日韩欧美一区二区三区不卡视频_99视频精品全部免费在线视频_高清欧美在线三级视频_国产麻豆剧果冻传媒观看hd高清

“投資逢盛世，FOF正當時！”為了探討國內私募FOF&MOM基金發展面臨的新機遇、新趨勢，由私募排排網主辦，招商基金、東證期貨聯合主辦，招商證券(600999)、方正證券(601901)、匯鴻匯升投資協辦的“第八屆中國FOF&MOM基金管理人年會”，于2023年7月6日-7日在上海浦東嘉里大酒店舉行。

天算量化(北京)資本管理有限公司 劉駿洲

(資料圖)

在7月6日的會議上，天算量化創始合伙人、總經理劉駿洲出席并進行了主題為《ChatGPT時代的資產管理和量化投資》的演講。

在演講中，劉駿洲結合與ChatGPT的問答互動，全方位展示介紹了AI對資產管理、對量化投資乃至于對我們每個人，在賦能的方式和效果上的可能性。

以下為演講全文

首先特別感謝私募排排網的邀請，給我們這樣一個機會，給大家做一個路演匯報和交流。在美國留學的時候包括回國后，我也一直在使用私募排排網這樣一個網站和工具。我們也發現國內任何一家私募的成長都離不開排排網的幫助和賦能，所以特別感謝能有今天這20分鐘的時間，跟大家進行一次路演交流。

本身不論是資產管理還是量化投資，我們的本質就是給合作伙伴以及我們的客戶提供價值，我也希望今天我的這次演講，20分鐘之后能夠給大家提供一點幫助，這就證明我今天的演講沒有白來，也沒有白交流。

本次來之前也想了很多主題，最近也很忙。我想既然來了，也希望這個路演或者是這次匯報有一定幫助，所以在很多的題目中我們選擇了比較火的ChatGPT這樣一個想法，我今天的題目是《ChatGPT時代的資產管理與量化投資》。

今天主要分為兩部分：一部分是人工智能時代的資產管理，另一部分是人工智能時代的量化投資，我們看一看，人工智能在這兩個領域上能夠如何給我們賦能。

第一個部分，我們來講一下ChatGPT如何賦能資產管理。

無論是過去還是現在，我認為每一個行業，包括每一家私募管理人，能夠取得一個很好的優勢，一定是因為有更好的認知，擁抱一些新的事物，才能拉開一些距離。

提到資產管理，至少在我來講，我這個角色可能是不配站在這個位置上的，因為在資產管理方面，在座的無論是FOF還是MOM的管理人都非常的專業、非常的優秀，量化投資也只是資產配置非常小的一部分。之所以有這樣一個演講主題，敢和大家演講交流，也是來自于ChatGPT的賦能。

總的來說，我們認為如果在一個行業想取得優勢，不得不做的是擁抱新技術，來創造新價值。愛情里有句話叫做“以前車馬很慢，一生只愛一個人”，但這只是一個美好的愛情故事，在創業、在生意中，我們能夠做的是盡快地奔跑向新的技術，才能有更好的價值。

我們從幾個方面來為大家剖析：

第一點，我們與人工智能交互，問一問它擁抱新科技，對于資產管理行業的重要性。

它回答中就說，文藝復興公司更早的使用計算機進行股票投資和投研開發，這個優勢的建立，讓它成為一個非常成功的公司。包括人工智能深度學習在機器上的使用，也幫助他們做到更好的資產管理。

這是過去，那么現在是怎么樣呢？

我們發現，全球頂級的對沖基金Citadel在它的一篇文章里寫了它擬在全公司推動使用ChatGPT。以及黑石也在網站的標題上標注GPT和人工智能將會如何影響投資者。

