3月28日晚六点三十分，浙江大学资本市场研究中心在浙江大学校友活动中心西溪厅举办了“紫金港资本”系列NO.9讲座。本次讲座邀请了上海喜岳投资管理有限公司首席执行官周欣博士和首席投资官唐涛博士，为大家分享了喜岳投资主要团队成员对于量化投资的正解。本次讲座由中心主任黄英教授主持，浙江大学管理学院、经济学院、计算机学院、机械工程学院、控制学院、数学科学学院等近五十余名师生以及毕业校友、业内人士参加了本次讲座。

    周欣，美国杜兰大学金融学和会计学博士，曾任加州大学伯克利商学院特聘教授，给MBA和金融工程硕士班讲授投资课程。论文发表在美国顶尖的金融学术期刊，多次受邀在美国金融年会，会计年会和多所著名高校演讲，并获多项荣誉奖项。周欣博士同时拥有近10年的美国最大的顶尖资产管理公司核心研究部门(BGI和AQR)的实战工作经历，负责超过上千亿美金的股票投资量化模型和风险控制模型的创建和分析。曾在美国总行，伦敦分行就职，有丰富的投资经验。精通欧美资产管理公司的业务，用扎实的金融，经济，统计知识对行业和公司进行定量和定性分析，对顶级资产管理公司的运作流程有极深的了解和独到的见解。

     唐涛，芝加哥大学金融学博士，芝加哥大学MBA，芝加哥大学统计/经济双学士，曾任民生人寿保险，民生通惠资产管理公司首席资产配置官。唐涛博士曾任巴克莱全球投资者BGI和AQR对冲基金股指期货对冲和货币对冲团队负责人，曾在瑞士瑞信银行纽约总行，高盛纽约总行，伦敦分行等国际顶尖金融机构就职。唐涛博士的文章多次发表在美国顶级学术期刊，曾受聘于加州伯克利大学商学院给MBA讲授期权课程，现在喜岳负责Beta 择时策略的研发以及其他所有并行的投资策略的质量监控。

     讲座开始前，由资本市场研究中心主任黄英教授为周欣博士、唐涛博士颁发了特聘研究员的证书。

      量化投资，近期在中国资本市场渐渐的火了起来。中国的机构投资者对这个舶来品从最初的好奇，到现在的略有理解和慢慢接受，为这一种技术上已经非常成熟的投资方式在中国的发展提供了必要的土壤。

     喜岳投资是由全球资深量化投资管理者和中美权威金融会计教授合力创办的一家纯量化资产管理公司。作为中国量化投资的领军团队，是中国多家保险和银行的专业投资顾问。经历了疯牛，股灾，熔断，大小盘严重分化的考验，一直以科学投资理念为企业的生存之本。喜岳的阿尔法产品，指数增强，阿尔法加贝塔等所有产品净值一路走高，更是多次创下了历史新高，到底是怎么做到的呢？周博士从以下7个简单的要点，给大家分享了对量化投资的正解：  

1. 量化和对冲是两个独立的词语，换言之，量化可以不对冲，而对冲的不一定是量化。市场上许多机构把这两个独立的词语理解成一个词语，这是错误的。量化只是一种工具，而对冲不对冲则完全取决于资金对策略风险的偏好而已。量化投资是可攻可守的，当它不使用对冲，作为一个进取型策略出现的时候，收益特征会与主动多头的权益类产品类似，而对冲的策略也不一定是量化投资，主动投资管理人也可以选择适当对冲相应的股指期货来降低风险，而这些策略不能因为加了对冲就称其为量化策略的。

2. 量化与主动投资两者并不对立，可以有机的结合，这也促成了基本面量化投资的诞生，并且成就了像BGI (全球最大的资管公司) 和AQR (全球最大的量化对冲基金) 等著名量化投资团队的成功。正确的主动投资理念以及其逻辑思维方式是完全可以交给电脑去模拟和计算的。很多机构把量化投资狭隘的理解为统计套利或是高频交易，认为量化和主动投资是风马牛不相及的两种投资，这也是错误的。说基本面量化投资的难度是极高的一点也不为过，因为它不仅需要对数学，经济学，金融学，统计学，会计学，甚至心理学的融会贯通，还需要有深厚的计算机编程能力来将这些知识通过程序显现出来，这就不难理解为什么美国知名的量化公司Renaissance (文艺复兴) 的创始人Simons (西蒙斯，数学博士)曾经是在FBI（美国中央情报局）一名优秀解码人员。

