报名参加CloudWeGo黑客松,奖金直推双丰收! 了解详情
写点什么

刚搞大模型不久时的梁文锋,发表了一次公开演讲

梁文锋

  • 2025-02-13
    北京
  • 本文字数:4290 字

    阅读完需:约 14 分钟

大小:2.13M时长:12:24
刚搞大模型不久时的梁文锋,发表了一次公开演讲

作者 | 梁文锋

原文演讲整理 | 公众号橙小巫

策划 | 华卫

 

短短几周 DeepSeek 席卷全球,大众对背后的中国人工智能初创企业创始人梁文锋兴趣斐然。然而据最新消息,原本受邀参加巴黎"AI 行动峰会"(AI for Action Summit)的梁文锋并未出席,有接近 DeepSeek 的人士证实了这一情况,并透露 DeepSeek 公司层面也无人参加。从公开信息看,尽管在 2023 年创立 DeepSeek 之前,梁文锋还专注于通过数学和人工智能进行量化投资的幻方量化,但早在 2016 年幻方量化就推出其首个 AI 模型,并于 2019 年带领团队自主研发了搭载了 1100 块 GPU 的 AI 超级计算机“萤火一号”训练平台。

 

我们找到了梁文锋在 2019 年 8 月 30 日中国证券报举办的私募金牛奖颁奖典礼上,作为量化投资论坛的第一位嘉宾发表的演讲全文,以飨读者:

 

一名程序员眼里中国量化投资的未来

 

首先,预测中国量化投资的未来,一个办法就是看一下美国老师的现状。美国的资产管理有两个趋势:一个是共同基金的逐渐指数化,另外一个趋势是对冲基金的逐渐走向量化。国外的对冲基金,相当于中国的证券私募。最初的对冲基金都不是量化的,这个表是 2004 年全球对冲基金资管规模排名的前 10 名,你看大部分都不是量化的。这是去年 2018 年的排名,量化已经占了前面的多数,我们熟悉的桥水排名第一,AQR 排名第二,文艺复兴排名第四。最近十几年,量化基金在美国逐渐变成了对冲基金的主流,甚至很多人以为对冲基金就是量化基金。我们是对冲基金,所以我今天主要讲对冲基金里的量化基金。

 

从美国的经验来看,量化私募的管理规模可以做得很大。全球最大的对冲基金桥水的管理规模是一万亿人民币左右,而国内大的量化公司在 100~200 亿之间,我们可能还有几十倍的增长空间。中国真的有私募能做 1 万亿吗?应该是可以的。以后中国的经济体量和美国差不多,国内最大的团队应该能管 2、3 千亿。如果股市扩容,衍生品市场发展,能管 4、5 千亿。再加上海外市场,就有 1 万亿了。

 

国外那么多量化公司,他们都在做什么呢,都在做高频吗?显然不是,高频容纳的钱很少的,并不是资产管理的主流。答案是所有策略都做,从宏观对冲,到股票基本面,到股票量价,到大宗商品,到债券,主战场是股票和债券。全球最大的对冲基金桥水,是做宏观量化的,全球第二大对冲基金 AQR 是做股票基本面的。你看越是低频的策略,容量越大。所有原来人类做的策略,现在量化都在做。而国内的对冲基金,现在大家主要都是做量价策略,我们整体上比美国是落后的。从美国的经验来看,在策略类型上面,我们应该还有很大的发展空间。

 

那么,量化和非量化,到底是怎么区分的。我们根据中国的国情,对量化投资做一个定义。有人说量化投资是程序化下单,这是不对的,因为不少量化公司是手工下单的,而传统的公募很多是程序化下单的,有成熟的 VWAP 系统。有人说是用数量化方法进行研究?也是不对的,因为现代的投资研究很多都是要用数量化方法的,这个定义没有区分度,所有人都可以说自己是量化的。有人说主观投资需要深入个股,量化不用看个股。这也是不对的,至少我们个股看得挺细的,我们的美国同行看个股也是非常细的。

