這期終於要講到量化投資了，我之前是一直不信投資領域有所謂“聖盃”的，但是隨著調研的基金經理越來越多，越來越覺得“量化”其實只是工具，重要的還是人的思想。那麼如果市場上有效率非常高的工具能夠幫助我們持續獲得超額收益，為什麼要排斥呢？
但即便如此，我還是和很多小夥伴一樣對與“量化投資”有非常多的質疑和好奇
，這一期我們請到的絕對是國內量化界大咖級的人物，不僅學貫東西，而且這幾年的量化增強產品也很突出。這一期非常真誠，全是乾貨，一起來看看吧。
嘉賓簡介
：
喬亮
先生，14年證券投資經驗，美國斯坦福大學
工商管理
博士，統計學碩士。歷任上海尋乾資產管理有限公司投資總監、總經理，通聯資料股份公司聯合創始人兼首席投資官，南方基金管理有限公司基金經理，加拿大退休基金國際投資管理公司（CPPIB）基金經理，巴克萊國際投資管理公司（BGI）投資部基金經理等職。現任萬家基金總經理助理，量化投資部總監，
萬家滬深300指數增強
等基金基金經理。
01
指數增強基金是否靠譜？
【北落的師門】：喬總，我們今天的話題是講量化投資，所以我先拋一個很多投資者會關心的問題，就是我們看到有很多量化增強產品，但實際效果來看既有增強的，還有增弱的，為什麼會有這麼大差異呢？
【
喬亮
】：在回答這個問題之前，先給大家簡單講一下，量化增強的增強是怎麼來的。簡單來說就是，我們透過偏離指數一定的偏差度（跟蹤誤差，大概是3%-5%之間），進行一定的主動增強。換句話來講，我們獲得超額收益是透過相對成分股，超配或者低配某一些股票來獲得的。所以，做對了的時候就會超額收益比較好，做得不對的時候超額收益就不那麼好。
所謂增強的那一部分，本質上是靠主動管理，或是透過量化的主動管理來實現的
。任何的主動管理只要是有波動的，肯定存在一個向上或向下的問題。當然，好的量化增強，長期來說勝率是比較高的，如果從中長期，比如說按月、年的角度去看，應該是長期會跑贏指數的。
【北落的師門】：如果我是一個投資者，您怎麼樣能夠說服我去相信您大機率是能夠跑贏指數的呢？
【
喬亮
】：首先，如果有一個長期的歷史業績，這個是最能讓投資者信服的，畢竟講再多也不如實盤業績的說服力強。另外，需要有一個比較好的投資框架、理念，能夠揭示出來超額收益的來源，包括它的投資邏輯，以及運作過程中的每一個步驟。“
魔鬼在細節中”，對做量化來說更是這樣
，非常需要細節性的把握。這麼整個一套東西，能夠形成比較好的超額收益。對於一般的投資人來講，可以關注超額收益的穩定性。指數量化增強的超額收益最好是一個“穩穩的幸福”，也就是說，它的勝率要比較高，同時跟蹤指數本身的誤差不能過大，一旦偏差過大，很可能出現階段性的回撤。所以從這個角度來講，
一是超額收益的持續性、穩定性；二是最大回撤一定不要過大。
02
量化投資的投資框架
【北落的師門】：對於超額收益的穩定性，您剛剛也提到了投資者可以去看過去的勝率，一年當中每個季度也好，或者每個月也好，它是否能夠持續的貢獻，它是否是穩定的，這是一個方法。您剛剛講到，把投資框架、邏輯、步驟、細節這些東西講清楚，是能夠說服投資者的，其實是讓大家更深層次地理解投資方案，這塊能不能再展開一下？
【喬亮】
：我們現在用的這套量化投資的框架，叫“
多因子量化選股
”模式。從九十年代中期到現在，在國內外經過了二十多年的驗證。它基本上分為四個部分，
一是所謂的alpha模型
，也就是大家所說的因子選股。
二是所謂的風險模型
，就是對於策略本身風險性的把控。這裡所說的風險，主要指的是波動性，就是怎麼去控制跟蹤誤差，要靠這個風險模型來控制。有了alpha模型對於股票收益的預測，加上風險模型對於股票波動性的預測，
第三步就是透過一個組合最佳化
的步驟，儘量在事前控制組合風險的情況下，獲得最大化的超額收益。這三個步驟是產生組合，並進行交易。
最後一個步驟也是非常重要的，叫做業績歸因
。有點像大家進行的體檢，比如說出現了超額收益，賺了錢或者虧了錢，要搞清楚賺錢、虧錢的原因到底是什麼。
本質上，任何主動性量化管理其實就是用風險換收益
，比如說，產生了超額收益之後，必然是某一種原因產生的，原因肯定是超配了某些股票或行業，階段性表現非常好，諸如此類。這個相當於讓你明白為什麼掙錢、虧錢，是簡單的一個歸因。
更重要的一點，我們在做投資時，
