- 节目简介 -

本期嘉宾，袁浩瀚 Alfred，是伯兄投资的创始人和 CEO。伯兄投资是一家以量化投资策略为核心的私募证券基金管理公司，公司成立于 2015 年，总部位于上海，在长沙与北京设有办公室；团队现有成员 30 余人，其中 80% 以上从事策略研发、行业研究、系统开发。
Alfred 本科于中国人民大学，12 年就读于 UC Berkely 哈斯商学院，期间在 JP Morgan 实习。2013 年毕业之后 Alfred 加入 Morgan Stanley， 专注于 Electronic Trading。2015 年，Alfred 与同在 Berkeley 的伙伴，一起创办了现在的公司，Berkely Brothers，伯兄投资。
本期节目是我们与 Alfred 在 ClubHouse 上做的 Live 录制，期间也有听众们参与提问。节目中我们主要聊了：
  • 高中毕业后开始做投资的经历，从人大统计学到哈斯商学院的一路规划
  • 如何通过数字说话，量化与直觉的关系，和 Trader 意见不一致时又会如何处理
  • 创立伯兄投资五年来的变化，以及做自营交易的现状和难点

- 收听节目 -

本期节目的时间线：
  • 0:02:44 高中毕业后开始做投资，从 CS 转入统计学
  • 0:08:42 Gap 期间去中金做 Quant
  • 0:11:17 在纽约做 Quant 的氛围，一天的 Routine
  • 0:15:41 与 Trader 意见相悖时，谁在承担风险
  • 0:18:37 性格和直觉
  • 0:23:18 模型和赚钱的距离，现实是有摩擦力的
  • 0:26:09 量化不是脱离主观
  • 0:28:58 高频是指多快, 期间能做到什么事情
  • 0:29:55 投资经历过程中遇到的困难
  • 0:33:34 In Math We Trust
  • 0:36:21 玩法不断过气，机会还多吗
  • 0:37:14 听众问题: 伯兄投资去年的规模，各家交易的模型如何
  • 0:38:56 听众问题: 2021 的市场如何延续，伯兄如何对冲这些 Risk
  • 0:41:28 创立伯兄投资五年来的变化
  • 0:49:55 公司规模: 小而美，大而全
  • 0:52:04 怎么面试 Quant
  • 0:54:20 运转一个每个人都很聪明的团队
  • 0:59:35 拿捏不定的时刻, 合伙人之间的配合
  • 1:02:59 技术护城河和屏障, 业内是否有占据主导地位的技术
  • 1:08:22 建立一个 Prop Shop 需要什么
  • 1:10:34 与 Broker 的关系
  • 1:14:42 后来的玩家的机会在哪里
  • 1:17:16 听众问题: Quant 和高频创造的价值
  • 1:19:49 听众问题: Jane Street 的技术语言选型
  • 1:21:09 快问快答
嘉宾提到的书籍/联系方式
  1. 推荐的书：《中央帝国的财政密码》《中央帝国的哲学密码》《中央帝国的军事密码》
  2. 联系方式：知乎「袁浩瀚」（https://www.zhihu.com/people/id47）