 

那么真正的区别是什么?答案是,在投资决策的过程中,你是用数量化方法进行决策的,还是用人进行决策的。所以区别不是交易,不是研究手段,而是决策方式。量化公司也有很多交易员和研究员,但你发现量化公司是没有基金经理的,基金经理就是一堆服务器。人来做投资决策的时候,它是一种艺术,要凭感觉。程序来决策的时候,它是一种科学,它有最优解。有人问,量化投资,以后还需要人类吗?当然需要,需要大量的程序员和研究员。

 

接下来,我们看一下国内的量化投资,大家都在做什么。当前投到中国市场的量化的资金,我们估算大概在 2500 亿到 5000 亿之间。其中超过一半投到了股票策略,其次是商品 CTA,剩下的就很少了。从历史收益来看,股票的收益也是比商品 CTA 要好一点。我们今天集中讨论股票策略。这个表是我们和同行一起估算出来的,不一定精确,但大轮廓是差不多的。如果您要投量化,按这个表去找投顾就对了。

 

股票策略,传统上我们分成 4 种,最重要的是第一种日间量价模型。大家经常听说的多因子、alpha 其实都是说日间量价模型,规模大概有两千亿。第二重要的是日内回转模型,俗称股票 T0,有大几百亿。最后还有两种,基本面模型和事件驱动模型,目前不是重点。这是私募的数据,另外公募还有 1200 亿左右在做基本面量化,我们今天只讨论私募。这四种模型都有效。在传统上,所有的模型都是多因子模型,通过选股和择时来获取超额收益。在 2017 年以前,多因子模型是万能的,以前我们都希望模仿 worldquant 的模式,就是找很多的人来挖因子。同行里大家竞争的是谁的因子更加有效。现在你要再挖出一些很有效的因子,已经很难了。2017 年之后,行业发生变化,传统的多因子框架逐渐被人工智能取代。2019 年之后,又逐渐被更新的集成框架取代。

 

作为私募,投资人对我们的期望是很高的,如果一年跑赢指数低于 25%,投资人是不满意的。私募之间的竞争很激烈。我们每个星期都会拿到同行的业绩数据,这个星期谁跑赢了多少,大家放到一起来比,如果落后了客户就马上就会打电话来了。所以我们压力很大的,我相信同行的所有人压力都大。正是这样的压力,逼得我们不断地提升投资能力,加班改策略,因为一偷懒就落后了。当然我们向客户的收费也高,远远高于公募,所以这个业绩和压力也是公平的。

 

我们经常会被问:量化投资到底是赚了谁的钱?其实答案很简单,量化赚了原来人类投资者赚的钱。人类投资者分两个流派,一种叫技术面,一种叫基本面。说得更具体一点,现在量化赚的是技术面流派原来赚的钱。谁来告诉我,技术面流派赚了谁的钱?技术面流派现在赚钱已经比以前难很多了,因为程序有两三千亿的钱每天在做同样的事情,使得市场的有效性大幅度提高了。再过几年人类会更难,因为程序一直在进步。现在是 2019 年,在技术面上,程序已经远远超越了一般的人类高手。

 

量化私募整个行业的进步,大致是符合摩尔定律的,每 18 个月投资能力翻一倍。但是这几年来,量化投资的平均收益率,差不多是没变化的,因为市场的有效性在不断提高。这是符合逻辑的,因为投资能力提高一倍,市场的有效性还一样的话,赚的钱应该是原来的 2 倍才对。所以市场的有效性提高了。市场有效性提高,一个证据是人类高手很难赚钱了,另一个证据就是两年前有效的量化策略,现在也慢慢失效了。量化的投资能力,还有很大的提升空间。所以我们预计未来几年,中国的股票市场,有效性会进一步提高。这是历史趋势,不可阻挡。

 

