吴雅楠：金融科技助力FOF基金投资

　　11月9日，由新湖期货有限公司、安信证券股份有限公司、中国绝对收益投资管理协会、上海北外滩绝对收益投资学会联合主办的第十一届衍生品对冲投资（国际）论坛在上海静安洲际酒店召开。和讯网全程参与并进行图文直播。

　　北京快快网络技术有限公司董事长吴雅楠参加论坛并发表主题演讲“金融科技助力FOF基金投资”。

　　吴雅楠在演讲时表示，未来，通过网络爬虫、数据API接口、传感器获取的原始数据，另类数据能帮助投资机构，抢在公司财报发布之前，获得一手数据信息，提前布局机会或规避风险。

　　他认为，智能投顾具有精准匹配的优势，能够助力FOF基金投资。

　　以下为文字实录：

　　谢谢聂会长和马会长给我们这样的平台，上午各位嘉宾从宏观到FOF，包括刚才陈总和何总讲得非常全面了，我不用再重复他们很多精彩的观点。刚才聂总讲了，我试图从我做的金融科技行业看能否和FOF投资产生一些关联、产生一些助力。刚才何总给我们提出两大挑战，不知道未来周期多长，也许真的处于负利率周期，风险收益不会发生根本性变化，在FOF投资的时候怎么样做这个事。

　　早上李处长介绍加拿大养老金、社保，包括大型保险基金。我博士毕业学养老金，回过头来看，科技可能会帮助我们解决原来资产配置当中一些根本性的问题，除了大家热炒的区块链之外，我们可以看科技能不能帮助我们选组合时候帮助一些。聂会长提到一些观念，对因子组合来说，我们现在面临因子组合权重，我等下看是否能用机器学习方式预测因子组合权重分配。聂处长讲到两个，顺风因子和逆风因子，市场风格怎么变化。在座有做CTA的，上半年和下半年冰火两重天，有些因子发生风格性变化，拐点怎么变化，选它的风格是否可能跟上市场风格变化，今天下午试图用自己方式解决。

　　讲金融科技时候我们现在讲到很多数据是结构化数据，我们看到社会媒介，甚至给大家介绍很有趣的另类数据，再把FOF大众化、个性化以后，落到智能投顾，跟大家分享一下我的观点。

　　《人类简史》、《明天简史》、《今日简史》这三本书大家能看到，明年5G+IoT元年，5G来临时候我们必然拥抱大数据，大数据给人类社会带来深入变化，说短一点对资产行业发生什么变化，量化期权是大家比较热爱的工具，明年成为期权大年，大数据本身成为我们做量化人不得不面对的新资产。阿尔法狗成为不争的事实，机器和人在比拼，基金经理能否被取代，哪些方面会发生什么变化，这对我们技能会产生根本变化。

　　这些典型的同行海外优秀基金公司，他们在不断地强化AI、大数据处理，这是金融+科技或者资管+科技时候发生变化，资产本身，除了早上讲很多股票期货商品之外面临新的，叫另类数字，这是我们之前在座各位都很少遇到的，在明年5G+IoT，大数据会越来越成为现实。

　　在过去我们认为是生物的载体，如果放在数据时代是什么，我们每天出行，我每天叫外卖，我们就是一个数据载体，我们甚至开会到这儿，从家里到这儿，从公司到这儿变成移动数据载体，我们无时无刻把数据贡献给这些数据公司。

　　纽约交易所有很多交易量，我曾经有一年去参观，他们下午收盘时候所有人把纸条一丢庆祝当天结束。当时有些数学家很有趣，做纽约交易所噪音数据，噪音信号强的时候怎么样，噪音不大的时候当天市场波动率很小，当时有人最早利用非结构化数据分析，特朗普每天希望市场怎么样。

　　这个例子大家应该都知道，格林斯潘关注什么，刚才讲负利率，每次美联储开会大家都很关注，当时大家很关注美联储开会，关注什么？格林斯潘的包，他的包厚不厚成为大家看是否利率发生变化，包不厚不会发生很大变化，如果包厚提供很多材料，做很多资料，包会很厚，这是比较早期的另类数据。

　　特斯拉到上海来了，特斯拉股价大家都很担心，特斯拉产量哪位分析员知道？除非跟马斯克喝酒套套信息，会告诉你。

　　美国有家公司很有意思，它用手机信号预测特斯拉生产厂的产量变化。当时modelS，model3对大众，哪个拐点发生变化，model 3美国有三个地方负责生产不同配件。有个分析师购买一套数据，它做一个事情，分析工厂手机信号活跃度，手机上交后手机还在发出信号，手机信号强弱反映工人上班时间。2018年6月到9月，发现上班时间严重加长，每个周末发现手机信号工厂里面特别活跃，分析师根据数据预测，当时没有到Q3财报出来，整体生产产量大幅度上升，财报出来之后的确产量翻了一倍。当时投资公司提前买进去了，这不是任何类目信息，根据工厂工人手机信号活跃度发生。传统行业分析师非常传统，就是去公司调研基本数据，现在不需要到实际公司调研，靠另类数据可以看到行业变化。