往往風險是看不見的，你需要透過各種風格、指標去監控風險。
所以歸因分析的好處在於，它對組合進行體檢之後，能夠知道風險點在什麼地方，比如說行業上、風格上有沒有風險暴露，或者個股上是不是有一些跟模型預想的暴露不一樣的地方。如果有的話，你需要在真正出現回撤之前，把它調過來，這就是業績歸因分析。往往一些量化管理人對業績歸因分析這塊不太重視，但是在我自己的體系裡，alpha模型、風險模型、組合最佳化和業績歸因這四個部分，都是非常重要的。
03
超額收益來自哪裡？
【北落的師門】：我統計市場上所有滬深300對標的基金，包括指數增強，看到萬家滬深300指數增強今年的表現非常好，排名很靠前，那你歸因以後的結論是什麼呢？主要超額收益來自哪裡？
【喬亮】
：我們做過歸因分析，過去一年萬家300滬深指數增強大概跑贏了指數20個點左右。
在行業和風格上的偏差非常小
，因為我們在做組合最佳化過程中，對於風格偏差、行業偏差有非常嚴格的控制。我們絕大部分的超額收益，
主要來自於主動選股
，剔除掉了超配、低配某些行業偏差，剔除掉了風格偏差（比如說大小盤，價值/成長，槓桿率等因子），主要的貢獻在於量化選股。
【北落的師門】：明白，所以就是說，在滬深300指數里面，它本來這個指數有多少金融你就配了多少金融，有多少醫藥你就配了多少醫藥，有多少消費你就配了多少消費。只不過在金融這個行業內部，你在選股的時候可能做了調整，醫藥、消費行業內部你做了調整，是這個意思嗎？
【喬亮】
：對的。現在我們用是類似於像申萬一級行業指數，會分為像銀行、非銀等行業，不是大家平常理解的那麼寬泛。
04
量化因子選股如何執行？
【北落的師門】：再追問一下，比方說消費類的，可能在申萬里面分為食品、家電等，那你在做個股調整的時候，是基於什麼樣的因子呢？
【喬亮】
：我們現在用來選股的量化因子，整體來說有三百多個，基本上涵蓋了我們能夠找到的所有，公開資訊能找到的資訊我們都會用上。粗略地講其實包括幾大塊：一塊是像基本面，也就是跟公司的盈利、質量有關的這些，我們俗稱基本面。還有一些類別，比如像市場情緒類的、像資金流向，我們會有自己的因子去監控，包括像分析師給的預期，年報裡面的一些資訊，還有一些像股票本身的量價，成交量、價格各個維度方面的東西；還包括一些相對比較另類的因子、偏大資料的因子等。所以
可以理解為，相當於有幾百個小機器人，每個機器人在它自己獨特的範圍內選股
。比如說價值機器人只選便宜的股票，至於這個股票本身的質量好不好，盈利強不強，這個暫時不關心，只關心它的市盈率。然後在這個基礎上，有的機器人去看最近這個股票的資金流向怎麼樣，是不是有機構資金在流入，諸如此類。最後，我們有另外的一些模型，把這幾百個機器人拼成一個大的選股的機器，這就是我們現在所說的alpha模型的概念。
【北落的師門】：那我想再問一下，這個機器是怎麼運轉的？也就是說，比方這三百個小機器人，你是給每一個賦予一定的權重，最後得出一個總分，還是說實際上有個運營的機制在裡面，隨著環境的變化，可能會有一些不同的處理方式？
【喬亮】
：應該是第二種。一般傳統來講，多因子選股往往是靠基金經理比較主觀地給因子賦予一個權重。我們有點不太一樣的地方是，透過另外的模型來解決因子權重賦權的問題。我們用的這個模式，簡單講有點類似於情景分析。
我們會分析過往歷史上各種各樣情景出現的情況，然後在不同情景下最最佳化的因子配比情況。
在實際過程中，我們會參照歷史上型別的市場環境中，什麼樣型別因子的表現會比較好，然後進行配比。這個東西靠人去做會非常煩瑣，實際上是靠我們的模型來完成。
【北落的師門】：整個流程當中，全部都交給機器了嗎？還是說其實在某個環節，有人在意識的成分在裡面的，它是一個人和機器的關係。
【喬亮】
：實事求是地講，至少在現階段不存在完全是機器自己做的東西。至少在模型的設計過程中，包括前面講因子，會有很多的人參與。比如說我們選用什麼樣的引數，怎麼樣對資料進行調整，這些裡面都有非常大量的投資經理或者投研人員的判斷。所以
不是大家所想象的交給一臺超級電腦，這臺電腦能做所有的事情