- 内容节选 -

从零道一：你从大学开始做一些投资, 到现在做自营交易，当你的牌在自己手里面，性格因素会被放大吗，你的性格怎样影响了你的交易？
Alfred：我觉得我的性格是比较风险厌恶型的，整体风格偏稳健，所以我们做的交易偏中高频。
因为基本的原理是，你的下注越高频，统计收点的速度就会越快，稳定性就会越好。 所以基本上我们整个团队层面可以做到，连续两三年可能只有一两天发生亏损，按夏普比率来算，可能每年都在 20 以上。这是我们的选择。
但是一个问题是，它会造成我们很难承载很大的资金量。当承载的资金量大了之后，相对于资金来说，市场上非常高的风险回报比的机会就很少，这会限制我们策略的容量。
第二个问题是，当资金规模上来之后，我们能够实现的绝对收益，相对于风险承担更多的策略就会少一点。
这一块我们自己也在做一些调整，之后会主动自我革命。
从零道一：你提到过直觉在交易行业里面是非常重要的要素之一，你说的「直觉」到底是什么？
Alfred：我觉得分几种，首先有一种直觉是对错误定价的敏感。错误定价其实在生活的很多方面都会有，但是很多人可能是不会在意的。
比如说油价，你可能在美国开车，过几个公里发现两个加油站的油价有一些差别，这时我是不是一定要去那个低价的加油站？有的人会对这方面很敏感，这就是一种最简单的价格维度上的、套利交易的直觉。
还有一些是时空关系上的直觉。比如说三年之后，一个东西的价值相对于现在的价值有一个错位。
比如说根据茅台公司几年后的营收情况折算回现在之后，你发现它的价格可能是低了，所以觉得有投资价值，这是另外一个维度上的直觉。
也就是发现某一个维度上的错误定价，因此产生投资机会的直觉的能力。
从零道一：这种直觉可以培养吗？
Alfred：我觉得是可以的。因为你对一个东西是不是敏感，其实取决于你的人生经历。如果你发现它能够真的带来一些投资机会，你就会有信心或者兴趣去强化这一块。我见过很多人其实是后天养成的。
从零道一：有没有一些具体的养成方法？
Alfred：我觉得最简单的方法就是加入这个行业，跟这些人一起做投资。这样你就很容易看到这些案例反复在你身边发生。
如果出于各种原因没有这样的机会，有一个比较低成本的方法是，让自己在风险可控的情况下参与一些投资，让自己被迫关注来获得一些直觉。
从零道一：自己想出来的理论模型和实际真正能赚钱的距离差距到底有多大？
Alfred：首先现实是有摩擦力的。很多东西我们觉得五步可以做完，这个步骤或交易逻辑我们在脑袋里想得很清楚，但是现实中可能有很多方面的摩擦力。
比如制度的摩擦力，用刚才加油站的例子来说，虽然你知道可能隔一段距离油价有差别，但是你没有办法从低的地方加油，再卖给高的加油站。这是很基本的制度性的问题。
有的时候会有执行难度，比如说我们有些交易对速度有要求，如果速度慢就很难实现利润。所以这中间有很多摩擦力。
一个经验丰富的 Quant 能很清楚地认识这些摩擦力，知道这个东西的难度有多大，而且在建模之前一定程度上能猜到难点在哪、以及有没有可能克服。
从零道一：有人说量化的好处之一是可以减少主观带来的盲目性，但大多数统计学模型对未来的预测都无法脱离历史。2020 年一直在发生一些第二天早上起来就感觉整个世界改变了的事情。当世界突变时，主观投资反而能够更快适应。你怎么想这个问题？
Alfred：首先量化绝对不是脱离主观。 比如我们研究之后把模型投入生产，模型里面用的因子或定价信息本身就很主观。
不同人做出来的模型可能是差很多的。因为模型本身是从原始数据到最后的交易决策，是很复杂的过程，中间步骤很多。就算两个人把步骤全部口头上过一遍，最后实际写出来的代码，做出来模型还是会有很大的差别。
如果比较「以统计模型为基础的交易方式」和「主观做交易的方式」，得看不同的频率。
在某一些频率--比如中低频交易上，主观有很多优势：当市场情况变了，统计规律也发生了变化，所以统计量化很难捕捉最新情况，但主观上能够很快识别；但如果在中高频区间，很多统计规律因为收敛的很快，一般持续性比较强。
其实去年整个对冲基金行业的情况很有意思。比如说文艺复兴去年销售给外部机构的管理型产品亏损很大，可能达到了 20%，这些产品的策略可能是中低频的。在市场突变的情况下，容量很大的策略很难适应，因为很多统计规律失效了。