　　提问：搜集手机信号合法的吗？

　　吴雅楠：手机信号本身开着，它的信号一直在发出所谓的微波信号，这是完全存在的，从手机上知道个人信息，这是不合法或者没有得到授权。除非把手机关掉和互联网隔绝，一旦手机在用就知道在哪里活动，这是我们未来要讨论的话题，当我们采集个人信息时候。

　　做出一个引子，在座做行业研究的面临很大挑战，机器是否取代人类分析师。海外另类数据生态系统不多介绍了，有做卫星摇杆，还有做社交、天气、位置等等。我们资产管理行业可能得准备好整个资产管理公司，金融公司也好，证券公司也好，基金公司也好，我们整个架构未来几年会发生根本性变化，我们公司400名员工一半做IT大数据。原来基金公司、证券公司工程师叫中后台，他们成为服务运维部门，但是我们现在金融科技公司他们成为前台，他们主动获取到市场一手信息和用户画像信息，这是我们每个公司不得不去面对的。

　　回到自己做资产管理这块，传统数据用财务等结构化数据，任何在网上搜集到个人数据、商业数据、监测数据都是非结构化数据，这些成为新的研究对象，这些遇到的技能更多给数据工程师或者做数理人用到，云计算等等，我们公司自己用的数据可视化，大家未来不得不去做的，类似特斯拉另类数据所形成的投资报告，数据工程师在前台，而不是成为中后台。我们要准备好，当资产管理公司明年面临5G和IoT，公司架构、团队和技能都会发生很大变化，我们自己也在做相应调整。

　　我们希望用机器学习方式和方法处理另类数据，同时也做一些投资组合，机器学习有监督不监督、深度学习。我们做自然语言处理，还包括一些生物识别，包括用户画像生物识别处理、人脸识别处理，从而打造机器学习系统。底层数据4T，250万用户数据，从大数据开始形成特征变量，说白了自己做量化人所说的因子，这个因子300多个，这不是一个线性组合，是非线性，从而形成深度学习模型框架。

　　我们常用机器学习的方法，多层感应器。在社交媒体上采集市场情绪数据，市场情绪会不会预测市场风格变化，我们用期货做一个标的做择时，做初步尝试，用RNN做策略比较，同时做择时等不同方法去尝试，这还只是一个初步的。当未来期货期权各种信号数据越来越多元化的时候，我们对市场情绪有数据收集。今年沪深300指数全布齐了，明年希望中证500也出来，未来中证1000、创业板等出来，这时候会迎来更多对市场风格多层变化，这时候也希望我们去布局，也是能够去学习。这是第一个方面对另类数据，我觉得我们需要重视另类数据作为一个新的资产类别。

　　第二，很多机构服务高净值客户，对于我们来说希望普惠化，资产配置深入大众，银行理财明年面临很大转折点，银行理财和第三方财富管理可能都面临一个客户下沉，客户下沉时候面临成本如何省出来，同时用技术提高个性化服务效果。

　　我这里总结上午和下午嘉宾讲过资产配置观点，资产配置80年代，耶鲁大学博士用股票期货大宗商品另类、PE和房地产，90年代时候，不管投资哪个资产类别，你告诉我投资经理提供β投资管理能力还是α投资管理能力。如果你能够真正提供α，你可以收更高管理费。90年代不再管你投资什么样的资产类别。

　　经过五年左右，中国最好的策略就是债券加CTA，债券赌了利率下行趋势，拿到β，CTA把α又拿到了，造成CTA大牛，中国可以看到非常标准，不管投资能力来自于什么，告诉我有β还是α。我要知道你的投资管理能力，我能够承受多大波动，你最大风险敞口是什么，风险预算是什么。根据风险敞口配置，按照波动性重新配置权重。

　　所谓风险的配置，资产配置到技术管理能力配置到风险配置。我们说智能投顾，每个用户个性化风险偏好，对他个性化服务，大众化能不能去做，上午和下午各位嘉宾讲到了，最多在线上产生一个投资智能投顾方式。

