第六届中国期货分析师论坛
金融工程分论坛
时间：2012年4月22日下午13：30-17：00
地点：杭州黄龙饭店珍珠厅
承办单位：中国国际期货有限公司
第一节
主持人：陈冬华，中国国际期货有限公司
演讲嘉宾：陈宏政，台湾台证期货投资总监，演讲主题“对冲基金投资组合发展新趋势”
    丁鹏博士，东方证券资深分析师，演讲主题“从相对收益走向绝对收益-从量化对冲角度谈中国资产管理未来发展方向”
    郭剑光博士，中央财经大学金融研究所副所长，演讲主题“现代金融工程在对冲基金的作用-基于限价指令簿（LOB）信息的交易策略”
第二节
主持人：王红英，中国国际期货有限公司
圆桌讨论：金融工程的理论与实践问题探讨
讨论话题：1、国外金融工程应用经验探讨
    2、国内金融工程在投资策略中应用
    3、金融工程在国内发展现状与前景
    4、国内金融工程人才培育
讨论嘉宾：陈宏政，台湾台证期货投资总监
    丁鹏博士，东方证券资深分析师
    郭剑光博士，中央财经大学金融研究所副所长
    宋楚平，中期研究院金融工程部总监
   
    （现场实录）
    陈冬华：大家下午好，上午听论坛，大家挺累的。今天上午这个论坛，我们了解了高层对中国期货业政策的一些解读，包括产品创新、制度创新。
    我们在阳光明媚的日子里，在美丽的西子湖畔举办分析师论坛，我们共同探讨中国期货业崭新的时代，我们作为期货分析师在未来的定位。根据大会安排，下午的第一节由我来支持，我是中国国际期货有限公司总经理陈冬华。
    我们下午分两节，第一节由三位演讲嘉宾做主题演讲，第二节是圆桌讨论。上个月在深圳我也参与我们承办的一个论坛，听下来作为我来讲，从事中国期货20年，感觉靠经验的时代已经过去了。量化投资有了以来，期货投资者比重不断攀升，特别是股指期货推出以后，两年的运行，国内的市场利用量化来投资的比重越来越高，为了更好的了解量化投资的现场和未来的发展方向，我们特别请到了陈宏政、丁鹏博士、郭剑光博士。
    下面我们请到的是台湾台证期货投资总监陈宏政先生，陈宏政先生的研究主要领域为投资组织的建构以及风险管理，下面我们以热烈的掌声有请陈宏政博士。他今天下午演讲的主题是“对冲基金投资组合发展新趋势”。
   
