东恺投吴明义：量化策略将会迭代升级提升投资效率
本期采访中，东方证券研究所金工首席杨怡玲对话东恺投资总经理吴明义，深入探讨了量化投资的机遇和挑战、科技型或科技创新投资、大数据AI下量化策略的发展、投资前瞻等主题。
吴明义表示，通过大数据和AI的结合，和对基本面投资逻辑的理解，量化策略在接下来应该有更好的发挥投资效率的机会。
以下为对话实录：
杨怡玲：
今天非常荣幸邀请到了东恺投资的吴明义总，来参加我们华矅之光访谈节目。东恺投资成立于2018年，公司致力于价值投资和主动量化，以及一些量化的投资策略，在多策略的资产配置上有多年的实战经验。而且据我了解，有比较强的投资的团队。在整个市场上的影响力也是逐步地提高。目前管理规模应该突破30亿了。我们吴明义总，他主要是在美国普林斯顿大学（攻读）的数学博士。之后也是在美林证券以及千禧年基金，包括像国内的银华基金，还有华泰资管都有非常丰富的、接近20年的投资经验。今天也是非常荣幸邀请到吴总来给我们介绍一下整体对于量化行业的思考，以及对整个公司的理念规划的探讨。
吴明义：
谢谢杨总。那我也大概补充一下东恺投资的情况。东恺投资大概成立4年半左右，时间不算长也不算短。但我们可能是国内非常少数的有国企券商背景的一个私募。我们最大的股东其实是东方证券。依托了东方证券，还有我们金融科技的一个股东，组建了这样一个团队。公司虽然成立不是很久，但是投资团队的管理经验都非常丰富，都是从券商、基金或者保险过来的团队。现在有基本面团队、量化投资团队、多策略配置团队。公司也在稳健的发展当中，期待和各位投资人有进一步的合作。
杨怡玲：
好的。今年以来，整个金融市场持续波动非常剧烈。那您对今年的全球经济和中国经济大致有哪些预判呢？
吴明义：
今年第一季度的全球经济走势其实是好于我们的预期的。22年年底，大家普遍认为全球经济在上半年将有机会进入一个比较衰退的情况。可是进入到2023年第一季度，我们看到是全球的生产和消费仍然呈现了一定程度的韧性。但是在美联储加息，美国和欧洲，特别是银行业，流动性风险逐渐加大的情况之下，全球经济也呈现了一定程度的结构性矛盾，这样的矛盾不断的在累积，风险也不断在积聚当中。所以展望全年来讲，我们觉得欧洲也将面临一定程度的困难。在货币、财政、信用方面，特别是一些经济实力可能比较弱的主权国家，仍然会面临比较大的压力。所以欧洲修复的持续性可能会面临比较大的一个挑战。同时美国近期的一些数据也看出了一些经济衰退的现象。3月份CPI落于预期，我们看到劳动力市场也比较疲软，都说明了这个美国经济正在失去快速发展的动力。因为在银行业危机的影响之下，美国3月份企业破产的数目，其实创造了近三年最高的水平，所以我们觉得接下来美国加息周期可能会变化，可能会到见底的情况。
回到国内来看，国内现在呈现的是一个缓慢复苏的态势。宏观方面，3月份的出口仍然是超预期。虽然中长期来看欧美国家经济可能面临比较大的放缓的可能性。近期，不管我们跟欧盟合作，跟俄罗斯、拉美、非洲发展中国家合作，对我们出口的动机现在也越来越明显。并且机械和劳动商品的出口贡献是上升的。所以我们预期出口将会保持一定程度的韧性。另外，国内的消费市场现在逐渐在恢复，不管是餐饮或者是航空旅游业，消费都在恢复增长。
有一点我们在投资上需要特别关注，就是当下阶段我们认为中国现在正处在新一轮的科技创新的周期当中。从2019年来看，不管是新能源、人工智能或是5G通信等领域发展得非常快速。中国也在大力推进核心技术的自主可控，提升自主创新的能力。像最近ChatGPT这样的人工智能技术不断地在创新，也带来了整个要素市场效率的提升，为中国未来的可持续发展提供了重要支持，所以很大概率接下来几年也是科技创新的大年．。总体来看，虽然全球经济面临一定程度的不确定性和挑战，但是中国经济正在缓慢恢复，新一轮的科技创新周期的加速演绎也为中国长期发展带来巨大的机遇。总之，我们保持乐观的态度，并且持续关注科技创新领域里面可能会带来一些投资机会。
