点击关闭

风险管理-大数据本身成为我们做量化人不得不面对的新资产

【死亡货车名单公布】

我們希望用機器學習方式和方法處理另類數據,同時也做一些投資組合,機器學習有監督不監督、深度學習。我們做自然語言處理,還包括一些生物識別,包括用戶畫像生物識別處理、人臉識別處理,從而打造機器學習系統。底層數據4T,250萬用戶數據,從大數據開始形成特征變量,說白了自己做量化人所說的因子,這個因子300多個,這不是一個線性組合,是非線性,從而形成深度學習模型框架。

吳雅楠在演講時表示,未來,通過網絡爬蟲、數據API接口、傳感器獲取的原始數據,另類數據能幫助投資機構,搶在公司財報發佈之前,獲得一手數據信息,提前佈局機會或規避風險。

吳雅楠:手機信號本身開著,它的信號一直在發出所謂的微波信號,這是完全存在的,從手機上知道個人信息,這是不合法或者沒有得到授權。除非把手機關掉和互聯網隔絕,一旦手機在用就知道在哪裡活動,這是我們未來要討論的話題,當我們採集個人信息時候。

提問:搜集手機信號合法的嗎?

第一,明年除了期權之外大家可以關註大數據,另類數據對我們做行業研究、投資經理、資產管理機構都面臨很深遠挑戰,一個新資產類別另類數據。

三維200多種不同資產所形成的有效組合曲面,這個當中不同曲面風險偏好可以給客戶,這個不進入細節展開了。

回到自己做資產管理這塊,傳統數據用財務等結構化數據,任何在網上搜集到個人數據、商業數據、監測數據都是非結構化數據,這些成為新的研究對象,這些遇到的技能更多給數據工程師或者做數理人用到,雲計算等等,我們公司自己用的數據可視化,大家未來不得不去做的,類似特斯拉另類數據所形成的投資報告,數據工程師在前臺,而不是成為中後臺。我們要準備好,當資產管理公司明年面臨5G和IoT,公司架構、團隊和技能都會發生很大變化,我們自己也在做相應調整。

用CTA回答一下,CTA兩種大風格,一個做趨勢,再一個做相對價值套利。期限結構套利,這是最簡單α策略做對沖做升貼水,這也是一個最基本套利,大家都會做,沒有任何秘密可言,大家都會用,只是細節上。趨勢,無論橫切麵趨勢,還是做時間序列趨勢,大家都會做。市場風格到底套利是順風,還是趨勢是順風。每個因子和策略之間權重怎麼配,我們希望能夠有方法去做。

經過五年左右,中國最好的策略就是債券加CTA,債券賭了利率下行趨勢,拿到β,CTA把α又拿到了,造成CTA大牛,中國可以看到非常標準,不管投資能力來自於什麼,告訴我有β還是α。我要知道你的投資管理能力,我能夠承受多大波動,你最大風險敞口是什麼,風險預算是什麼。根據風險敞口配置,按照波動性重新配置權重。

紐約交易所有很多交易量,我曾經有一年去參觀,他們下午收盤時候所有人把紙條一丟慶祝當天結束。當時有些數學家很有趣,做紐約交易所噪音數據,噪音信號強的時候怎麼樣,噪音不大的時候當天市場波動率很小,當時有人最早利用非結構化數據分析,特朗普每天希望市場怎麼樣。

我們常用機器學習的方法,多層感應器。在社交媒體上採集市場情緒數據,市場情緒會不會預測市場風格變化,我們用期貨做一個標的做擇時,做初步嘗試,用RNN做策略比較,同時做擇時等不同方法去嘗試,這還只是一個初步的。當未來期貨期權各種信號數據越來越多元化的時候,我們對市場情緒有數據收集。今年滬深300指數全布齊了,明年希望中證500也出來,未來中證1000、創業板等出來,這時候會迎來更多對市場風格多層變化,這時候也希望我們去佈局,也是能夠去學習。這是第一個方面對另類數據,我覺得我們需要重視另類數據作為一個新的資產類別。

《人類簡史》、《明天簡史》、《今日簡史》這三本書大家能看到,明年5G+IoT元年,5G來臨時候我們必然擁抱大數據,大數據給人類社會帶來深入變化,說短一點對資產行業發生什麼變化,量化期權是大家比較熱愛的工具,明年成為期權大年,大數據本身成為我們做量化人不得不面對的新資產。阿爾法狗成為不爭的事實,機器和人在比拼,基金經理能否被取代,哪些方面會發生什麼變化,這對我們技能會產生根本變化。

現在策略池當中四五十種策略和因子,哪些是順風、哪些是逆風。CTA有很大挑戰,今年上半年大家賺錢賺得很嗨。7月份之後鐵礦石剛好保證金調整策略發生變化。FOF在回撤期時候怎麼去管理風險敞口,儘量降低損耗,把風險敞口降低,這是我們需要做的。

