作者：蒙玺投资
题图：蒙玺投资微信公众号
本文原刊载于《2023年度中国量化投资白皮书》
在获取量化alpha超额的路上，蒙玺投资选择了“另”辟蹊径。
在蒙玺投资看来，在市场热捧的人工智能领域、非线性模型本质是Smart Beta，Pure Alpha应来自于逻辑性强、可解释性强的单因子。所以公司从全球200+数据源挖掘不同数据中的Alpha，在其多因子模型中，另类因子占比达到60%。在其看来，布局另类数据，是公司适应市场变化而采取的一种商业战略定力。
蒙玺投资作为国内低延迟领域的先行者，在其看来，技术的发展是非线性的，追求极致的同时，也在推进边界外扩，把不可能变为可能。对蒙玺投资而言，保持在这一细分赛道的差异化优势，是情怀也是图腾。
问：请您回顾2023年投资感受。
蒙玺 李骧：2023年是量化大年，行业在Alpha超额获取方面表现良好，尤其是偏量价类因子和小市值因子，我们公司在小市值方面暴露偏低，加上公司大量使用的另类数据表现较为稳健，同时覆盖了各类创新性产品，加上稳定的超额获取，所以产品线整体表现不错。
问：您认为AI模型更多是一种Smart Beta，现在很多AI应用较多的管理人，在小微盘上有明显暴露，是否2023年行情也在在某种意义上也印证了这种说法？
蒙玺 李骧：过去几周，市场风格切换剧烈且迅速。有些优秀模型或机构能自适应市值偏离度较大的情况，有时可以达到-1，在2023年表现较为亮眼，但风险在这周（访谈时间：2024年1月19日）已经逐步体现。
问：所以非线性模型本身并非Smart Beta，而是这个模型本质是否具备学习能力？
蒙玺 李骧：对于风格适应能力，非线性模型通常具备Smart Beta的特点，即预测性很强，非线性模型能够天然地挖掘出风格动量、风格收益，这本身是好事。有些风格可以被描述例如市值，还有些风格甚至我们自己都不知道，但本质是一种风格。我们也观察到一些模型在过去一两周内选择风格越来越偏大票，对这类模型我们不会过度担心，但有些模型预测周期偏长、适应性较慢，风控优化维度上还没有做市值控制，接下来可能会有一定风险。
问：关于大模型，当前国内量化公司大模型运用到哪一步？未来应用前景如何以及对量化行业有哪些影响？
蒙玺 李骧：目前大家更多地关注公司流程和效率提升维度，包括debug等，投研方面增益不大。我们尝试运用它在数据和信息处理方面突破，但模型精度无法满足专业需求。未来在数据设计端也会有更多运用。我们时刻关注大模型发展。
问：如您所说，这项技术确实是非线性的，也不清楚后续情况。
蒙玺 李骧：对技术永远要保持敬畏。
问：蒙玺投资在另类数据方面研究非常深入，对超额收益贡献也在较高水平，请您围绕另类数据展开介绍。
蒙玺 李骧：我认为，另类数据更多是理念上问题，而非能力或者商业机密。
另类数据定义非常明确，就是除量价和基本面之外的数据。量价数据是指所有通过交易所推送的数据，目前机构构建数据时主要使用1、5、15分钟等k线切片数据，或者基于此异构14分钟、58秒等k线数据，所有二级市场可交易标的包括股票、期货、期权都存在量价，考虑到目前截面上有5,000多只股票，量价超额仍然丰厚。
基本面数据则是按照监管要求上市公司定期披露的财务数据，基本面研究门槛和获取价格相比量价都会较高，已经需要第三方人工整理，需要具备财务、会计等领域的基础知识。
量价和基本面数据权威、覆盖度广、获取极其便捷。便捷，首先意味着便宜只需简单清洗即可运用到投资，其次意味着研究门槛较低，需要数学好或交易直觉强一些，以及编程和统计的技能，对理工科应届生来说都不是问题。
