乐鱼APP中泰证券资管李玉刚：如何用量化走一条人少的路对于不少投资者而言，量化投资像是个带着神秘色彩的“黑匣子”。近年来，随着量化投资的蓬勃发展及人工智能的加持，越来越多的投资者开始主动关注、理解这类投资策略。
但对于不同的基金经理，量化工具发挥的作用并不相同。近日，中泰证券600918）资管公众号显示，中泰证券资管量化公募部总经理李玉刚就相关问题进行解答。李玉刚是中泰研究精选6个月持有股票A/C、中泰沪深300指数增强A/C等产品的基金经理，现任中泰证券资管研究部总经理兼量化公募投资部总经理，北京大学经济学硕士。曾任国泰君安证券研究所金融工程部研究员、衍生产品部及资产管理部量化研究总监、国泰君安资管量化投资部总经理、中泰证券资管对冲基金部总经理。
主播：作为量化基金经理，您觉得相比AI，人在投资中有什么独特优势吗？这些优势在投资中能不能转化成超额收益？
李玉刚：我们可以把投资当作认知跟决策的一个分支，大家经常说投资是认知的变现。说到对投资的评价，首先要知道投资是一个属于不确定性的领域的游戏，在这样的游戏中，我们更应该关注过程，而不是注重结果。
李玉刚：对，但短期的收益是受很多因素影响。短期好的结果，不代表整个过程是好的。从长期来说，我们知道长期投资收益来源于较高质量的决策过程，这是一个前提。
李玉刚：它不是简单加权的过程。比如一只股票可能长期表现不好，或处于下跌状态，但投资这只股票的收益，在这种不确定性领域的收益，不是时间的加权(通过时间简单累积收益)，这点是比较明显的。
讨论这个问题，大家应该接受一个前提，就是在投资上，尤其是注重长期收益的投资者，我们更应该关注(长期)过程，而不是短期的结果。
有了这个前提，我们再来看什么算是一个好的过程。从认知跟决策的角度来说，一个好的过程有三方面的因素：一要知道是什么，二要知道为什么，三要知道结果是怎么得来的。
从这三个基础维度来考察，AI在知道是什么上，可能会有一些优势，尤其是一些规则比较明确，或数据比较丰富的方面。但我们知道，现在AI的方法体系是基于数据和计算驱动，本质上是归纳统计的过程。它可能会知道是什么，但在为什么以及结果怎么得来的，这两方面是比较欠缺的。
至于人、尤其是注重过程的人，我们常说要知其然知其所以然。所以从决策过程来说，我们人在知道为什么、结果怎么来的，这两方面是有优势的。
当然不是每个人都能做到这一点，但是我觉得大部分优秀的基金经理，在这两方面应该是表现比较突出的，他们要知道为什么、知道结果及结论是怎么来的。
主播：你认为AI在知道“是什么”上有优势，人是在知道“为什么、结果怎么来的”这两方面有优势。那“为什么”和“结果怎么来”的这两方面不也是通过分析归纳得出的吗？
李玉刚：价值发现跟新知识发现基本上是类似的。我们举个科学史上的例子，在伽利略时代，包括那个时代之前，有个共识是(其他因素不变的前提下)物体运动受力越大、速度越快。伽利略提出设想：如果在路面上用一定的力推一辆小车，一段时间后不再用力，那么小车可能会往前跑一段距离后停下来。
如果想把小车行驶的距离拉长，有哪些办法？可以让路面变得更加平滑。于是，他又提出，假设没有摩擦力会是什么情况？这种问题是AI提不出来的。AI是基于统计归纳得出结论，但在伽利略提出没有摩擦力问题之前，主流语境里没有这样的设想。
主流的共识是，速度跟力是有关系的。伽利略提出这样一个假说，如果没有外力作用，物体会一直保持匀速直线运动或保持运动状态不变。实践证明，伽利略提出的假说可解释性更广泛，而这一假说的出现，显然不是简单基于历史数据统计归纳、分析能得出的。
李玉刚：超额收益来源于挑战共识。什么样的东西有价值？供给稀少、独特的，而且长期被大家需要的才有价值。
李玉刚：对。如果我们的想法跟市场普遍一致，即基于共识去做投资的话，那长期来说，只能获得平均收益。
主播：就是AI在处理过往历史数据，或者所谓的人类共识的时候是比较高效的。想获得超额收益的投资，要更关注非共识的信号。您的投资框架，或投资中使用的量化技术在捕捉这种信号时会有优势吗？
李玉刚：单从捕捉信号来说，量化技术可能会有优势。但这些信号的价值、是否可用，AI可能无法判断，还是需要依靠人的理解去判断。
我们认为，量化仅仅是一个工具，在价值判断上没有优势。在我们的指增策略里，我们不是用量化技术来获得这种信号。
从长期逻辑来说，上市公司股票比较可靠的超额收益来源是其本身的经营积累。公司在经营上有超额，从长期角度看才能在股票上有超额。我们也是基于对公司长期可持续价值的认可和理解来选择标的，而不是根据某些特征或信号来选择。