你會發現不論是過去的金融巨頭還是現在的，都在積極的擁抱這個新技術。甚至是CFA這個社區也用顯著的標題來提醒大家GPT將會影響資產投資的未來。

資產管理中股票投資是重要的一部分，那我們來看一看，當我們跟人工智能交互的時候，它能給我們什么建議？以及為什么我說，我希望我們的演講會有一些幫助。我相信至少大家在演講之后，可以更好、也更愿意使用這個工具，我也相信它一定會有非常好的幫助。

我問ChatGPT第一點：過去十年，股票基金領域的變化趨勢有哪些？

它的回答跟我們這十年在中國的資本市場見到的現象是一樣的。第一是指數基金的崛起，第二是量化投資的普及。本質上不論主觀交易還是客觀交易，我們的目標是要戰勝指數，ChatGPT總結的這兩點，無論是在過去還是未來，我相信都是非常好的兩個賽道。

在股票投資的領域，哪怕是成熟的公司，或者只是招一個實習生，用人工智能都可以幫助我們做更好的資產管理的配置。我今天會從比較寬泛到一步步具體使用的教程，來告訴大家這個東西為什么更好。

比如說我們市場上有非常多的指數增強類的基金，作為FOF、MOM管理人，如何能夠選到更好的基金？其實ChatGPT可以幫助我們做得更好。

如果我問它：指數型基金是否靠譜，如何科學地進行盡調研究？

相信每家FOF或者是MOM管理人都有自己的體系，我們可以基于我們的體系，在和ChatGPT不斷的交互的過程中，形成更好的盡調或者是投研的方案。

比如說這個問題，它的回答是：了解量化策略，評估一個基金經理，查看歷史表現，考慮費用，對比同類基金，以及理解風險。這還比較寬泛，如果我們想針對其中的某一個部分有更深的了解，是不是也可以做到？

它依然可以做到很好。比如說我們如果需要對某一個量化基金進行調研，那么針對因子的環節提問，我們問哪幾個問題可以更好地幫助我們做投資的決策。

——從因子的選擇到因子的來源，以及因子的有效性、因子的組合和因子的更新這幾個部分，ChatGPT也都給了我們相應的答案。哪怕我們只是一個小白，都可以根據這個方式來進行更好的盡調。

那么如果我們已經是資深人士，ChatGPT如何給我們賦能呢？

當然，本質上量化不是一個黑箱，雖然可能很多人覺得量化不公平，在我看來，量化是非常公平的一個投資方式。我們用的計算機是可以買的，我們用的工具是公開的，本身量化只是一個投資的方法。在這個方法之下，我們最多只是找到一些因子，把大家炒股用的因子數量化處理。

所以因子是投資中非常重要的一部分，那么如果我們能夠更好地評判因子的效果，可能就對我們理解管理的效果更有幫助。

針對這個需要，ChatGPT會給我們建議：因子的暴露是如何定義和計算？如何平衡多個因子的暴露？這些因子的歷史表現如何？以及基金經理如何處理因子之間的相關性？包括基金經理對因子有效性的期望值是什么。

可能今天我們看到的版本還比較初級，甚至大家已經在用了。但其實人工智能包括ChatGPT的發展是非常迅速的，我相信隨著時間的推移會有更專業的數據及環節，來幫助我們做得更好。

下一個，包括我們在資產管理公司的某些同事，可能不是每個人都會編程。未來編程將會變成非常低門檻的操作，我們可以跟ChatGPT交互，讓它幫助我們更好的編程，了解公司，了解因子，甚至做一套程序。

舉個例子，我們可以請教ChatGPT，讓它用python給我們寫一個計算因子和檢驗因子的程序，比如說“factor”這樣一個因子，它會給我們一個寫好的程序。那么可以讓每個人，甚至每個投資者，都可以更好地評價一個因子，或者是評價一個管理人。這是第一點。

第二點，像排排網現在有非常多的股票增量類基金，我們可以通過用ChatGPT在排排網爬取數據，讓它作為一個程序化的工具，來幫我們比較不同的指數型基金。可能我們有思路，但是我們不一定會編程。我們可以把我們的思路和ChatGPT不斷的交互，最終會形成一個編程程序，幫助我們更好、更快地了解到指數增強基金對比的特點。