但它的“大奖章”这种内部基金收益还是很好，可能有百分之七八十，甚至比 2019 年更好。因为“大奖章”做的是偏中高频的交易，容量也更有限。虽然市场发生了变化，但在中高频区间上统计规律的变化是比较慢的。
从零道一：我们现在的高频交易是以什么样的量级来衡量的？现在业内情况如何？
Alfred：分市场。如果说美国市场，肯定是纳秒。有很多交易员会在简历里面说他做过纳秒级别的交易。
从来回时间（Round Trip）角度来说，国内现在最高频应该在毫秒级别；但是从系统响应时间来说，应该是在微秒级别。
从零道一：在纳秒期间，具体会发生什么？
Alfred：它的交易决策是比较简单的，做不了太复杂的事情，很多是基于规则的。
从零道一：你从 15 年到现在有没有经历过比较困难的事情？
Alfred：我们整体还是比较顺利，没有特别艰难的时候。相对比较难的是 2018 年。2018 年之前，国内金融市场整体是非常封闭的，不管是银行券商还是量化、私募基金。2018 年开始，国内希望能够开放一些第三产业，包括金融行业，来保护国内的第二产业不要被美国打压。
所以当时很多外资团队和外资交易公司进来后，对国内的团队冲击是很大的。当时我们明显感觉到，市场的竞争有效性或者迭代速度比之前快了很多，需要适应这样更快的节奏。类似的一个情况是特斯拉开始进入国内投产后，对国内电动车企业打击很大。
这中间有些团队确实被淘汰了，或者被迫去转型去做一些别的东西，比如数字货币。我们一直还是坚持做国内的传统市场，包括期货期权和股票。所以当时有一个煎熬的过程，很不容易。后来基本上不管是盈利能力，还是整个交易规模，都过了那一关，达到了一个比较好的状态。
从零道一：开始做这个公司之后，你自己做的事是不是也发生了明显的变化？
Alfred：分两个阶段。最开始创业的时候人比较少，我们几个人是作为技术专家，自己去解决很多问题，做投资的整个链条。从交易方式来说，我们当时属于自营交易，不属于资产管理。因为资管需要靠管理费，有一定规模才能覆盖一个公司的运营。而我们当时对于管理规模需求不是那么大，所以能比较专注地做投资分析和研究。
后期到现在，我们内部有了好几个团队、好几个 PM 同时做交易。比如现在任何一个 PM 因为某种原因停止工作两个月，公司可能是不受什么影响的。
在这种情况下，更多时间就花在寻找优秀的交易员或者 PM，看他们需要什么，从整体的架构上服务他们。
从零道一：你提过一句话，我相信数学（In math we trust）。有哪些例子给了你这样的感悟？
Alfred：首先，我们整个投研过程的基础是数据。如果没有数据化，整个回测或者基本建模的过程就很难完成。
但是数据也分很多种。我们内部很重视存档一些自有数据。比如说，我们跟整个市场的交互过程--发一个订单到市场中去，看订单生命周期的事件，是不是成交，交易是盈利还是亏损--这种私有流的信息我们会都存下来，对它做很多的分析。
这也可以解决之前提的从理论到实际的差别。因为我们可以做出一个非常精确的模型的分析系统，知道在比如 A 股市场里，真实的订单出去后是不是能够很好执行。这给了我一个启发，如果能够从好的角度去使用数据，就可以对投资过程产生价值。
我们也引入了一些另类数据，国内这块也有很多公司在做。在美国，拿传统的基本面或者量价基本上已经很难发现好的因子或者定价机会了。那边的量化已经做了很深度的挖掘，可以理解为矿石已经被挖光了。
所以整个量化行业在引入一些新的数据。比如说，卫星图的数据能反映出农业的情况--比如对玉米的期货做定价，可能需要追踪玉米种植的情况。
还比如电商销售数据也在国内蓬勃发展。电商内部 SKU（标准产品单位）的销售情况可能对于消费领域的公司定价就是一个独特的阿尔法来源。
从零道一：很多时候，你在量化的书里面看到的玩法现在越来越不奏效了。这是一种挤压还是机会在变多？
Alfred：这个是非常正常的。你需要不停地找新的阿尔法，或者一些另类阿尔法的来源。
传统阿尔法被发现之后会慢慢被消磨掉，因为大家都会使用它、不停地用它获利，这样它就会越来越少。比如说现在出来一个 ClubHouse，在国内这个细分领域可能就会出现很多模仿者，相当于很多人去利用这个阿尔法。后面的人再想进入，这里就已经变成一片红海，很难再利用这个细分领域获得机会。