    陈宏政：各位好，感谢南华期货给我们这个机会，能够在这个地方跟大家来做这个探讨，也感谢各位领导，在这边给我们一些鼓励。我在这里想到我在数十年前，在研究所毕业的时候，我觉得现在这么多博士、院长在这里，我挺惶恐。
    我们来看一下，我们今天演讲的题目是对冲基金投资组织发展新趋势。首先我们来看对冲基金的昨日跟今日。我当初在写的时候是繁体字，不过后来我改了。
    我们从对冲基金的昨日跟今日开始看起，对冲基金大致可以分为趋势型跟套利型，最有名的是老虎基金跟LTCM，老虎基金发展非常快。LTCM由非常多的专家和诺贝尔得奖者创立的基金，但是这样的基金在大的风浪里淹没了。为什么淹没？在以前的风控理论其实是不够严谨的，我们发现以前的风控理论遇到比较大的风浪，就不能生存下去。
    以现在对冲基金来说，它比较多的是Long Short模式。如果你是做趋势型的人，其实你会更喜欢Long Short这种方式，一边去放空，一边去做多，因为它的趋势更稳定。另外一种就是这种组合型基金，比如说这种基金，这种基金的组成都是绩效比较好的基金或者经理人，他把这些人集合起来之后，如果说他还能够用更好的风控，更好的投资组合，他所做出来的结果，会比我们单纯的这些CPA会更好。说实在没有人可以确保你的基金、你的客户永远不会沉没，很难保证。但是如果说你今天能够把这些人到你的麾下，然后你把风控和组合在一起，他们所做出来的绩效会比他们个人的绩效更好。在组合基金这一块来说，对冲基金也是占了比较大的份额。另外像市场中立这一块，在90年代非常流行，后来有一些问题，其实我们认为的套利可能各位的印象，套利是最稳定的，甚至于我放开杠杆之后获利是最好的，但是如果不如预期的话，他输是2倍在输，但他赚可能是四分之一、五分之一的行情。像这种市场套利冒的风险是很大的。
    如果你是看市场行情来做套利的话，它其实相当高。如果你的套利是根据市场机制来做套利的话，当然稳当一点。我们说这种中立的套利现在已经变少了。
    我们来看一下，这些热门品种给我们的启发，Long Short这种东西是一个趋势操作者可以考虑的品种。如果是组合基金的话，他注重的是投资组织的技术，这是他比较注重的，它的风控技术是最重要的反而操作技术不是最重要的。
    像这种GLOBAL型的基金重点在于分散品种，降低系统风险。最近几年这种型号的基金获利是最好的。
    我们来看，不管是前面哪一种基金，如果是组合基金的话，其实它有一个很严密的风控跟很复杂的计算。套利更是分分秒秒都用到的。我们看计量交易层次，很多人有误解，每个人人为的计量都不太一样，有人认为的计量是建立一个模型，有些模型多因子的模型，做预测的人认为的模型可能是时间区，交易的人认为他的模型就是像开拓者那种软件，他们认为的这种软件。甚至于有些人他认为计量就是他自己去把他的操作概念变成一个指标，然后就让他执行，他认为就是这样子。
    以我的了解，我觉得这个计量分成三个层次，第一个是建模的层次，包括组织、风控的建模。再就是建立策略，策略这一部分就是我们一般人所做的一些策略交易，这些策略交易就是出讯号，然后盘中风控。第三个是交易的层次，买卖点的控制、流动性控制、实时资料的获取。
    像第一个建模的部分，其实很多的论文都会提到，怎么样建模，怎么样在建模降低它的风险，这里面非常多。建策略的部分，这是一般人所人为的，在这里面其实也有很多误区，有些人认为我在建策略的时候，如果我今天能够一年赚到60%，最大能够在10%以内，他认为这辈子衣食无忧。这类的东西本身是由你的策略去追逐这个行情，但是行情是会变的，当行情变的时候，你的策略是不是能够跟行情契合。如果不能契合的话，你的策略立刻就亏损掉了，而且这个亏损速度会非常快。如果你的模型建好以后，如果不是很稳定的模型，大概在一个月内你的模型就完蛋了，非常快的。所以我常常听到很多人说我这个模型建好之后，很不幸的碰到某种行情，所以完蛋了。
    一个好的程序交易，它最主要要注意两件事情，第一个是系统绩效的显著水准。常常有人说现在的绩效很好，但是实际你的运作好不好呢？不一定。反过来想，如果你的这个系统本来就不好，然后你运作下去，会突然变好吗？更不会。
    我们第一个要求系统的绩效高于一个水准。第二是自由度的问题，这个自由度不要太高，有时候因为行情复杂，所以会变得非常高，如果说你的自由度不高的话，就会稳定。
    我们的策略为什么Curve Fitting掉，因为投资组合跟策略、风控都有关系，我提出我这几年的看法，我1989年就涉足到程序交易，我对这个一些思考，有机会让各位来做一个思考。第一，复杂的东西未必是好的，这里有两派的论证，有一排认为，你的使模型越简单，效果越好。另外一派人认为你策略没有写超过一千行，你没有办法把这个都包进去，另外一派是这样认为的。到底哪一派人是对的？我认为策略本身不太可能是百分之百完美的，因为你不太可能去思考所有的情况，把所有的情况都包含在里面，所以你必须要有后面的风险控制跟后面的投资组织在里面。
    另外还有一个问题也是很多人的看法，这里我提出一个观念，所谓高原参数的观念，什么叫高原参数？比方说你现在做一个，举个例子，比方说我今天要做公司提货，比方说我是用均线做的，我发现5、6、7、8日不错，还有30日不错，你就发现高原在5678，这里面可能6、7日均线最好，不管了。反正绩效最好的这些参数，集合在一起就是参数高原，这些参数高原有很多人的看法，认为就要选参数高原里面的参数。实际上根据我的一些测试、一些经验，我觉得这个观念不太对，因为你选择的参数高原的前提假设是你的参数是在慢慢移动的，你选参数高原是没有用的。所以如果说我们的参数是SHIFT，当然你可以选参数高原，如果不是SHIFT，你怎么选，这是一个问题。
    讯号策略一般市场上比较常见的是TRADESTATION、MULTICHART，或者中金恒铭。如果说你今天没有软件的话，其实我觉得它比较没有办法把你的经验做一个积累，你的经验可能永远是这里一块、那里一块，永远是这样子。这样有什么不好？应该说程序交易跟人工交易差别在哪里？程序交易比人工交易好吗？好在哪里？我的感觉是说，以交易的细腻程度来讲，人工交易绝对超过程序交易。但是程序交易好的地方在于你的错误。就像我们这个讯号一样，我们前面一个阶段建模以后，你这三个阶段能不能串在一起，能在一起，就能每个阶段有经验的积累。很可惜，大概只有软件的策略，建模那一块虽然有，但是大部分是国外的；下单那一块其实也是国外的，其实下单也可以写程序的。我用过国外的一个软件，那个时候特别贵，一个月4万块人民币租金，所以下单也是可以写策略的。
    如果说我们这个金融工程整个要能够形成一个规模的话，软件的部分其实是很重要的，这些部分是我们积累经验的基础。
    我们再来看下一个阶段——风险控制。风险的意义是在于损失控制，控制的对象是资产，为什么我要强调这件事情，因为我来之前跟一些朋友聊过，他所认为的风险控制是什么？我到这个地方，我觉得这个盘转换多了，我为了回避风险，我接下来就解码。他的原因是行情高了，他的控制对象不是资产，他的控制是行情，那个好象操作回避风险，或者说操作增加利润，好象跟风控没有太大关系。因此我提出的观念是风控是控制损失，而不是风险。另外风控之所以没办法完全实现，主要是因为很多注主事者不能接受在获利时无法得到全额利润，也就是无法接受风险是保险费用的观念。其实风险控制就是在付保费。假设我行情涨了一千点，我如果是做股指，这一波行情能够赚8成就很厉害了，剩下2成到哪里去了，付保险费去了。你可能在有些行情要规避掉，这样子付保险费掉了。
