量化投资策略与对冲基金实盘—会后总结之青骓投资
2016年5月22日，在中央财经大学学术会堂604，由中央财经大学北京校友会主办，龙马资本市场研究会、中财MBA校友会承办，英大期货有限公司赞助的“量化投资策略与对冲基金实盘探讨沙龙”成功举办。其中，青骓投资华北区总监郁晶先生对追求低风险下的绝对收益进行了一个探讨。第一部分中，郁先生主要就青骓投资的基本情况进行了介绍，公司成立于2009年，注册资本8000万，专注于量化对冲和类固定收益类投资，公司的管理层持股75%，威华达占25%。我们公司2013年为止管理规模超过100亿。我们在2013年的时候成为基金业协会的会员，2014年的时候我们正式成为基金业协会的私募管理人。
量化还是用统计和数学的方法分析历史数据，量化只是一种投资的指导，只是说去规避人为主观的偏差。现在市场主流的一些量化策略主要分称几类，一个是多因子模型，第二，指数基金。第三，量化对冲Alpha策略。第四、无风险套利模型。第五，统计类的
现在多因子用的是最广泛的模型，基本上是用一系列的因子，包括股价的基准数据，公司的基本面数据作为标准，原理就是满足你的因子的情况下就买入，不满足就卖出.
下面给大家讲Alpha策略，Alpha策略是一个复合型的略，不单纯是多因子的方式，还需要结合其他的策略，比如期限套、实践等等，然后用对冲策略来对冲。Alpha策略是追求Alpha收益绝对回报的一个策略，所以怎么样去寻找它？Alpha就需要用量化的策略寻找具备Alpha的产品。然后怎么把Alpha剥离出来，就是对冲，量化是寻找Alpha的方法，对冲是剥离Alpha的手段。沪深300大概三四百每日持仓的规模，用沪深300进行对冲，剥离出它这个Alpha，而且基本上是一个等量的来对冲整个的系统风险。
我们从策略怎么样到投资这个实现呢？我给大家讲一下我们公司是怎样去做这方面工作。首先，我们是用数据，因为量化基准的数据，我们公司采用的数据源，每天我们研究人员做的工作就是数据清洗，把每天的数据进行对比，生成本地的落地的数据库之后，策略研究人员开始进行数据挖掘。也就是挖掘出来历史上曾经发生过的大概率的可重复的一些事件来进行数学建模。数学建模之后，我们就是要生成我们在交易端的交易系统当中的模块，进行数据的同一侧的测试。我们一般会采用十年的数据当中前五年的数据用来回撤，后五年的数据进行预测，如果在测试阶段可以满足我们产品端的风险收益比之后，我们就会放到我们的一个盘当中，进行3-6个月的实盘运行，如果还能满足我的风险收益策略，我就放到我们的策略池当中。在策略池当中我们可以在产品架构的初期，根据实际情况，还有产品设计的一些要素，一些红线进行进行策略的配置。我们在交易过程当中，一般会有两到三个策略在交易系统进行运行，策略池当中会有解决策略进行实盘的奔跑，我们会确定在不同的周期它的策略的表现，用业绩的方式去分析，然后我会结合整体宏观的大是的方式进行策略的调整。包括我们经常会做的一个策略的升级。我们有了策略，有了我们自己的策略体系之后，其实交易执行很重要，市场上无论是海外还是国内，一些成熟的量化公司基本上都是采用自己的交易系统，而且他配备的都是自己的IT团队。
从产品模式来讲，目前市场比较多的是有品种管理的，不分优先列后的形式。基金来源主要是机构单一资金直投，FOF直投，机构代销。固定管理费方面，市场一般都是1%到2%的年化，是按日计的方式。业绩报酬投顾按照产品正收益的20%收取，或设计成阶梯化的分配方式。像结构产品，我们之前市场最早比较流行的是9：1，9：1一般是券商代销优先。还有一个是4：1，3：1，这些都是银行优先，优先成本一般是固定或者一年另存。但是，新的八条底线出来之后，可能6月份执行，可能变成1：2，或者1：1的状态。这个结构化以后可能不是特别好做的产品形式。资金来源优先资金为单一资金直投或者机构代销，劣后资金为代销或机构单一资金。投固的固定管理费不会收的很高，因为管理化有运行资金成本的问题，所以主要靠后面的收益，还是产品正收益20%，甚至还有收阶梯化，甚至还有收劣后的都有。劣后一般是杠杆收益的状况。现在市场上大家更加关注的其实应该是管理型的量化产品结构，因为这个可以设计很灵活的开放日，在产品出现风险的时候不像结构化是封闭的，可以临时开放，及时控制风险。
页:
[1]