“投资逢盛世，FOF正当时！”为了探讨国内私募FOF&MOM基金发展面临的新机遇、新趋势，由私募排排网主办，招商基金、东证期货联合主办，招商证券(600999)、方正证券(601901)、汇鸿汇升投资协办的“第八届中国FOF&MOM基金管理人年会”，于2023年7月6日-7日在上海浦东嘉里大酒店举行。
天算量化(北京)资本管理有限公司 刘骏洲
在7月6日的会议上，天算量化创始合伙人、总经理刘骏洲出席并进行了主题为《ChatGPT时代的资产管理和量化投资》的演讲。
在演讲中，刘骏洲结合与ChatGPT的问答互动，全方位展示介绍了AI对资产管理、对量化投资乃至于对我们每个人，在赋能的方式和效果上的可能性。
以下为演讲全文
首先特别感谢私募排排网的邀请，给我们这样一个机会，给大家做一个路演汇报和交流。在美国留学的时候包括回国后，我也一直在使用私募排排网这样一个网站和工具。我们也发现国内任何一家私募的成长都离不开排排网的帮助和赋能，所以特别感谢能有今天这20分钟的时间，跟大家进行一次路演交流。
本身不论是资产管理还是量化投资，我们的本质就是给合作伙伴以及我们的客户提供价值，我也希望今天我的这次演讲，20分钟之后能够给大家提供一点帮助，这就证明我今天的演讲没有白来，也没有白交流。
本次来之前也想了很多主题，最近也很忙。我想既然来了，也希望这个路演或者是这次汇报有一定帮助，所以在很多的题目中我们选择了比较火的ChatGPT这样一个想法，我今天的题目是《ChatGPT时代的资产管理与量化投资》。
今天主要分为两部分：一部分是人工智能时代的资产管理，另一部分是人工智能时代的量化投资，我们看一看，人工智能在这两个领域上能够如何给我们赋能。
第一个部分，我们来讲一下ChatGPT如何赋能资产管理。
无论是过去还是现在，我认为每一个行业，包括每一家私募管理人，能够取得一个很好的优势，一定是因为有更好的认知，拥抱一些新的事物，才能拉开一些距离。
提到资产管理，至少在我来讲，我这个角色可能是不配站在这个位置上的，因为在资产管理方面，在座的无论是FOF还是MOM的管理人都非常的专业、非常的优秀，量化投资也只是资产配置非常小的一部分。之所以有这样一个演讲主题，敢和大家演讲交流，也是来自于ChatGPT的赋能。
总的来说，我们认为如果在一个行业想取得优势，不得不做的是拥抱新技术，来创造新价值。爱情里有句话叫做“以前车马很慢，一生只爱一个人”，但这只是一个美好的爱情故事，在创业、在生意中，我们能够做的是尽快地奔跑向新的技术，才能有更好的价值。
我们从几个方面来为大家剖析：
第一点，我们与人工智能交互，问一问它拥抱新科技，对于资产管理行业的重要性。
它回答中就说，文艺复兴公司更早的使用计算机进行股票投资和投研开发，这个优势的建立，让它成为一个非常成功的公司。包括人工智能深度学习在机器上的使用，也帮助他们做到更好的资产管理。
这是过去，那么现在是怎么样呢？
我们发现，全球顶级的对冲基金Citadel在它的一篇文章里写了它拟在全公司推动使用ChatGPT。以及黑石也在网站的标题上标注GPT和人工智能将会如何影响投资者。
你会发现不论是过去的金融巨头还是现在的，都在积极的拥抱这个新技术。甚至是CFA这个社区也用显著的标题来提醒大家GPT将会影响资产投资的未来。
资产管理中股票投资是重要的一部分，那我们来看一看，当我们跟人工智能交互的时候，它能给我们什么建议？以及为什么我说，我希望我们的演讲会有一些帮助。我相信至少大家在演讲之后，可以更好、也更愿意使用这个工具，我也相信它一定会有非常好的帮助。
我问ChatGPT第一点：过去十年，股票基金领域的变化趋势有哪些？
它的回答跟我们这十年在中国的资本市场见到的现象是一样的。第一是指数基金的崛起，第二是量化投资的普及。本质上不论主观交易还是客观交易，我们的目标是要战胜指数，ChatGPT总结的这两点，无论是在过去还是未来，我相信都是非常好的两个赛道。
在股票投资的领域，哪怕是成熟的公司，或者只是招一个实习生，用人工智能都可以帮助我们做更好的资产管理的配置。我今天会从比较宽泛到一步步具体使用的教程，来告诉大家这个东西为什么更好。
