在日前舉行的“2018年亞洲指數與量化投資洞見峰會”上，平安資管首席投資官張一清發表主題演講。他認為，中國市場的有效性仍不充分，量化投資擁有巨大的提升空間。他形象地描述說：“中國擁有全世界幾乎最好的Alpha，但也保存著幾乎最糟糕的Beta。”以往，Alpha主要來源於市場訊息的時效性，比如說你可從時間上更快獲得資訊，從而獲利。但未來，Alpha將更多地來源於金融服務的差異性。科技改變了量化投資與主動投資的競爭關係，未來主動量化會借助科技賦能成為趨勢。他甚至預言，隨著資訊分析技術的進步，智慧量化投資將成為未來主流投資方式。
以下為發言實錄
大家好，我是平安資產管理公司的張一清。
我本人看好指數投資在中國的發展前景，但市場有效性的提升仍需要一個過程。在這個過程中，量化投資孕育著一個巨大的空間。這個空間正來自於中國市場的非有效性，有充分的alpha存在，使得系統性的量化投資方法會得到一個很大的機會。
首先跟大家分享一下我自己的一些體會，中國資本市場比其他的成熟資本市場顯得都更加具有能量，這一點從波動性就能看出來。
圖1:上證綜指vs. SP500指數走勢對比；來源：Bloomberg
過去20年, 上證指數和美國的標普500都是從1000點到2600這麼一個過程，但是路徑是非常不一樣的。我做了一個簡單的計算，將全球主要股票市場的夏普比都算了一遍，結果中國市場處於墊底的位置，這說明如果投指數，其實沒有得到很好的效果。
一個市場的夏普比不好，證明有效性不足，但另一方面也表明alpha的機會很好。我們通過對全球各個市場的模型測試，發現中國A股提供的alpha是最豐富的。而且我們認為alpha是可持續的。
圖2：2006以來，主動股票型基金顯著超越滬深300指數
如上圖所示，這是做中國主動型基金跟做指數的表現差異。可以看到，2006年以來，主動股票型基金表現顯著超越滬深300指數，客觀說明市場存在較多alpha，積極的主動選股策略可以戰勝市場。
我試圖從股票市場的參與者去解釋這個現象的存在。我國資本市場設計強調融資功能，偏向發行者，因此發股票某種程度上變成低成本的籌資，上市公司不願意發紅利，所以比較缺乏高品質的好公司。當然我相信在未來會有更多的好公司。
從投資者角度，我想表達幾點。第一，目前中國市場缺乏機構投資者。股市80%的交易量來自于個人投資者，而在有限的20%專業機構投資者當中，大多數還沒有能力去定價，只能做跟風的投資，也叫做趨勢投資。定價投資者的相對缺乏，一定程度上降低了我國資本市場的效率。我們可以做一個比較：發達市場當中，股票市場最大的參與者是機構，這些機構主要是養老金。我們拿養老金規模與GDP的比例，在全球做了一個橫向比較，結果占比最高的國家是荷蘭，它的養老金占了GDP的190%，美國是130%，中國在樣本國家的最末端，社保基金占了GDP的1.5%，加上年金大概占了GDP的7.5%。所以為什麼中國缺乏機構投資者，因為我們機構化的養老金數量太少了。養老金在哪裡呢？就在存款裡，中國的個人存款占了GDP的50%. 這也就能解釋為什麼銀行理財有那麼大的需求了。未來隨著養老第三支柱起來，機構化的養老金會增加。但增加的過程會是緩慢、長期的。
圖3：全球各國養老金與GDP比例
我想說的第二點是，基於中國主要的投資者其實是儲蓄者，是現在和未來最大的一個資金方，你的產品設計和分銷管道最好提供給個人投資者。在相當一段時間內，機構少散戶多的趨勢在近期不會改變。因為個人投資者多，跟風投資者多，這個市場的高波動性也仍會繼續。另外我國經濟和社會正處在一個轉型過程中，你能夠發掘一些特定的機會，所以主動投資會在未來有很大的發展空間。所以我們的機會：一是尋找alpha的機會。二是在產品端，通過產品設計在資金端將個人儲蓄演化成機構化的投資方式，這將是我們行業未來一個很重要的方向。