    这个东西，很难让一般的客户接受，一般客户都是说，我今天如果说指数涨了一千点，你最好给我赚2000点，如果用杠杆是有可能的，但是杠杆下去之后，你的风险控制得住吗？如果不用杠杆的话，真的不太可能，指数涨了一千点，你要赚一千点。我没有办法指数涨一千点，赚一千点，我说万一指数涨了20%，你能赚5%以内。
    很多时候风险是没办法实现的。我们接下来看风险的深度，一般人对于风险，对于资产的操作，比方说基金，他只关心报酬率和你输多少，一般只关心这两件事情，报酬率是一阶，变异数是二阶，除了这两个之外你还要关心三阶和四阶动差。任何一个统计量，你至少都还要了解四阶，如果了解不到四阶的话，对你来讲是很危险的，尤其是风险这个变量，你特别要研究的更清楚。所以在国外有很多对风险的研究有一个新的名词，叫做风险的风险。我去研究风险的风险，那就是研究到高阶动差。
    广度的部分，像半波动度、偏态、厚尾、高峰，随时间改变的波动度等等，当然最重要的是前面五项，这是很多理论主要的依据。
    我们接下来看一下风险的指标，有三类：一类是方差跟标准差；第二类是Hurst指数；第三类是收益率下方风险的计量指标，包括单边离差的均值等等。
    风险指标里面的方差应该是最容易了解的，这个方差最主要衡量我们资产波动的情况，至于像Hurst这个指数，我相信将来很多人对它有兴趣，这个东西很久了，不是最近才有的，这个指数我找了满久的，但是找不到那个图，我记得那个图满准的。这个图有两个变量，一个变量是H变量这个变量如果大于0.5的话代表不是随即游走的，而是有偏随即游走的。这个指数我建议各位可以去研究。
    另外一个叫做基因算法，这个基因算法跟计算机类似，我大学本科是念计算机的，是研究所才读金融的，以前我读本科的时候有接触过这个东西，后来我又接触到这个东西，非常有意思，这个给各位做参考。这个基因算法是这个人创造的，它会找出这段资产波动的基因，说基因是他的说法，其实就是它的变动的因子。我把这个基因用算法找到之后，就知道这段行情变动的原因是什么，每段权重是多少，知道这个之后，我可以去复制这个行情，复制出来之后，我就可以跟它原有的行情比做一个比对，可以看你这个复制出来的东西和原本的东西相似度有多高，以我来看我认为相似度在80%以下，我就认为这段是我没办法掌握的。而在80%以上，就认为我找到的基因是它的权重是对的，我就可以找到它将来的行为，我就知道将来是会输还是会赢，我就可以做很好的投资组织配置，用这样子的方式来做。
    另外一个风险指标是VaR指数，后来又出了一个CVaR。
    我们现在提到配置的部分，这个配置根据我这些年的经验，各位如果真的有配置过，你会发现你真的依照VaR来配置资产的话，其实是行不通的，为什么行不通？我举个例子，比方说我今天我的客户要求我一年赚20%，10%不做。你真的在运作的时候，你不可能到10%才去不做，我要在5%以内的，要获利20%。这样来做配置，大概是两手的资金量做一手。这个我们自己真的是有配置过，所以我们知道这个地方的确有些难。
    其实你真的照做了，这个是Copula VaR，按理来讲你要跌破之后，你要止损，我这里写正确率是56%，那个指中线的正确率。如果是短线的，正确率是23%。你可以看到我在这里一破，它是刚好低点的，这里破，这里有一个小反弹，这里再破，低点又来了，几乎每个都是。你真的要照这个做吗？实际上做不了，你会非常纠结，照着也不是，不照着也不是。碰到这个问题，我大概在2004年开始做VaR，以前都是我帮一些上市公司做，后来真的到VaR之后，真的算下来之后，发现问题严重，你照还是不照。
    因此后来我们就有很多的新的理论产生出来，所以我们接下来看看，我们当初在做CTA也好，或者是对冲基金也好，通过有这几个步骤：第一个是筛选操作成员，策略模型上架程序、筛选品种、分散模块、分散时间框，客户下方风险和获利，运算风险值、波动率、相关系数……等等，这个是我们的几个步骤。
    策略上架，你这个策略即使很好，我们必须要给你除了做你自己做的历史绩效测试之外，你还要做未来测试，那个时候我们做未来测试是先做行情，然后去做测试的，那个时候是模拟10万次，那个时候电脑不好，一次模拟一天。然后还要做交易前的测试，假设你模拟OK了，然后我还要摆一个月。通过这四个程序，我们才让你上架。
    新观念的风控，我那个时候碰到这样一个行情，要用那种的传统的风控来做的时候，我们发现不太容易，那个时候真的是只能碰运气，本来是95%后来变成90%，只能是这样。后来我们用的方式，我们认为如果今天风控不只是事后停损，他可以做事前控制多好，事前可以增加货立、逃避亏损。
    我们刚刚讲过我们的风控是基于一些算法里面的方式，有了这个方式我可以预测客户将来的绩效的时候，我就可以做投资组合，投资组织就是用Mrakowitz。传统的Mrakowitz组合所配置的配置都是最好的配置，如果你今天一起配一次，你这一起配置出来的投资组织，其实是上一次最好的投资组织，而不是这一次最好的，它是上一季最好的。
    我们做这样一个事情的时候，我们会考虑到Mrakowitz的一些缺点，第一它的运算太复杂了，后来我们改了很多，因为它原本的理论都是以年为单位的。因为我们必须要控制到日，所以我们必须要改成日为单位，做完日之后，在运算上有些缺陷，后来就改成周，后来就变成用周来做。Mrakowitz投资组织除了本来是以年单位，后来改成周为单位。还有一个问题，它的每一次求解的答案都会差很多，所以如果说我这一次配置的跟上一次配置的，如果差很多的话，就代表你现在的配置也是错的，因为你现在配置是上一季最好的，但是下一季不知道，而且差很多。如果真的有做过Mrakowitz的人，你应该知道，它的配置，不要说某一周，即使是以每一季来做的话，也会差很多。
    如果说我今天希望我的配置是这一季最好的，而不是上一季最好的，我们把Mrakowitz原有的一些思想理论，再配合上我们比较有前瞻性的风控，它就可以做到我们刚刚所说的目的。Mrakowitz就是一个效率成员，这个曲线就是我们最好的解码，或者像Elton所说的，我们可以把Mrakowitz画成这样一个图，Mrakowitz的效率是0.83左右，它的Return为大概是17左右，很清楚的看出来它的效果是多少。
    动态投资组织，它更新时间的配置周期有两个，当然它有固定的配置时间，也有变动的配置时间，第一个是我们预测它某个经理人亏损，第二个是波动率即将发生改变。波动我们没有考虑在里面，后来我们把波动考虑在内。
    我们来做一些实证，如果说我今天，因为国内的股指期货历史比较短，所以我在这里用台湾的股指期货10年的历史资料来验证，我的策略是9日均线，如果是这样做的话，我们的风控是用遗传演算法来做，所做出来的结果是阳线，蓝线是风控后的结果，红线是风控前的结果。如果说找一个绩效比较好一点的策略来看，我们来看这个策略，这个策略红色是风控前，蓝色是风控后，这个风控的确会让你的获利减少。所以在做风控的时候，其实我们追求的就是比较稳定的资产线，这是我们最主要的要求。
    如果说我今天风控是跟投资组合在一起的话，那又不一样了，各位看到这个投资组合线，黄色这一条是非常稳定的。如果我们看一下这边，如果单纯策略的话，我是赚14000，但是策略加风控是15000，策略加风控、加投资组合是17000。为什么我刚开始时候说，一个好的策略可能是可遇不可求，你可能要有一点运气，如果你把风控跟投资组织在一块的话，它产生的效益会比你追求交易的策略来得值。所以我们最后的结论是这样，先找出适合的操作人跟投资品种，然后再依照这个品种找出合适的策略跟风控模型，我们还要去检验策略是否退化，投资组合必须以风控为基础，成为动态投资组合才能真正发挥效用。因此我们结论是策略+风控+投资组合是最好的。
   