比如说我们市场上有非常多的指数增强类的基金，作为FOF、MOM管理人，如何能够选到更好的基金？其实ChatGPT可以帮助我们做得更好。
如果我问它：指数型基金是否靠谱，如何科学地进行尽调研究？
相信每家FOF或者是MOM管理人都有自己的体系，我们可以基于我们的体系，在和ChatGPT不断的交互的过程中，形成更好的尽调或者是投研的方案。
比如说这个问题，它的回答是：了解量化策略，评估一个基金经理，查看历史表现，考虑费用，对比同类基金，以及理解风险。这还比较宽泛，如果我们想针对其中的某一个部分有更深的了解，是不是也可以做到？
它依然可以做到很好。比如说我们如果需要对某一个量化基金进行调研，那么针对因子的环节提问，我们问哪几个问题可以更好地帮助我们做投资的决策。
——从因子的选择到因子的来源，以及因子的有效性、因子的组合和因子的更新这几个部分，ChatGPT也都给了我们相应的答案。哪怕我们只是一个小白，都可以根据这个方式来进行更好的尽调。
那么如果我们已经是资深人士，ChatGPT如何给我们赋能呢？
当然，本质上量化不是一个黑箱，虽然可能很多人觉得量化不公平，在我看来，量化是非常公平的一个投资方式。我们用的计算机是可以买的，我们用的工具是公开的，本身量化只是一个投资的方法。在这个方法之下，我们最多只是找到一些因子，把大家炒股用的因子数量化处理。
所以因子是投资中非常重要的一部分，那么如果我们能够更好地评判因子的效果，可能就对我们理解管理的效果更有帮助。
针对这个需要，ChatGPT会给我们建议：因子的暴露是如何定义和计算？如何平衡多个因子的暴露？这些因子的历史表现如何？以及基金经理如何处理因子之间的相关性？包括基金经理对因子有效性的期望值是什么。
可能今天我们看到的版本还比较初级，甚至大家已经在用了。但其实人工智能包括ChatGPT的发展是非常迅速的，我相信随着时间的推移会有更专业的数据及环节，来帮助我们做得更好。
下一个，包括我们在资产管理公司的某些同事，可能不是每个人都会编程。未来编程将会变成非常低门槛的操作，我们可以跟ChatGPT交互，让它帮助我们更好的编程，了解公司，了解因子，甚至做一套程序。
举个例子，我们可以请教ChatGPT，让它用python给我们写一个计算因子和检验因子的程序，比如说“factor”这样一个因子，它会给我们一个写好的程序。那么可以让每个人，甚至每个投资者，都可以更好地评价一个因子，或者是评价一个管理人。这是第一点。
第二点，像排排网现在有非常多的股票增量类基金，我们可以通过用ChatGPT在排排网爬取数据，让它作为一个程序化的工具，来帮我们比较不同的指数型基金。可能我们有思路，但是我们不一定会编程。我们可以把我们的思路和ChatGPT不断的交互，最终会形成一个编程程序，帮助我们更好、更快地了解到指数增强基金对比的特点。
以上是我认为ChatGPT如何帮助我们更好地评判管理人，包括筛选基金。但还有另外一点，我们发现，ChatGPT从3.0、3.5到4.0，可能到后面的4.5，它的发展很迅速。
有一个比较有名、大家可能目前还没有关注到的功能，我推荐给大家可能会用，我相信做资产管理的管理人、FOF后面会用得比较多的，Portfoliopilot，这样一个小插件，它可以帮助我们更好地把资产管理进行一个组合。
举个例子，我们来看这个视频，一位资产管理的经理，他教我们如何用这个插件来进行全球的资产配置，我们可以跟它不断的交互来使用，他会给我们一个比较好的答案。
比如说我们有多少买美国国债，多少买黄金，多少买美国的二级市场股票等等，它可以帮助我们，把我们想要的数据，通过人工智能的方式给我们一个很好的答案。
另外，当我做这份材料的时候，也就在两个月以前，这个插件库下面的页数可能还是1，今天是72，可能未来某几个月变成100。我发现随着人工智能的发展，这些插件是越来越丰富的，不论是资产管理还是评判股票、评判基金，相信有越来越多的适用于金融领域的插件值得我们使用。这也值得大家关注，也相信可以帮助我们做得更好。
最后总结一下，在第一个部分，我们认为ChatGPT包括人工智能可以重新定义家族办公室，以及重新定义超高净值人群的投资。这两个方向也是FOF和MOM管理人的核心客户群，所以我认为ChatGPT可以帮助每一个做FOF和MOM的管理人，未来可能还有更好的赋能。
