证券公司多元化服务助力量化私募发展

量化私募以数据为生产要素，能够快速精准地发掘市场中的投资机会，以其独特优势不断发展壮大，百亿级量化私募数量不断增加。根据中国证券投资基金业协会数据显示，截至2021年3月底，国内77家百亿私募证券中有12家为量化私募。其中，明汯投资为行业首个千亿级量化私募机构，启林投资是本年度新晋级的百亿级量化私募新秀，量化私募行业正在从百亿级向千亿级迈进。

百亿级量化私募数量增加是整个私募投资基金稳定发展的体现。主要原因一是我国疫情已经趋于缓和，经济逐渐复苏，资金开始回流资本市场，量化私募的良好业绩表现不断吸引着越来越多的机构投资者，促使量化私募规模不断扩大。二是我国资本市场不断深化改革，多项政策持续出台，引导资金积极有序进入资本市场，促使私募投资基金行业健康发展。三是企业正加速恢复生产经营，盈利水平不断提高，给量化私募基金带来更多的投资机会。四是技术进步驱动着量化交易不断革新，特别是新一代信息技术的日益成熟为量化私募实现智能化交易提供了技术支撑，将技术与具体量化场景进行深度融合，使得量化模型更加精准和快速的捕捉市场的投资机会，策略更为精细化，风控更为严格，极大地提升了超额投资收益的水平，促进量化私募行业蓬勃发展。整体来看，我国量化私募基金行业市场规模越来越大，未来行业发展前景广阔，潜力巨大。

量化策略产品依靠收益稳健、风险可控、受市场涨跌影响小的特点，不断受到投资者的欢迎，量化交易正在成为资本市场的新生力量，量化私募资产管理规模快速扩张，不断吸引着证券公司加速布局量化私募机构业务服务领域。量化私募的快速崛起给证券公司带来新的业绩突破，也促使证券公司不断开拓创新业务服务模式。一方面，证券公司可以为量化私募从资金引进、数据处理、策略构建、算法优化、交易风控等领域全面赋能，全方位助力量化私募茁壮成长。另一方面，量化私募机构可以增加证券公司交易量市占率，提升市场影响力，获得高额佣金收入，提高整体营收水平。总之，证券公司与量化私募机构是互惠互利的合作，可谓珠联璧合。

我国量化私募资金管理规模整体处于快速增长阶段，但资金募集情况并不理想，困难重重。头部量化私募机构经过市场长时间的检验，具有持续稳健收益，风险管控能力强，回撤率低的优势，在市场上赢得良好的口碑，拥有极佳的品牌效应，资金募集相对容易。不过，头部量化私募市场整体占比明显不足，绝大多数还是中小型量化私募机构，在数据收集、系统改进、算力提升、投资模型优化、人员配置方面存在缺陷，资金募集举步维艰。根据中国证券投资基金业协会数据显示，截至2021年2月底，我国私募证券投资基金管理规模5亿元以下的备案基金管理人为7945家，占比为88.93%。现在，大部分中小型量化私募不为大众所知，资金募集出现困难，缺乏相对稳定的资金来源，主要依靠自有资金外加老板自身的人脉资源，难以做大做强。

量化私募是以数据作为驱动要素的，数据是量化私募基本的生产资料，数据的完整性、真实性、准确性、时效性、一致性决定着数据的利用价值和使用效率。目前，量化私募数据库复杂而呈现多样化，数据质量参差不齐，利用效率不高。一是数据标准化程度不高。数据来源广泛，内容丰富而庞杂，主要来源于行情数据，基本面数据，舆情数据，交易数据，产品数据等，结构化程度低，缺乏统一的标准，碎片化程度严重。相比公募数据，私募数据连续性差，一般只能获取周频甚至月频的净值数据。二是数据利用效率比较低。金融数据既有结构化的数据，也有非结构化的数据，数据融合度普遍偏差，存在数据缺失、失真、有效性低的情况，数据清洗成本高，数据降噪存在较大难度，需要高层次人员不断进行数据挖掘。由于中小型量化私募缺乏相应的人员、技术、信息系统等方面的有力支持，减弱了数据挖掘的效率，有时会委托外围进行数据处理，无形中减低了业务独立性和增加了数据泄漏的风险。三是数据安全存在隐患。针对金融机构的网络攻击时常出现，各家经营机构网络安全防护和系统运营维护多多少少都会存在一定漏洞，数据面临遭受被篡改、破坏、泄露、盗取和非法利用的风险，数据安全保护面临新的问题和挑战。整体而言，金融数据库与其他数据库仍未有效融合，在数据采集、数据传输、数据存储、数据处理、数据交换等环节存在利用效率与安全问题。