。未來N年之後，說不定能出現全智全能的AI做這件事情，但是現階段還是依靠投資人員做大量細緻性的工作，把每一個小機器人設計好，能夠做它自己該做的事情。一旦這個模型做好之後，我們不會輕易去調整，希望是一個非常長期的過程。我們在不斷投研的過程中，會對現有的因子、模型進行改進，因為市場是不斷在進化的，模型要跟著進化。但是我們在做這些進化的過程中，還是希望儘量減少人為的干預。一旦我們確定了用這個模型，在每天日常的運轉過程中，這些因子基本上是一個比較自動化的過程。
05
舉例說明因子是如何挖掘的
【北落的師門】：明白了。您能不能給我們舉兩個例子，一些很有趣的，您覺得會給大家留下很深刻印象的，您那邊挖掘出來的因子有什麼？
【喬亮】
：有一個是我們做過的，現在一直也在用，
基於文字挖掘的資訊
。大家可能都看過分析師的研報，一般來說，研報會提出來，比如這個股票是推薦買入，還是強烈推薦買入，會有一個目標價，比如它的現價是80塊錢，目標價是100。同時還有其他的一些資訊，比如說預測這個財年的EPS是多少，下一年是多少，諸如此類。這些是比較傳統的量化會用到的一些資訊，我們也在用。另外有一類，比如分析師要改變前面講的那些硬性指標，比如說從推薦變成強烈推薦，或者從強烈推薦變回推薦，做一些比較大的變動時，一定要有非常強的理由，至少他能寫下來的一些原因。但有的時候，可能分析師對公司做了很細的調研，或者透過專家瞭解到這個公司會更好，但有時這不是說一個非常具體的事情，他就是覺得公司在越來越好，還沒有來得及去把這個東西形成一個硬性的指標，但是你透過他寫這篇文章的情感、語意分析，能大概感受出來。舉個簡單例子，比如說一個分析師cover一個股票，他去看股票A的時候，年初時候他寫了一篇報告，買入評級，目標價給80塊錢，EPS可能給了0。3元或者0。5元。可能他的下一篇研報把評級改為強烈推薦買入，把目標價格從80塊錢調成95塊錢，可能這一篇報告出來是四個月之後了，但是在這個過程中，分析師他可能會出關於這個股票的一些階段性的小報告，如果你去研究的話，會發現他對於這個股票的改變，特別是好的分析師，他不可能一夜之間決定把評級調上去，肯定是經過大量細緻地研究。這些額外的資訊是沒有辦法從數字上面直接去抓取，但是你透過他的一系列文獻，是能夠把它分析出來。
另外一個比較有意思的東西，就是資金流向。所謂資金流向，本身是一個數據商用底層資料來計算的。這種事情本身對投資的預見性來說，其實意義不大。因為某一隻票今天流入了多少個億，它今天大機率是大漲的，它的漲跌跟資金流入高度相關，明天就不知道了。但如果
我們直接拿這些高頻的資料，自己去算資金流向
，裡面其實有非常多的資訊可以挖掘。包括到底是大單買還是小單買，是機構在買還是小戶在買。如果持續有資金流入，有點像機構潛伏或者低吸，其實可以透過高頻的資料，能夠分析出來的，所以這也是個非常有用的因子。
06
模型在未來的有效性如何保證？
【北落的師門】：我聽完以後感覺就是說，這是一個需要很多人去協作的精細化工作，對於普通投資人好像挺難的，需要專業的技術團隊去做。A股的公募量化產品已經在市場上存在好多年了，你怎麼能夠保證以前有效的東西在未來的可靠性還那麼強？這個好像是一個大家也都很關心的問題。
【喬亮】
：主持人這個問題非常好。從2011年開始，一直到2016年，小盤股的表現一直是優於
大盤股
，後面是有很強的基本面邏輯支撐的。但小盤股的基本面增速從2014年二季度開始放緩了，所以大家看得出來，2014年中期之後小盤雖然還很強，到2016年之後支撐不下去了。而且從2014、2015年開始，外資逐漸流入，到2016年已經佔了市場一定的分量。因為外資非常看基本面，如果基本面不好，它根本不會投。所以在這種情況下，再疊加上當時市場的巨幅波動，小盤就暴跌的更厲害。
很多量化基金的表現，2017年是個分水嶺
，2017年之前和之後，傳統的多因子策略的表現差別就很大了，這裡面原因太多，我就不一一去講了。
A股市場相對來說是時間比較短，並沒有經歷過幾個完整的週期。所以如果只是用非常簡單的回看歷史，容易掉入一些誤區。但因為畢竟我們是做量化的，任何東西我們都是希望從資料來驅動。怎麼解決這個難題？需要把歷史資料拆得更細一點。把它拆成比較細的情況，最後再把它進行組合去應對新的情況。就像那句話講的
“歷史不會簡單重複”，但是歷史你會找到相似的地方
。如果說你把它拆得很細，其實我們現在看到的這些現象，在過去某個時間點都曾經出現過。簡單說要把歷史資料做得更加深刻，更加細緻。