第一部分比较快，也比较直接，因为确实不是我们擅长的领域，只是我们在不断的业务过程中有了一点点的使用经验，跟大家进行分享。
那么第二部分我们的视角切换回来，我们创业这么多年以来，人工智能在量化投资这个领域上，到底帮助管理人做了什么？它能够如何帮助我们做得更好？从这几个视角来给大家剖析。
提到量化，现在都会想到人工智能，想到深度学习，想到机器学习，它是一个离不开的词。但是到底人工智能、深度学习在量化领域是如何赋能的呢？
传统的投研逻辑都是从因子挖掘，到因子组合，到风控优化，到交易执行。我们首先看看投研层面，人工智能深度学习是如何帮助投研，包括如何更好地预测股票收益率的。
第一部分，因子挖掘，从传统的人工挖掘方式开始，到现在我相信市场上但凡能叫上名的量化管理人公司，都会大量的使用机器进行因子的挖掘。虽然它的可解释性不强，但是它加入到我们的因子里，会使我们整个因子组合的夏普提升得更快。
第二部分，大家也知道，包括幻方等等都购买了大量的算力，利用算力，我们可以把一些无法解释的、或者是可解释性不强的因子，通过人工智能的算法来进行更好的因子组合。
所以说在过去这两年，我们也发现人工智能在因子挖掘和因子组合方面一直在不断地赋能量化投资这个领域的发展。
第三部分，包括资产组合、风控模型等等，包括不同信号的组合，我们也可以尝试用人工智能的方式获得更好的组合结果，这是在投研方面的。
我们天算成立于2014年，2019年我们获得了金牛奖，2021年我们就有30亿了，但我们可能确实没有把握住2021年整个资本市场上涨，量化规模增长的这一波，现在我们规模60亿，我们也很相信可能在下一阶段进入百亿。在这个过程中我们经历了自嘲与反省，也看到市场上有很多管理人到了百亿又下来了，但是也有很多管理人一直在百亿以上。
在我看来，一个百亿的私募，它要具备百亿的投研能力、百亿的市场服务，也要具有百亿的公司管理。而人工智能不仅可以帮助我们的投研体系做得更好，甚至可以在公司管理层面上帮助我们做得更优。
相信在座的大家都是各个公司的管理层或者负责人，一个公司的企业文化，包括如何能够促进我们跟同事的交流，让公司整个文化变得更好，这些隐性的特点是非常关键的。我们可能看到一个管理人这周超额是2%，我们不要简单地觉得这2%完全是由研发带来的，它背后可能有公司的管理能力，有公司的投研能力，有公司的文化等等。
那我们来举个例子，人工智能如何帮助公司管理做得更好。比如说我们跟它交互——这是我们天算接入的一个接口，我们来问：从公司总经理的角度出发，在公司与下属沟通工作的时候，是应该先交流他不足的地方，还是应该先表扬他做得好的地方？这其实是一个逻辑问题，或者顺序问题。通过这样的交互，GPT给了我很好的答案。
不仅是这个问题，其实我们生活中遇到的任何一个问题，我们相信如果使用ChatGPT都可以变得更好。我们天算一直以来也是拥抱新技术比较快的公司，在ChatGPT推出之后我们就在全公司范围内让所有的同事来使用这个软件，虽然我们公司只有30人，但是我的感受很明显，用了ChatGPT之后，我们公司相当于有60个人，等于给每个人装了一个助手。
然后来到第三个部分：当你这么做之后，效果是什么？
天算量化的指数增强基金是做得比较早的，2017年就开始做。从创业角度出发，当时我们是听到李世石和AlphaGO的比赛，发现机器可以学习大量的棋谱战胜人类，就想我们是否也可以通过机器来进行股票的研究？所以我们从2017年就开始做这个领域，我们不能说是国内第一个做的，但至少是前三家用人工智能的方式进行股票研究的。从过去六年来看，中证500涨得不多，我们五、六年时间里还是跑赢了指数不少的。
当然今天讲这个并不是展示我们的业绩，而是我想从过去六年，我们分为三个阶段，来看一看人工智能是如何赋能的，以及未来，我们认为怎么样使用人工智能可以帮助量化管理人获得优势。
我们将整个过程分为三个阶段：
第一阶段是“人无我有”的阶段，2017年到2019年。那个阶段我们总结下来就是，任何一家量化管理人，会使用模型的，只要用了人工智能深度学习，都会获得非常大的优势。不开玩笑地说，那个时候甚至可以在国外的网站上复制一些策略模型来直接使用，都可以在中国市场赚取非常丰厚的alpha，这是人无我有的阶段。