以上是我認為ChatGPT如何幫助我們更好地評判管理人，包括篩選基金。但還有另外一點，我們發現，ChatGPT從3.0、3.5到4.0，可能到后面的4.5，它的發展很迅速。

有一個比較有名、大家可能目前還沒有關注到的功能，我推薦給大家可能會用，我相信做資產管理的管理人、FOF后面會用得比較多的，Portfoliopilot，這樣一個小插件，它可以幫助我們更好地把資產管理進行一個組合。

舉個例子，我們來看這個視頻，一位資產管理的經理，他教我們如何用這個插件來進行全球的資產配置，我們可以跟它不斷的交互來使用，他會給我們一個比較好的答案。

比如說我們有多少買美國國債，多少買黃金，多少買美國的二級市場股票等等，它可以幫助我們，把我們想要的數據，通過人工智能的方式給我們一個很好的答案。

另外，當我做這份材料的時候，也就在兩個月以前，這個插件庫下面的頁數可能還是1，今天是72，可能未來某幾個月變成100。我發現隨著人工智能的發展，這些插件是越來越豐富的，不論是資產管理還是評判股票、評判基金，相信有越來越多的適用于金融領域的插件值得我們使用。這也值得大家關注，也相信可以幫助我們做得更好。

最后總結一下，在第一個部分，我們認為ChatGPT包括人工智能可以重新定義家族辦公室，以及重新定義超高凈值人群的投資。這兩個方向也是FOF和MOM管理人的核心客戶群，所以我認為ChatGPT可以幫助每一個做FOF和MOM的管理人，未來可能還有更好的賦能。

第一部分比較快，也比較直接，因為確實不是我們擅長的領域，只是我們在不斷的業務過程中有了一點點的使用經驗，跟大家進行分享。

那么第二部分我們的視角切換回來，我們創業這么多年以來，人工智能在量化投資這個領域上，到底幫助管理人做了什么？它能夠如何幫助我們做得更好？從這幾個視角來給大家剖析。

提到量化，現在都會想到人工智能，想到深度學習，想到機器學習，它是一個離不開的詞。但是到底人工智能、深度學習在量化領域是如何賦能的呢？

傳統的投研邏輯都是從因子挖掘，到因子組合，到風控優化，到交易執行。我們首先看看投研層面，人工智能深度學習是如何幫助投研，包括如何更好地預測股票收益率的。

第一部分，因子挖掘，從傳統的人工挖掘方式開始，到現在我相信市場上但凡能叫上名的量化管理人公司，都會大量的使用機器進行因子的挖掘。雖然它的可解釋性不強，但是它加入到我們的因子里，會使我們整個因子組合的夏普提升得更快。

第二部分，大家也知道，包括幻方等等都購買了大量的算力，利用算力，我們可以把一些無法解釋的、或者是可解釋性不強的因子，通過人工智能的算法來進行更好的因子組合。

所以說在過去這兩年，我們也發現人工智能在因子挖掘和因子組合方面一直在不斷地賦能量化投資這個領域的發展。

第三部分，包括資產組合、風控模型等等，包括不同信號的組合，我們也可以嘗試用人工智能的方式獲得更好的組合結果，這是在投研方面的。

我們天算成立于2014年，2019年我們獲得了金牛獎，2021年我們就有30億了，但我們可能確實沒有把握住2021年整個資本市場上漲，量化規模增長的這一波，現在我們規模60億，我們也很相信可能在下一階段進入百億。在這個過程中我們經歷了自嘲與反省，也看到市場上有很多管理人到了百億又下來了，但是也有很多管理人一直在百億以上。

在我看來，一個百億的私募，它要具備百億的投研能力、百億的市場服務，也要具有百億的公司管理。而人工智能不僅可以幫助我們的投研體系做得更好，甚至可以在公司管理層面上幫助我們做得更優。