這些典型的同行海外優秀基金公司,他們在不斷地強化AI、大數據處理,這是金融+科技或者資管+科技時候發生變化,資產本身,除了早上講很多股票期貨商品之外面臨新的,叫另類數字,這是我們之前在座各位都很少遇到的,在明年5G+IoT,大數據會越來越成為現實。

最後想回答一下最開始提出的,也是我們FOF急需解決的問題。第一個,每個投資經理風格會漂移,投資經理風格是否跟眼下市場風格匹配。到底誰是順風,誰是逆風。我們試圖用機器學習方法看因子相關性當中哪些可以被預測,哪些是可以學習的。我們自己在平臺上做了策略工廠,類似於研究員策略工廠,研究員可以探討企業策略,同時策略本身像MOM的管理人一樣,經過檢驗以後判斷是否能夠進入策略池。同時選擇策略、組合不同策略時候有相關性分析,組合出最優的策略,這是持續策略創新的方法,在股票、期貨上,低頻、中頻、高頻都做了,風格多元化。把它擴展到FOF,無論基金經理,無論做低頻、中頻、高頻,每個人風格不一樣怎麼樣組合。

所謂風險的配置,資產配置到技術管理能力配置到風險配置。我們說智能投顧,每個用戶個性化風險偏好,對他個性化服務,大眾化能不能去做,上午和下午各位嘉賓講到了,最多在線上產生一個投資智能投顧方式。

我這裡總結上午和下午嘉賓講過資產配置觀點,資產配置80年代,耶魯大學博士用股票期貨大宗商品另類、PE和房地產,90年代時候,不管投資哪個資產類別,你告訴我投資經理提供β投資管理能力還是α投資管理能力。如果你能夠真正提供α,你可以收更高管理費。90年代不再管你投資什麼樣的資產類別。

早上李處長介紹加拿大養老金、社保,包括大型保險基金。我博士畢業學養老金,回過頭來看,科技可能會幫助我們解決原來資產配置當中一些根本性的問題,除了大家熱炒的區塊鏈之外,我們可以看科技能不能幫助我們選組合時候幫助一些。聶會長提到一些觀念,對因子組合來說,我們現在面臨因子組合權重,我等下看是否能用機器學習方式預測因子組合權重分配。聶處長講到兩個,順風因子和逆風因子,市場風格怎麼變化。在座有做CTA的,上半年和下半年冰火兩重天,有些因子發生風格性變化,拐點怎麼變化,選它的風格是否可能跟上市場風格變化,今天下午試圖用自己方式解決。

美國有家公司很有意思,它用手機信號預測特斯拉生產廠的產量變化。當時modelS,model3對大眾,哪個拐點發生變化,model 3美國有三個地方負責生產不同配件。有個分析師購買一套數據,它做一個事情,分析工廠手機信號活躍度,手機上交後手機還在發出信號,手機信號強弱反映工人上班時間。2018年6月到9月,發現上班時間嚴重加長,每個周末發現手機信號工廠裡面特別活躍,分析師根據數據預測,當時沒有到Q3財報出來,整體生產產量大幅度上升,財報出來之後的確產量翻了一倍。當時投資公司提前買進去了,這不是任何類目信息,根據工廠工人手機信號活躍度發生。傳統行業分析師非常傳統,就是去公司調研基本數據,現在不需要到實際公司調研,靠另類數據可以看到行業變化。

這個例子大家應該都知道,格林斯潘關註什麼,剛纔講負利率,每次美聯儲開會大家都很關註,當時大家很關註美聯儲開會,關註什麼?格林斯潘的包,他的包厚不厚成為大家看是否利率發生變化,包不厚不會發生很大變化,如果包厚提供很多材料,做很多資料,包會很厚,這是比較早期的另類數據。

用一個小CTA例子,我們試圖回答未來FOF組合時候能不能做到對每個投資經理風格、風險收益進行更加精細化刻畫之後,我們如何把它做組合權重匹配,這是我們CTA多因子輪動組合當中不斷調整因子風格時候收到一定效果,四年當中,三年效果顯著提升。

講金融科技時候我們現在講到很多數據是結構化數據,我們看到社會媒介,甚至給大家介紹很有趣的另類數據,再把FOF大眾化、個性化以後,落到智能投顧,跟大家分享一下我的觀點。