这个阶段获得领先优势的人只多做了一件事情，就是比别人更早地用这个领域的技术。比如说我们可以看到在第一阶段，我们的超额是非常高的，这是第一阶段。也是在第一阶段，我们获得了包括金牛奖这样的奖项。
第二阶段是“人有我优”的阶段。今天来回顾的话，这个阶段有很多管理人上了百亿，他们做得好的有两点：第一点是深入研发AI，第二点是风控模型的使用。本身我们在这段时间没有发展得很好，因为我们在深度研发AI方面做了比较多的工作，但是并没有很好的做风控模型。
这里也给大家做一个汇报与交流，比如说第一阶段我们可以copy国外网站的一些模型来使用，第二阶段这么使用已经没有效了，我们要自己研发深度学习的模型，包括隐藏层的数量，包括激活函数的调整，包括神经元阶段的设计，这都加大了门槛。
在这个门槛之后，如果研发得很好是有很多优势的，但是至少对我们那个阶段来讲，风控模型并没有做得很优。为什么？比如说回到2017年到2019年，看起来某个管理人每年的超额有30个点，可能他是Pure Alpha有50个点，Risk有20个点，最终展现出来的效果非常优，但是随着中国量化规模的增长，追求Pure Alpha变得非常难，而Risk并没有变，这个时候如果没有很好的风控模型的话，结果就是你的Pure Alpha降低的同时，Risk没有被约束，整体超额就没法很优。这是第二阶段的效果。
回顾第二阶段，我们可以看到至少在我们的视角，当时除了我们，还有几家管理人超额出现回撤，这是为什么呢？
可以用这个图片做一个汇报，横轴是时间，纵轴是行业暴露的水平，不同的颜色代表不同行业。第二阶段我们没有很好的风控模型，这导致我们在不同行业的暴露，相对于指数是有一个很高或者是很低的超配，这也是第二阶段在2021年的时候一些管理人有超额回撤的原因，这也包括我们。有了这样的经验教训之后，我们快速迭代到了第三阶段。
第三阶段是“人优我先”的阶段。在这个阶段天算做了一件事情，也是我们认为，未来如果要在量化领域持续突破，我们要坚持或者是尝试做的事情——叫做创造性地使用AI和投研新赛道。
什么是创造性使用AI？随着ChatGPT的出现，以及大量的算力的市场推广，未来使用人工智能的门槛将变得非常低，可能普通老百姓(603883)或者一位投资者都可以很好地使用AI，很好地使用算力。算力也不再各家自给自足，我们也可以借调别人的算力帮助投研做得更好。总之未来用算力和使用ChatGPT这样的工具将变得非常普遍。这个时候我们的优势是是什么？是如何能够把它用好。所以在创造性使用AI方面，是值得每个管理人思考的一个点。
第二个点是投研新赛道，这一点至关重要，目前所有的管理人，Alpha里面可能就只有Pure Alpha和Risk两部分，如果单纯只追求Pure Alpha，不做任何其他的尝试，量化的超额肯定会从30个点、到20个点……甚至是消失。那么如何在这样一个市场中保持优势？我认为要有持续的创新能力。
提到这里我感触很深刻，比如说上次在排排网这边交流的时候，排排网做了一个东西，在我看来是真的很钦佩的。大家也知道今年衍复在排排网发了小市值增强，而本身我们也在小市值有一定的布局。我们在排排网看到这样的情况，就跟排排网沟通交流，因为不论是500增强，还是1000增强，选股模型是一样的，只是风控优化设计针对的指数不一样，有效性没有任何问题，我相信这个模型如果在500、1000跑得很好，那么小市值也会很好。但是很多公司有这样一个风控规定，说要实盘两年，我就说，如果我们还坚持这样的方式，两年之后可能超额就不是这样了。排排网还是很专业的，接受了这个观点，做了尝试。我真的是挺钦佩的。
如果我们能够在研发上用新的赛道，敢拥抱新的技术，创新并不可怕，如果你们认为创新是风险，那我认为你是不够专业，如果你专业，创新就不是风险，它是一个更好的抓手。
那么在第三阶段我们做得怎么样呢？我们来汇报一下，创新使用AI加我们的新赛道，天算在过去一年有什么效果？大家既然是做FOF、MOM的，我相信我们的数据在很多管理人看来应该是不错的。
这是因为我们做对了两个事情，一个是创新使用AI，另一个就是能够更好地使用新技术。在新技术方面我们做了什么事情？目前我们有两个方法论，在这个人有我优的阶段，也是不断创新的结果，叫做行业轮动和市值轮动。