算法交易，是指将大额交易分解成若干笔小型的份额来进行交易，以确保交易过程的合法合规，避免对市场产生较大的冲击，降低交易过程中的冲击成本、机会成本和人工成本，管控交易风险，提升超额收益。由于算法的研发和使用需要将数学、统计学、数据科学、金融学、信息技术（特别是新一代的信息技术，如人工智能、大数据等）有机结合起来，不断深度挖掘金融市场中的运行规律，才可以进行交易算法的设计和模型优化，对个人素质提出了较高的要求。目前，算法交易在美国等发达的资本市场中已经相当成熟，并得到广泛地使用，而我国还处在算法研发和应用的初期，更新和优化升级速度比较缓慢。当市场结构化情况突出，市场风格发生转换时，交易策略有可能会失效。

算法是量化私募进行投资的必备工具，深受机构的关注和重视，投入力度居高不下。主要原因是算法交易在多方面具备独特的优势，一是算法交易可以避免人工交易可能受到情绪、疲惫、反应速度等非理性因素方面的影响，消除人工操作带来的风险，交易执行速度快，能够应对各种复杂的市场变化环境。二是降低交易成本。一般而言，交易成本包含两类：一类是显性成本，包括佣金（证券公司佣金、交易经手费、监管费用）、过户费（交易所）、印花税（国税）。另一类是隐性成本，包括买卖价差、冲击成本、择时成本、机会成本等。显性成本一般不可避免，而隐性成本是可以通过交易算法大大减少甚至避免。三是规避合规与交易风险。交易算法将订单份额碎片化，化解对市场的冲击力，满足合规要求。在执行过程中，内置有严格的风控体系，持续监测交易行情的有效性，确保订单符合合规要求，经得起监测验证和合规检查。所以，基于算法种种优势，需要量化私募机构不断加大对算法的研发力度，持续更新以应对市场变化，提高自身核心竞争力。

除上述三点外，外资私募加速来袭，倒逼国内量化私募对标国际化。截至2021年3月底，已有31家外资私募在中国基金业协会完成登记备案（注：2021年3月23日，全球头号资管巨头贝莱德投资(公司全称为贝莱德投资管理(上海)有限公司)主动注销了其私募管理人资格），资产管理规模约为130亿元，整体管理资产规模不断增长，外资私募机构正在加速布局中国资本市场。其中，瑞银投资、元胜投资、德劭投资3家外资私募管理规模在20-50亿元之间。而且，来华的外资机构大部分都是国际顶级量化私募机构，在量化技术研发、业务流程管理、产品创新与服务、风险与合规管理等方面具有很强的竞争优势，无形中会挤压国内量化私募机构的生存空间，加剧行业的竞争，形成“鲶鱼效应”。虽然目前还没有构成对我国量化私募机构的核心威胁，但随着我国资本市场改革不断深化和对外开放程度不断加深，促使国内量化私募机构提升自身经营水平，加快自身优化升级步伐，逐步与国际市场接轨。

头部量化私募机构以资金管理规模、量化交易技术、风险管控能力都占据很强优势，经历市场多层的检验，逐渐发展壮大，具有一定的口碑。不过，量化私募产品仍处在一个逐渐被市场认知和接受的过程，普遍性还不足。中小型量化私募一般很少被人关注，需要赢得市场的信赖和各方面的资源支持。所以，树立良好品牌形象是量化私募机构发展的重要任务。

根据中国证券投资基金业协会的要求，自2014年以来，开始推行私募基金管理人和产品的登记备案制，私募机构需要进行基金管理人和产品备案。证券公司可以将第三方咨询服务平台引荐给量化私募机构，由咨询公司帮助私募机构进行形象包装、品牌宣传、路演推广、奖项获取等一系列金融服务，获得良好的市场口碑。证券公司可以通过其在市场中的资源优势，规范的衡量标准和评价体系，筛选出专业性良好的第三方咨询服务平台，同时也可以从咨询机构获取更多的机构客户。通过证券公司、量化私募公司、第三方咨询服务平台多方合作，充分发挥各自优势，各取所需，打造业务闭环服务模式，实现良性循环。

