体育
系列新增3篇文章
主讲嘉宾：董艺婷
主持人：中关村大数据产业联盟 副秘书长 陈新河
承办：中关村大数据产业联盟
嘉宾介绍：
现任光大富尊投资有限公司研究总监。富尊是一家纯量化管理的投资公司，管理团队为前国信证券金融工程研究团队，曾连获国内金融工程最佳团队荣誉，是国内本土组建时间最长的量化团队，团队核心成员从2005年起就参与国内市场衍生品创新工作，对本土金融创新和量化投资的痛全程感受。
以下为分享实景全文：
现在我所在的公司 是一个完全以量化模式投资和管理的公司。
作为国内最早涉猎量化投资的团队，我们的状态很有意思，许多工作都是自己从0开始动手，经历了很多“凑合”的过程，也看到很多业务、市场、需求，从我们意识到，到最终实现，经历了很长很痛苦的过程。当然，好处是，这样我们总能知道三年后市场需要什么。
下面的内容 有很多可能和技术关系不大大家权当娱乐哈。
阿托卡，是一艘神秘的沉船，许多人相信，找到它，就找到了一个巨大的宝藏，没有人知道它沉睡在哪里。我一直觉得，量化投资就是这样一种工作——数据就是我们的海洋。找到阿托卡，除了我们必须付出的努力，还需要很多因素：谨慎、冷静、勇气，和“远在星辰之外的运气”。这样说似乎遗漏了技术——这正是我想表达的：技术是世界的一部分，它使世界更美好(也许?)，然而它不能改变世界的规律，作为一个“依赖规律”生存的职业，我希望技术是我们手里的矛和盾，但不是我们的灵魂——而它让我们的灵魂更自由，更高效(在我可以承受的成本下)。
讨论技术问题，首先要看这些技术所在的环境。这是我始终成不了技术专家的最大问题——斤斤计较，想得太多。对于一个始终在国内市场做量化投资的人来说，我想先描述一下自己的生存环境和一路走来的感受。
09年，从“衍生品业务”的梦中醒来，沉浸在失业的焦虑中时，领导说，我们做量化投资研究去吧。我说好吧——可是我会么?一开始只有4个人，最起码我自己写的东西现在看来惨不忍睹，没有成熟的研究流程，没有合理的方法论讨论，可行性也堪忧。感谢那些在会议室快睡着但仍忍耐我的客户——让我们得以成长至今。然而也正是因为如此，我们承受了太多行业发展中的“技术外”或者叫做“业务外”因素带来的痛苦——收获是现在对任何问题的思考，都不再是一个独立的思考。请大家不要忽略上图中“数据”和“系统”之外的其他四个饼——如果没有它们的保护，我们随时会失业。我们想得太多，恰恰是因为我们珍惜。
2010年和2011年，当我们的团队如日中天(请原谅这个破词)的时候，我写过两篇文章，叫做通往量化投资的成功之路，每年一篇，用于分析行业发展状况，预测未来的业务领域。几年时间过去，其中的事情几乎都变成了现实，我看见很多人在雀跃，认为对冲的时代来了，“我们的时代”来了，然而我心里没有一丝高兴的感觉——这意味着更为激烈的竞争，更低的边际效应——甚至该哭吧?
讲完上面那些废话，下面可以好好讲讲，在这样的心态下，对数据和系统，我是怎么想的了。
其实上面这两张图的标题已经表明了一切。里面的每一块内容在大家看来都那么清晰明了，简单得就像今天中午的午饭，有一碗米饭，一碗汤，两碟素菜，半条鱼和一块大排。然而在我心里他们是一个复杂如宇宙的存在——无数细节问题，足够写一本可以砸断脚的书。
最起码，有那么几个不算太细节的问题：1)从哪儿来?2)能用吗?3)购买成本?4)存储和维护成本?5)预处理成本?6)其它应用中的技术问题——怎么用?怎么存?怎么保障安全?
正因为如此，每遇到一个系统商，或是研究平台提供商，或是策略提供商，我首先会问上述关于数据的问题，还会问下面要讲到的精度问题。在一次业界交流会上，对面的一位友军实在受不了我的絮叨，提醒我“对精度的过分要求如果和低智商匹配，就会有精神分裂的危险。”
和精神分裂相比，我觉得还是命比较重要。
我不知道在其它领域你们能否得到关于数据的上述服务，最起码我得不到，或者买不起。因此我们只能靠人肉去做这些工作。当一个人带着进入核爆模拟实验室的预期来到我们的工作环境时，当我让他们花几个月的时间去看数据，去做一次上述流程的时候——我在他们眼里看到了深深的失望，和被伤害的委屈——父母老师精心培养了二十余年的精英，就是干这个的吗?可是我也很委屈，如果连一个还没毕业的本科学生都能从“公开信息来源”比对出这个数据库的明显错误，这个数据库凭什么要我付出那么高的年费?我们所赖以生存的大数据，到底是个什么东西?
