江苏龙网

  1. 首页 > 资讯 > 资讯 > >

幻方投资陆政哲：完全依靠人工智能的量化投资模式( 三 )





第二 ， 我们有行业内最具竞争力的算力体系 ， 我们的软硬件系统应该是目前国内最完善、投入最大的
， 近三年时间已经投入了不到两亿的资金 ， 纯硬件的部分也已经投入了超过一亿 ， 建立了一整套超级计算机体系 ， 以超级算力集群来支撑公司的整个神经网络复杂模型的训练 。 这一块短期来看并不见得立竿见影 ， 但长期而言 ， 对我们进行开发研究能起到非常好的支撑作用 。



朱昂：长期来说 ， 高频策略会不会面临容量的瓶颈？




陆政哲











在这里要对高频的定义稍微解释一下 ， 如果按照海外标准的高频概念 ， 目前国内的股票市场交易中是没有非常纯粹的、狭义上的高频交易的 ， 这与国内市场上的交易信号的速度、行情规则和体系有关 。 大家在国内常说的高频交易 ， 并不是国外那种真正意义上的高频交易 。



对于幻方来讲 ， 我们在高频策略领域拥有丰富的经验 ， 但是目前我们主要的策略更专注中高频率的范畴 。 量化投资有一个自然瓶颈 ， 就是我们的交易永远不能超过市场总体成交量的某一个百分比 ， 所以频率越高 ， 策略容量越明显 ， 这是一个制约因素 。



据我们的测算 ， 要在高频交易体系中获得比较好的收益 ， 策略容量上限会较为明显 。 基于这点考量 ， 我们选择在一个更广谱的频率上开发交易策略 。 我们目前的策略体系 ， 估算资金量达到500亿以上也是可以承载的 ， 而且这还是基于目前常规的5000-6000亿左右的市场成交量 。 再融合我们的多策略之后 ， 容量的空间有望继续放大 。



朱昂：你前面也提到了超级计算机 ， 想AI Lab的数据算力 ， 对应整个幻方投资的帮助是什么级别的？




陆政哲











我先说说为什么要做这件事情 。 在做AI Lab之前 ， 我可以拿到一些通用的算力来支持我们平台运作 。 我们也看到有许多提供基础算力的平台 ， 包括谷歌、阿里、腾讯 。 在我们的模型比较小 ， 神经网络模型并不是特别复杂的时候 ， 这些基础算力是足够的 。 但是等我们的模型复杂程度向前推进后 ， 对于算力的要求上了几个数量级 ， 这时候通用算力就不能满足我们的需求了 。



AI Lab提高的高算力 ， 为我模型的丰富程度打开了空间 ， 这些数据的训练和模型开发 ， 在过去是根本无法实现的 。 对我的帮助 ， 并不直接反映在目前的净值上 ， 但是能够加速我整个策略开放的过程 。 其次 ， 强大的算力让我能驾驭更加复杂的模型和海量参数 ， 这是以前基础算力框架下无法实现的 。 最后 ， 极大的算力储备能帮助提升实时大样本信息处理能力 ， 为未来更加高频的策略与交易执行提供支持 。 当然 ， 我们目前主要做的 ， 是在前端训练一个精度更高、预测能力更强的模型 。





少数的完全本土化量化团队





朱昂：能不能为我们介绍一下目前幻方的产品线？




陆政哲











幻方算是业内把产品线做的比较标准的一家机构 。



根据对不同客户的风险偏好的判断 ， 我们把产品线主要分为两类：

第一类是偏多头的指数增强产品 。
对标不同的指数 ， 但本质上是long only的策略 ， 这类产品的风险偏好比较高 。 第二类是对冲策略产品 。 这类产品的风险偏好相对弱一点 。



这两大类产品线共享了底层的选股模型 ， 其实只要有一个单一的选股模型能够做到极致 ， 就可以用来支持前端几乎所有的产品 。 这两类产品在架构上的不同是 ， 第一类指数增强产品是满仓的 ， 会受到市场Beta的影响；而对于第二类对冲策略产品 ， 应用一部分资金进行衍生品交易 ， 对冲掉相应市场风险 ， 提供较为稳健的Alpha收益 。 所以 ， 这两类产品的运作机理是相同的 ， 区别只是对应不同风险偏好的持有人 。 同系列产品的基础策略、基础架构、持仓占比都是比较接近的 ， 长期看 ， 这个体系内的产品走势也都是比较一致的 。


推荐阅读


上一篇：为什么以后重庆、西安和武汉，都打不过成都？我眼中的西部之王

下一篇：阿里还能保蒋凡多久？微博控评被点名了！