持续稳定的现金流是企业生存发展的动力，量化私募机构的发展壮大需要外部源源不断的资金支持。由于资管新规发布后，非标资产规模不可持续，量化产品可以作为信托类固收产品的替代品。量化产品具有收益稳健和风险可控的优势，不但受到稳健投资者青睐，而且也是组合配置的重要选择。银行及银行理财子公司和第三方理财平台早已开始大力布局量化私募机构业务，募资渠道多元化和同行的激烈竞争，证券公司面临着极大的业绩挑战，这需要证券公司探索多元化的销售模式，合理搭配好资金需求和资产端的有效性，为高净值客户或者机构对匹配合适的量化私募产品，推动在金融产品设计上不断创新。

证券公司和量化私募在资金募集方面的合作，可以根据需要业务发展采用多方面的合作模式。一是产品代销。证券公司可以利用营业部分布面广的特点，代销量化私募各类产品，引入 FOT（基金中的信托）或 FOF 产品，帮助私募机构解决（优先级）资金问题，证券公司业务服务质量也是考验着其生存的能力，先行发力的证券公司行业服务经验更为丰富，机遇也更多。二是资本引介。证券公司利用在行业内丰富的机构客户和高净值个人，开展资本引荐服务，也可以获得不错的部门业绩。三是跟投。对于具有持续竞争的优势，发展速度快，能保持长久的成长性和顽强生命力，在投资业绩和风险管理能力方面具有很强发展潜力的量化私募机构，可以直接跟投，助力扩大资金管理规模，同时也获取良好的投资回报。基于未来机构客户占比会持续走高，高频交易和高换手率的特性，可以为营业部带来非常可观的佣金收入，成为证券公司机构业务新的盈利增长点。截至2020年末，多家证券公司的私募代销规模创历史新高。其中，中信证券私募产品代销规模接近800亿元，创下证券行业私募产品代销的新纪录。

目前，量化私募机构主要有两种运行模式。一是以中小型机构为代表的正金字塔结构。以老板或投资总监为核心，配备宏观和行业研究员，提供行业研究分析报告，策略研究员提供策略开发、优化与回撤报告，软件工程师负责将量化模型进行程序化开发设计，交易员负责执行投资经理下达的交易指令，整个组织架构形成自下而上的运行框架。二是以大型头部机构为代表的倒金字塔结构。整个量化投资流程恰是一条生产流水线，从数据挖掘，寻找和改进量化因子，优化量化交易策略，搭建量化模型，算法交易，到风险防控，以一个生产链条有条不紊地进行。证券公司和量化私募的合作需要对每个环节进行优化，贯穿整个交易流程。

数据是量化私募投资决策的依据，是模型构建的基础，是风险管控的关键。证券公司和量化私募合作模式主要涉及到，一是数据库引入，建立来源广、范围宽、多维度的基础数据库，包括数据终端（Wind，同花顺iFinD，Choice等），数据接口（Wind），数据库（Wind，聚源等）。二是技术引入，利用数据分析技术进行数据清洗、降噪、结构化处理，提高数据质量，增强数据使用效率。三是价值引入，通过数据可视化展示，信息查询算法个性化推荐，达到可以直接使用的目的。数据需要通过数据技术深度挖掘其内在的信息，才可以应用到具体的业务流程中，才能体现出更大的价值。

基于海量历史和实时数据开发交易策略，寻找市场的投资机会，以高换手率、高交易量，来获取稳定的超额收益。目前，量化私募的投资策略目前主要有三种：一是指数增强策略。它是以对标的股市基准指数（如沪深300、上证50、中证500）作为参考，在构建投资组合时，运用“指数跟踪”与“主动管理”相结合的方式获取超额收益的投资策略。二是市场中性策略。它是指同时构建多头和空头头寸以对冲市场风险，在任何市场环境下均能获得稳定收益。三是CTA策略（也称作管理期货策略）。它是指由专业的基金管理人投资于期货市场，利用期货价格上升或下降趋势获利的一种量化投资策略，包括商品期货和股指期货。