有人喜欢用“模糊的准确”和“精确的错误”来表达对他们的态度：对数据吹毛求疵没啥必要。我想有两件事需要说清楚：1.在资本接近零和的博弈中，有模糊的准确就一定有模糊的不准确，而后者的后果，我无法承担。2.对数据吹毛求疵，是希望消除不必要的“误差”而不是“错误”。错误就是错误，模糊和精确都可能带来错误。误差却是一个可怕的东西，它在不知不觉中可以传导成一个巨大的错误，人人都知道蝴蝶和飓风的故事，把它时刻放在心上的人却很少。
如果你忍耐了1到3年，把“吹毛求疵”这件事做好了，你就会是本土量化投资领域最有竞争力的TOP20%之一。花在这上面的时间一点儿都不会浪费——当你知道为什么数据必须是那个样子的时候，你已经懂得了很多人为什么会栽跟头，或者说，他们为什么亏钱?接下去，你可以进入一个灵魂自由的领域了。
其实上面这个流程里有很多事我也还没做。这是我理想中的后台部门能为我解决的一个工作环境。到现在为止我还在为之努力——没钱，也没人。我从未想过像我这样一个人会为这些事情烦恼(我的意思是从小到大我其实一直被认为是粗心直率的);然而现在这已经变成了我的理想之一(其它理想可能包括世界和平，蓝天绿水，动物快乐等等)。
不可避免的还是讲讲系统吧。我的检验标准暴力而直接。这里说的钱，千万不要认为只是“收益率”——它的含义是：管理成本、Quant的工作效率、交易速度和成本、风险控制的准确度和效率、资源分配的优化程度等等。而一个好的架构师，不但要懂数据，还要懂需求，知道我们这些人打算拿着数据干啥去——很多架构师不耐烦听我讲这个，或者以为他们所理解的就是我讲的，我一直认为这种工作流程是本末倒置的——当你不知道目的地在哪儿的时候就买好了路虎，可是我只不过想通过一条独木桥到对岸去。
这个，同属我的理想之一。是我在问过几个系统商同一个问题之后忍无可忍的结论，其它躺枪的系统商勿恼。
实际上我的不满并非完全来自于速度，相反，我并不追求没有必要的高速——因为那可能是以高成本为代价的，还有可能是以牺牲风控为代价的。我只是希望，无论是系统商还是我们自己，都知道时间去哪儿了——每一部份的耗时，做一个敏感性分析，并没有那么难，为什么不去做，而是选择用成本和风控来作为速度的代价?
系统商和数据商遇到我这样的客户会觉得非常烦——他们已经加班了很久，老板的利润之刀就悬在脖子上。实际上我的状态也好不到哪儿去，但我坚持，要做好一件事情，咱们得有个合理的流程，流程之一就是：了解客户需求-〉理解客户需求-〉用最高效率和最低成本完成这个需求。而不是先造出一辆车再来问我到底在什么路上开?当我想问问这辆车的汽油在某种路况和速度下的消耗速度时，你说这谁知道?
下面这张图，是我的另一个理想(呃，理想太多了)——通过系统让量化投资成为一份幸福而安全有效的工作。事实上基于这个理想的系统架构，有两个。
其中一个已经写完了三年，在其中无数人找我谈过它的商用，现在仍然没有落实：两年前是因为它太超前，客户还没培育起来，现在是因为匹配的数据和系统太贵，而我不敢冒险把技术架构给任何没有商业合同约束的潜在合作伙伴。另一个的架构搭好了有半年，我们仍在人肉准备基础数据中——
这两个系统将用于量化策略(或其它一切可以用确定资产组合来表达的策略)的评价、管理、风控、验证、配置...等等，总之就是解放一个人的思想，让它自由而快乐地思考，大量计算和验证的工作，都交给系统。(前提是，数据可靠，接口统一，函数体系符合业务逻辑，速度足够快，输出足够友好)
要达到上述目标，在我眼里，技术，是最后一个需要考虑的问题，因为每一个步骤，我们都知道howto do。现在的问题是 how to cost 和 who to do it?
再扯得远一点，当很多人发现他们也需要这样一个东西，开始往里投钱的时候，想做no1 已经没有那么简单了。我们需要的，就是从现在，就开始。
最后，请大家原谅，在这个技术大牛满天飞舞的群里，我讲了那么多和技术无关的东西。然而我相信你们懂——我只是希望数据和技术，在最懂和最爱它们的手里，在一个灵魂自由思想自由的环境里，把它们用在刀刃上，做该做的事情。希望我的几个理想能够一一实现，也希望它们给你一些启发，谢谢你们对工作的热情，这两周我总是在十点以后躲在卫生间里看这个群的演讲，它们让我重燃实现理想的希望，谢谢!