杨怡玲：
我们看到像近两年有去全球化的趋势，以及美元加息的趋势马上要终结的状态，整个全球市场经济确不确定性陡增。您觉得在这样一个环境下，我们整体面临的最需要注意的风险点有哪些？
吴明义：
现在我们讲的主要是集中在投资上的一个风险点。由于经济处在一个缓慢复苏的阶段。我们也处在科技创新的一个周期里面。我们投资的一个关注点其实是在科技行业上。在这样一个科技创新周期里面，其实每一种科技创新都存在技术迭代、路线选择的风险。这样的状况也导致我们对很多科技型企业投资上的困难。最大的一个当然就是估值的模糊、定价的困难。举个例子，比方说像这一轮2月、3月ChatGPT的AI浪潮里面，我们看到很多股票，其实都是翻倍增长的，但是很多股票是集中在AI模型的应用上面。对于那些短期可能可以落地、应用前景比较广的（公司），市场很热的时候，可能给到超过百倍的一个估值。对于那些主营业务还是集中在传统业务上、想象空间比较少的（公司），市场甚至给它低于10倍的预期。所以在同一个行业，这样估值的差距是不是合理，是需要我们去深入探究的一个问题。
另外除了估值，我们在做科技型企业交易的时候，以后也面临交易制度变革。现在很多科技型企业，每日的股市涨跌幅都是负20%到正20%，不再是负10%到正10%这样一个区间。所以我们常会发现一个现象，很多科技型的股票在二级市场里面的日内波动是非常大的，存在过度交易的可能性。所以今年以来，像TMT行业，包括计算机、通信、传媒、电子，其实是涨得非常多的，一骑绝尘，成为A股市场投资最强的主力。尤其进入3月份以后，大量的资金进入了这个TMT行业。根据我们的统计，3月份进入这个行业总成交额超过8万亿，占当月A股将近40%的成交额。这是在整个A股成交创下了20年以来最高（比重）的一个板块。
所以，我们需要在进行科技型或者是科技创新投资的时候，考虑到股价在整个波动率显著提升、市场风格演绎逐渐趋近于极致所带来的问题，比方说TMT行业不断的拔估值，行业平均的涨幅超过35%，但是像消费者服务、房地产、食品饮料、电力设备来讲，其实这些板块不断被抽血，甚至成为TMT行业不断拔股值的一个垫脚石。
另外TMT行业本身也出现了不小的分化。从信创的轮动到AI模型，到算力轮动，到数据跟应用上面，所以每一个日间，板块的波动都非常剧烈。最近我们看到一个很有趣的现象，每日的波动已经剧烈到一个程度，大于每周的波动。一周我们就看日（波动），那周的波动又大于月的波动，因为月的波动可能是每周的这个平均值。所以在每天的波动这么大的情况之下，在投资上相对来讲，不管是短线或长线时期，都出现比较大的困难。另外，回到我们量化投资，这样极致演绎的结构性行情，其实也对量化模型造成选股能力上很大的挑战，对我们的超额收益呈现一定程度的侵蚀，同样对我们的风控能力提出了比较大的要求。所以我们在进行投资决策的时候，需要对风险管理的一些措施进行严格执行，避免在股价波动的环境之下，呈现比较大的损失。
杨怡玲：
基于我们现在对于经济的预判，包括一些新兴出现的技术，我们今年的量化策略
会受到哪些影响呢？
吴明义：
今年我们看到不管是GPT或全面注册制的推出，当然对我们整个量化策略都产生比较大的影响。我们认为今年对量化投资来讲，经济形势整体来讲还是机遇大于风险的，随着市场的不断演绎，我们觉得后市可能更加有利于量化策略发挥它的特长。
