【惠州吴雅楠】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。
