首先，预测中国量化投资的未来，一个办法就是看一下美国老师的现状。美国的资产管理有两个趋势：一个是共同基金的逐渐指数化，另外一个趋势是对冲基金的逐渐走向量化。【期货量化交易如何学习，请见文末《魔方量化》专栏系列】国外的对冲基金，相当于中国的证券私募。最初的对冲基金都不是量化的，这个表是2004年全球对冲基金资管规模排名的前10名，你看大部分都不是量化的。这是去年2018年的排名，量化已经占了前面的多数，我们熟悉的桥水排名第一，AQR排名第二，文艺复兴排名第四。最近十几年，量化基金在美国逐渐变成了对冲基金的主流，甚至很多人以为对冲基金就是量化基金。我们是对冲基金，所以我今天主要讲对冲基金里的量化基金。
从美国的经验来看，量化私募的管理规模可以做得很大。全球最大的对冲基金桥水的管理规模是一万亿人民币左右，而国内大的量化公司在100～200亿之间，我们可能还有几十倍的增长空间。中国真的有私募能做1万亿吗？应该是可以的。以后中国的经济体量和美国差不多，国内最大的团队应该能管2、3千亿。如果股市扩容，衍生品市场发展，能管4、5千亿。再加上海外市场，就有1万亿了。
国外那么多量化公司，他们都在做什么呢，都在做高频吗？显然不是，高频容纳的钱很少的，并不是资产管理的主流。答案是所有策略都做，从宏观对冲，到股票基本面，到股票量价，到大宗商品，到债券，主战场是股票和债券。全球最大的对冲基金桥水，是做宏观量化的，全球第二大对冲基金AQR是做股票基本面的。你看越是低频的策略，容量越大。所有原来人类做的策略，现在量化都在做。而国内的对冲基金，现在大家主要都是做量价策略，我们整体上比美国是落后的。从美国的经验来看，在策略类型上面，我们应该还有很大的发展空间。
那么，量化和非量化，到底是怎么区分的。我们根据中国的国情，对量化投资做一个定义。有人说量化投资是程序化下单，这是不对的，因为不少量化公司是手工下单的，而传统的公募很多是程序化下单的，有成熟的VWAP系统。有人说是用数量化方法进行研究？也是不对的，因为现代的投资研究很多都是要用数量化方法的，这个定义没有区分度，所有人都可以说自己是量化的。有人说主观投资需要深入个股，量化不用看个股。这也是不对的，至少我们个股看得挺细的，我们的美国同行看个股也是非常细的。
那么真正的区别是什么？答案是，在投资决策的过程中，你是用数量化方法进行决策的，还是用人进行决策的。所以区别不是交易，不是研究手段，而是决策方式。量化公司也有很多交易员和研究员，但你发现量化公司是没有基金经理的，基金经理就是一堆服务器。人来做投资决策的时候，它是一种艺术，要凭感觉。程序来决策的时候，它是一种科学，它有最优解。有人问，量化投资，以后还需要人类吗？当然需要，需要大量的程序员和研究员。
接下来，我们看一下国内的量化投资，大家都在做什么。当前投到中国市场的量化的资金，我们估算大概在2500亿到5000亿之间。其中超过一半投到了股票策略，其次是商品CTA，剩下的就很少了。从历史收益来看，股票的收益也是比商品CTA要好一点。我们今天集中讨论股票策略。这个表是我们和同行一起估算出来的，不一定精确，但大轮廓是差不多的。如果您要投量化，按这个表去找投顾就对了。
股票策略，传统上我们分成4种，最重要的是第一种日间量价模型。大家经常听说的多因子、alpha其实都是说日间量价模型，规模大概有两千亿。第二重要的是日内回转模型，俗称股票T0，有大几百亿。最后还有两种，基本面模型和事件驱动模型，目前不是重点。这是私募的数据，另外公募还有1200亿左右在做基本面量化，我们今天只讨论私募。这四种模型都有效。在传统上，所有的模型都是多因子模型，通过选股和择时来获取超额收益。在2017年以前，多因子模型是万能的，以前我们都希望模仿worldquant的模式，就是找很多的人来挖因子。同行里大家竞争的是谁的因子更加有效。现在你要再挖出一些很有效的因子，已经很难了。2017年之后，行业发生变化，传统的多因子框架逐渐被人工智能取代。2019年之后，又逐渐被更新的集成框架取代。
【期货量化交易如何学习，请见文末《魔方量化》专栏系列】作为私募，投资人对我们的期望是很高的，如果一年跑赢指数低于25%，投资人是不满意的。私募之间的竞争很激烈。我们每个星期都会拿到同行的业绩数据，这个星期谁跑赢了多少，大家放到一起来比，如果落后了客户就马上就会打电话来了。所以我们压力很大的，我相信同行的所有人压力都大。正是这样的压力，逼得我们不断地提升投资能力，加班改策略，因为一偷懒就落后了。当然我们向客户的收费也高，远远高于公募，所以这个业绩和压力也是公平的。
我们经常会被问：量化投资到底是赚了谁的钱？其实答案很简单，量化赚了原来人类投资者赚的钱。人类投资者分两个流派，一种叫技术面，一种叫基本面。说得更具体一点，现在量化赚的是技术面流派原来赚的钱。谁来告诉我，技术面流派赚了谁的钱？技术面流派现在赚钱已经比以前难很多了，因为程序有两三千亿的钱每天在做同样的事情，使得市场的有效性大幅度提高了。再过几年人类会更难，因为程序一直在进步。现在是2019年，在技术面上，程序已经远远超越了一般的人类高手。