目前，传统的单策略私募证券基金只能进行某一特定场景的风险防控，无法满足复杂多变的市场对风险规避的需求，市场上逐渐形成一种投资风格较为稳健的投资策略——多策略。多策略是基于分散投资的理念，开发不同类型的策略产品，布局多个品种多个市场，把资产分散配置在相关性不高的多个子策略中，通过多种策略来达到分散风险的目的。多策略基金是未来量化私募基金发展的一大趋势，多策略是量化私募未来主要采取的投资方式，也是未来私募的生存之道。投资策略是各家量化私募赖以生存的武林秘籍，一般不会由其他机构来代劳，证券公司只能不断提供行业研究报告，来为量化私募机构提供参考，何时何地选择和采用何种投资策略主要取决于业务运营模式、市场变化情况和基金管理人的投资风格。

算法交易可以为中高换手率产品直接带来大幅业绩提升，替代人工执行交易，大幅提高执行效果，降低人工操作的风险，持续监测行情有效性和趋势性，能够有效减少交易成本，避免对市场产生较大的冲击，确保交易过程中的合规性，降低交易风险。交易算法既能满足客户在一段时间段内完成大笔金额的买卖指令，同时也能将交易价格趋于均价。量化私募机构对于算法交易的投入和研发越来越大，人力和IT基础设施投入越来越高，在算法交易的竞争无异于量化行业的军备竞赛，将会越来越激烈。量化投资本身主要依靠运算程序的准确性，计算速度的快捷性，计算能力的强大性，计算环境的安全性。在比拼速度和精确度的情况下，一旦出现更快更准的对手方，自身的投资策略就会逐渐失效，算法交易在战胜市场过程中显得尤为重要。顶级量化私募一般会自主研发自己的算法交易下单系统，资产管理规模越大，对交易算法依赖程度也越高，我国算法交易市场占比还不足，未来一段时间将是量化私募算法交易发展的黄金时期。证券公司可以通过自主研发+外部合作的模式，采用自主研制量化交易系统平台和采购外部信息技术服务并重的方式，提供交易服务、策略研发、算法及策略交易、产品风控和算法绩效分析等业务服务，满足机构客户多样化和个性化的需求。目前，在市场上，对于算法交易的优劣程度还没有一个公认的评价标准和评价方，证券公司也可以通过对算法进行评级、合规、信息系统接入安全度等方面的筛选，帮助量化私募引进专业性强的算法交易服务提供商，同时也从提供商那里获取更多机构客户，三方形成合作共赢，实现共同发展的目的。

证券公司服务量化私募既要与同行业机构展开竞争，也要面临银行、信托、第三方平台等机构带来的挤压，应该摒弃传统单一的资金导向的模式，走综合化服务模式道路。证券公司对量化私募的业务服务模式应该在品牌宣传、策略制定、交易管理、算法研发、算力提升、系统改进、产品风控、合规运营等多方面全方位的角度出发，满足客户对不同领域的需求，提供一站式综合化的服务。

将新一代的信息技术应用到量化私募服务领域，利用人工智能、分布式、大数据、云计算、区块链与量化私募场景进行结合，从数据挖掘、收益预测、投资决策、风险识别、交易执行、算法绩效分析等各个环节进行深入融合，形成一个智能化生态圈。例如，人工智能可以极大地提高数据处理能力和效率，利用数据挖掘的方法寻找股市中的量化因子，基于海量数据进行模型优化，形成有效的投资策略，可以有效提升整个投研团队的效率，降低投研成本。同时，人工智能可以克服人为因素带来的影响，自动化的实施科学决策，有效进行风控防控，防止投资出现重大损失。

证券公司的服务模式应该打破传统的被动服务模式，以自身有什么资源优势提供什么服务转变为客户需要什么服务，充分整合各种优势资源，主动提供针对性的定制化服务。个性化服务是补齐短板，重点突破难点的有力方式。量化私募资产管理规模不同，各个机构所需业务服务内容和方式各有差异，针对不同的机构类型，采用定制化和个性化的服务模式，才能精准突破业务困境，助力量化私募机构做大做强。