【北落的師門】：一些基金的回測看起來很好，未來可能完全沒有達到預期。所以你們在去做回測的時候，也會遇到這個問題吧？
【喬亮】：
我們做任何測試，包括因子也好，回測也好，除了看它的表現之外，更重要的一點就是，我們有個很強大歸因分析系統，會去分析回測跑得好或者不好的原因是什麼。比如說
如果一個策略過去長時間表現很好的原因是超配了小盤，那這個策略我肯定不會去用
。
【北落的師門】：明白。
【喬亮】
：在過去的2010到2016年，我們的策略表現較好，不是因為某一個風格或一個行業上有特別大的超配，而是因為在某一些行業裡面選股。比如說在電子、機械、建築、汽車行業，
長期來說我們的因子能把好股票和壞股票區分度做得非常好。
如果是因為這個產生的收益，那我覺得這種策略是可以用的。但如果只是簡單賭小盤，或是某一些單個因子，我們會控制這些東西。
因此，簡單地看回測表現肯定不行，需要去理解背後深刻的原因是什麼，要明白到底是為什麼掙錢，這個因素未來還會不會存在。如果能存在，大機率用這個策略問題就不大。
07
如何看待價值因子這兩年的落寞
【北落的師門】：我覺得喬總講的，就是“知其然，還要知其所以然”，而且每一個所以然都要把它掰開了揉碎了去弄清楚，才可以輔助你去判斷，而不是就看一個淨值圖。有一個問題，您剛才也提到了基本面這些東西是很重要的，但是今年所有以基本面，或者基金名稱中帶有基本面、紅利、價值的，全部都表現不好，這個跟現實有沒有矛盾？
【喬亮】
：這個其實跟我的策略沒有什麼矛盾，今年價值型別的策略，或者是量化模型裡價值含量非常重的策略，整體表現都不好。這個事情不光是在中國，美國也是一樣。那些績優的股票，估值雖然不便宜，但是仍然在不斷上漲。
【北落的師門】：原因是什麼呢？
【喬亮】
：所謂的價值投資，需要跟著這個時代的變化重新去思考，比如傳統的價值因子是看PE。如果簡單隻用一個
靜態的估值方法去判斷價值是有瑕疵的，這是最近幾年量化投資受到挑戰的原因
。
量化投資本質就是一個工具，能夠讓我們把很多資訊能夠進行提煉歸納。但它的深度是不夠的，應該要做更新，更加精細化。第二點，我們現在的因子配置，不是由基金經理主觀配置權重，而是去做一個模型來完成這個工作，因為模型更客觀，能夠跟隨市場的變化，而我們自己是有各種偏見的，所以我一般不會主動去挑戰任何模型裡的東西，除非市場出現了一些模型完全無法理解的東西。
08
外資在A股的投資行為
【北落的師門】：您在海外的機構工作過很多年，所以也想借這個機會跟您請教一下，外資在A股的投資是什麼樣一個行為？到底帶來什麼實質的影響？
【
喬亮】
：外資是非常業績驅動的，基本上其他因素都不重要，最重要的就是業績。如果一隻股票一旦出現了超預期，一天可能漲好多，甚至翻倍都有可能。一旦出現某個季度業績不達預期，馬上10%或者更多的跌幅就來了。他們重倉的票一般基本面表現非常好，長期來說ROE回報也是非常高。另外外資屬於比較長線的資金，考核週期、持股週期都比較長。
2017年之後很明顯，大家越來越看重基本面，業績好的股票受到資金的追捧。另外外資對龍頭股有很強的偏好，
北向資金他們買的都是一些細分行業的龍頭，雖然有時龍頭可能不是最便宜的，不是業績增速最快的，但這是非常重要的思維。
現在大家講投資核心資產，核心資產本質是行業內部的龍頭股票。
09
量化投資在中美市場的異同
【北落的師門】：明白，另外再請教一下，您在美國也做了很長時間的量化投資，在A股做量化投資和在美國做量化投資，你覺得有什麼不一樣的地方嗎？
【
喬亮】
：我覺得在A股做量化投資，需要關注的東西可能會更多一些。因為相對來說，美國主要是一些機構主導的，美國股市的參與者大多數是機構，所以整個市場的波動性其實遠遠比A股要小。第二個，在美國市場，外部的政策或者是因為其他的一些事件，對市場的衝擊相對比較小，除非出現比如像2011年的911那種特別
黑天鵝
的情況，會有一個非常極端的衝擊，但是衝擊過後很快就能恢復正常，因為它已經運行了一兩百年，已經比較成熟了。所以在美國，你在模型之外操心的東西相對會比較少一點。但是難度在哪兒？在於你要不斷地去改進模型，因為大家都是機構，想獲得超額收益的難度遠遠大於A股市場。
A股市場更意思的一個情況是，它是充滿活力的，從投資的角度來講，獲取超額收益比美國要更容易一些