听众提问：各家量化交易的策略会有较大的相同之处吗？伯兄投资的模型是基于传统模型，比如概率模型，多一点，还是会用最近比较流行的基于深度学习的模型？
Alfred：不同公司的交易策略有比较大的区别。您说到概率模型的话，我觉得神经网络也算是一种概率模型，属于频率学派（Frequentist）的范围之内，不属于贝叶斯。我们内部从简单的线性回归到神经网络都有使用。
听众提问：我本人觉得今年（2021 年）的市场没有去年的动量（momentum），不知道你怎么看？你觉得今年会延续去年的比较猛的市场上涨，还是会有更多的风险？如果有，风险在哪个方面，你们去做了哪些风险对冲方面的配置？
Alfred：首先一般从年份上来说，动量（momentum）分大小年。去年是 momentum 特别大的一个年份，我们也觉得，从周期上来说，今年 momentum 应该不会像去年那样。
因为去年基本上所有的资产板种类都发生了一个历史级别的大涨，有一些板块可能很像 2016 年。但不一样的是，2016 年比特币或者整个加密货币市场是没有什么动静的；但是 2020 年的加密货币市场、A 股市场、甚至包括越南市场、还有一些新兴市场，都发生了很大的上涨。所以从周期来说，今年持续这样的上涨是比较难的。
这中间有一些不确定性。因为美国在持续释放流动性，他们也不敢不去持续释放流动性，这中间就有一些不好说的地方。所以我们觉得，今年可能应该还是很波动的，但至于它是不是有很强的方向性波动，我们是比较怀疑的。
关于风险的话，我们更多经验还是在国内市场。一个比较大的问题是国内的流动性风险。因为整体来看，央行是以收紧流动性为主要的工作方向。可能会因为流动性风险导致比如 A 股市场不会像预期的那么好。
从零道一：当时是什么想法驱动自己做公司？对你来说风险如何，这五年有没有变化？
Alfred：我当时有一个很好的伙伴，现在也是我们公司的一个合伙人，是在学校里面认识的。那时我们其实也都在工作，会一起去分析一些市场数据。
2013 年看了一些加密货币市场（Cryptocurrency Market）的东西。2013 年发生的 Crypto，可以说是历史上的第一次牛市，涨到了 1000 美金。我们尝试做了一些很简单的交易策略，做了一些小的 Board 进行交易。
很有意思，因为那个时候市场还没有 API（应用程序接口），整个市场也处于没有监管的状态。做了一些简单的尝试后，我们发现自己有能力完成从研究到实盘的转变，也积累了小小的信心。
加上之前我在中金工作了一年，对国内市场比较了解，相对于美国当时很高强度的研究水平，国内应该有一个投研能力洼地。虽然当时国内很多团队做了一些策略或者模型，但从美国的角度来看还是比较幼稚的。
我们找了国内的数据做了很多回测分析（Backtest），基本完成了一个概念证明（POC），至少能说服自己，如果做的话应该能把自己养活。基于这样的原因想要去做一个独立交易公司。
当时其实也有别的机会，比如像美国的一些公司是团队制的，叫 silo，内部可能有很多小的团队交易。我们有和一些比较有名的交易公司去沟通做一个团队，相当于他们天使投资我们一些钱，让我们用他们一个结构进行交易。
但一个原因是，我们当时觉得做美国的市场，我们的能力还是会差一些，不是那么有信心；另外觉得国内的机会更容易做成，所以我们想还是在国内做。基于这个原因，15 年的 8 月份，我回国开始在国内做一些准备工作。
基本上到了 10 月份，我们开始在国内的商品期货上和股指期货上做一些交易。前期基本上是我们自己做投研，自己做交易。
国内当时杠杆的环境，或者说融资环境比较宽松，所以我们很容易找到一些其实应该是债务融资（Debt Finance）的钱。我们配一个固定的资金成本，后端收益超过固定的资金成本的部分都归我们。我们最开始一个杠杆后的收益很高，完成了初期的资本积累过程。
在此之后，我们逐步开始做新的市场。2016年开始交易国内的期货，2018年开始交易国内的股票，到了2019年，开始做香港的市场。
现在主要的交易市场包括国内的股票、期货、期权，香港的一个期货期权，还有加密货币，暂时还没有打算去做美国相关的市场。
