据难度和成本稍微高一些呢？

　　首先，为什么研究另类数据有难度？因为光数据收集就有一定门槛，要么通过第三方的一些数据提供商，要么自己收集。不管哪个方向，都有门槛。为了发现更优质的数据，我们经常需要主动去发掘一些有价值的数据供应商。在过往工作中，我们发现有些数据供应商其实并不清楚另类数据可以用来做量化投资。这需要我们相关同事不断思考。自己抓数据也同样会面临这些问题，还有一点就是合规性问题。

　　其次，采集到数据后，研究另类数据也不简单。如何挖掘数据的内部逻辑，将其应用在股价，这一步也有较高门槛。

　　相对来说，这套方法论在模型拟合端压力小一些，因子足够有效（预测性足够好），模型端压力相对小一点。但这一切的前提是数据端得知道数据在哪里，如何挖掘，其次要做好清洗，最后才是研究（这一过程很精细，需剔除各类噪音，找到内在逻辑，因子组合），这一系列操作完后，才可能有不错的成果。

　　因此，我认为挖掘另类数据，就像在沙滩捡贝壳。在无边的沙滩上，散落着各种各样的海量贝壳，需要很有耐心地一个个捡。通常某类的另类数据，它只能覆盖到其中某些板块，哪怕挖掘到了，也只能获得这些板块上的超额。

　　因此，如果有机构想以挖掘另类数据获取超额收益，就必须有足够的耐心，以长期主义的决心不断投入大量人力、物力。

　　张鹏：

　　明白。最近ChatGPT4出来后，人工智能非常火。整个A股，整个TMT板块，在过去一段时间，整个交易量可能都占到A股的百分之50、40。ChatGPT4对量化投资，您觉得有没有一些质的飞跃，或者是在哪些方面可以有一些增强、提高呢？

　　李骧：

　　这个问题取决于量化机构对人工智能研究成果的运用情况：如果是本身积累的经验比较多，那ChatGPT4对这家机构参考价值的提升空间相对较小。

　　ChatGPT4的底层模型主要基于transformer，我们在相关领域都有研究和运用。

　　当然，我认为ChatGPT4也有些值得思考的点。比如应用得当的话，它可以提升一些辅助型工作的效率。如在预测维度，它对量化研究的增益是在数据收集端，利用ChatGPT可以更好地获取文本端信息。

　　张鹏：

　　ChatGPT4会不会导致整个量化行业的进入门槛变低呢，影响量化行业现有的竞争格局呢？

　　李骧：

　　有的，ChatGPT不仅在文本到文本这个层面比较厉害，在程序的Debug层面，甚至自动写程序层面都很厉害。有人如果对量化行业感兴趣，即使没有从业经验，只是在交易上有些想法，也可以借助ChatGPT4的能力部分参与进来。

　　但是，从这种状态到成长为一个非常专业的量化机构核心研究员，将策略做得很精致、细节做得很完美，依然有很长一段路要走。所以，量化行业未来竞争一定会更激烈。有交易经验的人也可以借助大模型的能力，降低入行的门槛。我们会持续关注ChatGPT4，以及各个维度前沿科技的迭代，如量子计算机、大模型等。基于这些前沿技术，我们保持不断迭代和进步的姿态。

　　张鹏：

　　我觉得一个优秀的管理人，需要在未来一直保持生命力，拥抱变化。

　　最后一个问题，李骧总您要不再简要的给投资者一点寄语。基于2023年的形势，您觉得投资者在投资量化产品上，或者说在投资上有没有一些需要关注的地方？

　　李骧：

　　首先，资产配置一定要从实际需求出发。假如你希望获得比较高的收益，就需要承担一定的波动，那么，指数增强型的产品更适合；如果你希望获得“稳稳的幸福”，量化对冲型产品则能满足你的需求。就我个人来说，假如现在我要投资，我可能会拿一部分资金配置指数增强，一部分配置量化对冲。

　　其次，刚才我提到策略的周期性。对投资者来说，策略的周期性决定了产品业绩在一定时间内会出现均值回归。所以，我建议大家不要频繁调仓，因为很容易追高，遇到回撤会很煎熬。与其这样，还不如认定一些产品，认定一些机构，留一点时间。这个时间，通常半年或者一年以上比较合适。

　　最后，选择量化机构的时候，很重要的一点是看过往业绩表现。如果有机会，投资者最好跟东方证券这样的专业机构沟通，了解更多的量化机构，量化投资更底层的投研逻辑，甚至是公司的内部框架。这些信息光看业绩无法知道，但对未来收益都会有一定影响。

　　张鹏：

　　谢谢李骧总，我们东方证券一直致力于挖掘能够长期稳定给客户创造收益的管理人，为客户做好配置工作。今天非常感谢李骧总跟大家做这样的分享，谢谢李骧总。观众朋友们，我们下一期节目再见。