，因為A股是一個不斷髮展中的市場。第二，A股市場中的個人投資者佔比較大，雖然從投資量來說不見得起主導作用，但個人投資者佔了比較大的量，交易活躍度也比較高，所以造成了市場上比較多的錯誤定價的機會。
【北落的師門】：以前上交所公佈過，90%的交易量都是由散戶來貢獻的，雖然他們佔的市值並不高。
【
喬亮
】：對。所以這就是為什麼
量價策略
在國內有階段性的表現。另外， A股市場需要關注的維度多一些，除了自己做的這些因子模型之外，還有政策的變化，這種外來因素在A股市場的影響效果遠遠大於對美股市場的影響。當然這是一個兩面性，一方面
肯定會更累一些，需要關注的東西更多，光靠模型是沒有辦法去捕捉到的，包括政策上的一些變化、突發性的事件，很多時候需要基金經理去進行判斷
。另外，好處就在於，波動更大的情況下，如果你能夠堅持投資策略，不被這些擾動所影響，你會發現最後的收益還是非常可觀的。
【北落的師門】：以前巴菲特說過一句話，“我不關心政治，我就只看年報”，別的什麼都管，但是這個在A股可能就不行，就可能要關心很多。這些東西也是一個很複雜的工作，我覺得花一點點錢，讓基金經理幫我把這個工作做了，又能在A股市場掙到這麼多的超額收益，我覺得還是一個挺划算的事。
【喬亮
】：對。
10
不同指數的增強效果有何差異
【北落的師門】：我還想問一個問題，現在寬期指數的產品有300增強、500增強等等，我想問一下，在不同的指數上，您用的增強方法是一樣的嗎？或者說哪個指數增強起來會更容易一些，差別在哪兒？
【喬亮
】：我前面講的那幾百個因子，其實對於我們股票池裡的股票都是一樣的，它都會生成。或者換角度來講，
你可以認為磚頭都是一樣的，但是300跟500，一個可能像是別墅，一個像是公寓
。所以你在構建這個房子的過程中，所用到的結構，用到的各種東西，雖然底層的材質可能都是類似的，但是在構建的過程中，具體的構建方式不同，最後成形的東西可能就不一樣。簡單來講，我們用的投資框架是一樣的，但是最後出來的模型肯定是不一樣的，但是方法論或者說前面講的四套框架，還是成立的。
【北落的師門】：那從效果上來看呢？
【喬亮
】：我覺得怎麼去增強模型其實分兩個方面來看，每個指數本身有它自己的特點，300跟500、1000其實有很大的差別。因為300本身裡面全是
大盤藍籌
，第二它裡面的金融地產、週期佔的成分非常高。特別像銀行的股票，同質化是比較嚴重的，在裡面要去區分出長期來說某些銀行一定比別的銀行好很多，這種難度是非常大的。所以這就為什麼相對來說在
300裡面做增強的難度要遠遠大於在500和1000裡面
。本身這個指數的構成、行業權重、風格，基本上確定了增強難度是容易一些的。500和1000的行業是比較均衡的，基本上什麼行業都有，除了可能沒有銀行之外，而且沒有權重特別大的行業。所以很多人實際上是把500或者1000當成全市場的一個替代，很多就直接從全市場裡選股，選最強的股票，你去跟500、1000進行一個超額做法的話，會發現波動性差異不會那麼大，因為500和1000其實跟全市場更像。但300裡面的大盤藍籌、金融地產太多了，所以它跟大盤有時候還不太一樣。
另外一個層面，對於300增強，純粹用量價模型是很難做出特別好的超額收益，所以做300增強的難度其實是遠遠大於做500增強或者1000增強的。500和1000增強裡面的指數比較均衡，如果用一些量價模式全市場選股，過去幾年基本上還是有非常好的超額收益。
還有一點提醒大家關注，這個超額收益其實相對的，
如果某一個指數本身在當年的表現特別好，你做超額收益其實挺難的
。為什麼過去幾年300相對於500超額收益難跑？一個原因是因為從2017年到現在的三四年，300的表現是遠遠好於500的，500基本上屬於趴在地板上的狀態，所以大家看到很多超額收益500超額很多，但實際上如果最後做出來的收益去跟300比的話，好象也沒有超額那麼多，因為它都是相對的。
【北落的師門】：明白，其實我剛才最想問的一個問題就是，可能不專業，您能不能給大家一些預期，比方說300，您覺得超過多少是一個正常水平，500超過多少是一個正常水平，這個東西能給嗎？
【喬亮
】：我覺得未來不太好說，我們根據歷史未來的短期吧。一般來講300增強在正常情況下，我認為比較合理的一個平均狀態，如果能有5到10個點的超額，就算是相當不錯的一個收益了。