今年以来，我们看国内市场是属于弱复苏的环境。相对来讲权益市场可能是处在牛市的初期，市场风格的稳定度比较差，风格的演绎也比较极致，交易也比较拥挤。这样类型的市场其实适合一些比较高频的因子，不管是基本面的因子，或者是日线级别以上的价量因子，今年第一个季度和去年下半年表现都比较不理想。今年年初到2023年的4月17号，申万的31个一级行业指数里面，只有9个行业跑赢中证500指数，也就是说行业里面能够真正产生超额收益的其实非常少，增加选股的困难度，所以行业的涨跌幅分布是比较极端的。对我们做量化来讲，我们要求行业均衡分散，要求持有比较多的股票，其实是一个比较大的挑战。所以我们在量化里面常见的这些基本面因子，不管是估值、盈利、成长、公司的治理质量，超预期的这些中低频因子当中，过去的四五个月当中，表现其实都不是很理想。所以在控制了整个行业和风格以后，过去的一段时间，大概只有一些比较偏交易量型的因子，像这个北向资金的因子，比如过去5日、过去10日的净流入，或像估值类的因子，市净率或是市盈率的一个导数，或者是像股息率，或非流动性的因子，在中证500的超额收益还是处在一个相对来讲比较理想的水平。因为高频的因子可能在这样快速风格变化当中更能够适应市场风格，过去的一个季度里面，相对来讲表现略好于中低频的因子。一些根据tick级别或高频交易数据结合深度学习所开发的一些高频因子，在今年一季度的表现还是相当可以的，贡献了0.5%到2%左右的超额。但是，我们觉得随着市场不断演绎，在市场牛市演化的中后期阶段，宏观经济复苏会慢慢扩散到各个行业去，所以预计市场阿尔法特征会更加稳定，会更有利于各类型，不管是中低频、高频的量化策略发挥优势。
另外，我们的大数据不断提升，通过大数据和AI的结合，和对基本面投资逻辑的理解，我觉得量化策略在接下来应该有更好的发挥投资效率的机会。事实上，我们如果回顾从2019年到2021年整个牛市的过程当中，2019年相对来讲也是做出超额比较困难的年份。那2020和2021年，其实是量化大放异彩的年份。不管是牛市后期，它的风格或者是交易量，都呈现比较稳定的情况。另外市场的波动，虽然是市场的风格在变化，这波变化也是呈现一个比较可追踪或是可持续的阶段之下。
其实我们做超额看的是三个因素：第一个是规模因素，同样一个策略能够容纳多少规模；第二个就是市场结构，比方说像2017年只有大盘股涨了，市场当然是比较难做超额收益的。另外一个就是市场参与者的结构。从规模来说，其实19年整个量化市面规模大概就3，000亿左右，到了20年突破6，000亿、7，000亿，到了2021年，因为2021年是量化大年，年终我们估计量化已经突破1万亿左右，所以短短的3年左右的时间，量化规模成长了3倍。所以也带来了整个量化获取超额收益难度的提升。现在一个小团队要做出超额收益非常困难，但是我们同时也看到，超额收益的波动率也在降低，所以行业其实正处在一个稳健发展的阶段。我们量化的证券私募现在是正式突破万亿关口，那占着整个证券私募行业大概20%左右的份额，现在证券投资的规模大概是5.6万亿左右。所以，整个量化策略在过去几年表现也是相对亮眼的。我们看第二个因素，也就是市场结构。如果市场结构有呈现一个普涨，呈现一个涨幅扩散在不同行业当中。当然我们会有一个比较好的投资机会。那我觉得过去，特别是最近几周的市场，我们也看到不管是TMT行业、AI行业的投资，也慢慢呈现扩散的局面。