量化私募整个行业的进步，大致是符合摩尔定律的，每18个月投资能力翻一倍。但是这几年来，量化投资的平均收益率，差不多是没变化的，因为市场的有效性在不断提高。这是符合逻辑的，因为投资能力提高一倍，市场的有效性还一样的话，赚的钱应该是原来的2倍才对。所以市场的有效性提高了。市场有效性提高，一个证据是人类高手很难赚钱了，另一个证据就是两年前有效的量化策略，现在也慢慢失效了。量化的投资能力，还有很大的提升空间。所以我们预计未来几年，中国的股票市场，有效性会进一步提高。这是历史趋势，不可阻挡。
我们还经常被问到一个问题：以后市场非常有效了，是不是大家都不赚钱了。从美国的情况来看，市场不会100%有效，因为市场100%有效的话，对冲基金就消失了，谁来维持流动性和价格？市场会在接近完全有效的时候，达成一个均衡，使得对冲基金刚好能cover公司的运营成本和客户的资金和风险的成本。从全球来看对冲基金都不是暴利行业，你跟一级市场和房地产来比的话。我们所处的历史阶段大概在这里，我们离市场完全有效应该还很远，至少未来几年，我们都不需要考虑这个问题。
最后，我们做两个预测。一个短预测。一个长预测。如果这两个预测成立，量化投资的收益率，还能持续若干年。
短预测是未来一两年。未来一两年行业的提升应该来自于多策略结合。多策略结合并不是简单的分散投资。分散投资是这样的，4亿的资金，1个亿做A模型，1个亿做B模型，1个亿做C模型，1个亿做D模型。这样做的缺点是，收益率是4个模型的平均。我们说的多策略结合，是叠加，4个亿既做A模型，同时同样的4个亿资金，也做B模型，C模型，D模型，最后合成一个大的、包罗万象的策略，不属于传统策略类别里的哪一种。
去年，日间alpha叠加日内T0效果很好，但它已经落后了，现在需要更多的策略，用更领先的办法来叠加。这个听起来很有道理，但是做起来很难，难点不是在策略或者技术本身，而是在私募公司自己的商业逻辑上。因为每一个模型都需要一个团队，原来一个团队就能管几十个亿，现在要很多个团队加起来才能管几十个亿，成本多了很多倍，而公司收入并没有同比例增加。但据我们的观察，这个趋势已经在发生了，因为你不做，别人会来做，最近业绩最好的几家私募，都是多策略的。
我们预计这个过程会加速，因为随着市场有效性的提高，收益率下降，要靠单策略取得好的收益，已经很难了。以后策略整体会非常复杂，工作量大，门槛高，没有能力组织多个团队的量化公司，会比较难活下去。量化投资会向头部公司集中，使得头部公司有足够的资源来做这些更复杂的策略。我们觉得在多策略结合上空间还是很大的，按照我们自己的进度来看，未来一两年还做不完。如果这个预测成立，量化私募未来一两年还能有比较好的收益。
长预测是预测未来的3到5年。总有一天技术面的波动会越来越小，技术的进步到达瓶颈。未来量化投资一定会去瓜分这一部分人原来赚的钱：原来基本面流派的人赚的钱。在基本面上，市场的有效性目前还是比较差的，这里面有很多的空间。量化做基本面，在技术上完全可行。有人说基本面每家公司不一样，没法量化，这是不对的。
首先美国可以量化，为什么中国不行。其次技术面都可以量化，为什么基本面不行。大概2015年前后，基本面量化在私募里曾经流行过一段时间，那时候市场的有效性还没现在这么高，所以用传统的多因子框架就能赚钱。但从2017年开始，收益率逐步降低，做基本面量化的私募团队失去竞争力，已经逐步被淘汰了，但公募还在做。私募需要把基本面量化提升到一个更高的水平。完成这个使命的不会是老的那批人，而是新的能力更强的人，用更复杂更精细的办法，才能把这个事情做出来。
我们现在的产品里，已经叠加了基本面量化的模型，效果很好，但还只是用了传统的方法。要更进一步，需要精细化地去做，成本比技术面高很多。要做到AQR这样的水平，我们保守估计，团队的成本在每年10亿人民币以上，所以只能一步一步来。以后量化私募能管1000亿的话，这个成本是可以接受的，商业模式上没有问题。基本面量化还有很长的路要走，它要达到现在技术面量化的高度，应该还差几个摩尔定律的周期。但这一天，肯定是在我们的有生之年会看到的。
最后的问题是，如果对冲基金赚了技术面的钱，又赚了基本面的钱，那么普通人怎么办？我们回到美国老师身上找到答案。对冲基金只赚了波动、流动性和定价的钱，没有赚走beta的钱。美国最大的对冲基金桥水，资管规模1万亿人民币，美国最大的共同基金贝莱德，资管规模是45万亿，在共同基金面前，对冲基金就是小不点。市场有效的时候，你直接买指数就可以了，指数就是真正的价值投资，财富的主体还是在老百姓手上的 | 
:
| 
:
| 
:期货量化学习 | 
:期货量化 | 
微信：
欧美杂志精华：