500增強如果能做到比如說15到20個點超額，屬於比較不錯的超額收益。
而且還有一點，公募跟私募是有很大差別的。
11
公募和私募做量化投資的區別
【北落的師門】：我正想問這個問題，公募跟私募在做量化投資的時候，公募會吃虧嗎？
【
喬亮
】：其實會吃很大的虧。首先，公募裡面，比如說一般叫指數增強，不管叫300增強還是500增強，是需要80%的成分股的。也就說你的組合裡面，成分股比例是不能低於80%，這是一個很強的限制。特別對於500來講，這個限制是非常大的。比如說某一年500整個表現都不好，如果一定要從成分股裡面選，就相當於把自己手腳捆綁住了，這個是公募的限制。私募裡面機制上是沒有任何限制的，他們可以從全市場選股，如果某一年300特別強，500很不好，它甚至可能大部分的股票全是300的。
私募它的偏差度，受的限制更少。
第二個原因，私募其實有很多其他的方法。比如說大家都知道股指期貨，過去幾年特別是像中證500股指期貨是長期貼水的，貼水厲害的時候，甚至年化能到16、18個點，如果在那個時間點，
私募基金
完全可以直接去買遠約的股指期貨，然後等著它到期，就能掙18個點的超額收益。
但是公募是不能做過多衍生品的。
第三個差別是，私募的交易佣金一般大概是萬二、萬三，他如果做高頻的話，可能還會更低一點，大概就是萬一點幾，所以費率也是不一樣的。再加上有的私募甚至可以T+0，這些在公募都是做不了的。所以公募跟私募完全是不可比的，就像大家跑步的時候，私募不光是在跑，而且可能還開著小摩托在跑，公募就老老實實，而且有可能手還捆著、腳上還綁一個東西在這兒跑，這個是完全不可比的。
另外一點就是，
私募本身還收取業績提成，公募就只有一個管理費
。所以相對來說，我覺得公募裡面比較優秀的指數增強型產品，是比私募更好的投資品種。
【北落的師門】：其實對一些門檻比較低，資金量比較小的普通投資者，如果你想去選擇這些產品的話，可能公募會更方便一些，對吧？
【
喬亮
】：對。
12
人工智慧炒股靠譜嗎？
【北落的師門】：再問一個問題，我之前看您的訪文中提到過人工智慧，我想問一下前兩年人工智慧很火的時候也說過，用人工智慧來炒股，這個東西靠譜嗎？國外好像也有類似的這種產品。
【
喬亮
】：我講一些我現在知道的情況，在非常高頻的領域裡面，比如說海外的高頻期貨領域，一天可以來回N次，幾千次幾萬次這種，人工智慧或者叫機器學習這種演算法其實用得是非常多的，非常高頻的領域人的反應速度不一定跟得上，做得好的海外
對沖基金
其實已經非常普遍在使用。但是在中低頻的領域，比如持股週期一旦到了一個月、兩個月，這種領域裡面，不管在海外還是國內，
據我所知暫時更多還是停留在概念上面
。原因很簡單，因為在很高頻情況下，你需要高度關注的東西其實只是微觀結構，就是你的交易對手怎麼想，因為在一秒鐘或者零點幾秒之內，基本面不會發生變化，更多還是在於一個封閉的環境裡交易結構會怎麼變化，這透過AI是能夠算得清楚的。如果拉長到一個月，變數太多了，影響這支股票的因素很多，從AI角度是很難去考慮所有的東西的。你的資料量也不夠，沒有辦法獲得一個全知的資訊，這其實是AI非常需要的東西。
相對來說，演算法是能夠基本上把絕大多數情況都考慮到的，你需要有大量的資料能夠給它，這點在中低頻裡面，至少在我能看到的未來很難實現。如果這點實現不了，任何打著AI旗號的做法，其實可能就是一個廣告。因為海外您可以關注一下，美國其實發了一個ETF，我記得是叫AIEQ。
【北落的師門】：好像沒有跑贏指數。
【
喬亮】
：對，就是2017年發的，這個也是一個很好的例子，因為那個策略本身不是一個高頻策略，也不能算很中低頻，但它至少不是高頻策略，所以它其實跑不贏指數的。
【北落的師門】：所以您的意思就是，用AI選股的話，可能短期來說還比較難，除非是高頻策略還有可能。
【
喬亮】
：我覺得可以用來做一些非常短線的事情，甚至做一些T+0，我有一些朋友也在用類似的方法，但是我覺得還沒有被完全驗證，就是用海量的逐筆行情資料來訓練，有限制地去進行訓練，訓練之後透過它來做T+0交易，或者今天買明天賣，非常高頻的交易，至少看起來效果也還可以，但是也沒有達到非常驚豔的程度。
【北落的師門】：特別是資金規模大了以後可能就更難了。
【
喬亮】