    陈冬华：感谢陈宏政博士，接下来我们有请东方证券资深分析师丁鹏博士，他的演讲主题是“从相对收益走向绝对收益-从量化对冲角度谈中国资产管理未来发展方向”。大家掌声有请丁鹏博士。
   
    丁鹏：非常容幸能有这样一个机会，在这里与大家分享一下我的一些心得，我今天给大家介绍的题目是“从相对收益走向绝对收益”我更多的从宏观策略的层面介绍中国未来资产管理的一些发展。今天的会议是分析师大会，我相信在座的来参加的很多是做分析师的，有的是做投资经理，但所有人心中有资产管理的梦。我们考虑从全球发展的情况来看，未来的资产管理大的方向。今天给大家讲四个方面的内容，第一全球资产管理的发展趋势；第二，量化投资学科体系；第三，绝对收益的核心策略：量化对冲；第四，量化对冲的科学体系。
    我们先看一下目前国内的各种资产管理公司的一些困境，我想资产管理公司，包括公募资金、私募资金、券商自营/资产管理、保险资金等。困境一，收益率不稳定；第二个困境，完全受制于强势渠道；第三，内幕消息老鼠仓屡禁不止。从国内的资产管理公司发展来讲，确实遇到了一个瓶颈。为什么？从整个分析手段投资理念来解决实际问题。
    传统的投资方式，不管是技术分析也好，我认为几个缺陷。第一，赌小概率事件，这种只有少数人可以成功；第二，人性的弱点，巴非特要消除人性的弱点，如果能够被消除的就不是弱点了，人性是永不变的，例如资金仓位高88魔咒；第三，基金经理精力有限，他所能够覆盖的股票、期货，能覆盖的品种是有限的，很多的机会是不可能完全被掌握的；第四，粗放式交易，对于小资金的期货的来说还没有这样的问题，但是对于大股票的操作来说影响很大，比如你买一亿的股票，这样的动作会充分的影响市场。为什么现在大多数的基金，都跑不赢指数，很大程度上被冲击吃掉了。
    国际的资产管理公司现状，全球最大的资产管理公司是巴克莱；目前全球最赚钱的对冲基金是Bridgewater，已经成为最赚钱的对冲基金；过去20年收益率最高的基金是大奖章资金，年净汇报超过35%；过去三年，高声旗下的量化对冲的规模增长了一倍。
    为什么量化投资有这样的优点？量化投资是以数据为基础，以策略模型核心，以程序化交易为手段，以追求绝对收益为目标的投资方法。传统的投资更接近于中医，更需要的人的经验。所以说西医为什么会成为主流，西医是科学，中医是艺术。优点一，赌大概率事件，是以组合对冲为主，我首先承认我不是神，巴非特是神，大家认为自己会成为下一个神？至少我承认我不是神，我只有用模型来帮我，尽可能控制我的风险之后，我能够获得长期收益。
    优点二，克服人性的弱点；优点三，精力无限，监控全市场、全产品、全周期；优点四，精细化交易，我下单是通过一种算法交易的方式。总而言之一句话，量化投资是投资由艺术走向科学的方式。
    从资产管理角度讲，绝对收益是未来趋势。为什么？穷人要搏命、富人要稳定。高净值客户不喜欢高风险策略，银行理财来看，8万亿，保险资金3.7万亿，基金2万亿，期货几千亿。
    从绝对收益来讲，无论是公募基金，理财基金，我们都是要绝对收益的。做绝对收益的核心策略就是量化投资。首先对投资者而言，是希望获得持续稳健的绝对收益。对资产管理公司而言，需要降低人力资源成本、迅速扩大规模，无非是程序多加一台服务器，我会迅速的扩充。对监管层而言也是一个好消息，杜绝了内幕消息，也杜绝了老鼠仓。从这三个层面来讲，量化投资符合了最广大人民群众的根本利益。
    绝对收益指的是风险非常小的方式。我们来看一下量化投资的主要理论是人工智能、数据挖掘、小波分析等等。
    我们看一下量化投资在国外的发展，华尔街90%的基金是采用量化分析的方法，美国市场70%交易量由算法交易实现的，量化基金产品从2001年开始每年管理份额实现20%的增长。随着中国衍生品时代的到来，量化投资必然会成为主流的投资理念和分析理论，这是一个历史趋势。
    实现绝对收益有两大类，高频交易策略，流动性回扣，同时买卖，赚取佣金返还。比如说我有一支股票，我30块钱买一股，我以30块钱卖出，我是没有赚钱的，交易所是返还你一部分，因为我提供了流动性。
    因为市场有很多趋势投资的策略，我瞬间卖给你，这个叫做猎物追踪算法，这个在国内的股票市场偶尔有见，比如说T+1，前一天买好仓，第二天我瞬间把它卖掉。第三个是自动做市商，利用数据到达的速度差距赚取，比如说你们两个恰好远离交易所，我离的很紧，我可以看到，我预见你们未来还有这样的单子，你们来之前我先吃掉，你们来之后，我们就再1块钱卖给你。
    国内对高频交易有规则，提高手续费，禁止返佣。从刚才介绍的原理来看，真正的高频交易是利用市场结构的缺陷来赚钱，国内的严格监管，使得高频交易有风险。
    下面说主要的量化对冲策略，一般我们把它分为六大类，阿尔法套利、股指期货套利、商品期货套利、统计套利、另类套利。正向阿尔法，构建落后头股票组合，同时做空股指期货。反向阿尔法，构建空头股票组合，同时做多股指期货。核心策略是量化选股模型。代表产品是Pure Alpha。
    我介绍一个多因子，原理比较简单，我们想去做的时候很容易被复制，多因子是说一个投资组合的收益率的正向关系，让我们这批人去跑马拉松，那批人能够赢，最好的方法是跟大家做一个体检，年轻人分打高一点，瘦的分打高一点，我们组织前10的，指标最好10个人，他跑完马拉松之后，他的平均成绩超越我们所有人的平均成绩。如果一次不行，100次、1000次马拉松，一定是这个水平。我通过多策略，我整体的投资大概情况是这样。
    其他的类似于风格轮动都有解释。
    无风险套利目前只有股指期货套利，目前只有上证300，将来会比较多。去年股指期货套利只有7%，大家看不上眼，任何一个套利要看背后的风险，大家真正做交易的会知道，作为一个策略最看中的是最大回策，你的超过10%客户不安了，超过20%，客户一定给你打电话。如果你是给客户做资产管理，你的收益率的稳定性一定最高。大家保本性产品现在大家非常喜欢，你现在从银行拿贷款，可能有6%的利息。无风险收益，如果两个无风险收益有差的话，这个一个绝对的收益。
    第三个是商品期货套利，大家是做期货的，大家知道的比我多很多。大豆、豆油这种机会很多，在座的是期货行业前辈，理论比我多很多，我就不多介绍了，所以期货产品一样可以多打，就看你是赌高风险是低风险。
    下面一个是统计套利，是利用证券价格的历史规律。大家知道中国石油和中国石化，当中国石油拉升的时候，中国石化接着跟着上，这中间有一个统计套利。实际上统计套利有很多，上证50跟深圳300套利等等，有很多这样的套利机会。策略核心有协整模型和主成分模型。现在融券的价格太高了，以后的机会肯定会很多。
    期权套利我非常喜欢，期权套利国内是没有了。我在公司是帮公司做股票的，但我个人是很喜欢玩期权的，因为穷人要搏命。期货风险和收益是对称的，你会赚取5倍，但是你会失去5倍的本金。哪怕我只用10%的资金去做操作的，一旦反向波动50%，我本金会损失掉50%。但是期权不一样，我最多损失10%。你一开始的损失就确定了，你投资的本金是多少，杠杆上理论上是可以无限大的。当你买进最接近收购价的时候，资金是可以无限的。跟大家分享一下有关策略的东西，真正好的东西应该是收益率除以成功率，我一个策略只有20%的胜率能够赚钱，这是一个好策略。期权，我可以构建各种各样的套利，包括股票期权套利等等。
    算法交易指的是通过使用计算机程序来发出交易指令的方法。我预测在未来一段时间内我大概的成交量是多还是少，多我就多下几个单子，少就少下几个单子。
    其他还有另类套利，是指利用市场的缺陷进行的一些特顺场合套利策略。主要包括封闭式基金套利、并购套利、定增套利、ETF套利、LOF套利。封闭式基金50%的折价，这个是真正安全的东西，定增套利也是这样的。
    对冲交易系统结构，你要完成这样一个东西，你必须要有相应的交易系统，包括历史的分析数据、历史行情数据，历史的高频数据、实时数据。当你真正交易的时候，你怎么确信你按收盘价买入，所以必须要有历史的分析数据，然后变成一个流水去做这样的方式，这样才可以赢得市场。
    最后我们得出结论，我们中国资产管理的趋势来看，绝对收益将是中国未来的主流趋势。量化对策策略是实现绝对收益的核心策略，也是一个能够真正支持大资金的策略，高频交易也好无法支持数十亿资金，真正要支持十亿级、百亿级这样的资金，必须要通过量化策略。最后，量化投资在中国的前途无量。量化投资绝大多数行业可以让年轻人成为英雄的机会，这是一个真正的诞生个人英雄的机会。
    谢谢大家！
   