既然量价广泛、低廉、门槛低，就意味着一定是最先被研究机构获取、应用最为广泛，所以最早失效也是它。目前中国市场已经出现量价衰竭迹象，在研究单因子时就能明确看到。AI或者非线性模型广泛运用虽然延缓了这个趋势，让量价挖掘得更加充分。但从某种意义层面上来讲，例如金矿、石油等早期线性模型组合时开采时，更多地是挖表层露天矿，现在需要更先进的技术和武器。同样我们现在需要更加先进的模型，使得量价方面挖掘得更充分。
而另类数据覆盖度有限，不同数据覆盖度存在差异性。获取也非常困难，需要由专门第三方数据公司第一时间获取、整理和清洗。它也不是定期数据，例如舆情、炒股社区上观点表达等。单个另类数据获取超额较低，但其逻辑非常朴素。
目前，很多机构会让应届生在量价因子方面练手，但如果让应届毕业生做另类因子，则无法取得非常好的结果，还需要学习大量知识才能研究，最后结果发现可能只能提升1‰，这对研究人员信心打击较大，在这种情况下，提前布局另类数据需要一定勇气，毕竟获取数据成本相当高，而且还面临阻碍有一定的难度。
问：是否可以理解为一类数据获取成本、门槛与其稳定性、衰减速率有关，成反比？单个另类因子收益不高，所以研究另类数据是需要经历量变到质变过程？只有积累足够多数据才能在超额上有明显体现？
蒙玺 李骧：我个人比较认同这个观点，人工智能与另类数据，这两类方法论，给大家感受度不完全相同。
坦率地说，现在整个行业对于非线性模型方法论的运用已经非常充分，人工智能包括购买算力等投入很多，但压力并不大。如果投入有差距，也可以迅速赶上，目前人工智能还没有掌握或者还在研究阶段的机构已经濒临淘汰。
我相信很多机构都具备做另类数据的能力，需要注意的是，数据获取门槛和研究门槛高，投入还是持续增量，第三方购买只是使用权，而不是所有权，而且，拥有2023年数据并不代表在不努力情况下一定就一定能获得2024年数据，所以很容易得到结论是出力不讨好。
这需要坚持不懈地投资，它不像非线性模型立竿见影，不论是回测还是实盘都能快速反馈。我们在业绩归因和分析时，明显发现另类数据的投入和产出性价比较低，回撤提升2‰，对人刺激感很低，而非线性模型更换特征选择方式年化提升2%-3%，一周甚至能产出20个与之前不同模型，几乎没有投入什么成本。
所以不能简单地从投入和产出维度评价另类价值，如果丧失耐心，就无法坚持这个方法论，而我们已经做好准备。
问：量化水平提升与科技水平有关。AI在量化行业中有明显提升，是因为AI在学术界不断引入新思想和信息。另类数据出现是由于全社会数字化程度提高，采集数据能力提高，可以源源不断地将以前大家记录不下来的信息，转换成相对结构化数据，提供到量化行业中，某种程度上，为这个行业注入了新活力。
蒙玺 李骧：新信息提升行业生产力。我们感触非常深刻，无论是AI还是其他前沿科技在行业中都运用得非常充分。有研究AI的同事需要不定期翻阅前沿学术期刊和文献，才能保证竞争力。
另类数据也是如此，例如现在语音技术已经非常成熟，转化文本效率都在大幅提升。如果需要研究，就可以从全世界范围内寻求许多语音，并将其识别并纳入数据库，这是五六年前完全无法企及的事情。只有建立在科技进步基础上，数据获取才会更加便捷。
另类数据也在急速扩张，甚至可以作为一种生产资料来定义，具有非常多的价值，国家层面也意识到所以成立数据局，而数据局面对绝大部分数据都是非结构数据，即另类数据。我们只是站在前瞻角度，早期投入到数据维度上而已。
问：大家认为国外另类数据发展相对更早，因此家对另类数据研究能力也会更强。从您观察来看，国内外量化行业在此使用情况如何？
蒙玺 李骧：海外另类数据发展比较快，因为资本市场发展相对成熟，量价衰减不赚钱以后就研究基本面，但在过去十年基本面也逐渐不太赚钱。因此选择使用另类数据。也正因此，行业整体发展速度领先于国内数据机构。
