天風(fēng)資管孫永亮：數(shù)據(jù)驅(qū)動(dòng)智能決策變革 量化重構(gòu)FOF投資邏輯

　　中證報(bào)中證網(wǎng)訊（記者 張鵬飛）日前，天風(fēng)資管組合投資總監(jiān)孫永亮在接受記者采訪時(shí)表示，如何在眾多私募基金中挑選出優(yōu)質(zhì)標(biāo)的，一直是FOF管理人面臨的挑戰(zhàn)，如今，量化方法甚至AI技術(shù)賦能量化投研平臺(tái)，為解決這一難題提供了新的方向。

　　作為國(guó)內(nèi)較早接觸FOF投資的投資經(jīng)理，十年來(lái)，孫永亮親歷了技術(shù)變革對(duì)FOF投資的深刻重塑：從初步引入自動(dòng)化流程，到將傳統(tǒng)FOF的定性決策轉(zhuǎn)向數(shù)據(jù)驅(qū)動(dòng)的動(dòng)態(tài)量化分析，再到將機(jī)器學(xué)習(xí)方法引入到策略環(huán)境適應(yīng)性分析。孫永亮始終站在技術(shù)前沿，其職業(yè)軌跡完整映射了國(guó)內(nèi)FOF投資從人工經(jīng)驗(yàn)主導(dǎo)到數(shù)據(jù)智能驅(qū)動(dòng)的范式變革。

　　從數(shù)據(jù)驅(qū)動(dòng)到智能決策

　　“FOF投資的核心在于資產(chǎn)配置和基金選擇。”孫永亮表示，“相較于依賴基金經(jīng)理經(jīng)驗(yàn)和主觀判斷的傳統(tǒng)FOF投資，量化技術(shù)通過(guò)統(tǒng)計(jì)和歸納歷史數(shù)據(jù)規(guī)律，為資產(chǎn)配置提供數(shù)據(jù)支持，幫助FOF管理人更好地理解市場(chǎng)情緒和宏觀經(jīng)濟(jì)環(huán)境，使得投資決策可以基于海量數(shù)據(jù)和復(fù)雜的算法模型，從而實(shí)現(xiàn)更加科學(xué)客觀的決策?！?/p>

　　量化投研平臺(tái)，是量化賦能FOF投資的重要工具，它通過(guò)數(shù)據(jù)整合與分析、基金篩選與評(píng)估、組合優(yōu)化與風(fēng)險(xiǎn)管理、策略研發(fā)等核心功能，為FOF投資編織了一張“數(shù)字神經(jīng)網(wǎng)絡(luò)”。隨著技術(shù)的不斷進(jìn)步，量化投研平臺(tái)正在從單一的工具向綜合的生態(tài)系統(tǒng)發(fā)展，“未來(lái)的量化投研平臺(tái)將不僅僅是一個(gè)數(shù)據(jù)分析工具，而是一個(gè)集成了數(shù)據(jù)、算法、交易和風(fēng)險(xiǎn)管理的綜合生態(tài)系統(tǒng)?！睂O永亮表示。

　　在孫永亮帶領(lǐng)下，天風(fēng)資管搭建了生態(tài)化的FOF投研平臺(tái)，它可以通過(guò)多維度的數(shù)據(jù)分析，幫助FOF管理人篩選出優(yōu)質(zhì)的私募基金。通過(guò)分析更多的變量，如基金的風(fēng)險(xiǎn)與收益權(quán)衡、風(fēng)格因子敏感度、交易行為特征、環(huán)境適應(yīng)性等，來(lái)評(píng)估基金的潛力和風(fēng)險(xiǎn)。還可以通過(guò)組合優(yōu)化算法，幫助FOF管理人構(gòu)建更加高性價(jià)比的投資組合，力爭(zhēng)讓收益和風(fēng)險(xiǎn)得到平衡。

　　AI助力投資策略

　　孫永亮告訴記者，量化助力下的投資決策采取自上而下與自下而上相結(jié)合的框架：自上而下是俯瞰云端的戰(zhàn)略羅盤，自下而上是深耕土壤的戰(zhàn)術(shù)顯微鏡，二者在技術(shù)催化下，打造了攻守兼?zhèn)涞拿c盾。