 3. 证券投资的收益率可以分解成两部分，第一部分是和市场（包括大市的收益，大盘或小盘，成长或价值，不同行业等风格）相关的，这部分收益叫贝塔(Beta)，剩下的无需承担任何以上风险的收益才叫阿尔法（Alpha)。真正的阿尔法很难获得，所承担的风险非常低（基差风险除外），所以获取的成本比较高。然而很多靠赚相对容易的贝塔收益的管理人混淆这两者的界限，让资金方分不清收益的来龙去脉。然后一旦出现系统性风险，就会说黑天鹅事件来了，阿尔法之殇。比如今年上半年小盘股跑输大盘蓝筹股，这是个贝塔风险，绝非阿尔法的来源。一直靠买小盘股对冲大盘股是在某些情况下是可以赚钱的，但这个赚的是贝塔的钱，是风险溢价的钱，绝非阿尔法。

4. 但简言之阿尔法的来源是两个条件并存：1）市场无效，某些资产在某些时刻出现错误定价；2）这些错误定价会被专业的信息使用者发现，并作科学的获利了结，至此这个资产的错误定价结束。那为什么在中国阿尔法比较高呢，最大的原因是非理性的散户参与度比较高，所以市场的无效型比较明显。其次，中国资本市场的信息失真度较高，专业的信息使用者（比如喜岳）会用大量的科学模型来仔细斟酌和判断公开信息的质量好坏，从而使投资决策迅速而有效，在完成获利的过程中帮助市场消灭错误的资产定价，提高资本市场的有效性。中国市场总体的阿尔法什么时候会逐渐消失呢？这一定是个漫长的过程。因为只有随着散户参与度的减少和上市公司信息披露质量的提高的情况下逐渐消失。而中国广大个人客户参与股市的娱乐效应大与财务效应，所以散户参与度的降低将会是个极为漫长的过程。

5. AlphaGo汇聚了智慧和效率，是成千上万个人类工程师机器学习在量化投资里的应用。机器学习在量化投资里应用的心血之作，最终打败了人类围棋高手。将机器学习引入量化投资也是很多量化团队的梦想，但现阶段这个还仅仅是梦想，离成为最终的现实还差得很远。和许多量化团队一样，喜岳在这方面投入了巨大的力量，但远未到收获果实的秋天。所以简言之，机器学习人工智能在量化投资领域的应用中还有很大的上升空间，未来让人充满了遐想。  

6. 收益和风险永远是并存的，任何投资离开风险来谈收益都是不现实的。收益和风险估一个量化投资策略的好坏只能通过夏普比率(Sharpe Ratio)或是信息比率（Information R）。一个收益20%和一个收益8%的策略做对比，不一定是前者好，因为前者可能是承受了比后者高好几倍的风险得来的，所以收益和风险要一并考虑才全面。比如喜岳旗下的指数增强产品“五岳归来“”和择时对冲产品“喜岳1号多策略”，两者的夏普比率(Sharpe Ratio)或是收益风险比是非常相近的，收益却可以完全不同，这说明这两类策略的风险非常不同。

7. FOF（FUND OF FUND）：大多数FOF在苦苦追寻市场上最优秀的投资经理，这个是一个很大误区。FOF其实应该对不同风险进行配置，这说到底是一个择时的工作。这也就是为什么FOF配置极其艰难的原因，因为择时太难。举个简单的例子，假设今年上半年FOF简单的配置了上证50指数，沪深300指数再略加一些纯阿尔法的策略，这三个策略的管理人是否最优秀已经不重要，因为无论他们再差，这个FOF也一定跑赢配置了一堆中小盘为主的市场上最优秀的投资经理。反之亦成立，假设在2015年上半年配置任何以中小盘为主的普通基金经理，这个FOF也会取得很好的收益。所以FOF是个择时的技术活。

    最后，由唐涛博士和在场的师生们进行了一些交流互动，有关于技术层面的、也有关于人工智能在量化投资领域的实际应用探讨的。通过此次大咖级别的对话交流，我们深入了解了量化投资在海外的发展历程以及在中国的挑战和前景，对量化投资有了更加正确的认识和理解。