李希：对冲基金是金融市场的领导者

上海博誉投资管理有限公司的董事长李希在主题演讲“海外对冲基金现状以及发展方向”中为大家详细描述了海外对冲基金的发展及行业内的变化。1949年Alfred Winslow, 以10万美金创建了世界上第一个对冲基金。从1990年到1999年，对冲基金从600家增加到了3600多家，90年代资产的增长速度为年均28.2%，年均业绩增长为18.3%。1990年代初到2010年，对冲基金从大约只有600家增长到9000家，管理的资产从380亿美金增长到16000亿美金。今天，主流社会对于对冲基金的认识已经到了一个顶峰的高度。从对冲基金的规模和它对金融市场影响等各个方面来看，对冲基金已经不仅是市场的参与者，而且是市场的领导者。

李希指出，因为08年金融危机的影响，对冲基金减少了杠杆的运用，现在大约40%的对冲基金一般不使用金融杠杆。对冲基金在投资结构和策略上也出现了很大的转型，整个市场变得非常专业化，基金经理持续地发掘出特定的如能源、大宗商品、套利、不动产、股东行为、融资和衍生物等领域的投资机会，这些领域补充了传统的核心策略，并新增了一些策略与之对应。对冲基金的交易区域也在发生变化，传统的对冲基金以欧美为首要选择地，现在对冲基金持续选择国外和新兴市场，如中国、拉丁美洲、俄罗斯和中东作为基金投资区域或所在地。另外，对冲基金中组合基金规模的迅速增长（相对单策略基金），从2000年至2008年中期，组合基金占整个市场资本量的比重，在短短的8年内从17%上涨到45%，而全球金融市场波动频率增加的特点和要求投资风险更分散化的需求，将使组合基金的比重进一步增加。

李希认为对海外冲基金的数量会进一步增加，特别是针对新兴市场，如中国、拉丁美洲、俄罗斯和中东作为基金设立地和投向地，另外随着新兴市场本身对冲工具的增加，对冲基金数量也会增加。从投资策略来讲，事件套利和相对价值套利策略运用的比重将进一步增加。而管理的透明化将成为衡量对冲基金的机构标准，投资人可以随时查阅投资情况。对冲基金的交易系统也将更趋先进，具体体现在速度更快和功能更先进。

关于国内对冲基金的发展，李希认为国内对冲基金可以运用的对冲工具为股指期货、融券、商品期货和将来期权等，主要目的是财富的保值和增值，投资策略则是最求绝对收益，组织形式主要是有限合伙、公司制和信托。

最后李希得出对冲基金形式是我国私募基金的发展方向。

刘宏：世界上唯一存在的免费午餐，就是金融交易里面的分散化

在上世纪90年代就参与到了中国的资本市场，有着20多年的从业经验的上海博弘投资管理有限公司的总经理刘宏，首先给与会嘉宾提出了一个“傻问题”：非基本面交易策略能赚钱吗？

为什么这么问呢？起因于“效率市场假说”（EMH），按照EMH，市场能迅速反应基本面信息的变化，若果真如此，在一个高效市场环境下，价格迅速反映了一切，非基本面的交易策略不可能获利，价格的高频变动体现出“随机漫步”的特性，价格的高频波动像是“白噪音”，在有交易成本和买卖盘口价差的情况下任何交易策略的统计表现都将是亏损的。

但幸运的是这个“傻问题”的答案是“能赚钱”，即便市场效率很高，高到高频价格波动达到标准的随机漫步的程度。

刘宏用一个做过的数值实验来证明。按照标准的几何布朗运动 dS=Sμdt+SσdWt 发生随机行情，其中S 为商品价格，μ为趋势项（可勉强理解为“基本面因素”），σ为波动率，dWt 为一个符合标准正态分布的随机过程，且均值为零、方差为1。随机行情发生规则和交易实验规则为，始终取μ=0，相当于基本面保持无变化，分别取σ为从小到大的不同的值，对应于每个σ取值发生100条行情路径(去除路径依赖)，对所有行情路径施加一个简单的交易策略，并且1.按照标准佣金水平扣除交易成本；2.按照通常的买卖盘口价差计入盘口成本（买的时候总是贵一点、卖的时候总是便宜一点）；3.对每一个特定的σ取值按照100条行情路径的平均结果计算交易结果。

最终实验结果显示，当波动率小于一个临界值时无论如何优化策略的参数都无法获利；当波动率超过临界值后策略很容易获利，且获利能力随波动率上升。从该数值实验得出的结论为：1.非基本面交易策略能赚钱！a.即便行情随机漫步达到完美的程度（μ=0的几何布朗运动，无任何规律可言）；b.即便扣除标准佣金水平的交易成本（每次交易都吃亏）；c.即便扣除买卖盘口（买总是偏贵、卖总是偏低价）；仍然能通过简单的交易策略赚到钱；

2.但是，赚钱是有条件的，对于这个策略就是波动率必须足够大；

3.这个赚钱的条件其实也是市场效率不够完美的一种表现形式，波动率被高估。

刘总把这个赚钱的条件称为行情的“pattern”，除了这个简单的“波动率被高估”Pattern之外，市场上存在各种各样的Pattern。因此，算法交易策略的构建前提是找出某些Pattern，由于有些Pattern并不像这里的例子那么表面化，于是人们发展出各种各样的寻找Pattern的办法，其中一种就是基于人工智能的机器学习。有些Pattern可以用肉眼观察到，基于这类Pattern的策略构建不需要机器学习，例如：1.有一种Pattern叫“趋势”---于是有了我们熟悉的“趋势追踪策略”；2.有一种Pattern叫“动量”---于是有了我们熟悉的“动量策略”；3.有一种Pattern叫“均值回复”---于是有了我们熟悉的“均值回复策略”。但是，随着交易竞争的加剧，显性的Pattern越来越靠不住，于是一些“高人”开始关注用肉眼很难观察出来的隐性的Pattern；有些Pattern很复杂，无法用肉眼观察，于是用上了基于机器学习的人工智能：其核心思想是让机器通过在历史数据中的学习，发现被人们忽视的尚能相对稳定地存在的市场现象，并试图由此构建出能够盈利的交易策略。

刘总还介绍一种基于机器学习的交易策略构建方法，即如神经元网络（使用小波分解技术提高网络性能）。最低频组分，长周期因素，往往更加基本面；较低频组分，中长周期因素，开始反应市场传闻；中频组分，短周期因素，开始反应交易参与者人性因素；较高频组分，极短周期因素，富含盘中人性Pattern；极高频组分，大量噪音因素。刘总也指出了神经网络固有的一些缺陷1.网络结构难以确定，2.容易陷入局部最优，3.采用了经验风险最小化原则（ERM），即用经验风险取代期望风险：根据概率论中的大数定理，只有当样本数目趋向无穷时，经验风险才趋向于期望风险。他认为支持向量机，Support Vector Machines,SVM可以避免以上缺陷，1.将问题转化为二次规划问题，理论上可以得到全局最优解；2.建立在统计学的VC（Vapnik-Chervonenks Dimension）维理论和结构化风险最小化原则(Structural Risk Minimization, SRM)的基础上，有效避免了维数灾难；3.可以较好地解决小样本问题。

最后，刘总为大家展示统计套利交易策略的本质，如果用100个投资策略，每个策略用1%的资金，一年下来，盈利是加法，而最大回撤则必然不是加法，因为100个策略都是不同的，它们的最大亏损不会同时发生。刘总指出，很多人都说世界上没有免费的午餐，但是世界上唯一存在的免费午餐，就是金融交易里面的分散化。