达尔文量化科技创始人薛剑波(资产配置,量化投资策略)3月3日在线访谈

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

热烈欢迎达尔文量化科技创始人薛剑波于3月3日下午3点接受经管之家的在线访谈。
感谢薛老师抽出时间和大家进行在线交流。
交流领域：
全球大类资产配置以及优化模型
自动化交易系统以及量化交易策略

欢迎大家热烈提问。
问题的提问者会获得50论坛币的奖励

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏2 回帖

关键词：投资策略 达尔文 创始人 在线

薛剑波 – FRM
研究方向：
全球大类资产配置以及优化模型
自动化交易系统以及量化交易策略

教育背景：
1998年上海交通大学本科机电一体化
2001年德国斯图加特大学信息工程学硕士
2006年瑞士联邦理工大学计算机 博士候选人
2008年瑞士洛桑大学商学院 金融工程硕士

职业背景：
2007-2008瑞士UBS银行财富管理部 实习
2008-2011 瑞士再保险全球资产管理部  量化分析师（助理副总裁， 副总裁）
2011-2015 瑞士Julius Baer银行亚洲财富管理部 投资经理（副董事）
2016 北京宜信金融产品创新部 – 智能投顾（总监）
2017 达尔文量化科技 – 创始人

坛友dahai229：
尊敬的薛老师您好，麻烦请教个问题。最近几年有些研究讨论risk parity 和smart beta 的应用，但是也有人提出一些批判，不知道实务界怎么看待这些策略，尤其是一些有批判的地方会怎么处理？非常感谢，祝您一切顺利！

坛友futuretrunks：
薛老师您好！想请教三个关于股票alpha策略的问题：
1. 目前广泛使用的多因子模型， 在学术界有不少相关的论文， 但关于因子组合时权重的确定， 却少有文献提及， 不知业界在因子权重优化方面有哪些实用的方法？
2. 从构建策略使用的数据出发， 大致分成量价数据和基本面数据， 但量价数据的研究众多， 策略更拥挤， 而基本面， 尤其是基于财报的数据， 频率太低， 不知老师觉得未来股票alpha策略的研究， 哪一个方向的数据会更有前景？或是哪个新的领域更值得探究？
3. 老师对基于机器学习的策略如何看？未来前景怎样？

用python实现量化交易_From薛剑波老师：https://bbs.pinggu.org/thread-5015032-1-1.html

期待大家的热烈提问

老师好，做为一个量化从业者，想请教一下几个问题：
1.大类资产配置方面目前有哪些模型可以用，能详细说一下，我只知道凯利模型，美林时钟，桥水基金的全天候策略，全球资产配置的话，有哪些渠道，一般券商开通购买海外资产交易成本高吧！
2.FOF也相当于是一个大类资产模型的一种，从马克茨威利组合来看，求最大受益或者最小风险，除掉线性方面，有没有其它非线性，如果是非线性如何处理！
3.alpha策略偏选股，在alpha选股里可以加上择时吗，或者市场上有有没有既择股又择时的策略？

4.

资料狂人 发表于 2017-3-2 10:24
坛友dahai229：
尊敬的薛老师您好，麻烦请教个问题。最近几年有些研究讨论risk parity 和smart beta 的应用 ...

risk parity 以及相关的应用，应该是随之bridgewater的成功， 逐渐为业界所了解的。但是risk parity的核心， 其实是基于risk风险的资产配置模型， 在业界一直在被采用。 我们可以这么理解， 传统的资产配置模型， 是根据可用的资本金， 构建一个投资组合 - 在不同资产上的投资额度。 这种方法可以叫做Asset Allocation。这种方法普遍为大多数的基金和资管公司所接受。 采用的方法主要是Mean-Variance Optimization, 给定总资本的限定。

现在对于众多如保险基金， 养老基金，以及需要得风险控制更为严格的机构来讲， 基于风险的资产配置也就是是Risk Allocation, 就更为重要了。 举个例子， 比如一家基金公司管理了1亿元资产， 用Asset Allocation的方法做的资产配置是（股票70%=7千万， 债券30%=3千万）。 如果这家公司要求VaR（99%的几率下每天损失）<100万， 那我们就需要用Risk Allocation的配置方法： 配置的目标是最大化收益率， 而限制条件是总VaR< 100万。 这样配置方案也许变成（股票30%=VaR 30万， 债券70%=VaR 70万）

采用Risk Allocation的方法， 对于普通投资机构来说， 复杂度很高。 通常采用的Risk Capital为VaR，DV01， CR01等。 但是跟传统Asset Allocation相比， 对风险管理的更为精准。 比如，如果公司需要投资如Swaps，以及其他复杂的结构化产品， 这类产品的特点是买入是账面金额为0， 但是风险和收益巨大。 如果用传统的Asset Allocation， 基于投资金额进行投资组合分配的话， 这类资产的资本金配置额度与实际需要配置的配置额度完全不符合。 但是如果通过Risk Allocation对VaR的额度来配置的话， 结果就一致了。

大型基金如养老金， FOF等， 都在采用Risk Allocation的配置方法，据我所知。

资料狂人 发表于 2017-3-2 10:24
坛友dahai229：
尊敬的薛老师您好，麻烦请教个问题。最近几年有些研究讨论risk parity 和smart beta 的应用 ...

Smart beta 是另外一个趋势： 就是金融市场分层化的趋势。 传统理论将资产的风险回报，分为beta和alpha。 beta为市场相关的回报， alpha为资产管理者所带来的超额回报。 随着越来越来机构和个人掌握了金融投资的能力， 就发现以前alpha所涵盖的超额回报， 可以通过其他比较简单的手段获得。比如通过特定风格， 如投资中小盘股票， 成长型股票， 可以系统获得的回报。 这些回报， 就被定义为Alternative Beta。 现在越来越来机构， 将这类Beta实现在ETF基金产品上， 叫做smart beta。

对于对冲基金而言， smart beta的出现当然会减少他们的Alpha的量，迫使他们寻找其他的alpha来源， 是一个挑战。 对于普通的基金，尤其是养老金以及以风险管理为主要特征的资管公司而言， smart beta的出现， 可以更有效且经济的管理风险， 对冲风险， 是一个好事儿。

资料狂人 发表于 2017-3-2 10:35
坛友futuretrunks：
薛老师您好！想请教三个关于股票alpha策略的问题：
1. 目前广泛使用的多因子模型， 在 ...

1. 通常而言， 股票策略的核心在于寻找好的因子， 以及如何配比因子。 因子组合权重的配比，应该是一个随着市场状态的变化进行动态调整的过程。方法可以参见交易算法的调参方法， 通过机器学习以及其他非线性自适应的方法，都可以尝试一下。 问题的核心还是在于你的因子有效性是否好。
2. 我觉得，基于舆情sentiment的实时信息， 是一个很有效的短期因子。 基本面因子通常对股票价格有预测作用， 但是数据量小， 预测偏差大。 量价样子通常是对股票价格运行趋势的确认作用， 对价格走势而言比较滞后。 实时舆情有利于填补两者空白， 美国不少基金公司通过利用这个因子，获得不错的收益。
3. 机器学习在量化股票投资领域大有可为。 股票由于数据量大， 维度多，数量多， 传统的相关性分析和统计模型， 对于选股而言，使用起来有一定困难。 但是利用机器学习的模型， 可以比较有效的挖掘出股票价格相关性的模式。