：對，因為你一旦交易速度快的話，規模很難上去。
【北落的師門】：對。我記得2015年的時候，當時有新聞報道，說有幾個俄羅斯的小夥子弄了一個皮包公司，在A股交易，您還有印象那個事嗎？
【
喬亮】
：那個他們做的是釣魚策略，就是
所謂的掛單撤單的釣魚性的策略，其實不是AI
。
【北落的師門】：相當於是不合規的。
【
喬亮】
：他那個不合規的，所以後來被處罰了。他做的事情理念很簡單，就是騙其他的量化策略。因為做這種高頻量化策略，大家往往去看掛單資訊，比如說上面有五檔，你如果掛了很多買單，大家就會認為有人會買，那我趕快上。他們是用了一個策略，比如他掛買單一瞬間就馬上把它撤出來，你看到的時候以為他掛了，其實那個是假單，因為交易所的系統本身存在一個延遲性，其他的量化策略以為有人買就衝進去了，相當於把別人騙進來。其實這個在海外也有，但也是不合規的，就是一個欺騙策略。這個在國內做不了，交易所現在限制你的撤單數，以前因為沒有限制，你可以無限次地掛了撤，掛了撤，當然每個交易所不一樣，我知道期貨交易所、股票交易所，都嚴格限制了你的撤單數量，所以這個現在在國內做不了。
13
介紹一下BGI這家神奇的公司
【北落的師門】：明白。喬總最後還想問一個大家很感興趣的，就是你的履歷，您原來工作過的BGI這家公司，有很多做得很棒的量化基金經理都是從這家公司裡出來，這家公司是一個什麼樣的神奇的存在呢，能跟大家再稍微介紹一下。
【
喬亮】
：這個我覺得怎麼說呢，感覺有點自自賣自誇的嫌疑。
【北落的師門】：沒事，沒事。
【喬亮】
：的確是這樣，現在一些規模比較大的公募基金的量化領軍人物，大多是我的前同事。我覺得BGI更像是一個學校，大多數華爾街公司其實是高度競爭的，包括公司內部。他們可能會有很多小的策略團隊，團度和團隊之間往往是一個非常強的競爭關係，互相之間不溝通，因為他們一個機制就是，最後誰做得好誰就能上，做得不好就會被淘汰，所謂
狼性文化
。大多數的華爾街公司是這樣，但是
BGI比較另類，它之前是在舊金山，是唯一一個比較大的西海岸資產管理公司。
第二點，我們當時都在主動量化部門，部門氛圍非常好，有點像在研究生院裡面，大家探討的氛圍非常濃重，
不管是投資的還有研究的領導，他們都非常樂意去跟研究人員、基金經理一起探討問題
，我們每週會有定期的午餐會議，會有不同研究人員去講最新做的策略，然後所有人都可以參加，去進行評論。這些策略是屬於開發中的，理論上來講，如果是別的華爾街公司可能都不會讓你知道，甚至包括用了之後都只能在小團隊內部分享。但是在BGI，因為有一個非常開放的氛圍，所以我當時也很幸運。
我從斯坦福畢業之後就進了BGI，在那幾年的環境中的確學到了非常多的東西
。除了我之外，其他幾個現在國內做得非常好的前BGI基金經理也都是這樣，我覺得這個可能是跟其他機構很大的不同點。我們很幸運，在職業早期能夠跟很多優秀的投資經理和研究人員學到很多東西。但是2009年之後， BGI被
貝萊德
收購了，收購之後投研人員流失了很多，整個公司的氛圍也變化了，因為貝萊德是個比較傳統的華爾街公司，所以後來也沒有再像之前那樣，我們這幾個人算是運氣比較好吧，正好趕上了一個比較好的時間點，能夠在一個比較偉大公司的一個最好的時間，在那個地方待著。
【北落的師門】：謝謝喬總。那喬總，我們的主體部分就這麼多，下面進行到一個快問快答環節，你就用非常簡潔的方式來回答我幾個小問題就可以了。
14
快問快答
【
喬亮
】：好的。
【北落的師門】：第一個問題，在A股做投資累還是在美股做投資累？
【
喬亮
】：應該是在A股做投資累。
【北落的師門】：對於量化對沖產品，長期收益在什麼水平您覺得是一個合理的？
【
喬亮
】：我覺得如果是做到比較大規模，長期來說，差不多能夠比通脹要更好一些，至少來說比競品要更強，比如說話6%-10%或者8%-10%，我覺得是比較合理，同時也是大家能夠接受的一個水平。
【北落的師門】：我們這個市場上充斥著各種神奇的指標或訊號，您覺得有用嗎？
【
喬亮
】：之前我也見過有一些很資深的炒股人，他光看K線也能對市場判斷的很準，所以我覺得還是看人吧。關鍵在於，你對這個指標是不是深刻地理解，如果說
只是簡單的跟著一些非常大眾的東西，比如說MACD死叉就賣，我覺得長期來看可能表現不見得很好