為什麼量化投資會是未來的趨勢？量化在取代主動投資方面，一直在全球範圍內有實踐例證。我們以一組資料舉例，2005年至2016年，全球量化基金規模年複合增長率為13%，整個資產管理產業的增長率為6%。可以看到從基本面主動轉向量化主動是一個大的趨勢。理由之一是量化投資具有業績相對穩定和低成本的特點；第二，其實很多時候所謂的基本面投資就是某一種風格，某一種主題，可以用量化方式比較系統化地複製出來，以非常低的成本來達到這個目的。我稍後也會講到量化投資自身的進化過程，這個進化是由於大資料，AI等計算技術的普及，使得量化本身也在急劇地演進。
我再跟大家分享一下量化投資的歷史。伯克利大學的教授BarrRosenberg大概1976年寫了一篇關於風險因數的文章，這篇文章成為現代量化投資的一個基石，才有了BARRA風險模型，以此為基礎後來才有了指數投資。在指數投資中，大家發現了幾個風險因數能夠提供比較可靠的超額收益，我們現在叫smart beta，所以就有了所謂的指數增強型投資。更多的努力去發現更多的帶來超額收益的系統性因數，就發展起來量化主動投資。總體來講，因數的來源一般就是這幾種：宏觀因數、公司基本面和市場因數，這是大部分從業者的資料來源和思想方法。
圖4：量化投資的歷史；來源：平安資管
如果說從alpha的來源來講，基本上是兩種。一種你要比別人知道得快，打時間差。最典型的就是做內幕交易的，他是打了一個時間差，當然它是違法行為。但也有一些是合法的，例如高頻交易也屬於打時間差。還有一種是提供金融服務，就是人家做不了你能做。比如長期資本，人家承受不了這個波動，你能夠承擔，這個就是一種優勢。在市場缺乏流動性時，你可以進去，提供流動性服務，這就是一種能力。
另外就是我們剛才說到這是風險溢價，包括低波動、非流動性，這些因數學術上有很多研究，關鍵是這個因數要是真正持續的，在這個市場裡是實用的。例如有些人喜歡做資料採擷，挖掘到一個因數，做模型測試跑得很好，但真正實盤以後卻發現這個因數是沒有用的。
關於未來量化投資的演化，大家談得最多的是AI人工智慧這條路。AI的應用很廣，但金融市場的不確定維度太高，博弈性太強，使得AI機器智慧跟人類智慧在這一方面的差異還是非常大的。現在談論用AI直接替代人類智慧的時間還是太早。但是人類的智慧跟機器的智慧合起來戰勝市場，戰勝對手是有用的。把傳統的資料來源結合大資料，增加資訊廣度和資訊的超前優勢，把AI和傳統的量化計算相結合， 提升模型的維度。在以計算力為基礎的演算法交易和高維度計算上，機器智慧的優勢遠遠超過人類。但是人類在大的邏輯、前瞻性趨勢的判斷能力上是機器無法替代的。
前兩天我還看到一份材料，說全球最大養老金——日本政府養老金（GPIF）已運用AI技術進行外部委託經理人的選擇和管理。作為世界最大的養老金，而且此前風格極其保守，它能採納這套方式，這是一種行業方向性的改變。
在組合構建當中，我們正在尋找一些新的方法，運用AI和大資料的全新維度，對傳統因數、傳統資料來源通過技術的手段進行賦能，它能幫助你分析到原先沒有想到的維度。今天早上我還看了一篇文章，其中提到了如何運用大資料的測算來推演某個地方GDP資料中蘊含的水分。原先通過傳統的統計方法，我們是很難驗證一個資料是否真實，但是現在用大資料等科技手段，通過對基層基本消費資料的追蹤，比如信用卡消費資料等，你甚至能在官方統計資料出來之前就可以即時獲得最真實的資料。所以我剛才說過，投資怎麼去掙錢，其中一點就是你要比別人知道得早，而大資料可以提供這個管道。
◇ 未來最大的Alpha來源於人腦與智慧量化結合
圖5：科技改變了量化與主動投資競爭格局；來源：平安資管
小結一下，第一，量化投資會在中國得到更進一步的發展。第二，人工智慧會對量化投資帶來很大的提升，這個提升來自人工智慧和人類智慧的一種結合。在中國的市場中，目前至少未來五到十年，alpha還是充分存在的，市場有效性的提升會是一個非常長期的過程。所以量化的主動投資會在這個市場裡面得到很好的用武之地。
謝謝大家！
最新評論