    陈冬华：非常感谢丁鹏博士的精采演讲，有机会的话，也希望丁鹏博士也给我们高层讲一讲这样的课。接下来是中央财经大学金融研究所副所长郭剑光博士，他的演讲主题是现代金融工程在对冲基金的作用。郭剑光博士多年来从事资产定价、全球宏观分析等领域研究，下面我们以热烈的掌声有请郭剑光博士。
   
    郭剑光：非常容幸参加本次论坛，我讲自己的一点心得，做了一点小小的模拟。我这次讲的主题，其实原始思想并不是我的，是来自于国际金融学前沿的一些学者研究的一些思想，只不过我有机会把它用国内的数据稍微做了一些检验，我相信这个策略如果感兴趣的同仁们，也可以去自己做一些检验，用不同的交易标的都可以做。
    这次演讲因为时间有限，可能涉及到的一些技术细节不会展现。需要说明的一点，我们业界内关于术语没有完全统一，关于指令有的叫做订单，有的叫做报单，有的叫做订单簿，也即报单库。
    关于这个策略的一个主要内容分成六大块，大家拿到U盘上面有一个PDF文件介绍，当然不是最新的，我今天带给大家看的是最新的。我主要讲的时间是我添加到PPT上的。
    关于用这个报单库来做交易，首先问题是什么，问题是我们在交易中要获利无非与解决这个问题，我们交易中要获利无非你在大的概率上做出正确的判断。因为你的资金规模不一样，你的交易频率和交易周期是不一样，有的是基于年操作，有的基于半年、有的3个月。时间周期不一样，空间幅度也不一样，所做出的推断也不一样。我做出的推断比3月的要丰富的多，有价格的信息、有量的信息，还有成交前的一些报单信息，我们提出这样一个问题，是否可以在价格变化前，通过分析当前的限价报单，这个数据有多大。经过我们的分析，这个回答是肯定。
    问题的关键是如何在给定的报单库状态下对价格变化的条件概率和限价报单成交的条件概率作出估计，对报单库、报单流等市场信息如何建模就是侧类策略的基础。对于提交指令成交的概率，你要做一个估测，我们这个策略的建模核心就在这里。你要回顾一下交易机制，我们现在国内布置了交易，在电子交易的机制下，市场的交易有什么影响。我们大家知道在报单库上的成交机制，首先是价格优先，然后是时间优先。在这种情况下，我们看一下简图，报单库和报单流的机制是什么？这是一个队列，下面是买价一、买价二、买价三，上面是卖价一二三，所有的队列都有撤单机制。卖价和买价之间有市场的中间价。对于这样一个队列，我们怎么样用数学模型去描述，这是一个非常典型的排队模型，我们到银行去存钱、取钱都要排队，这是日常生活中的一种排队问题，我们同样可以把定单库上的定单看到队列，每一个报价位置都可以看成一个队列窗口，每一个限价报单都可以看成是一个排队的请求，然后市价报单可以看成是对窗口请求的服务。在这个里面有两个非常重要的窗口，就是最优报买价和最优报卖价。如果你想插队的话，只能报出最优的一个价格。我们在看到报单库的时候，是从最优报买价还是到最优报卖价去排队。这个里面有两个非常重要的时间是需要去估测的。第一是你提交完限价报单之后，在最优卖价或者最优买价之后，你要去评估排在你前面的要多长时间被成交完，仅仅是你成交完之后才轮到你成交，而且并不意味着你获利，你要获利还要最优报价和最优买价的变动。这样的话还要依赖于第二个时间，就是排在你后面的这些报单，多长时间能够被成交，就是这样两个非常重要的时间，这是非常典型的应用数学里面的排队论问题。
    排队论中非常常见的问题，你要估测时间，你要根据历史数据在统计上估算，市价保单以多大的速度可以到达，排在你后面的报价定单，多快的速度会被消化掉，派在你前面的定单多快速度会被消化掉，我们参照文献，做出这样一个推测。
    在这个图中我们可以看到，这是我们策略提交的保单，这是排在我们策略前的队列，这是排在我们策略后面的队列，如果我们自己不选择撤销报单的话。排在我们前面的策略有两个重要的参数，因为我们排在我们前面的报单也有可能被撤销，所以要估测对比的速度。还要估测排在我们后面的保单，因为根据价格优先，他只有可能被撤单。还有就是等我策略定单成交完以后，排在我后面的定单也会被成交。仅仅是买价上面的参数评估完之后，还是不行；还要看最优卖价上的参数，就是我们对手队列的保单的参数，有这样几个参数，一个是被离队的速度，还有就是我们撤单离队的速度，这个是决定我们对手报价上升的力量。这个速度是组织对手报价价格上升的速度。我这边讲的是有方向的策略，我们利用这个信息，不仅可以做方向型策略，还可以做市策略。
    交易条件是这样，队列1被清空，策略提交保单被成交；队列2，排在我们后面的定单没有被清空，我们要估测这个事件发生的概率；队列3被清空，价差扩大。由于我们在最优报价上提交的报单要想获利的话，只有整个报价往上提升。因此我们还要有第四个队列，高于当前最有报价要大于1个报价单位的佳味上形式新的限价保单队列。同时它被清空以后，还有一个比最优买价最高的定单，这个队列已经形成了，这样我们至少可以获得一个单位的盈利。这是报单流和报单库的形成机制。
    关于这方面的研究，是最近5到10年的一个非常重要的内容。下面是我列出的一些文献。刚才讲的这个研究，原始的思想是来自于Rama的论文，他们当时用东京交易所和纳斯达克股票的数据，我们用的是大商所2011年到2012年的数据。简单定义一下，我们拿到的这个Level2数据是一条一条的记录，每一条都是一个事件，我们要做一些预处理，通过报单库数据，我们要发现每一个事件是什么事件，主机上的数据我们是看不到的，我们从终端上看到。基于这几个重要假设，当然都是在概率意义下来去表明它的核心度。第一个假设，我们相信重担上的报单库记录就是大商所撮合系统主机上的报单库，因为我们大众投资者不知道大商所向公众发布的增量数据还是快照数据，我们相信终端软件是如实的复制了大商所的主机信息。
    第二个假设，只要有成交，每一条成交记录表示一次市价报单的到达，其方向由成交记录中的平均成交价格来指示，如果大于前一条记录上的最优买卖价的中间价，则认市价买保单，反之亦然。
    假设三，每一条报单库记录相对于前一条报单库记录在最优报价上的报单变化大于成交量，则有一次最优保甲上的撤单，反之则有一次最优报价上的报单提交；非最优报价上的报单增加或减少就表示一次报单提交或撤销。这是对于数据的一些预处理，这些预处理拿到数据以后，都是很容易在任何一个产品上实现的，数据库软件都可以处理。
    基于这些数据，在这些数据的基础上，我们就可以做一些。我快速给大家过一下后面做的一些，后面主要是技术细节，大家可以在PDF文件上看到。刚才我们讲到队列，这些队列有几个重要的参数，第一个重要的参数就是限价订单的到达率，好比我们在研究银行排队的队伍的时候，我们要看估计未来1秒钟会有多少新的客户到来，这是第一个场所——i，通过我们的经验都知道，我们做交易的时候都有一种比较着急，希望尽可能在最优价上成交，也就意味着离最优的报买价越远的距离的报卖价报单的到达速度比较慢，近的距离到达率比较快。我们假设有这样一个反向关系，当然这个有两种假设，一个是假设反向关系。还有一个假设是假设不仅受到价格差位置的影响，还受到市场的一些情绪，或者市场其他的一些因素的影响。我觉得不同的报单流建模差异就在这里，我们做的研究也是按照这个函数来做的，下一步我们可能会进一步改进，将到达速度的建模做一些其他的建模，包括一些新的因子加进去。
    第二个参数就是市价报单到达速度，还有一个是撤单的速度，限价到达速度和报价到达速度不一样的地方，市价到达依赖于报单量，报单量越大越快。这是一个非常简单的统计估测的图，这是下面的数据，这是我们参照的一篇原始思想论文的估测，这是东京交易所做的估测，我们对大商所做一个估测。这里要说明的是，我们的订单都是把它进行一个单位化处理，并不是按照原始的一手，而是按照一个平均的订单规模，然后进行一个优化处理，这就意味着我们不同的和约，经过一个平均的订单规模的单位化处理以后，所以不同的合约都可以放在一起估测。比如说合约规模不同，在订单上看到的数量级可能差10倍，我们用平均的订单规模处理以后，所以在这里面看到都无差异了。所以看到大约估测一下到达率，距离最优报价一个Q是0.93，真正在做交易的时候，要基于最新的数据参数。
    这是关于建模，下面简单介绍一下统计推断和交易策略。统计推断，排在我们前面订单被成交的速度和排在后面的成交速度。
    我们的数据做的有一些小小的问题，这里我主要是借用一下我们参照的数据，看到横轴是1到6，纵轴是概率，这个意思是说这个报单库的，就是事件发生转移了，我们刚才讲到每一条Level2数据的记录，我们称之为事件的发生，事件的发生导致了报单库状态发生了改变，根据这样的一些所谓的公式来进行定义，随着扩大，都表现出呈现反向关系，这是一个Q的情况，2到5个Q的情况。
    在状态发现变化情况下，我们就可以做出一些策略，这里是关于中间价，就是我们刚才讲到的排在我们前面的订单被成交，排在我们后面的订单没有被成交，然后我们对手的订单被成交的概率，我们用经验数据来分析一下。这个策略是这样的，当我们看到这个B表是最优买报价，A表是最优卖报价。根据历史数据做出来的平行报单量的单位，中间价上升的概率。如果卖订单是一个单位，买单位是2个单位。买订单的量是12345上升，中间价的概率也在上升。如果买订单是一个概率，卖订单也在上升，中间价在下跌。
    除此以外，中间价概率估测完以后，我们还要估测策略成交概率。策略提交的订单被成交的概率，这也是一个概率分布，有了这些数据以后，我们就可以考虑一些实际做策略，我们这里做的是一些模拟。我这边举一种情景，有很多种情景都可以下单，当一个价差S=1，最优买价报单大于3个单位，最优卖价报单是一个单位，我们以比较大的概率可以判断出中间价上升，我们可以提交一个单位的市价买订单，把最优报卖价上的那个报单吃掉，这个时候价差从一个单位变成两个单位。这个时候只要有一个市价买指令，就立刻把最优的报卖价继续提高，这样的话价差就变成3个点，我们发现有一个比较大的概率出现，0.62的概率。这个平仓有两种情景，一种是有获利的平仓，一种是止损。只要报买价比我们提交订单的时候的报卖价的价格高了，立刻可以平仓。因为我们刚才讲到，一个Q的获利可以把我的交易成本吃掉了。
    立刻止损，我们提交完订单以后的报买价，经过了这段时间还和报买价相同，并且这个时候报买价的订单已经衰减为一个单位的时候，这个时候要立刻提交止损指令。这个时候最优报买价会下降一个点，这个时候你再处理就要损失2个点。这个地方有一个很重要的假设，就是认为我们的终端上看到的报单库信息和主机上的报单库信息为0，即使是不为0，我们这个可以延迟在可以控制的范围。这个是在没有大幅上升或者下降的情况下，是价格波动比较温和的情况下，我们通过报单库信息来做出的概率预测。
    最后是L&L分析，每一轮交易的盈亏概率分布。可以看到这个策略大概百分之五十几的概率是赔掉一个单位的，百分之三十几的是可以赚到一个单位。如果获到的数据更丰富的话，可以获得更大的概率。这个图也是来自于原始论文的，但是我们做的结果和这个结果非常接近。
    最后补充几点，关于策略的不足和模型的可能的拓展。我们假设买价报单和卖价报单，它是对称的。但事实上买订单和卖订单的到达率可能不同，撤单率也不同，还有一个是时间，到达率并没有随着时间的改变。此外还有卖价趋势性和相关性等等。还有报单流是不是独立的质疑，如果不独立，这个就存在一些缺陷。因为一些大宗交易的时候，可能在一组价格位置上的报单流到达或撤销高度相关。还有一些其他的通用性的问题，就是这个交易策略的适应性问题，你交易策略产生的价格影响。还有检验策略的盈利性的时候，没有区分样本内和样本外的数据。当然这些不足也是有待于同仁们去思考和改进的。
    谢谢大家！
   