从零道一：创业过程中有没有印象深刻的教训，让自己觉得尽管做了很多事前分析还是不足够？
Alfred：其实有些不一定是教训，可能更偏向我们的经历。因为当时条件所限，没有办法。我觉得自己做交易都有这种感觉，特别是做自动化交易。
最开始的时候，因为整个交易系统是我们自己搭建的，事情很多，你需要去接数据挖掘（Data Dig）、接 Trading API、自己处理数据、做模型。
那时团队只有 4 个人，大家都很忙，有时候就会一个小功能，你觉得实在是太累了，我不想把它做那么完善，要不就先跑。可能因为这个原因有一些小 bug，也带来一些损失。后面我们尽快修复了，但确实会有一些小问题，包括整个单元测试（Unit Test）流程也不是那么严谨。
我觉得很多 Startup 在最开始的时候都会有这一类的问题，幸好我们没有发生什么非常恐怖的事件。其实在我们这种交易公司里面很容易发生一个很恐怖的事情是，你的程序不停地 Hit the bid-ask spread。因为我们交易频率很高，那么如果你不停在 Ask Price 买，然后在 Bid Price 卖，可能 15 分钟所有的资金就打光了。之前在旧金山那边有一家创业的联系团队就是这样子。他们当时可能有两千万美元的初始资金，15 分钟就没有了，公司也就解散了。
从零道一：现在公司的规模如何？
Alfred：我们现在是 30 个人，在北京、上海还有湖南长沙有三个办公室。北京主要是做数据这块，核心的量化投研和交易员在上海，一些中后台的运维在长沙。
从零道一：创立伯兄后，自己的日常有哪些变化？
Alfred：我现在基本上每天还是早上 8:30 到公司，因为国内第一个市场是 9:00 开始交易，当然加密货币是 24 小时的。但是我现在自己不会直接太多 cover market。
我现在还会管几个 book，所谓 book 可以简单理解为策略，但还有别的 PM 在做他们的策略。我会看我的策略有哪些地方需要做调整，如果已经不能够胜任最近的市场了，可能会有一些决策性的调整。
其他时间我更多是在招人。特别是最近，我们花了很多精力筛查一些新的招人的通道，包括跟一些人力资源公司去准备做活动，这些活动类似于我们现在的 ClubHouse，比如在腾讯会议上跟大家去做直接沟通，让更多人了解我们在做或者想做什么样的事情。
另外还有一些时间的话，我会去跟 PM 沟通，看他们那边对市场、现在的交易过程有没有问题和想法，有什么东西我可以跟他们一起讨论。其实人与人之间沟通本身也是激发想法的过程。很多事情你一个人想很难有一个很好的结果，但是跟人家聊一聊，就会有一些很新的想法。所以跟他们沟通并不一定是我帮助他们，很多时候也是他们帮助我，是一个互相的过程。
从零道一：对于私募，一般最终会扩大到多少人数？
Alfred：每个公司的想法不一样，我自己目前的想法是，我们可能很难持续在这个领域做一个小而美的公司。虽然这样我们可以过得比较体面 — 我们按人均效益或者效率来说是比较高的，但是长期可能很难维持。比如幻方这种公司，因为资管的规模很大，在外部有很大的曝光，在吸引人才上天生就会有很大的优势。另外一些经纪人也会倾向于跟资产管理规模更大的资管机构做深度合作或绑定。
因此，如果想要维持在某些方面的优势，我们需要去扩大资管业务，或者跟外部合作投资的业务。这块其实是由我们做预案之后再驱动的。基本上今年农历新年之后，我们就会开始有第一个外部的资管产品。现在投资方机构这边都已经沟通好了，之后会有一些相应的销售或者投资者关系的人加入。
资管规模大了之后会需要很多不同的策略品类，不是我们现在这样有几个策略分类就可以了。比如同样是在股票上，可能会有很多不同的策略需要同时去跑，才能够满足不同人的投资需求。所以如果资管规模扩大的话，我们的投研和中后台也可以扩张。但是我其实没有追求具体到多少人，不是说人越多越好，适当就可以了。
... (更多内容请参见播客)

- 往期精选 -

- 《从零道一》粉丝群 -

欢迎加入从零道一粉丝群，与嘉宾、主持人和其他听友交流互动。
入群步骤：
  1. 添加从零道一小助手微信（id: goto_helper)，并备注“粉丝群”
  1. 给小助手发送 姓名+公司/学校

继续阅读
阅读原文
关键词
数据
模型
公司
2018年
美国