刚才我讲的第三点是投资者结构的问题，我们看到过去几年里面投资者结构呈现了机构化的倾向，我们在2015年、2016年的时候，根据普遍的研究，散户在市场里面仍然是有70-80%左右的成交量的占比，但是到了2018-19，特别是到2020年以后，研究已经证实，机构投资者所占的市场成交量已经超过一半左右，也就是说散户占到近40%左右的比例。所以做超额收益，我们现在面临的（问题）是要去找到投资效率可以发挥比较大优势的地方。要么就是你比其他机构更能够捕捉基本面或是数据的价值，要么就是你能够在散户的投资行为当中找到更多的投资机会。相比很多的国家来讲，我觉得国内的超额收益的底线可能是比较高的，短期到中期来讲，我们可能还是有机会维持在（中证500或中证1000指数）10%以上的超额收益水平。
杨怡玲：
您在国内外的投资机构，都有大量长期的投资经验，您觉得像国内的量化和国外的量化有哪些各自的优点或者缺点？在国内的量化行业，它有哪些比较明显的特点和趋势？
吴明义：
我们看境外的量化行业，相对来讲它有三个特点。第一个特点就是它策略更加多元化，包括高频套利，做市场的策略，包括量化对冲、CTA或是各式各样的多资产之间的套利或组合的策略。第二个特点就是它的底层资产比较多样化，它结合的债券，可转债、股票、期货、期权等等，它也有大量复杂的场内跟场外衍生品工具。第三个特点是它在境外高度重视金融科技的应用。比方说，现在ChatGPT在人工智能横空出世的背景之下，我们会面临非常多的投资机会。所以境外机构在金融科技、大数据、云计算和人工智能方面的高速成长，也为境外投资机构的投资不断赋能，加速行业数字化转型，在投资效率上的提升。所以境外的这些投资机构普遍在数字化转型和人工智能上的投入是更高的。另外，由于境外机构的有效性比较高，所以我们刚才讲，可能它的散户占比也是比较低的，依靠传统投资来获取超额收益的难度是增加的。所以他们更倾向利用科技的手段不断开发新型的投资策略，从研究数据或从研究创新的因子不断寻找超额收益的可能性。另外，现在利用大数据或者是图像识别，或者是机器学习来获取超额收益的情况也比较普遍。甚至我们看到一些数据，在过去的几年当中，境外的机构在大数据上的投入都成长非常快，从16年到去年大概增加有十倍，从200多亿到2，000多亿不断在数据上投入，不管是爬虫、数据的维系、App应用、地理位置，卫星数据的使用程度，现在都是非常普遍的。回到我们国内，国内量化投资人的投资标的比较集中在股票上面。当然这跟我们本土的情况有很大关系，所以有一部分的策略相对来讲就比较难施展。但是过去几年里面，从发展趋势来看，我们的股票量化策略上也发展得比较好，现在可能认可度比较高，一方面是市场中性策略，一方面是指数增强策略。CTA策略从2019-20年后也慢慢得到大家的重视。去年迎来CTA市场发展的一个大年，过去的一年当中，基于指数增强进一步放开风格限制的量化选股策略也得到市场关注，相比于境外投资的产品来讲，我觉得品类丰富程度国内是有待提升。但是在量化选股策略来讲，我觉得是接轨国际的。技术来讲，我们怎样利用大数据，或者是利用AI、ChatGPT这样的技术能够让金融科技的渗透率有更大提高，也是未来在国内发展量化投资很需要高度关注的。所以未来量化的发展应该会有更多金融科技的渗透力的大幅提高，会有更多的策略融合大数据或者是人工智能来提高投资的性价比。在产品类别上，可能指数增强会慢慢往量化选股方向去扩充，量化选股可能有更多的空间可以被市场慢慢接受。从指数增强到量化选股，其实是对量化投资管理人能力的进一步的认可和提升，可以解放他们阿尔法的潜力，同时也考验他们在宽基指数之外更好的风险管理控制的能力。
杨怡玲：