我们还经常被问到一个问题:以后市场非常有效了,是不是大家都不赚钱了。从美国的情况来看,市场不会 100%有效,因为市场 100%有效的话,对冲基金就消失了,谁来维持流动性和价格?市场会在接近完全有效的时候,达成一个均衡,使得对冲基金刚好能 cover 公司的运营成本和客户的资金和风险的成本。从全球来看对冲基金都不是暴利行业,你跟一级市场和房地产来比的话。我们所处的历史阶段大概在这里,我们离市场完全有效应该还很远,至少未来几年,我们都不需要考虑这个问题。

 

最后,我们做两个预测。一个短预测。一个长预测。如果这两个预测成立,量化投资的收益率,还能持续若干年。

 

短预测是未来一两年。未来一两年行业的提升应该来自于多策略结合。多策略结合并不是简单的分散投资。分散投资是这样的,4 亿的资金,1 个亿做 A 模型,1 个亿做 B 模型,1 个亿做 C 模型,1 个亿做 D 模型。这样做的缺点是,收益率是 4 个模型的平均。我们说的多策略结合,是叠加,4 个亿既做 A 模型,同时同样的 4 个亿资金,也做 B 模型,C 模型,D 模型,最后合成一个大的、包罗万象的策略,不属于传统策略类别里的哪一种。去年,日间 alpha 叠加日内 T0 效果很好,但它已经落后了,现在需要更多的策略,用更领先的办法来叠加。这个听起来很有道理,但是做起来很难,难点不是在策略或者技术本身,而是在私募公司自己的商业逻辑上。因为每一个模型都需要一个团队,原来一个团队就能管几十个亿,现在要很多个团队加起来才能管几十个亿,成本多了很多倍,而公司收入并没有同比例增加。

 

但据我们的观察,这个趋势已经在发生了,因为你不做,别人会来做,最近业绩最好的几家私募,都是多策略的。我们预计这个过程会加速,因为随着市场有效性的提高,收益率下降,要靠单策略取得好的收益,已经很难了。以后策略整体会非常复杂,工作量大,门槛高,没有能力组织多个团队的量化公司,会比较难活下去。量化投资会向头部公司集中,使得头部公司有足够的资源来做这些更复杂的策略。我们觉得在多策略结合上空间还是很大的,按照我们自己的进度来看,未来一两年还做不完。如果这个预测成立,量化私募未来一两年还能有比较好的收益。

 

长预测是预测未来的 3 到 5 年。总有一天技术面的波动会越来越小,技术的进步到达瓶颈。未来量化投资一定会去瓜分这一部分人原来赚的钱:原来基本面流派的人赚的钱。在基本面上,市场的有效性目前还是比较差的,这里面有很多的空间。量化做基本面,在技术上完全可行。有人说基本面每家公司不一样,没法量化,这是不对的。首先美国可以量化,为什么中国不行。其次技术面都可以量化,为什么基本面不行。大概 2015 年前后,基本面量化在私募里曾经流行过一段时间,那时候市场的有效性还没现在这么高,所以用传统的多因子框架就能赚钱。但从 2017 年开始,收益率逐步降低,做基本面量化的私募团队失去竞争力,已经逐步被淘汰了,但公募还在做。私募需要把基本面量化提升到一个更高的水平。完成这个使命的不会是老的那批人,而是新的能力更强的人,用更复杂更精细的办法,才能把这个事情做出来。

 

我们现在的产品里,已经叠加了基本面量化的模型,效果很好,但还只是用了传统的方法。要更进一步,需要精细化地去做,成本比技术面高很多。要做到 AQR 这样的水平,我们保守估计,团队的成本在每年 10 亿人民币以上,所以只能一步一步来。以后量化私募能管 1000 亿的话,这个成本是可以接受的,商业模式上没有问题。基本面量化还有很长的路要走,它要达到现在技术面量化的高度,应该还差几个摩尔定律的周期。但这一天,肯定是在我们的有生之年会看到的。

 