李玉刚：这个结论是先验的，相当于我们要做一场辩论，有个预设的前提。这个前提或是根据长期经验、或通过很多案例，或一些因果推断而来。这不是归纳的逻辑。
李玉刚：这个肯定不是回测，在资本市场，我们不是用数据回测来证明某个结论，它更多时候是一个批判的工具。
另外，即便回测结果好，也不一定就说明策略好。因为回测的结果跟所选时间段、参数调整等很多因素都有关。
李玉刚：一般我们是根据目的来选择数据的。比如我要构建一个组合，用这个组合来描述市值因子。我们知道有个因子叫规模因子，这个因子就是按照市值规模大小排序来构建组合。但存在少部分市值较大的股票，比如市值超过1万亿。从整体来看乐鱼APP，这部分标的很少，但它们的影响又比较大。这些大市值的公司如果在组合中的权重过高，将会影响组合的整体表现。
那么，在这种情况下，这些大市值的公司(在某种程度上)可视为异常数据，我们的目的是为了反映市值因子，对于这些大权重的公司数据我们就要进行处理。比如，我们常用的方法就是对市值取对数，然后再平均。这样可以降低异常值的影响，这是预处理。当然很多时候预处理是根据我们的目的来。
更重要的是，有时结果上也会出现了异常数据。比如，我们构建指增组合，在运行中，突然某天组合比指数多涨了假设1%或3%，正常值大概是1‰或2‰。结果上出现异常就要多问问为什么。这一异常值显然是偏离我们预期的，说明我们在跟踪误差控制上出了问题，在某个板块上我可能配置了要远比指数多的权重，我们就需要去找原因，看看是代码问题还是逻辑问题。
我们常说，运行正常的数据，带给我们的是规则；如果出现异常，我们可以通过思考为什么会出现异常数据。往往异常数据也会给带给我们不一样的启发，启发我们更好地构造。
主播：您管理的指数增强基金既有跟踪沪深300，也有跟踪中证500，相信用的策略都是一套，但是运行到现在看，我们会发现不同指数之间增强效果是不一样的，这是为什么呢？
李玉刚：我们前面提到投资是一个不确定性的游戏，短期受很多因素影响乐鱼APP，短期业绩表现好坏，不能说明长期过程的优劣。就像我们的策略，我们超配的标的都是估值合理的优秀公司。但我们低配的成分股，不同指数是不一样的。
比如，我用同一家优秀公司来替代成分股，沪深300跟中证500中，被替代的成分股是不一样的。假设我超配的是同一只银行股，但低配的标的里，沪深300的跟中证500的银行可能就不是同一家。经过一段时间，这两家银行的股价表现不一样，这是结果差异的来源。
另外一个不同是不同指数里，超配的权重可能不一样。假设在沪深300里，这家银行占比是12%。从理论上来说，银行超配的权重上，沪深300会更高，而在中证500里，这家银行权重占比可能2%、3%。这样也会带来结果的差异。
李玉刚：个人投资者也有自己熟悉的领域，在熟悉的领域里玩这个游戏(更有可能找到机会)，这是第一点。玩竞争性的游戏要获胜，就是在自己擅长的领域里去做。(想要获取)超额收益是一个竞争性的游戏。首先，你要能理解这家企业在经营上是有超额的，你要知道导致有超额的原因是什么？这个原因是不是可持续的？然后，你再去看，当前的价格相对于它的超额是不是值得。能够理解这一点，我们再去做投资。
李玉刚：对。另一种是发现可以信任的基金经理，并且对他未来能够取得超额收益有信心。我们经常会提到，假设你信任这个基金经理，那么有个简单的测试，当这个基金经理有两三年都跑输市场(主动管理可能经常会碰到的情况)，你是不是还能够有信心继续持有他的产品，甚至加仓？如果能做到这一点，说明你是真的理解这个基金经理，并且对他有信心。你可以问自己这个问题。
主播：有点像基金经理对待上市公司的态度，如果是一两年没涨乐鱼APP，或者是一两年利润上可能有什么问题，那你对它前期先验建立的那个优势的结论还能不能存在？
李玉刚：对，其实是一样的。还有一点，如果有一些投资者没有时间和精力去研究上市公司，且识别主动管理能力有困难，那对这样的投资者，我觉得明智的选择是能安心获取市场的平均收益，最好就是持有一个指数。且即便持有权益的平均收益，从长期的角度看，逻辑上应该会高过银行存款收益。股权投资是需要承担风险的，如果没有超额收益，何必去承担这个风险。
主播：对企业经营者来讲，可能也是。如果他企业创造价值的能力还没有银行存款利率高的话，那他机会成本也很大。今天主要是请基金经理李玉刚来聊关于AI的看法，能看得出来，他对量化技术创造超额收益这件事情是不太感冒的。但他相信超额收益的来源于长期经营的优势积累。在他的框架里，量化主要是用于控制跟踪误差的工具，约束组合权重。这可能跟大家印象中的量化基金经理不太一样，希望大家对他保持关注。