那在您看来，贵公司在产品策略上的一些核心优点或者优势在哪些方面呢？
吴明义：
是的。刚才我一开始介绍过，我们东恺投资结合国企券商股东背景和金融科技股东背景的特色。所以我觉得我们的核心竞争力在于基本面投资逻辑的理解力，和量化大数据分析的能力。我们背靠东方证券，东方证券长期来在权益投资方面，不管是东方红、汇添富或是他们自营的权益投资，都是非常出色的。我们依靠他们投研的知识，加上大数据，还有金融科技的股东支持，所以我们量化投资的框架是主动投资逻辑和大数据分析能力的结合。一方面，我们从公司的层面去推动基本面团队跟量化团队的深度协同合作。另外一方面，我们从源头上突破量化因子开发同质化的瓶颈，主要补充海量的另类数据，把大数据清洗和建模和整个投资逻辑做深度结合，来捕捉隐藏的投资信息。另外，因为我们更强调主动投资逻辑的计划与演变，也在某种程度上克服了单纯数据挖掘过敏的风险，能够跟着投资逻辑不断严谨，能够与时俱进地迭代我们的策略框架。
杨怡玲：
在当前，大家的科技水平，或者说我们的投资的经验越来越丰富的情况下，量化行业有哪些新的机遇或者挑战？比如说现在有哪些金融科技上的一些突破或者创新，是值得我们量化这一类投资机构特别关注的？
吴明义：
最大的挑战当然来自于量化交易的规模。量化规模过去几年当中成长了4倍到5倍。过去两三年，我们也看到量化不断的进入，不能说卷，但至少是比较深水发展的区域，在细节、数据处理、投资逻辑上面不断地优化。另外，我们要考虑到的就是过去几年市场波动也是逐渐加大的，我们看到今年的指数虽然是缓慢上升，但是行业的分化非常剧烈，风格趋于极致化，造成阿尔法比较难以持续，回撤比较明显，所以我们发现，很多过去长期有效，特别是基本面的阿尔法因子呈现一些高度周期性特征。另外，高度结构化的行情也让量化模型在行业内的选股能力明显的下降。因为我们知道很多选股其实更强调的是行业内的选股能力，我们在行业和风格控制上其实比较严格的，甚至在有一些时间段里面，有一些行业贝塔非常强，比方说过去的2、3月里，一个行业带领整个指数上升和非常少的行业战胜指数，所以整个量化比较擅长的行业内选股能力就被充分的稀释掉。所以在整个超额收益被稀释和被淡化情况之下，怎么提升整个量化策略投资的效率，是需要我们去深度面对和考虑的。
同时，我们的规模不断的在上升，整个量化投资的发展前景是非常广阔的，不管是公募还是私募。公募大概从2009年开始，私募这里从2016年开始，特别是过去2020-21年大发展的情况之下，私募管理规模也得到长足的增长。所以行业不断的投入，数据处理的技术不断的进步，过去一段时间AI的进步，我觉得量化投资是有很大的发展优势。一方面就是在大数据和人工智能的快速发展之下，整个量化投资相对于基本面来说应该能够得到大的受益，有助于我们量化投资提升投资效率。相对于传统的基本面、技术面数据或者分析数据来讲，过去的几年中我们看到很多另类大数据层出不穷，另外很多高频日内数据也越来越多被应用，甚至是成为大部分量化私募的标准的策略领域，都为量化策略提供了坚实的数据基础。另外，机器学习人工建模的方法，在量化投资也得到深入的应用，所以量化模型的选股能力在过去也不断的优化，那我们预计未来由于人工智能的发展，会有更大的优化和效率提升的空间。
另外，我觉得量化投资比较擅长的是股票，以宽基指数为基准的投资组合，它和基本面投资也容易形成比较好的互补，能够均衡发展。量化主要依靠大数据和统计模型来开展投资，我们有历史数据来作为支撑，模型也经过数据的验证，数据的更新速度也比较快，模型也可以基本覆盖全市场的股票，依靠分散投资，风险因子的风险管理或者是情景分析，来做风险控制，所以相对于基本面投资，我们有很多可以互补的地方，整个量化投资也形成了权益投资上很重要的一环，也是资产配置上很重要的一环，
