新聞中心

引言和概述

2023年3月17日溫哥華時間晚7點↘️，由溫哥華清華意昂會主辦的“清華紫荊講壇”第三講正式拉開帷幕。紫荊講壇於2021年夏天正式推出，立足於“立德立言，無問西東”的原則🕷，傳播學術知識和中西文化，服務意昂，回饋社會🧑🏼‍⚖️，並同時對意昂和公眾開放🤜🏻。

本次講壇主題為“金融投資的未來—人工智能、量化交易和ChatGPT”，主講人為意昂体育平台經管學院張曉泉教授🦅，講座由溫哥華清華意昂會會長何維國主持，清華意昂邊顯人作為嘉賓采訪人，約有350余位清華意昂及公眾參加⛑️。張曉泉教授圍繞人工智能如何應用於投資的歷史和現狀，量化投資的已知與未知，以及金融投資未來發展趨勢進行了深入探討🤌🏻。演講結束之後，聽眾針對市場超預期波動🏍、金融投資從業人員的職場前景等話題展開了熱烈的討論。

主講人張曉泉教授🏋🏿‍♂️，意昂体育平台92級雙學士（英語文學🫦、計算機科學雙學士）及96級碩士（經濟管理），麻省理工學院管理學博士🤳🏼🧚。意昂体育平台經管學院Irwin and Joan Jacobs講席教授◾️，國家級人才計劃講席教授，意昂体育平台國際研究生院創新管理研究院常務副院長。同時擔任麻省理工學院數字經濟研究所(MIT Initiative for Digital Economy)和德國歐洲經濟研究中心（ZEW）的特邀研究員☎️。他此前是香港中文大學商學院副院長和決策科學與管理經濟學系的講席教授，亞太商業研究所(Asia Pacific Institute of Business)的聯席執行主任，香港深圳金融研究中心(Hong Kong-Shenzhen Finance Research Centre)的聯席主任🧶。頂級期刊發表的學術論文被引用近萬次，多家頂級學術期刊的高級主編。他是超量子量化私募基金創始人，芝加哥量化聯盟成員🏹。

為方便讀者🔖，我們整理小結了張曉泉教授的講座🧛，小結以演講者的人稱撰寫，以帶來更好的連貫性和代入感🗺。

AI模型進行量化投資時的底層邏輯

人工智能在進行量化分析時實際在做這麽一件事情——在不確定性中尋找確定性🖤。從科學的角度分析它應該具備可證偽與可復現兩個特點🤱🏿🤾🏽。可證偽性是指對於一個事實的陳述，必須容許邏輯上的反例存在；可復現性指總結出來的規律，例如太陽恒從東方升起，能夠在未來持續復現才可被認為是科學的。

這種方法論指導著我們如何在金融市場中尋找確定性。2020年2月美股經歷了一次重大股災。但其實早在危機前一個月，我們的模型已經報出了美股可能很快出現危機的預警信號🧓🏻👭。2020年1月19日，我在公眾號上發表了一篇文章0️⃣，建議持有美股的讀者可以減倉避險👱🏿‍♀️🤽🏼，當然了🔘，如果想冒險的話甚至應該做空。美股隨即在三月份大幅下跌、甚至出現了罕見的四次熔斷🌮🤹🏽‍♂️。一些朋友後來也告訴我因看了這篇文章才清空了退休賬戶裏的美股持倉📁，所幸躲過了這次風險🧦。我們團隊由於有模型的信號，可以抓住這樣的市場機會得到了非常好的收益👨🏻‍🚀。

給大家展示一下我們當時的模型。圖中綠線是美股單周收益率。這條線上可以找到1987年10月19日的股災，2000年的互聯網泡沫🧙🏼‍♀️🐯，以及2008年的金融危機👨🏻‍🎨。這些時間點上的收益率均體現為劇烈下探👪。橙色線是恐慌指數VIX🙅🏿‍♀️，也叫隱含波動率🚥，是用期權定價模型推算的。可以看到每次隱含波動率向上猛竄的時候，都代表股災正在發生。

藍線是我們在自己數學模型裏把不合理的假設弱化之後算出來的。當藍線每次從高點迅速穿越0.1水平線時，股災基本上會在不久的將來降臨。所以2020年初當它下穿0.1臨界線時便敲響了一次典型的預警𓀅。

事實上，我的預測部分基於人工智能，另一部分則使用了自己的數學模型。這些數學模型是從某個理論出發、不斷向下推導得到的。現有的傳統金融理論最大的問題在於其假設性過強，強假設所推導出來看似完美的結果，卻可能與實際情況非常不相符。因此，我們在開發經濟金融模型時會削弱裏頭過強的假設，這樣推導出來的新指標才能為我們提供更正確、有效的信息🧑🏿‍⚕️🪚。