近几年，许多国内数据供应商逐渐崭露头角，由于非线性模型获取量价超额仍然非常有效，大家推进另类数据发展急迫性就不会高，所以供应商发展力度不如海外那么大。
问：数据行业发展需要生态数据采集者和使用者，每个环节都必须让他们赚钱，有利可图，这个行业才能有长远发展。
蒙玺 李骧：我非常认同这个观点。
问：您访谈中提到另类数据对策略稳定性有帮助，请您详细介绍。除稳定性之外，还有哪些方面有增益？
蒙玺 李骧：随着科学技术进步，以前没有收集到或者被忽略掉的数据，现在也能够重新被运用。
首先，单个因子超额不够丰厚意味着大家不愿意花费更多成本获得它，因此竞争不激烈时，一定是稳定且持续的。
其次，而且另类数据维度非常广，维度广意味着单因子之间相关性低，当组合在一起能够提升稳定性
最后，由于另类数据超额可以通过线性组合方式获取，无需过于担心非线性过强预测能力，导致潜在的风格暴露或非线性过拟合。
综合这三点，另类数据能够降低或者提供比较稳定超额。
问：大家在分析或使用另类数据时存在痛点：一方面，它覆盖面相对较窄，每类数据仅覆盖特定行业或股票。另一方面，它可追溯历史相对较短。请问您在这方面是否有可以分享经验？
蒙玺 李骧：覆盖面窄无法改变，因为有些行业天然不具备另类数据。
覆盖历史时间，其实比我们预期长，一些成熟优秀数据供应商早已经开始收集相关信息（但是没有针对性地处理）。我甚至不想用数据这两个字，它实际上是文本，我们也是购买直接文本，得到更长久的历史数据。
问：另类数据自己挖掘还是从数据商购买？
蒙玺 李骧：让专业人做专业的事情。
我们非常乐意与全球数据供应商合作，目前90%以上数据都是通过第三方提供，他们甚至惊讶于自己过往积累数据能够运用于二级市场交易，由我们自己整理并且使用NLP技术自定义处理，这能形成共赢合作。我们也尝试写一些接口抓取或者收集数据，但占比非常低。未来我们希望有一些是自己整理出来或者自己收集数据，从收集端开始参与。
问：如何看待另类数据在投资中未来应用前景，有哪些新趋势？
蒙玺 李骧：我相信大家会越来越关注另类数据。一方面是量化经过过去的快速发展，大家工具箱、方法论已经相同趋同。大家挖掘深度和比拼细节维度越来越细，策略有效性下滑。虽然不至于对AI方法论过度悲观，在1-3年可见短期内方法论仍然超额丰厚，但如果看更长期，另类会像海外成熟市场一样，类似我们经历过的低延迟领域竞争，随着市场成熟，另类数据关注度一定会越来越高。
蒙玺另类数据运用在量化投资案例
问：行业内有说法，即国内交易策略执行与欧美存在差距，例如执行算法逻辑、交易软硬件系统以及网络方面，这是否符合实际？
蒙玺 李骧：低延迟本身是非常窄细的领域，集中度相对其他策略更高。因为它对技术要求更全面，能具备这个能力的机构较少，大家主要通过一些不够专业的观点或者臆想出来的状态来了解，容易形成妖魔化或者不客观评价。
问：差距原因是海外发展得更早，还是有更丰厚的市场土壤？
蒙玺 李骧：两个方面都有原因，主要是积累。
海外最头部的低延迟交易机构，只需交易某几种标的就足够养活整个公司，甚至发展得不错。而中国机构的衍生品，相对海外市场品种更少、容量也较小。
两个市场差异的最终结果，就是海外头部机构经过丰厚土壤培育、多年技术和人才储备，导致国内外竞争不在同一维度。当然，这种差距正在变小：
一方面，中国市场给予了我们行业一些发展机会，我们也抓住了这些机会；另一方面，国内量化机构创始人相对年轻。大家都更考虑长期和未来，既然扎根在中国资本市场，就希望长期发展。
以低延迟策略为例，除了预测短期价格走势策略外，还有做市商为市场提供流动性策略，这种策略在一定程度上与金融安全挂钩。它可以增强市场有效性，价值非常强大。如果我国本土机构不具备这个能力，市场可能会有风险。目前中国具备低延迟能力的量化机构普遍都能做市。