相信在座的大家都是各個公司的管理層或者負責人，一個公司的企業文化，包括如何能夠促進我們跟同事的交流，讓公司整個文化變得更好，這些隱性的特點是非常關鍵的。我們可能看到一個管理人這周超額是2%，我們不要簡單地覺得這2%完全是由研發帶來的，它背后可能有公司的管理能力，有公司的投研能力，有公司的文化等等。

那我們來舉個例子，人工智能如何幫助公司管理做得更好。比如說我們跟它交互——這是我們天算接入的一個接口，我們來問：從公司總經理的角度出發，在公司與下屬溝通工作的時候，是應該先交流他不足的地方，還是應該先表揚他做得好的地方？這其實是一個邏輯問題，或者順序問題。通過這樣的交互，GPT給了我很好的答案。

不僅是這個問題，其實我們生活中遇到的任何一個問題，我們相信如果使用ChatGPT都可以變得更好。我們天算一直以來也是擁抱新技術比較快的公司，在ChatGPT推出之后我們就在全公司范圍內讓所有的同事來使用這個軟件，雖然我們公司只有30人，但是我的感受很明顯，用了ChatGPT之后，我們公司相當于有60個人，等于給每個人裝了一個助手。

然后來到第三個部分：當你這么做之后，效果是什么？

天算量化的指數增強基金是做得比較早的，2017年就開始做。從創業角度出發，當時我們是聽到李世石和AlphaGO的比賽，發現機器可以學習大量的棋譜戰勝人類，就想我們是否也可以通過機器來進行股票的研究？所以我們從2017年就開始做這個領域，我們不能說是國內第一個做的，但至少是前三家用人工智能的方式進行股票研究的。從過去六年來看，中證500漲得不多，我們五、六年時間里還是跑贏了指數不少的。

當然今天講這個并不是展示我們的業績，而是我想從過去六年，我們分為三個階段，來看一看人工智能是如何賦能的，以及未來，我們認為怎么樣使用人工智能可以幫助量化管理人獲得優勢。

我們將整個過程分為三個階段：

第一階段是“人無我有”的階段，2017年到2019年。那個階段我們總結下來就是，任何一家量化管理人，會使用模型的，只要用了人工智能深度學習，都會獲得非常大的優勢。不開玩笑地說，那個時候甚至可以在國外的網站上復制一些策略模型來直接使用，都可以在中國市場賺取非常豐厚的alpha，這是人無我有的階段。

這個階段獲得領先優勢的人只多做了一件事情，就是比別人更早地用這個領域的技術。比如說我們可以看到在第一階段，我們的超額是非常高的，這是第一階段。也是在第一階段，我們獲得了包括金牛獎這樣的獎項。

第二階段是“人有我優”的階段。今天來回顧的話，這個階段有很多管理人上了百億，他們做得好的有兩點：第一點是深入研發AI，第二點是風控模型的使用。本身我們在這段時間沒有發展得很好，因為我們在深度研發AI方面做了比較多的工作，但是并沒有很好的做風控模型。

這里也給大家做一個匯報與交流，比如說第一階段我們可以copy國外網站的一些模型來使用，第二階段這么使用已經沒有效了，我們要自己研發深度學習的模型，包括隱藏層的數量，包括激活函數的調整，包括神經元階段的設計，這都加大了門檻。

在這個門檻之后，如果研發得很好是有很多優勢的，但是至少對我們那個階段來講，風控模型并沒有做得很優。為什么？比如說回到2017年到2019年，看起來某個管理人每年的超額有30個點，可能他是Pure Alpha有50個點，Risk有20個點，最終展現出來的效果非常優，但是隨著中國量化規模的增長，追求Pure Alpha變得非常難，而Risk并沒有變，這個時候如果沒有很好的風控模型的話，結果就是你的Pure Alpha降低的同時，Risk沒有被約束，整體超額就沒法很優。這是第二階段的效果。