    陈冬华：谢谢郭剑光博士的演讲，因为时间关系就不安排茶歇了。下面是圆桌讨论，主持是中国国际期货有限公司的王红英先生，下面有请王红英先生。
   
    王红英：有请各位讨论嘉宾。因为今天我们金融工程论坛，我们想在投资的环境当中，想树立一个正确的理念，随着我们股指期货等等金融衍生品的上市之后，我们量化分析成为分析师必不可少的方面。我们很多研究员，对于量化的研究其是非常简单的理解，一种价差的概念，其实真正的定价模式显然不是那么简单的。从郭博士的演讲当中，从策略研究当中，似乎有这样那样的疑问，我想疑问是来自于对于未来金融工程到底是什么样的特点，它的本身是什么样的模式，我想我们金融工程的模式，看起来是一种理论，实际上我们想树立正确的金融工程的概念，金融工程在我们量化投资，在我们策略设计，我们产品的推广上，它的本质意义是什么，我想这个会议是起到这样一个作用。
    我想从刚才几位专家演讲，与我们实际投资结合。
    陈总，包括欧美也好，日本、台湾，所谓的金融工程应用，是一种程序化的模式，从您的角度来看，在国内推广所谓的制度化的交易，推广量化交易，在市场定位是怎么样。您在台湾做这么多年交易，有什么样的特点。
   
    陈宏政：我在台湾做的这几年里面，也是一直在摸索，我碰到最大的问题也是刚刚所提到的，就是在资产配置的部分，我们常常会碰到不确定性的问题。现在的情况，国外有一些新设的资产管理模式要出来，他先去建立一些CTA的一些资料库，就是它的绩效的资料库，现在有一家平台，那个平台里面记录了6000多家，全美的一些CTA，也是用我刚刚所说的那些说法，他去预测这些CTA的绩效，只要他能掌握的绩效。其实不一定他要找的CTA是最好的，最少是他能掌握的、预测的。然后他再把它做成投资组合，这些投资组合，我所看到是非常好的。
    以国外的经验来看，现在已经渐渐做一个团队合作的这样一个趋势出来了。
   
    王红英：我们现在做量化这一块有很多品牌，台湾我们也看到有非常多的软件，在应用方面，你觉得国外有哪些趋势策略、所谓的高频策略，在这个方面都能够适应国内市场，我们做金融工程这一块研究，对于数据流的稳定性是一个基础，这里面你有什么看法，在国内做期货交易的经验和教训跟大家分享一下。
   
    陈宏政：以新加坡的一个交易所来说，现在在台湾有一个新的政策，要征交易所的税，所以台湾有钱人把钱汇出去，然后藏那个交易所背后，因此现在在谈的这些措施里面，就是这个措施，以这个交易所来说，这个点我倒是非常惊讶，他可以答应这些人。
    至于国内的部分，其实我有一点比较，因为股指期货最近才出来，我自己的经验，我们自己在做股指期货的时候，我常常有惊喜。为什么会产生这样的惊喜，我猜是不是因为今天你在送资料的时候，你的每一个品种是不是在送人，我可能有20个品种，每一个品种又有20多种，传送量其实不小的。以这个来说，这个是不是产生的问题所在。我用的是招商的全能软件，招商我的体会更大，因为它是连股票一起送，我估计至少30多万，我不知道这个是怎么出来的。不管怎么出来的，这个对于高频交易是满大的一个问题。
    除了这个之外，还有一个特别大的问题，交易的速度。在台湾高频交易的人挺多的，他在做高频交易的时候发现我上一秒交易出去，下一秒还没回来，但是下一秒我已经下两单了。我在国内碰到报价延迟的问题，我在台湾碰到回报延迟的问题，这个对高频品种是相当重要的。
   
    陈冬华：谢谢陈博士，我觉得我们国内还是处于一种静态的状态当中，一个所谓的设计，对于整个数据的传送、IT的建设，包括风险方面。其实很多大部分的思路，我记得在深圳大会演讲的时候，我看到一个数据95%是亏损，这里面跟我们整个系统做的不深有直接的关系，我们做研究的时候，可以综合性的考虑，我背后策略实现IT数据的稳定性，包括我们设计的这种模式的参数，是非常重要的，这是我们分析师对这个问题本身的看法要注意的一点。
    其实在我们微博上，在我们现在央视，见的最多的是丁博士的说法，丁博士也是非常繁忙，是我们量化交易一个领军人物，我本人也非常佩服，我希望丁博士在实际应用过程当中，有哪些值得分析师和投资管理人员所应该注意的。
   
    丁鹏：设计策略的时候，这取决于你对自己将来的一个规划，你是希望自己成为一个统帅成为集团军，还是希望成为一个连长去打游击，这就是你的策略问题。比如说10亿的资金可以获得10%的收益，是1000万资金可以获得百分之百收益，这是完全不一样，我个人喜欢大资金交易的。我们更多考虑一些中长线的阿尔法策略，对市场有冲击的东西。大家在做策略的时候，一开始要想我的策略将来的客户是谁，我要卖给谁。走向财务自由时候路，必须借助外力，仅考自己的资金，是很难做到的事情，可能资产管理是必由之路，巴非特没有钱之前也是有别人的人钱去做的，你要考虑你的策略是给谁用的，这样你就会考虑我的出发点的是什么，我大概能放到多大的杠杆，然后才是它的细节问题，它的参数怎么设定，它的参数怎么优化，是不是需要优化。很多人放弃优化，因为收益率不是一个稳定的函数，如果你针对收益率进行优化的话，可以样本内和样本外差异很大。
    你可以选择在过去一段时间内最高的策略，或者我以策略进行杂交，在杂交淘汰的时候也有一个目标，到底怎么样去淘汰，这些都是一个细节的问题，谢谢大家。
   
    王红英：谢谢丁博士。因为以前我做这一块的时候，基本上都是国外的一些文献资料，当时我是写两本，一个是期货趋势交易，还有一个是成本管理。我的投资过程当中，我觉得经历了从简单的量化策略，静态的走向动态的，到这个时候经验起到了很大的重要。在2007年高点以后，很多人不愿意放手，那个时候认为8800点，一万点。那个时候我们没有股指期货，当时可以用对冲的方式来解决这个问题。
    比如说我们现在做一个所谓的商品，给一个期货公司设计，这里面我选择了商品还有一些债券，还有一些对应，我要对应到国内的这些板块里面，金融工程因为是研究一个单纯的数据，因为我们的公司可以像潜水一样潜到各个板块，为什么我们推荐金融工程所谓的研究的方法，因为你基本面研究不通，研究商品不通阿尔法的策略。我们再三强调这一点，希望我们每个人重视量化。
    我们很多人做量化，其实也就是初中水平，在这种水平低层次的所谓加减算法，并不是金融水平，这里面有自我成长、自我发展。我们金融工程人才在国内是怎么样的培育过程，金融工程在国内的发展是什么样的情况？
   
    郭剑光：金融工程在教育界和学术界引进很早，我做学生的时候，90年代末在一些科学类的专业，比如说数学、计算机或者是管理工程，已经有陆陆续续的学术界的学者在引进了。真正在国内到本科教育一直到大规模的展开，可能是2002、2003年以后，教育部设置了这样一个学科以后，才大规模的展开。
    金融工程，首先我们对它界定的话，首先是用金融的方法去研究问题。我们国内并不落后，因为大量的这种人才进入到金融行业，甚至很多金融分析师并不是学金融出身的。从教育意义上金融工程并不落后，真正落后的地方是金融工程产业化、工业化的地方。
    我有些朋友在华尔街给我反馈的一些信息，华尔街金融工程的团队分的很清楚，每个人管一块。我们国内的现状，现在业界虽然有很多金融工程的团队，或者金融工程的公司，或者是金融工程的部门，当然大家每个人是各搞一块，使得我们和以前农耕文明一样，大家可能是一把好手，但是没有形成团队工业化力量。我有一些学生到国外上学以后，到华尔街去实习，他跟我讲国内在教育上面并不落后，其实我们很聪明，国内能够金融工程的专业高校，招到的学生都还厉害，为什么我们还比较落后呢？关键是在业界。
   
    王红英：谢谢郭博士，郭剑光博士讲的我很有感触。我们金融工程商学院入学的水平已经超过了清华北大，工底非常扎实。我们国家金融工程的理论在90年代引进了，这十几年得到了长足的进步，南开大学在深圳有金融工程研究学院，基本上到大二银行都预定完了，我们学金融工程的学生非常抢手。在我们理论非常扎实的基础上，这种应用就成为问题，你学的是西方的理论，中国有中国的特色。其实在私募这个圈里，我们看到各种各样的赚钱盈利的方法，但是我们发现稳定因素比较重要，金融工程解决的问题就是你的稳定性和盈利。我们大部分的私募可能暴涨暴跌。
    投资是财富稳定的增加，赌博就是暴涨暴跌。在实际应用当中，其实我们有很多时间的问题需要解决。我们永安研究院的院长（音），我是中期研究院，他是永安研究院，他是正院长，我是副院长。他给客户设计了很多策略，也取得了非常好的效果。所以在实际的应用当中，人才的培养，我想请院长。
   