[互动内容]
Q1 xiaozhe: RW 国内的量化投资现在大概处于一个啥阶段?
董艺婷:作为其中最早的实践者之一 我们现在还处于小米加步枪的状态,2011年有人说是对冲元年,到现在也没人说量化元年,对冲不等于量化,量化也不等于对冲.
xiaozhe: 指期货还是权益投资?
董艺婷:量化投资其实是个极为烧钱的业务。关于这个问题，我和白老师讨论过。我并不赞成过度烧钱，但现在的问题是基础的环境和制度和商业配套均无。这才是it业界需要关注的机会吧。无论期货还是权益 这些都只是资产配置工具而已啊.甚至包括债券 货币 其他衍生品otc都算在里面.它们都只是量化地实现风险收益的过程中可能用到的资产工具而已。实际上国外的先例极多，各种高大上的系统和数据供应商，针对对冲基金的。技术上，软硬件上都用到了各种能想象的顶级配置。但前提是，金融行业发展到了需要这么做的阶段。而对我们来说，这一切刚刚开始，什么都没有。我们也可以烧钱，前提是证明烧钱的结果赚到更多的钱。这个边际效应是下降的。初期高边际，容易占领高地的时候，实际上是周边供应商的最好时机。然而能这么想的人很少，大家可能期待我讲，我们是怎么投资的，怎么做这个事情的怎么赚钱的。。。实际上那些“idea”在整个工作中所占的时间非常短。国外量化对冲基金的后台和前台，最起码在人力配置上是20:1的关系，当然后台可能外包。而我们，是相反的，我公司21个人,专职it只有3个。大部分开发工作，需要前台的人来做。这难道不是一个巨大的商机?我期待有人从我那些吐槽式文字中看到背后的这一点。
看来我需要重新理一下量化投资这个产业链。首先我们需要采购数据。然后我需要做数据质量检查，使它符合我的业务需求。然后这些数据进入我们的策略开发环节。然后我需要对这些策略做审核和管理，质量检查后，根据投资团队对风险收益的要求进行风险调整(多还是空?买什么卖什么?那是资产配置和策略配置的结论，根本不是一定a或者一定b的)，然后我们的投资管理团队进行我们的资产配置和策略配置。然后进入事后风控。前面的投资阶段我还有事前和事中风控。
Q2王恺： @富尊投资 董艺婷 数量化对冲投资 请教一下，在证券公司等传统金融机构做量化投资和您现在相比较，优劣势在哪儿，对他们有什么建议。
董艺婷:其实在哪儿不太重要。因为准入基本一样。具体有很多细节，比如账户啊资金啊这些讨论起来太复杂了，会引发很多新问题。我们也是传统券商出来的，现在仍然是券商的全资子公司。关键还在于怎么做事，是否知道量化投资这个业务需要怎么运营怎么管理。它并不是一个一锤子买卖，找到一个或几个赚钱的模型万事大吉(好多人这样想)...
业务环境上的优势劣势 基本在细节中。而管理模式并不在乎土壤是什么。
Q3卿刚:观察：量化投资模型是关键
董艺婷:一定要这么说的话，那么，为高效而精准的模型提供工作环境，是更关键的。
卿刚:数据是基础
赵刚：@董艺婷 您整个公司都做量化交易?
董艺婷:是的
卿刚:理解：是一个以数据为基础的金融模型去定量的分析投资的方法。强调：纪律，系统性，套利思想和概率取胜。所以数学知识和IT工具在这里很有潜力,在想华尔街是否应该已有类似的业务软件。
董艺婷:太多了,我知道的成功案例都非常多,嘿嘿不过不要想“为啥不引进”这样的问题,众多国外金融软件引进都是很失败和惨痛的。
卿刚:当然拿来主义不可取,参考借鉴也许有必要
董艺婷:借鉴的是哪个层面?这个问题很重要,首先要理解国内金融体系的特殊之处 这个必须是业界才能回答得问题。
卿刚:毕竟国外已有3，40年的量化实操经验,架构是可以借鉴的,业务流程在国内需要本地化
董艺婷:需要本地化的第一样东西绝对不是流程。相反，它的整个流程是值得学习的。国内是太缺合理流程了,普通后台基本停留在采购电脑 安装杀毒软件链接网线采购系统和一些初级开发的范围内...这恐怕是金融行业目前最为软肋的一个部门。it行业为零售业做了那么大的推动 在这儿咋还不进攻?我们都等急了.
卿刚:流程涉及本地法律法规,如不本地化，银监，证监等是否操作不了.
董艺婷:哦 你说的是这个...是准入 不属于量化业务特有的流程.
原文发布时间为：2014-06-04
本文来自云栖社区合作伙伴“大数据文摘”，了解相关信息可以关注“BigDataDigest”微信公众号