　　自上而下維度，在頂層采用量化擇時(shí)技術(shù)預(yù)判市場(chǎng)走向，并在機(jī)器學(xué)習(xí)技術(shù)輔助下對(duì)市場(chǎng)環(huán)境特征進(jìn)行拆解，結(jié)合各類資產(chǎn)或策略的環(huán)境適應(yīng)特征，來(lái)決定每類投資占多大比例，并結(jié)合宏觀分析形成資產(chǎn)權(quán)重的基準(zhǔn)。

　　具體而言，就是以量化為技術(shù)基礎(chǔ)，結(jié)合宏觀研究給出自上而下的配置基準(zhǔn)方案。第一步，使用風(fēng)險(xiǎn)預(yù)算模型確定各資產(chǎn)的基礎(chǔ)比例；第二步，若宏觀經(jīng)濟(jì)、政策等發(fā)生重大變化，對(duì)各資產(chǎn)配置比例進(jìn)行調(diào)整；第三步，定期計(jì)算趨同度、RSRS等量化擇時(shí)指標(biāo)，預(yù)判大盤的中短期走勢(shì)。同時(shí)，參考當(dāng)前市場(chǎng)的環(huán)境分析，重點(diǎn)關(guān)注最適應(yīng)當(dāng)前市場(chǎng)環(huán)境的資產(chǎn)。

　　自下而上維度，量化技術(shù)可以幫助FOF管理人建立數(shù)字化的子基金管理人篩選體系，力爭(zhēng)通過(guò)定量分析和定性評(píng)價(jià)相結(jié)合的方式對(duì)子基金管理人進(jìn)行全面評(píng)價(jià)，以篩選出符合FOF產(chǎn)品的優(yōu)秀子基金管理人。而自下而上維度篩選子基金管理人更多依賴于數(shù)據(jù)分析和實(shí)踐經(jīng)驗(yàn)。

　　“最終將自上而下的資產(chǎn)配置和自下而上的子基金管理人遴選進(jìn)行緊密結(jié)合后，組合主要投向指數(shù)增強(qiáng)、市場(chǎng)中性、管理期貨、套利、宏觀對(duì)沖、復(fù)合策略等幾個(gè)方向，并且在股票等風(fēng)險(xiǎn)敞口上進(jìn)行嚴(yán)格測(cè)算控制?！睂O永亮表示，投資策略的執(zhí)行依托于天風(fēng)資管自研的FOF投研平臺(tái)，量化方法貫穿于天風(fēng)資管整個(gè)FOF投研體系中。經(jīng)過(guò)投資實(shí)踐的沉淀，已經(jīng)形成較為成熟的FOF投研框架和體系。

　　避免過(guò)度依賴模型

　　孫永亮表示，盡管量化技術(shù)在FOF投資中展現(xiàn)了較大的潛力，但投資者需要清楚地認(rèn)識(shí)到量化技術(shù)的局限性。量化模型的預(yù)測(cè)能力依賴于歷史數(shù)據(jù)，而金融市場(chǎng)具有高度的不確定性和非線性特征，歷史數(shù)據(jù)并不能完全預(yù)測(cè)未來(lái)。因此，投資者在使用量化甚至AI工具進(jìn)行投資決策時(shí)，仍需結(jié)合自身的經(jīng)驗(yàn)和判斷，避免過(guò)度依賴模型。

　　他坦言，由于量化模型嚴(yán)重依賴數(shù)據(jù)（特別是高頻數(shù)據(jù)），在以下幾個(gè)情況下略有不足：一是歷史數(shù)據(jù)不真實(shí)或夾雜太多干擾信息，二是數(shù)據(jù)更新不及時(shí)或數(shù)據(jù)統(tǒng)計(jì)時(shí)間較晚，三是市場(chǎng)環(huán)境特別是宏觀環(huán)境發(fā)生較大變化時(shí)。“未來(lái)的FOF戰(zhàn)場(chǎng)，將是‘人機(jī)協(xié)同’的交響。”孫永亮對(duì)記者表示，包括AI在內(nèi)的量化技術(shù)本身在不斷發(fā)展，天風(fēng)資管的FoF團(tuán)隊(duì)會(huì)持續(xù)學(xué)習(xí)和優(yōu)化自己的投資方法，讓投資者有更好的投資體驗(yàn)。