最后的问题是,如果对冲基金赚了技术面的钱,又赚了基本面的钱,那么普通人怎么办?我们回到美国老师身上找到答案。对冲基金只赚了波动、流动性和定价的钱,没有赚走 beta 的钱。美国最大的对冲基金桥水,资管规模 1 万亿人民币,美国最大的共同基金贝莱德,资管规模是 45 万亿,在共同基金面前,对冲基金就是小不点。市场有效的时候,你直接买指数就可以了,指数就是真正的价值投资,财富的主体还是在老百姓手上的。

 

 作为对冲基金,我们的使命是,提高中国二级市场的有效性。

 

2025-02-13 14:5511243

评论

发布
暂无评论

淘系,60W年薪大牛!新肝出一份,细说JVM内存模型

Java 程序员 后端

源码解析 HashMap 的线程安全问题,mysql索引左前缀原理

Java 程序员 后端

栈实现队列(队列实现栈),java编程规范pdf百度云

Java 程序员 后端

每日一学:这个-RabbitMQ-必会-Routing路由模式,你学会了吗

Java 程序员 后端

浅析Mysql索引数据结构演变,让你一看就懂,java业务场景面试题

Java 程序员 后端

测试用例的设计方法及案例,java技术框架

Java 程序员 后端

消息疯狂堆积!RocketMQ出Bug了?,rabbitmq分布式事务原理

Java 程序员 后端

深入浅出!带你重学Java—ArrayList,mongodb的存储原理

Java 程序员 后端

清华大牛纯手写2021年最新JVM调优实战手册,看完让你精通JVM调优

Java 程序员 后端

欲速则不达,欲达则欲速!,mysql主从复制原理两主一从ID

Java 程序员 后端

每天一遍、阿里相见,Github爆火的spring高级源码解析免费下载

Java 程序员 后端

沉寂唯品会3年,毅然辞职冲刺阿里,我是怎么备战金三银四的

Java 程序员 后端

深入浅出!全面剖析Java反射-Reflection,java项目开发实战入门电子书百度云

Java 程序员 后端

元宇宙将如何影响我们的投资、就业和生活方式?

CECBC

深入解析java虚拟机:垃圾回收,最大并发标记清除垃圾回收器

Java 程序员 后端

源码解析BeanUtils,Java开发还不会这些

Java 程序员 后端

元宇宙到底是个啥?

石云升

元宇宙 10月月更

毕业三年,从小公司到大厂,先后四面阿里,沈剑架构师训练营

Java 程序员 后端

泪目!跳槽太不容易,蚂蚁金服三轮面试,linux高可用集群架构毕业设计

Java 程序员 后端

教学改革拆除“骨鲠”,产教融合的“一鱼多吃”创新之路

脑极体

涨姿势,Java中New一个对象是个怎么样的过程?,linux操作系统实用教程教师用书

Java 程序员 后端

死磕Spring之AOP篇 - Spring AOP常见面试题,java高级开发工程师简历

Java 程序员 后端

毕业两年,工作三年Java程序员的一点点体会与建议,java面试问项目流程

Java 程序员 后端

深入理解Java内存模型,小白也能看得懂!,限时发布

Java 程序员 后端

深入理解Java虚拟机之类加载机制篇,秋招java后端面试

Java 程序员 后端

毕业两年面试阿里成功,月薪36k,分享一下我的经历,锁机制(本地锁+分布式锁)超全分析

Java 程序员 后端

毕业就想进大厂?啃完这篇阿里大神整理的Kafka神仙文档,从此面试底气十足

Java 程序员 后端

浅析Mysql索引数据结构演变,让你一看就懂(1),意外收获字节跳动内部资料

Java 程序员 后端

深入P8级别JAVA底层知识:你知道阿里P8需要掌握哪些技术吗?

Java 程序员 后端

消息队列面试题及答案,大V推荐

Java 程序员 后端

深入理解静态代理与JDK动态代理,java编程技术基础周绍斌

Java 程序员 后端

刚搞大模型不久时的梁文锋,发表了一次公开演讲_AI&大模型_InfoQ精选文章