。我覺得所謂指標也就是個工具，關鍵還是看你怎麼用，你對自己用的工具要有深刻理解。
【北落的師門】：今年很多量化的基金產品都限購了，您覺得在A股多大的規模是一個比較合適的規模？
【
喬亮
】：我覺得這個要分情況來看，首先我們的滬深300各種產品都沒有限購。我覺得限購的一個原因可能是打新吧。因為科創板打新、創業板打新，比較合適的規模可能是三到四個億，根據三季報，我們的
萬家滬深300增強
差不多9個億，相對來說是比較吃虧一點。據我瞭解，很多公募基金之所以限購，其實是為了打新，收益增強會更好看一點。但從我們角度來講，還是希望給更多的投資者進行服務。
我們更多還是靠本身的alpha增強能力，我覺得
指數增強對於這種中低頻策略來說，做五個億跟做四五十個億差別其實沒有那麼大
。因為我們持股數量非常多，非常分散，而且基本上都是流動性非常好的票，本身
換手率
非常低，不會追求一天換手多少，所以這個我覺得不是問題。但是量化對沖其實有規模限制，它主要受限於期貨端，因為大家都知道股指期貨的流動性受到一定限制，所以量化對沖策略的規模更多受限於對沖端。現階段我覺得，
做量化對沖10-20個億好像都還行
，到了上百億或者更多的話，對沖端會比較吃力一點，因為畢竟還存在一個換月的問題，不可能說股指期貨拿著就一直不動了，每次換月，流動性都會產生一定的損耗。
【北落的師門】：做量化投資人都特別講究紀律，您能不能給一兩條投資者一定要遵守的紀律這樣的建議。
【
喬亮
】：我覺得其實很簡單，可能大多數人都知道，能不能做到就不好說了。首先第一是要長期，要堅持。基金定投，或者自己看好某一個股票，要長期拿著。因為A股市場波動非常大，導致很多人都是不掙錢的狀態。所以我覺得很重要一點，還是
自己制定一個好的投資策略，然後去執行。
策略不用很複雜，自己定一個指標，基於這個指標去買基金，買看好一些
指數基金
，或是比較好的權益類基金經理，都可以。第二，堅持你的策略，不要因為階段性的回撤就不做了，堅持，就是一個長期堅持。
【北落的師門】：或者股市一漲，風險偏好也變高了。
【
喬亮
】：對的。
【北落的師門】：能不能說三個自己最看好的投資方向或者因子也可以，可以是您覺得好的價值因子或者成長因子。
【喬亮
】：如果從方向上來看，
科技
這塊我是非常看好的，另外比較看好的是
醫藥
。這麼說吧，
階段性來講，它的估值可能會比較高，但是如果調整到位，有很好的投資價值。
所以我們可能發一些比較偏主題性的指數增強基金，比如科技類的指數增強，醫藥類的指數增強，還有一個相當於跟蹤北向資金的，外資比較偏好的品種，我覺得未來長期表現也會不錯。
【北落的師門】：還是挺有意思的，很有挑戰性。您最喜歡的體育活動是什麼？
【
喬亮
】：以前我踢球，但是因為現在年紀大了，主要就是遊游泳，跑跑步吧。
【北落的師門】：如果不做基金經理您會從事什麼職業？
【
喬亮
】：說實話，如果不做基金經理，大機率可能會去當老師，當教授。我之前在斯坦福拿了一個博士，其實我們正常的職業生涯應該是去商學院做教授，我其實是同學裡面比較另類的。
【北落的師門】：因為今天你比較特殊，能不能給大家推薦一本量化方面的書或者電影，或者說學習的東西。
【
喬亮
】：我之前倒想過，我覺得也不見得是量化方面的，我跟大家講一講，因為量化方面的書還是專業性偏強一點，可讀性不是特別強，文獻比較多。我倒覺得有一本書比較好，我最近也在看，可能不算特別有名，叫做
《癲狂與恐慌》
。
【北落的師門】：就是寫《二戰股市風雲錄》的那個。
【
喬亮
】：對。巴頓比格斯是寫對沖基金三部曲的那個人。這本書其實不是一本書，是收集了他從八十年代初以來三十年的心得、研報，有點像事件點評、讀後感，為什麼我喜歡看這種東西？因為要以歷史為老師，歷史不會簡單重複，但是歷史中一些片段往往會重複。巴頓比格斯這個人其實非常牛，他以前是賣方的明星分析師，後來自己開了對沖基金。
這個書的主題類似於週期，市場永遠是在癲狂和恐慌這兩個極端之間不斷擺動
，特別特別的熱，或者特別特別的涼。他不是直接寫歷史，而是從一個金融從業者的角度去看這些歷史。
【北落的師門】：好的，謝謝喬總，今天跟您的溝通非常暢快，我們的主體工作就到此為止，感謝您今天跟我們的交流，希望下次還有機會能跟您聊天，希望您的產品能給投資者帶來更好的回報，謝謝。
【
喬亮
】：謝謝。
