阿法金融发表主题演讲 | 2017第四届对冲基金年会

发布日期:2019-03-22 点击次数:107

对冲基金往年回顾
 
2016年是对冲基金波折不断的一年,全球金融市场的不确定性被进一步放大,不同策略对冲基金的月度表现波动较大,对冲基金经理经受了众多风险事件的冲击。
2017年注定仍然是波动率上升的一年,但正所谓“危中存机”,例如包括金砖国家、大宗商品市场等在内的大宗商品都有可能迎来投资机会,而多品种、多周期、多策略的CTA产品也会有配置价值。据对冲基金研究机构eVestment10月20日的数据显示,2017年三季度全球对冲基金实现净流入125亿美元,至此资管规模达到有史以来最高的3.2万亿美元。

 
 
在此背景下,由财视中国主办的“2017第四届对冲基金中国年会”于2017年10月28日在北京隆重举行,本次年会汇聚来自对冲基金行业顶级投资人、投资机构、基金管理人共计300余人到会。

 
阿法金融主题演讲
 
阿法金融CEO任凯出席会议并做了“大数据、机器学习和人工智能在量化投资领域的应用”演讲。他表示,我们要做的事情是如何训练机器去完成基于主题的量化投资。机器可以快速的处理大量的数据,并且不以你自己的持仓为前提而做出一个非常理性的判断,而人往往会漏掉一些事情,往往会计算的不清楚,甚至我们的主观感觉会受到持仓而影响,所以利用机器来帮助我们做量化分析是最有效的一个方法。


 
 
 以下为发言简录:
 
任凯:大家好,我是任凯。今天在这里我要跟大家分享一个既熟悉又陌生的话题,为什么说“既熟悉”?因为大数据、机器学习、人工智能,这些关键词每天充斥着我们的报道和朋友圈,我相信对于每个人来说都非常熟悉。为什么又说“很陌生”,就像李娜说的:很少有一些文章真正来告诉我们这些技术到底是怎么落地的,而有很多的技术在我们看来它还在云端。所以今天我想利用这个机会,就在一个非常细分和专一的领域,也就是量化投资和研究这个领域,和大家分享一下阿法金融是如何利用现代的金融科技技术,来帮助我们更好的完成我们的投资分析和决策。
 
 
大数据是不是仅仅就是数据很多呢?显然不是的,大数据和传统数据相比除了数据多之外其实还有很多不同的特性。比如说它的维度非常多,它的形式非常多,它的更新非常快。而基于这些数据和传统的量化投资相比,我们应该要做哪些变化?
首先我认为数据分成结构化和非结构化,而在目前市场上或者过去的5-10年相当多的量化投资机构基本在做第一种量化投资,也就是说基于结构化数据的量化投资。我们在看市场上有多少个因子,市场上有没有套利的机会,或者通过过去的模型找到机会预测未来发生什么变化。而我认为在最近的2-3年,我们其实可以做另外一种量化投资,是基于主题的量化投资,也就是说在这个市场上到底有什么热点,在这个市场上有没有一种主题重复发生,并且在过去的历史上证明这个“重复发生”对市场有影响。而我恰恰认为基于主题的量化投资是更符合我们人以往的量化投资模式。因为当一条新闻出来之后,人的主观意识是这件事情以前有没有发生过,类似的事情有没有发生过,如果统计以前类似发生过的事情对市场的统计有没有特定的影响,而这个影响是不是特别高,从而判断有没有投资的机会。所以我认为我们要做的事情是如何训练机器去完成基于主题的量化投资。
打个比方说如果我想知道流行病毒爆发对市场有什么影响,人可以统计到底在过去5-10年发生过多少次流行病爆发,市场概率有多大,影响幅度是多少。

 
当然甚至我们可以研究一种现象,黄金连续三天上涨超过5%,在这样一种现象发生的时候,到底对市场产生了什么影响。

 
人当然可以做这样的事情,但是人一般需要很长的时间才能研究清楚这个事情,可能需要几个小时甚至几天才能把一个非常复杂的基于主题的量化分析做完,但是阿法金融要做的事是在几秒钟之内完成这件事情。
 
 
利用Fintech的技术来帮助我们更好的做量化分析,来帮助我们把最有效的决策判断时间留给我们的分析师、基金经理,而把我们整理、收集、计算、量化的这个过程交给机器去做,因为在这个方向上,机器一定比人做得更好。机器可以快速的处理大量的数据,并且不以你自己的持仓为前提而做出一个非常理性的判断,而人往往会漏掉一些事情,往往会计算的不清楚,甚至我们的主观感觉会受到持仓而影响,所以训练机器来帮助我们做量化分析是最有效的一个方法。
有了机器学习之后,人工智能可以做什么?人工智能又是在这个上面更进一步,因为机器学习很多时候需要我们指导它。比如说今天这个市场上到底有哪些特性,人可以给它做一个相对好的规范。或者把交易市场分成不同类型,进行分配。但是最近两年的人工智能技术让我们可以更好的训练机器在没有人指导的情况下可以自主进行一些判断,比如它可以模拟我们的逻辑思维,可以模拟我们怎样去阅读一条新闻理解它的语义,并且可以帮助我们构建一些知识图谱。
 


下面介绍阿法金融如何模拟人的思维在几秒钟里面就可以判断出一条新闻的影响。首先我们利用人工智能的技术阅读一篇文章,这个技术相对来说已经很成熟了,当这个机器阅读这篇文章之后首先它理解这篇文章到底讲的是新闻还是观点还是引述,这个非常重要。如果今天到百度或者谷歌搜索台风,比如说明天台风要来了,你去搜索台风,我相信365天每天都有非常多关于台风的文章,但是并不代表这些是台风真正发生时候的那篇新闻。所以第一个难点是对于机器来说如何判断这个文章说的到底是新闻还是只是观点。
第二点就是如何判断你有集中报道的时候到底讲的是同一个事情还是不同的事情,打个比方说我们刚刚开完了十九大,我相信在这段时间当中一定有非常多十九大的集中报道,请问机器如何知道在这些文章当中它到底讲的是同一个事情还是每天讲的是不同的话题。等到我们把这些真正的原生态原发的新闻全部找出来之后,第三个难点就是相似事件的联想。这也就是我之前说到的其实人去投资分析的时候就是遵循了这样一个投资分析的逻辑,因为你不会根据一个事情去判断明天,你会根据一类同样的事情判断明天,我们利用这个逻辑训练阿法分析师,让他可以和人一样的去思维。
等我们把这些话题全部聚类之后我们做的就是关联标的的分析,比如当流行病毒爆发,我们想要知道的是:市场上的任何一条消息对什么标的会有影响,会有多大的影响,在什么时间会有影响,持续周期会有多长。大多机构投资者最关心的不是明天股票是涨还是跌,而是知道这条消息对我的投资组合,我手上的持仓有什么影响,而这便是阿法金融经常要做的一个分析判断。
 
我们并不认为机器现在可以完全取代人来做决策,但是机器可以帮助人把我们几个小时才能分析的结果在几秒钟分析出来,所以以后我们需要做的事情就是利用金融科技来做80-90%最枯燥最耗时的量化分析工作,把我们最宝贵的投资决策时间留给我们自己,让所有金融机构都可以更快、更好、更高效的完成量化投资分析。