同时，国内大多数量化机构的从业者都非常年轻，有一腔热血，都想在各自领域做出成就，造福社会，报效国家。我本科就读于中科大，我们校训是“红专并进、理实交融”。我就所在的物理化学系，有课程讲我们第一届系主任、“两弹一星功勋奖章”获得者郭咏怀院士为何从海外归来。虽然我们自认为所从事的行业的社会价值与国防科研完全无法比拟，但我们依然想在所在的行业发光发热。很多量化机构创始人都有这种情怀。
可以说，虽然海外头部机构在低延迟领域依然领先，但是差距肉眼可见在缩小。只要中国还有这个土壤和发展空间，未来就能在可预见范围内从追赶角色逐渐变成并驾齐驱，再逐渐发展到卷海外机构的状态。
问：如何看待市场现在对低延迟交易观点，以及哪些是真实，哪些是误解。
蒙玺 李骧：整个低延迟领域，行业观点普遍存在偏颇。因为领域太窄细，大众很难接触到这个领域。面对这些误解，很多管理人选择沉默或者低调。
从业者角度来看，外界的误解主要有：
首先，低延迟并非仅通过财力、技术和设备等投入就能提升。还需要很多维度积累，尤其是策略端细节和技术设施层面的积累过程。
其次，低延迟另应用之一是算法交易。随着越来越多算法交易平台出现，普通大众也能享受到算法交易便利，变成一种服务，更具有普惠性。大众可以通过拆单方式降低对整个市场的冲击。正是因为低延迟算法的存在，操纵市场会需要付出很高的成本，使得不合规机构更不敢轻易扰动市场。
问：量化本质上是工业化生产体系，即使在某个小环节，例如交易执行环节由于某些不可抗力最后关停或者限制。在其他信号数据处理和信号生成环节，量化作为方法论仍然具有优势。
蒙玺 李骧：是的，我们并非完全依靠程序取胜，而是依靠前端研究取胜，研究本质上是工程化过程。
问：超低延迟领域是否存在最优边界？
蒙玺 李骧：低延迟并不是最优边界，而是相对优势。例如，有些机构将FPGA运用到低延迟维度。在最早时这些技术并不必要，就已经比别人快，但现在大家竞争越来越白热化。
前段时间，我看到一篇文章，非常有共鸣。文章主要讲述人工智能芯片，最早使用AI芯片或者显卡的主要买家是游戏行业，大量需求使得芯片供应者不断提升技能，导致算力提升促进大模型产生，科技发展是非线性的，这种循环上升也行程各类科技的迭代和提升。如果最初没有游戏需求，AI芯片无法发展。
我们追求在技术上保持总是能快人一步，追求极致是我们的理念，这个过程中，必然会用到一些非常前沿的技术。最优不是取决于竞争到哪个层面。
问：因为技术是非线性，无法预知最优边界。我们能确定是大家都在不断努力。
蒙玺 李骧：我个人非常喜欢竞技，不仅是奥运会，还有电子竞技等各种竞技。只要规则清晰、一视同仁，大家在同一起跑线上，就能不断推进极限。百米赛跑提升零点几秒，虽然看起来没有太大的实际价值，但是能让人受到鼓舞，因为提供了一种可能。
站在创始人和公司负责人角度来看，考虑商业层面因素，永远追求热点，会永远落后别人半步。大家追求各类极致，在追求极致过程中，推进边界外扩。竞技魅力在于原以为不行，结果又推进。人类进步状态是新技术不断迭代和产生，把不可能变为可能。
问：卷字是写在中国人基因里面。
蒙玺 李骧：某些维度的卷，我觉得并非坏事，尤其是技术维度，能让我们看到不同的世界。
问：蒙玺在技术和人才方面投入情况如何？
蒙玺 李骧：蒙玺在低延迟技术方面投入无止境，无论是人才还是技术维度，只要有价值的投入，我们都会评估，只要有优秀的人才，我们就愿意招揽。在低延迟维度，不断积累，做技术储备，是我们永远的追求，因为它不仅与收益、策略表现挂钩，更是从业者心中图腾般的存在。
版权声明：文章版权归原作者所有，部分文章由作者授权本平台发布，若有其他不妥之处的可与小编联系。