回顧第二階段，我們可以看到至少在我們的視角，當時除了我們，還有幾家管理人超額出現回撤，這是為什么呢？

可以用這個圖片做一個匯報，橫軸是時間，縱軸是行業暴露的水平，不同的顏色代表不同行業。第二階段我們沒有很好的風控模型，這導致我們在不同行業的暴露，相對于指數是有一個很高或者是很低的超配，這也是第二階段在2021年的時候一些管理人有超額回撤的原因，這也包括我們。有了這樣的經驗教訓之后，我們快速迭代到了第三階段。

第三階段是“人優我先”的階段。在這個階段天算做了一件事情，也是我們認為，未來如果要在量化領域持續突破，我們要堅持或者是嘗試做的事情——叫做創造性地使用AI和投研新賽道。

什么是創造性使用AI？隨著ChatGPT的出現，以及大量的算力的市場推廣，未來使用人工智能的門檻將變得非常低，可能普通老百姓(603883)或者一位投資者都可以很好地使用AI，很好地使用算力。算力也不再各家自給自足，我們也可以借調別人的算力幫助投研做得更好。總之未來用算力和使用ChatGPT這樣的工具將變得非常普遍。這個時候我們的優勢是是什么？是如何能夠把它用好。所以在創造性使用AI方面，是值得每個管理人思考的一個點。

第二個點是投研新賽道，這一點至關重要，目前所有的管理人，Alpha里面可能就只有Pure Alpha和Risk兩部分，如果單純只追求Pure Alpha，不做任何其他的嘗試，量化的超額肯定會從30個點、到20個點……甚至是消失。那么如何在這樣一個市場中保持優勢？我認為要有持續的創新能力。

提到這里我感觸很深刻，比如說上次在排排網這邊交流的時候，排排網做了一個東西，在我看來是真的很欽佩的。大家也知道今年衍復在排排網發了小市值增強，而本身我們也在小市值有一定的布局。我們在排排網看到這樣的情況，就跟排排網溝通交流，因為不論是500增強，還是1000增強，選股模型是一樣的，只是風控優化設計針對的指數不一樣，有效性沒有任何問題，我相信這個模型如果在500、1000跑得很好，那么小市值也會很好。但是很多公司有這樣一個風控規定，說要實盤兩年，我就說，如果我們還堅持這樣的方式，兩年之后可能超額就不是這樣了。排排網還是很專業的，接受了這個觀點，做了嘗試。我真的是挺欽佩的。

如果我們能夠在研發上用新的賽道，敢擁抱新的技術，創新并不可怕，如果你們認為創新是風險，那我認為你是不夠專業，如果你專業，創新就不是風險，它是一個更好的抓手。

那么在第三階段我們做得怎么樣呢？我們來匯報一下，創新使用AI加我們的新賽道，天算在過去一年有什么效果？大家既然是做FOF、MOM的，我相信我們的數據在很多管理人看來應該是不錯的。

這是因為我們做對了兩個事情，一個是創新使用AI，另一個就是能夠更好地使用新技術。在新技術方面我們做了什么事情？目前我們有兩個方法論，在這個人有我優的階段，也是不斷創新的結果，叫做行業輪動和市值輪動。

提到行業輪動和市值輪動，這可能是每個人都在追求的目標，包括每一個炒股的股民也希望能做到。可能因為很多人沒做到，所以覺得這個不可能做到，但是其實，我們可以通過不斷的嘗試來做到很好的效果。

比如上面這張圖，橫軸是時間，縱軸是暴露的水平，不同顏色代表不同的行業，當我們能很好地預測股票行業收益率的時候，可以通過輪動來貢獻更高的超額，這就是行業輪動效果。過去一年天算能在市場上取得一定的領先優勢，我們的規模在過去一年增長了幾十億的原因，也是因為我們想到這個布局，更好地研發了一些新的東西。