    院长：很高兴王院长请我来，本来大会没有邀请来。今天谈金融工程，今天有谈程序化、有谈量化投资的，我相信这不是一个概念，金融工程应该更大。我们研究院在所谓这三个方面，设有金融工程部、程序化交流部、以及高级衍生品部，高级衍生品部就是期权，也就是两三人。我们院里的金融工程，在完成院任务方面，用数量化来完成研究员做什么工作，这是第一步，比如说我们的员经常要去更新现货数据，拿手输不是办法，后来想一个办法，去抓，输入数据库。这是一个非常简单的办法。
    还有一个套期保值，我们金融工程做了一套系统，把你的现货投资人、你的期货投资人放进去，看到你的曲线，基本投资情况。我相信这是金融工程，这个我不多讲，我想金融工程很大。
    细分下去，程序化交易和量化投资。程序化交易，刚才王院长讲我们取得了很大成绩，说实话我们没取得什么成绩，刚才我和我们领导说，我们领导见到我非常头痛。我对中国程序化的认为，以为有好多好的策略，我们只是不会编程，我们招一些人就可以了。于是2007年我们招了一些人，在北大招了一些人，现在金融工程金融院加起来就十几个人，程序化团队不到十个人，干了一些什么事情？我觉得首先要基础打好，大家在座的，在搞模型，我觉得如果没有基础的话，我觉得都是白做。比如你在基础平台上编了一些模型，当条件触发的时候，10秒钟没反应，你怎么去这样的平台上去干这样的事情。我们在这方面花了很大的力量，搞了一个平台，我相信比我们用国外的一些系统好的多。因为这个有很多中国人，你让他就可以改，你要让外国人改他会改吗？
    我们扎扎实实做这个事，我们编程人员有了、平台也有了，我们反应时间测下来是40毫秒，而且我们订单系统非常好。现在遇到一个问题，策略呢？策略在社会上去招募，很多人都跟我合作，结果我发现一个实质性的问题，世面上没有好策略，我们把好策略实现以后，问客户这是你的策略吗？你现在有问题吗，他说没问题，你们编的太好了，他说对不起，我不太想用我的策略了，因为这个策略赔钱。说明什么呢？中国的程序化，策略的编制还是非常幼稚的阶段。
    所以说我提出来大家一起来孕育这个市场，市场很幼稚，我们需要孕育。我个人认为，大家要做的这个程序化交易一定要在好的平台上逐步的建立，万万不能在不好的平台上开始造楼，造到一半造不下去了，因为有的系统反应时间很长等等，这个是我们程序编制人员回去之后要跟老板讲，要我在沙滩上干活，这个不行。因为我作为一个研究院的院长，我肯定是要长期做下去的，我的平台肯定是要搭好的。所以在这种情况下，我给我的程序化部门提了三点要求，现在三条腿走路，你要想办法克服，第一、为客户编制模型，客户有好的想法，我们可以为你服务；第二、自己研制模型，大家都研究模型，然后据说大家都有很好的模型，我个人思考了这个问题，包括我的团队也给我编制过模型出来，我个人认为大家把这个事情看的简单了，你想象2009年到现在就三年，你就能编制好的模型，人家编制40年，有好的模型吗？
    实际上，对程序化交易的理解，我觉得还有很多方面，我感觉我的团队还太年轻，我相信大家也很年轻。你想想我单枪匹马，我在期货公司就两个半人，然后编制一个模型，然后就宣传用，这不太容易实现。但是我相信经过多年的努力，大家会走到比较好的阶段，比如说接近美国人或者超越美国人，但是有一个长期的过程。这是第二，你自己研制。
    第三条腿，编制一些武器，就是一些工具。比如说原来市场上是有这样一个情况，中午是不能撤单的，必须开盘以后撤。大家知道日本的橡胶在中午交易的，你要设计一些方法吃掉这些没有撤掉的卖单，这是一个工具，这个工具大家可以去想。有的研究者研究到这种程度，说我的计算机的时间跟交易所开盘时间不是一个点，差1秒、差0.5秒，有的人甚至把天文台的人找来，我要在开盘的时间把这个单子放进去等等。这是第三条腿。
    我们还是搞第四条腿，现在不跟大家讲。这是我说程序化交易，我希望中国的程序化交易，一定要站在民族平台上。因为你站在人家的平台上人家不搞这个，你白做了。基础一定要打好，没有基础什么都干不了。
    第三点我讲一下量化投资，刚才我看了一下嘉宾的演讲，他说美国的交易有所谓电脑交易，有70%是算法交易。这个算法并非是模型，比如说我有1亿股票，1亿的资金我要买股票，我就挑；美国人都是编好了，你把钱打好了，通过程序化交易。说明他中间是70%是干这个事，还有30%可能是模型。比如说高盛，他路由，因为国外报铜的价格，有好几十家，我编一个路由器，我去找，不断的反馈，看那个价格低就吃进去了，然后再卖出去。人家说国外的程序化很大，他是在自动化交易。咱们上海1秒钟才报4个价，就是250毫秒报一个价，所以说我感觉咱们不要把过多的精力，认为美国人都在弄策略，实际上高盛那个路由的东西，他就是投，他用他强大的技术。他居然在200多个交易日里面，他有些交易日一天挣1亿美金，大概有60、70个交易日能达到这个水平，但是也有赔的。
    量化投资，量化什么呢？量化两个方面，基本面量化，还有技术分析量化。所谓基本面量化，举个例子，比如巨无霸指数，你把你们国家汉堡包价格，扔到这个公式里面去，这边得出的结论，你这个货币汇率是高估了还是低估了，这个是基本面量化，我们的研究员很难做到。今天我看嘉宾讲的一些技术量化，我个人认为首先把技术分析搞清楚，我们中国的技术分析能力非常差，所以大家在不懂技术分析的情况下去做技术分析量化也是悲剧。所以说这个功夫还是比较深的，所以它只有这两个量化。
    原来我们基本分析、技术分析，那是判断型，我们量化基本面、量化技术分析，就成了量化投资了。这个概念搞清楚之后，实际上西蒙斯是搞技术量化的，搞基本面量化的人很少。我感觉量化的路更长，我感觉中国对金融工程的运用，程序化的普及，还有量化投资方面，都是处于极为初级的阶段，在这个过程中，也是更多的吸纳人才。实际上我们还在进人，有些人是搞思想，有些人就是院长，在家里玩，有些人是做统计，现在挖掘数据的工作非常艰辛，要大量的抓数据，高频数据拉出来分析，分析之后做成模型，我大致说这么多。
   
    王红英：谢谢，他非常谦虚，其实在他的领导下，他们做了非常优秀的策略，也有非常好的反映。说道我们今天的论坛，就是金融工程论坛，我们现在设计很多策略、收益的产品，我们现在这个市场还是非常浮躁的，大家推出了很多产品，有一家公司今年计划推出17产品，去年你的收益还是负的百分之二十几，我说你们怎么去处理这些客户。他说我两手准备，一方面我战斗，我跟客户解释，第二我再去开发新的客户。其实我很质疑这个，包括你对产品的自信。其实还是产品背后的一些逻辑、一些思想、一些理论还不扎实。
    其实我是比较振动的，刚才听了郭博士的策略，一个排队做到几乎是一个博士论文的水平，只是一个排队问题。我上周在培训，他们6000个人在做策略，20个人做波动性测试。认识字不代表有文化，我们会算，不代表你是个非常好的博士，在这个里面我们有一些经验跟大家分享，我们在努力以后，我会和财经大学合作，办一个关于量化投资的，我们从产品的设计开始，我们在报名做这个事情。真正把我们真正的原汁原味子金融工程理念，其实我们大家期货市场也罢、金融也罢，其实是个交易，我们其实是武林高手。另一类的高手是跟着师傅先运气，再学外架式。
    我经常看到大量的邮件，王总我发现一个模型，你给我一万，我给你一辈子富贵。其实背后我问你以前干嘛，他以前在农村，他更多是没有这个经验。这今年我在南开深圳金融工程学院重新学习，因为市场结构变了，知识结构肯定也要变。技术在更大程度上来讲，更大的是一种态度，可能很多人是出去忽悠，钱给你，一出问题，可能手机关机了。这个世界一旦你的名声坏了一点点，基本上这个行业你不要干了。其实我们在座的很多研究员、期货公司，其实你们可以参考我们的模式来做。声明一点，这是非盈利性的，我们想搞一个所谓的量化投资俱乐部，前期丁博士也成立了。越做我觉得压力越大，所以我还要回去再学一学。在这里面我把我们比较务实的一些学习方式来给大家做一个分享，我们想请中期研究院金融工程部宋楚平总监给大家做一个简单的分享。
   