提到行业轮动和市值轮动，这可能是每个人都在追求的目标，包括每一个炒股的股民也希望能做到。可能因为很多人没做到，所以觉得这个不可能做到，但是其实，我们可以通过不断的尝试来做到很好的效果。
比如上面这张图，横轴是时间，纵轴是暴露的水平，不同颜色代表不同的行业，当我们能很好地预测股票行业收益率的时候，可以通过轮动来贡献更高的超额，这就是行业轮动效果。过去一年天算能在市场上取得一定的领先优势，我们的规模在过去一年增长了几十亿的原因，也是因为我们想到这个布局，更好地研发了一些新的东西。
我们甚至可以问问ChatGPT，比如说你认为对于指数增强基金来说，行业轮动是不是一个比较好的研发赛道？
它给了我们一个非常清晰的答案：虽然说很有挑战，但是值得研究，尤其对于量化基金来说，我们可能发现影响行业表现的新的预测因子，从而提高行业轮动的表现。
我觉得它里面的观念是非常专业的，本质上来说，我们行业轮动的模型也是预测行业收益率。在这里，GPT已经给了我们暗示，比如说新的预测因子、影响行业收益等等，虽然我们并不是先用了ChatGPT再研发我们的行业轮动模型，这个顺序是倒置的，但是如果我们能更早地和ChatGPT交互，可能会使我们的观点更早地涌现出来，可能我们会做得更好一些，更早一些。
第二个是市值轮动，大家请看这张图，横轴是时间，纵轴是暴露的水平，不同颜色代表了方案上不同的风格因子。我们目前把其他的风格因子都控制在正负0.4个标准差，蓝线很抢眼，它的市值在上下窜，本质上是因为我们的模型里面有市值轮动的策略。
我们提到行业轮动，我希望大家不要是第一个就想到风险，所有的事情都有风险。我们应该想到的是，你承担相应的风险，你的收益是什么？你的风险是不是可控的？如果在这个视角看待一个新事物，可能更高效，也更直接一些。
目前，至少在过去一年半的时间里，我们验证了我们的行业轮动和市值轮动有好的效果。
当然我的验证可能不重要，我们问GPT，GPT也就市值轮动这个尝试给了我们一个肯定的答案：认为市值轮动会是一个非常好的赛道。下面我们来看一看，当做到了创造性地使用AI，以及新赛道的尝试之后，能做到什么效果。
可以看到，至少在过去一年，我们和市场上百亿私募的平均相关性是低于0.45的。相关性低，不论对于FOF、MOM，还是券商让客户来配置资产的时候，是最重要的一个指标。
包括我们之前路演的时候，有人来问我，你如何说服我赎回别人来买你们，我认为这个问题有失偏颇。我的目标不是说服你赎回别人买天算，而是作为一个超高净值客户来说，你应该选择我们这样能力差不多，但是相关性比较低的管理人做一个均衡的配置，这样对于FOF、对于MOM，对于一个高净值客户来说才是一个真正专业而有利的事情，而不是赎回A买B，这很不专业，也完全没有必要。我们需要的是追求一个新的、相关性比较低的资产，这样一个资产才能给大家提供一个额外的价值。
最后一个部分我们讲讲不仅是量化领域，包括我们个人，我们怎么样让ChatGPT帮助我们做得更好。
我们发现，华人数学家陶哲轩说ChatGPT可以帮助他更好地进行大脑发散思维模式的训练。举个例子，虽然ChatGPT不能帮助他直接解决这个数学问题，但是可以帮助他省去大量的繁琐的计算工作。第二点，通过跟ChatGPT不断的交互，你问它问题，它给你反馈，你再继续问问题，相当于是头脑风暴，相当于对面坐了一个很高级的数学家，能给你反复地探讨这个问题。
其实我们都可以试一试，我们问ChatGPT一个问题，它给了我们A解。我们针对A解给它一个想法，它给我们一个B的想法，在不断交互的过程中，它可以拓展我们的思维，让我们变得更好。
讲这些，语速很快，也只有20分钟时间，材料准备了几天，对路演的内容也没有想太多，只是本着一个随心交流的想法，也希望把这些想法给到大家。
目前可以看到，ChatGPT、人工智能很完美、很完善，它可以帮助资产管理、量化甚至是帮助每一个人做得更好，但是最后一点，也是最重要的，人工智能无法赋予的，也是我们认为最重要的部分，就是人与人的链接，所以这里要特别感谢排排网给我们一个机会，能给我们，给我们天算跟大家建立一个连接的机会，希望大家共同学习，共同成长。