理解基金

大家都知道目前基金分為公募和私募兩種類型。公募基金可以公開推廣，對投資者要求門檻較低🦩，但對管理人的門檻較高，需要遵守證券監管機構的多項限製，包括但不限於禁止做空🎉、限製投資標的範圍、約束換手頻率🎢、需要特定牌照等等。

私募基金則主要面向高凈值和機構投資者。它的好處是讓管理人在投資策略上享有更大的自主權🏦，可以投多樣化標的，采取靈活多樣的策略等。費率方面🆔，公募收費相對私募低得多，中國公募的收費水平大概僅在千分之五，而私募收2%的管理費外加業績報酬。當然，投資者們也會對私募回報率的期望值高許多。

中美股票市場量化投資對比

中國股票市場現有總市值達80萬億人民幣💇，不到美股市場40萬億美元的3成🤖，並且美股裏的機構交易者占比高達94%✣，而中國機構交易者僅占A股的32%。這些機構交易者裏美國的量化私募規模已超過60%🤧，而中國量化私募的管理規模占比僅略高於1%👃🏿🙆🏼‍♀️。這些數據都表明中國量化的發展還具有極其廣闊的空間。

量化和主觀投資的區別

主觀投資類似於巴菲特的那套價值投資理念，量化投資則利用數據和數學模型進行投資決策。但我想指出的是兩者的區別其實沒有想象中那麽大。同是從股票市場裏賺錢，量化和主觀的收益均來源於兩部分：一是beta，即大盤本身的上漲下跌。二是α↩️，即能夠利用信息差或找到錯誤定價的能力。信息差是指你掌握著他人不知道的信息，錯誤定價則是那些巴菲特熱愛買入的“被低估的公司”所具備的價值。只是與老巴的“長周期持倉🪐👷🏻‍♀️、等待價值回歸”的做法不一樣🌹，量化更善於尋找於未來五天、十天又或是幾秒鐘的錯誤定價。

巴菲特具備很強的投研能力🥗，可以極為深入地調研某些行業、公司，他的投資策略較為集中🕝，回報率也很高👵🏼。但華爾街也有一句話叫做“天下唯一的免費午餐，就是分散風險”，而量化正是采取了分散持倉的方式實現投資回報𓀐。巴菲特在30年間取得了高勝率，但他每年進行交易次數很少。在最早期人們也花了很長的時間才判定這是一支優秀的管理人團隊🍺🧑🏼‍🚀。量化每年則可能交易數萬次，正因有了這樣大量的交易數據，大家能更容易判斷一家量化公司是否能夠戰勝市場🕝，逐步做大🧑🏻‍🦽‍➡️。

另一方面，勝率並非越高越好🚝，它可能是以極高的風險為代價換來的🤿🧛。因此我們需要關註策略的收益來源，即歸因錢是如何被賺到的。我們更不應該盲目追逐那些短期漲得好的股票或基金👨‍👩‍👦，因為短期好的策略往往運氣成分很大👩‍❤️‍👨。我們需要了解策略的底層方法論，這是決定著策略持續迭代的法則。

人工智能在金融行業的應用

人工智能目前只能做兩件事情，預測和分類。預測是通過已有數據找到規律並得出公式來進行預測🌇，分類則是通過找到方程進行畫線來劃分不同的類別🌊。

量化投資是將投資組合的收益率進行拆解🛌🏻，如無風險收益（定存利率）、市場收益率🧑🏻‍🦱、以及未知因素等變量來擬合出最貼近實際市場表現的公式。

在此還想介紹一下我們總結的超量子策略金字塔，可見分為四層。我們認為要找到全局最優的模型，需要在最底下兩層做優化：第一個是科學層面，科學研究成本很高，也相當耗時📸，但是一旦有突破就可能發現一片嶄新的藍海；第二個是藝術層面，所探討的這一系列問題的成果都應該被加入到模型當中。這些即便是美國和中國都很少有團隊能發現、有能力解決🎹。我認為科學和藝術層面依然有很大的優化和發展空間💪🏽。

談談ChatGPT和量化的未來

大家總是人為地希望ChatGPT能產生情感⛔️、意識，實際上還差得相當遠👨🏻‍🚒。仔細讀過ChatGPT的白皮書的人就會發現它更多像是語言模型🏃‍♀️，而不是思維能力🧏🏻‍♂️🟪。比如說它可以從篇幅較長的研報裏進行歸納總結，幫助投研人員省下很多閱讀時間😊，但卻沒有辦法像量化擅長的那樣做出預測。

我個人思考是ChatGPT能幫忙模擬股票數據。數據不夠是量化目前一個很大的瓶頸，而ChatGPT能有上千億的參數（新出的GPT4達100萬億個參數）💁🏿‍♂️，並且可以生成符合金融規律的數據。