對大眾來說未來機構化是一個必然趨勢,今年看到基金業協會剛好做了八家頭部試點,現在已經在路上,有一家公司和阿裡合資申請基金協會投顧試點,騰訊和另外一家,還有幾家基金銷售公司,投顧面臨根本性變化,隨著銀行理財和基金管理的轉型。它所配置的資產,剛纔講到很大難點,負利率以下;不談負利率以下怎麼配,光談這麼多產品大眾自己怎麼配,我們公募基金比股票數還多,選基金比選股票還難,還不談其他的,這裡面產生怎麼幫大眾做好個性化配置。我們現在做一些工作,首先怎麼樣瞭解客戶。傳統的客戶KYC,填一大堆表格信息,測試保守、穩健、激進,你告訴我偏好是什麼。大家都想剛兌,都想賺錢,每個人不是不知道風險偏好,我們做用戶畫像,每個用戶取300多個維度標簽,這些標簽對每個人做個性化的KYC。我們過去用答卷方式做KYC,到了大數據的今天,我們數據無處不留在網上,無論是電商還是出行,或者社交圈子已經在流露出你的風險承受能力和偏好,這是我們為什麼覺得KYC從大數據完成,這是我們線上的。我們線上250萬客戶,每個人有個性化組合,來自於它的流動性、風險偏好和投資久期動態資產配置能力,我們有4T 250萬多的大數據,從大數據入手,每個人做有效組合前沿,對每家機構高凈值客戶,我們250萬客戶每個人個性化的,它最後形成一個曲面,是個性化有效組合曲面。有效組合曲面當中我們選對他來說風險更匹配的,這是智能投顧未來個性化服務的方向,我們打造用戶的系統,用戶如何做標簽,做好KYC。

第二,當我們用方法去研究時候,我們可以用AI機器學習方式、非線性方式提供幫助,最終使得我們科技轉型。

平臺上流動痕跡,滬深300指數做相關性,看他風險偏好,知道他贖回效率時間表知道他的流動性。原來做自然調整時候,所有人一起調整,但是每個人流動性需求、生活需求、場景需求不一樣,每個人有自己的再調整頻率,這是為什麼個性化智能投顧需要完善,做流動性偏好的時候。

做出一個引子,在座做行業研究的面臨很大挑戰,機器是否取代人類分析師。海外另類數據生態系統不多介紹了,有做衛星搖桿,還有做社交、天氣、位置等等。我們資產管理行業可能得準備好整個資產管理公司,金融公司也好,證券公司也好,基金公司也好,我們整個架構未來幾年會發生根本性變化,我們公司400名員工一半做IT大數據。原來基金公司、證券公司工程師叫中後臺,他們成為服務運維部門,但是我們現在金融科技公司他們成為前臺,他們主動獲取到市場一手信息和用戶畫像信息,這是我們每個公司不得不去面對的。

今天希望給大家開放一些思路。

特斯拉到上海來了,特斯拉股價大家都很擔心,特斯拉產量哪位分析員知道?除非跟馬斯克喝酒套套信息,會告訴你。

現在很簡單跟大家分享一下初步結果,我們把所有因子收益做回歸以後,做線性回歸,可能做不到很多相關性分析,做一些非線性降維打擊回歸。這裡發現很有趣事實現象,我們原來所說的趨勢這種策略,其實它背後,無論是庫存結構還是升貼水,跟它有足強相關性。

第二,很多機構服務高凈值客戶,對於我們來說希望普惠化,資產配置深入大眾,銀行理財明年面臨很大轉折點,銀行理財和第三方財富管理可能都面臨一個客戶下沉,客戶下沉時候面臨成本如何省出來,同時用技術提高個性化服務效果。

他認為,智能投顧具有精準匹配的優勢,能夠助力FOF基金投資。

在過去我們認為是生物的載體,如果放在數據時代是什麼,我們每天出行,我每天叫外賣,我們就是一個數據載體,我們甚至開會到這兒,從家裡到這兒,從公司到這兒變成移動數據載體,我們無時無刻把數據貢獻給這些數據公司。

11月9日,由新湖期貨有限公司、安信證券股份有限公司、中國絕對收益投資管理協會、上海北外灘絕對收益投資學會聯合主辦的第十一屆衍生品對沖投資(國際)論壇在上海靜安洲際酒店召開。和訊網全程參與併進行圖文直播。

北京快快網絡技術有限公司董事長吳雅楠參加論壇併發表主題演講“金融科技助力FOF基金投資”。

打新,科創板打新,很多人喜歡打新,可以在網上留下痕跡,我們也捕捉到了,打新,IPO時間點提供流動性體位讓他打新。他在網上停留,讀什麼網頁,網上停留多長時間,搜索什麼關鍵詞,對什麼關心,這也是可以去學習的。最終智能投顧,第三方管理和理財,未來底層大數據架構、用戶畫像等等,靠人工不可能完成,靠線上千人千面模型。

以下為文字實錄:謝謝聶會長和馬會長給我們這樣的平臺,上午各位嘉賓從宏觀到FOF,包括剛纔陳總和何總講得非常全面了,我不用再重覆他們很多精彩的觀點。剛纔聶總講了,我試圖從我做的金融科技行業看能否和FOF投資產生一些關聯、產生一些助力。剛纔何總給我們提出兩大挑戰,不知道未來周期多長,也許真的處於負利率周期,風險收益不會發生根本性變化,在FOF投資的時候怎麼樣做這個事。