我們甚至可以問問ChatGPT，比如說你認為對于指數增強基金來說，行業輪動是不是一個比較好的研發賽道？

它給了我們一個非常清晰的答案：雖然說很有挑戰，但是值得研究，尤其對于量化基金來說，我們可能發現影響行業表現的新的預測因子，從而提高行業輪動的表現。

我覺得它里面的觀念是非常專業的，本質上來說，我們行業輪動的模型也是預測行業收益率。在這里，GPT已經給了我們暗示，比如說新的預測因子、影響行業收益等等，雖然我們并不是先用了ChatGPT再研發我們的行業輪動模型，這個順序是倒置的，但是如果我們能更早地和ChatGPT交互，可能會使我們的觀點更早地涌現出來，可能我們會做得更好一些，更早一些。

第二個是市值輪動，大家請看這張圖，橫軸是時間，縱軸是暴露的水平，不同顏色代表了方案上不同的風格因子。我們目前把其他的風格因子都控制在正負0.4個標準差，藍線很搶眼，它的市值在上下竄，本質上是因為我們的模型里面有市值輪動的策略。

我們提到行業輪動，我希望大家不要是第一個就想到風險，所有的事情都有風險。我們應該想到的是，你承擔相應的風險，你的收益是什么？你的風險是不是可控的？如果在這個視角看待一個新事物，可能更高效，也更直接一些。

目前，至少在過去一年半的時間里，我們驗證了我們的行業輪動和市值輪動有好的效果。

當然我的驗證可能不重要，我們問GPT，GPT也就市值輪動這個嘗試給了我們一個肯定的答案：認為市值輪動會是一個非常好的賽道。下面我們來看一看，當做到了創造性地使用AI，以及新賽道的嘗試之后，能做到什么效果。

可以看到，至少在過去一年，我們和市場上百億私募的平均相關性是低于0.45的。相關性低，不論對于FOF、MOM，還是券商讓客戶來配置資產的時候，是最重要的一個指標。

包括我們之前路演的時候，有人來問我，你如何說服我贖回別人來買你們，我認為這個問題有失偏頗。我的目標不是說服你贖回別人買天算，而是作為一個超高凈值客戶來說，你應該選擇我們這樣能力差不多，但是相關性比較低的管理人做一個均衡的配置，這樣對于FOF、對于MOM，對于一個高凈值客戶來說才是一個真正專業而有利的事情，而不是贖回A買B，這很不專業，也完全沒有必要。我們需要的是追求一個新的、相關性比較低的資產，這樣一個資產才能給大家提供一個額外的價值。

最后一個部分我們講講不僅是量化領域，包括我們個人，我們怎么樣讓ChatGPT幫助我們做得更好。

我們發現，華人數學家陶哲軒說ChatGPT可以幫助他更好地進行大腦發散思維模式的訓練。舉個例子，雖然ChatGPT不能幫助他直接解決這個數學問題，但是可以幫助他省去大量的繁瑣的計算工作。第二點，通過跟ChatGPT不斷的交互，你問它問題，它給你反饋，你再繼續問問題，相當于是頭腦風暴，相當于對面坐了一個很高級的數學家，能給你反復地探討這個問題。

其實我們都可以試一試，我們問ChatGPT一個問題，它給了我們A解。我們針對A解給它一個想法，它給我們一個B的想法，在不斷交互的過程中，它可以拓展我們的思維，讓我們變得更好。

講這些，語速很快，也只有20分鐘時間，材料準備了幾天，對路演的內容也沒有想太多，只是本著一個隨心交流的想法，也希望把這些想法給到大家。

目前可以看到，ChatGPT、人工智能很完美、很完善，它可以幫助資產管理、量化甚至是幫助每一個人做得更好，但是最后一點，也是最重要的，人工智能無法賦予的，也是我們認為最重要的部分，就是人與人的鏈接，所以這里要特別感謝排排網給我們一個機會，能給我們，給我們天算跟大家建立一個連接的機會，希望大家共同學習，共同成長。