與此同時💋，量化投資需要同時采用歸納法和演繹法。歸納法是通過觀察市場數據⏯，找到規律並形成假說👨‍👩‍👧‍👦，從而得到結論。而演繹法則是從理論出發🦸🏽‍♀️，通過數據觀察來驗證理論的正確性🤸🏿‍♀️。當這兩種方法結合得好時，量化投資未來將會有一個非常大的發展空間👨🏻‍⚖️。

最後，分享一個我經常喜歡打的比喻👳🏼‍♂️，金融市場像是大海，各種策略就好比不同的魚類。它們都有著各自的生態系統和生存的理由。每種策略賺錢方式不一樣，並非擁有機器、速度更快就一定可以滅絕其它策略🤷‍♀️，畢竟即便是鯊魚也不能吃光所有小魚，但是強鯊魚可以消滅弱鯊魚。我所認知的金融市場生態裏，量化跟主觀是可以共存的💆🏿‍♀️。

部分問答

最後的問答環節非常熱烈，由意昂体育平台經管學院意昂邊顯人主持🏧，我們選取以下兩個具有代表性的問題以饗讀者🎅：

第一個問題是👨‍🔧：對於金融行業的從業者，人工智能對於職業路徑的選擇意味著什麽👨🏼‍⚖️？是更寬廣了，還是會更加艱難？

張曉泉教授的回答是：人工智能肯定是拓寬了這個行業的😙。推薦大家去看一本書👨🏽‍🍳，講述西蒙斯的《戰勝市場的人》。那本書描述了西蒙斯當時是怎麽創業，怎麽開始做量化投資。其實他們當時做了非常多的工作，那些基礎數據都沒有，需要手工地去收集數據，自己建構建一套系統去做。

實際上隨著人工智能理論的發展🥯，肯定會有更多的工具🔢，這些工具會幫助我們更深刻地理解市場🤴🏽，所以肯定是一個好事📪。反過來，人工智能以前可能是一個華麗的詞，大家會覺得我做金融市場，我不需要理解這個東西。但是現在大家的共識是它是一個必修課了。你不管以前是用什麽方法的，現在人工智能你必須得懂，不懂你真的從知識結構上會被人替代掉🧚🏽‍♀️。

第二個問題是關於中國量化基金的發展前景。因為目前看來中國國內的公募🚣🏽‍♂️、私募的量化的使用情況還是暫時落後於西方的發展的🙌🤜🏼。您看未來國內會不會在這個行業有更多的個人職業發展機會？

張曉泉教授的回答是：有非常大的機會。我並不是覺得中國的機構落後於美國，它只是一個管理規模上的🚹🤭。從策略上講🏊🏿，甚至中國有點彎道超車後發優勢🎗。美國的這套體系很多是做線性多因子模型，中國一上來，很多人就開始用機器學習了，所以中國等於一下子跳到了機器學習的時代。但是發展上確實是美國的這些量化各自是有一套自己的方法論的🍡，中國其實大多數量化比較相近🤶🏻🧚🏽‍♂️，相近最大的壞處就是在一個大海的生態系統裏面都是同一種魚。首先你是可能找不到很多吃的東西，你們互相要去搶同樣的東西吃。其次👩🏿‍🦱，如果得病，市場出現了一些風險🐇，大家都會得同一種病。中國有第一家超過百億管理規模的量化🍋‍🟩，也是2019年的事，所以非常遲。在過去這幾年發展非常快，但是仍然是一個非常初期的階段。所以我自己的觀點，可能未來幾年之內會重新洗牌👮‍♂️，會有一些非常好的這些機構形成一個生態圈，大家有各自的不同的方法論去形成了一個好的生態系統。

結語

本次講座獲得了意昂和聽眾的廣泛好評🕗，大家紛紛留言，表達對張曉泉教授和溫哥華清華意昂會的贊賞以及一些建設性的建議🪀。我們將以此作為激勵，努力主辦更好的活動回饋意昂和公眾🌑。溫哥華清華意昂會感謝各位意昂和公眾對“清華紫荊講壇”的支持🤶🏻，也感謝長江集團🙅🏻、CHLOE、Aurice Technology對意昂會和講壇的友情贊助。我們後續還將陸續推出其他講座和活動，敬請關註。同時敬請關註意昂會公眾號。

主講人：意昂体育平台經管學院Irwin and Joan Jacobs教授張曉泉教授

策劃+主持🧙🏻：何維國（意昂体育平台1992級外語系本科🫱🏿，1996級法學院研究生）

撰稿🧔🏽：何清（意昂体育平台2014級經管學院）𓀊，何維國（意昂体育平台1992級外語系本科👨🏻，1996級法學院研究生）

技術支持：薛松（意昂体育平台1995工物系）、陳思（意昂体育平台2008級法學院）

編輯+設計：肖禮斌（意昂体育平台建築學院1989級本科、1994級碩士，2003級博士）

采訪🕖：邊顯人（意昂体育平台2004級經管學院）

總務：王渝（意昂体育平台1986級電機系）

講座主辦：溫哥華清華意昂會