杨怡玲：
在这种新的机遇和挑战下，贵公司在这个战略上是不是做了一些方向的调整。未来有哪些规划或者是愿景？
吴明义：
显然我们现在会更加注重大数据跟人工智能在投资管理上的一些加速应用。考虑到AI的应用，我们相信在不久的未来，应该也有很多开源的特征会出现。所以人工智能的可及性将会大大提高，所以我们现在也在提前部署相关的投研力量，包括自然语义的分析，提前收集海量的数据、另类的数据、语料的数据来替我们在数据科技快速发展的情况之下，特别是国家大力支持数据行业的大环境之下，我们怎样提升我们投资的能力。另外，产品规划方面，我们现在着力打造基于风险高低差异化的产品体系，以市场中性的产品来满足中低风险投资的要求，以指数增强产品来作为工具化配置的手段，为广大的专业投资者提供配置的工具，以量化选股的产品来满足高收益投资者的需求。同时，我们以底层的产品为基础，应用量化资产配置的手段，打造一些定制化、多策略产品来满足专业投资者的需求。所以简单来讲我们其实希望从风险跟收益的类别，来打造我们差异化的产品线，来服务风险收益需求不一样的客户。
杨怡玲：
看来您这边的布局也是非常前瞻。您这么多年的投资生涯中，有没有哪个让您印象深刻的投资小故事？
吴明义：
我刚刚进入市场的时候遇到了一个事件，是2007年8月时，我们遇到了一个所谓叫“量化地震”的事件。大概是8月7号、8号的时候，所有量化选股的策略，市场中性策略都遭遇很大的回撤，是历史上从来没有发生过的。可是在那几天，其实市场是很平淡的，股票市场的指数没有什么涨跌，债券市场也没什么变化。为什么量化会突然遇到很大的一个困难？突然7号、8号有很大回撤，9号有很大的赎回、继续回撤，10号、11号以后，策略又大幅回来。这其实也给我当初进入量化投资市场有很大的冲击。这样一个市场的变化，其实它并不是源于这个策略本身，而是源于流动性。后来经过很充分的研究发现，有几只很大的量化市场中性基金遭遇赎回。因为7月份的债券市场有某种程度的回撤，所以很多的做固收加的投资客户需要赎回一些有流动性的资产。很不幸的，市场中性在7月表现还不错，所以大家流动性也还好，就赎回了市场中性的这些产品，造成了市场中性的产品必须把他们的股票和期货同时平仓。因为大家用的选股因子都是比较类似的，也造成了同样一批股票，同样一些选股因子得到比较大程度的回撤。回撤以后，因为一些回撤的螺旋效应，引起其他的市场中性产品踩踏与回撤。所以从数据上，长期来讲，选股效益是非常明显的，可是产品却有比较大的回撤。所以我们来看所有投资，其实都要考虑这个问题：数据其实是有限的，未来是无限的。我们怎么样管理内生性的市场风险，是我们需要去考虑的。所谓内生性的市场风险就是说，风险不是由外在所产生的，不是由数据所产生的，不是由市场所产生的风险，而是这个策略本身，它的规模或者是它的比例到达市场某一个程度以上，你本身就是市场的一个影响因素，甚至你能够影响价格。比方说你卖一部分的股票，股票它可能就失去了一些基本面的支持，造成这些股票很大回撤，都可能造成我们内生性的影响。另外，在量化这里，我们怎样去面对极端的一些情况，因为极端的情况其实很少发生，极端的数据也比较稀少，它也很难评估。我们量化怎样和基本面做结合，在投资管理上面，特别是有些常识性的风险管理我们是要坚持的。怎样把这个投资做好，风险管理非常重要。
杨怡玲：
好的好的。今天也非常感谢这个吴总来参加我们这个华曜之光访谈节目。我们也是受益匪浅，能够获得更多的对市场的理解。感谢吴总的支持。