　　对大众来说未来机构化是一个必然趋势，今年看到基金业协会刚好做了八家头部试点，现在已经在路上，有一家公司和阿里合资申请基金协会投顾试点，腾讯和另外一家，还有几家基金销售公司，投顾面临根本性变化，随着银行理财和基金管理的转型。它所配置的资产，刚才讲到很大难点，负利率以下；不谈负利率以下怎么配，光谈这么多产品大众自己怎么配，我们公募基金比股票数还多，选基金比选股票还难，还不谈其他的，这里面产生怎么帮大众做好个性化配置。我们现在做一些工作，首先怎么样了解客户。传统的客户KYC，填一大堆表格信息，测试保守、稳健、激进，你告诉我偏好是什么。大家都想刚兑，都想赚钱，每个人不是不知道风险偏好，我们做用户画像，每个用户取300多个维度标签，这些标签对每个人做个性化的KYC。我们过去用答卷方式做KYC，到了大数据的今天，我们数据无处不留在网上，无论是电商还是出行，或者社交圈子已经在流露出你的风险承受能力和偏好，这是我们为什么觉得KYC从大数据完成，这是我们线上的。我们线上250万客户，每个人有个性化组合，来自于它的流动性、风险偏好和投资久期动态资产配置能力，我们有4T 250万多的大数据，从大数据入手，每个人做有效组合前沿，对每家机构高净值客户，我们250万客户每个人个性化的，它最后形成一个曲面，是个性化有效组合曲面。有效组合曲面当中我们选对他来说风险更匹配的，这是智能投顾未来个性化服务的方向，我们打造用户的系统，用户如何做标签，做好KYC。

　　平台上流动痕迹，沪深300指数做相关性，看他风险偏好，知道他赎回效率时间表知道他的流动性。原来做自然调整时候，所有人一起调整，但是每个人流动性需求、生活需求、场景需求不一样，每个人有自己的再调整频率，这是为什么个性化智能投顾需要完善，做流动性偏好的时候。

　　打新，科创板打新，很多人喜欢打新，可以在网上留下痕迹，我们也捕捉到了，打新，IPO时间点提供流动性体位让他打新。他在网上停留，读什么网页，网上停留多长时间，搜索什么关键词，对什么关心，这也是可以去学习的。最终智能投顾，第三方管理和理财，未来底层大数据架构、用户画像等等，靠人工不可能完成，靠线上千人千面模型。

　　三维200多种不同资产所形成的有效组合曲面，这个当中不同曲面风险偏好可以给客户，这个不进入细节展开了。

　　最后想回答一下最开始提出的，也是我们FOF急需解决的问题。第一个，每个投资经理风格会漂移，投资经理风格是否跟眼下市场风格匹配。到底谁是顺风，谁是逆风。我们试图用机器学习方法看因子相关性当中哪些可以被预测，哪些是可以学习的。我们自己在平台上做了策略工厂，类似于研究员策略工厂，研究员可以探讨企业策略，同时策略本身像MOM的管理人一样，经过检验以后判断是否能够进入策略池。同时选择策略、组合不同策略时候有相关性分析，组合出最优的策略，这是持续策略创新的方法，在股票、期货上，低频、中频、高频都做了，风格多元化。把它扩展到FOF，无论基金经理，无论做低频、中频、高频，每个人风格不一样怎么样组合。

　　现在策略池当中四五十种策略和因子，哪些是顺风、哪些是逆风。CTA有很大挑战，今年上半年大家赚钱赚得很嗨。7月份之后铁矿石刚好保证金调整策略发生变化。FOF在回撤期时候怎么去管理风险敞口，尽量降低损耗，把风险敞口降低，这是我们需要做的。

　　用CTA回答一下，CTA两种大风格，一个做趋势，再一个做相对价值套利。期限结构套利，这是最简单α策略做对冲做升贴水，这也是一个最基本套利，大家都会做，没有任何秘密可言，大家都会用，只是细节上。趋势，无论横切面趋势，还是做时间序列趋势，大家都会做。市场风格到底套利是顺风，还是趋势是顺风。每个因子和策略之间权重怎么配，我们希望能够有方法去做。

　　现在很简单跟大家分享一下初步结果，我们把所有因子收益做回归以后，做线性回归，可能做不到很多相关性分析，做一些非线性降维打击回归。这里发现很有趣事实现象，我们原来所说的趋势这种策略，其实它背后，无论是库存结构还是升贴水，跟它有足强相关性。

　　用一个小CTA例子，我们试图回答未来FOF组合时候能不能做到对每个投资经理风格、风险收益进行更加精细化刻画之后，我们如何把它做组合权重匹配，这是我们CTA多因子轮动组合当中不断调整因子风格时候收到一定效果，四年当中，三年效果显著提升。

　　今天希望给大家开放一些思路。

　　第一，明年除了期权之外大家可以关注大数据，另类数据对我们做行业研究、投资经理、资产管理机构都面临很深远挑战，一个新资产类别另类数据。

　　第二，当我们用方法去研究时候，我们可以用AI机器学习方式、非线性方式提供帮助，最终使得我们科技转型。