    宋楚平：我们现在在做的一件事情，我们内部成立了一个量化俱乐部，我们想把这个东西，我们在做的过程中，压力也挺大的，我们想一起来合作。现在来成立一个量化俱乐部，加强量化这一块已经是迫于眉睫的事情了，在我们期货这一块，做的最多的是价格分析，现在到了工程阶段了。我们自己对自己的批判，今天最价格分析是不是正确，高端的财务的人要求不是利润越多越好，而是在一定的利润下风险稳定。
    另一方面，新产品的推出越来越快，包括现在的期权，或者是期货，价格的预测效果越来越小，一系列的量化分析方法，才可能做出更好的选择。我们量化这边的人才其实挺紧缺的，因为金融工程是非常庞大的体系，是金融学、数学、计算机等等各个科学的集合体，我们在某一个方面比较好，但是其他方面比较薄弱，我们可以进行合作。
    现在网上，或者整个社会的焦点，已经聚集在这方面，丁博士也成立了量化学会的群，我们也成立了一个。当然出发点可能不一样，丁博士可能是学术探讨，我们成立的初衷是内部的，我们觉得内部促进作用很小，所以我们把它推出来。我们一个是学习，一个是探讨，一个是事实分享的平台。我们可能会陆续的把我们的研究报告、策略报告以及我们的观念在这个平上发布出来。另外在这个平台上我们可以各取所需。微群比微博大很多，微群的字数无限制，另外还有文件项目，海外还有活动发布，我们其实是一个成型的模式。我们基本上把我们每天的观点、策略都会及时上传上去。还有我们一些信息都会传上去，这些都是没有延迟性的。第三个是文件，包括股指、国债、期权都有。前面第三个月的宏观数据刚出来，我们马上就上传上去了。
    还有国外的股指运行的情况，第二个是国债马上要上市了，我们可能存在的投资机会在哪里，这个我们已经完成，可能还要两三天上传。或者是整个公募市场，还有一些期权报告等等，因为我们还有一个同事在期权研究所做期权研究。另外一方面是提供一些活动，我们昨天已经组织了第一个活动，就是第二季度的策略报告。这样一个好处，我们不需要到现场，我们可以通过网络的方式看到报告。我们这个微群只是我们整个结果的展示平台，大家也可以把东西共享上来，这是一个相互交流的过程。也需要大家做一些事情，需要大家相互转发。另外还有相互讨论。第三个方面，我们希望大家有一些好的资料共享，因为我们分享的东西都是非常好。第四个方面，我们有一些活动策划，活动沙龙或者聚会我们都会举办，我们是以中期的客户为主，我们下面还制定了一些培训计划，这主要是针对我们的客户。这个培训计划，沪深300ETF马上要推出来了，还有国债期权套利的影响等等这些东西，还有收益率曲线结构改变带来的套利机会，以及产品系列设计的一些培训。我们另外一个方面，到底推不推出来，可能还在考验过程中。
   
    王红英：我们还有最后一两次机会，看在座的有什么问题可以提问。
   
    提问：我想问一下，我自己做一些高频数据分析的时候，比如我自己想做一个回策模型的时候，老师讲的订单我特别感兴趣，我们国内没有你那么详细的，比如说1秒钟之内不可能只有4个报价，可能有300个订单，可能精确了很高的时候，其实应该是有顺序的，比如说多少毫秒之内一个订单在做，比如说我做的时候需要做稳定的序列流，我自己做这个东西比较难。
   
    院长：你的高频数据怎么来的？
   
    提问：有一些是我的朋友提供的。我的第一个数据，比玉米、大豆，隔几秒才有一个，可能没有什么交易。
   
    院长：你的报价，你怎么采集它。
   
    郭剑光：终端数据。历史数据并不拿货。
   
    院长：你现在要去找昨天的，成交价是有的。
   
    提问：这个是能做到的。
   
    院长：你当时抓是可以的。
   
    郭剑光：我这个属于研究，并没有工业化、产业化。
   
    院长：我就问你的数据是从哪里来的？
   
    郭剑光：大商所提供的交易数据。
   
    院长：要你当时抓下来。
   
    提问：对，历史数据有一些是我同学提供。
   
    院长：当时抓的。
   
    提问：比如说您到恒生系统上，我没做过。
   
    院长：你没做过，是别人提供的，他可能数据不见得对。这个实时性是蛮复杂的。
   
    提问：因为我没有实际的做这个东西，还没有做到实时交易系统这一块。
   
    郭剑光：你的问题在两点，你希望获得交易所的数据，这是不可能的。
   
    院长：这个交易每一秒钟打包4次出来，他是打包，他也不是只有4笔，他把250毫秒的数据打包发给你的。
   
    郭剑光：首先这个数据不可能获得，你不能获得并不意味着你不能做研究。举个例子，比如说我们在座的，我虽然不知道每个人的生理状况数据，但是我们仍然可以对我们在座的男性和女性比例做一个统计，这就是你怎样去建模这个问题。
    第二点，就是关于迟滞问题，这也是一个硬件上没办法去解决，要么把你的服务器放在交易所旁边，又回到一个你对延迟怎么建模。比如说北京堵车很厉害，我今天要上班，我不知道今天到底路上会堵多少小时，但是我可以对历史数据对堵多少小时统计分布概率的研究。最可怕的是没有任何规律，但是我认为不可能没有任何规律。在一定的时间里面，你的交易订单发布和交易所的时间是固定的，一定给定的时间，市场交易者的情绪状况，也不会发现很大的突变。首先你是要做一些约定的，当市场逻辑发生巨大的切换的时候，这种策略不要去碰，是要市场稳定的时候，因为这个时候我们参数是稳定的。因为如果你对延时做一个建模，我们不要捕捉到多少毫秒，因为国内不具备这个条件。
    国外量化交易很庞大，我觉得业界真的是要多学习，主要是学习国外的，国外很多的资料，有非常多的学术论文上，都有很多策略，都有很多各种参数的建模。最近上海交大吴老师那边要编一本量化对冲的杂志，我相信这个杂志对大家的实战对这边有交流，以后会做的做好。
   
    王红英：还有最后一个问题。
   
    提问：我想问一下中间这位陈总，我做实际交易的过程当中，做资金分配风险的管理，在做的过程当中，即使我的策略不是特别优秀的情况下，我的动态调整能做到比较好的情况下，也能够做到非常好的收益。在研究的这个过程当中，我的时间和精力的分配能不能策略研究和风控各占一半。
   
    院长：你是多个策略一起研究。
   
    提问：是这样的。   
   
    陈宏政：关于这个问题，我碰到的问题跟你一样，我记得在89年做这件事情之后，我在第二年就开始碰到这样的问题，我想在策略本身的获利部分，我在95年到现在为止几乎没有什么改变，大概就是那个样子，就是停在那里。这15年来我就是做风控的东西，获利那个进步会非常少，我相信你将来碰到的情况或者走的路大概跟我差不多。甚至于一个好的风控可以把再差的模型拿出来的赚钱，是这样说的，我想可以解答你的问题。
   
    王红英：因为时间的关系，我想各位嘉宾和我们投资者进行了四个小时的互动和演讲，我们对真正的金融工程的理解，在日后的工作和学习当中，能够起到推动作用，我们再次感谢五位嘉宾，我们金融工程分论坛闭幕，谢谢各位！