2019年 12
月12日-13日，由私募排排网、恒泰证券、银华基金主办，恒泰期货、利位投资联合主办，路孚特、凯纳资本、融航信息协办的“第八届中国对冲基金年会”于北京隆重举行，年会以“蓄势谋变·聚势启新”为主题，为投资者带来多元丰富的投资飨宴。
在12月13号的“量化投资新时代：谋势与谋时”圆桌论坛上，我们邀请到恒泰盈沃投资总监李玥先生、路孚特量化解决方案专家陈锴扬先生、凯聪(北京)投资CEO
易聪先生、凯纳资本联合创始人陈曦先生、致诚卓远(珠海)投资段莹女士、上海申毅投资机构部总监杨怀杰先生。各路精英齐聚一堂，纵横捭阖，议题包括量化投资策略的探索与崛起之路、国内外量化投资的新趋势与新机遇、大数据及AI技术在量化投资中的应用现状与发展前景、量化投资中的风险管理与风险控制措施、2020年A股未来投资机会与风险等。
以下是精彩内容摘要：
主持人：
请几位简单的介绍一下自己和自己公司的情况。
李玥：
各位领导朋友，大家下午好，我叫李玥，来自恒泰盈沃资产管理公司。恒泰盈沃资产管理公司是恒泰期货的资产管理子公司，也是中国证券投资基金业协会的注册会员。公司的产品线涵盖固定收益、FOF、量化CTA、股票多头等策略，公司的主要目标是为客户创造长期持续稳定的绝对收益。
陈锴扬：
大家好，可能大家对于路透这个公司更加熟悉一些，我们前路透是金融和风险条线的。在去年这条线被黑石公司收购了，收购之后，我们就更名为路孚特。我们路孚特是全球最大的金融数据，包括基础设施的提供商之一。在全球为190多个国家和4万多个机构提供数据的服务。我是我们路孚特中国区量化解决方案顾问，主要对接的包括国内的公募、私募、银行和资管，简单来说就是为在座的各位提供量化解决方案，包括技术支持。
易聪：
大家好，我是来自凯聪投资的易聪。公司注册是在2011年9月份，到现在已经8年多了，公司的主要合伙人都是从英国伦敦金融城回来，之前都是在那边的投行和对冲基金进行交易。所以我们现在的策略是以套利策略为主，包括衍生品套利(在国内主要是期权套利)，还有商品期货套利，以及一些股票统计套利之类的策略。
陈曦：
非常感谢排排网，我们是上海凯纳璞淳资产，从2012年成立到现在专注量化投资7年了，是国内比较少做基本面多因子的量化选股的私募。我们的特点是用了比较多另类因子和另类数据去做基本面的量化，是市场上量化投资的少数派。
段莹：
大家好，我是致诚卓远的段莹。致诚卓远成立于2014年，从2014年到现在，我们一直专注于股票量化策略。迄今为止，我们管理规模60亿，管理产品超过100只。从策略分类来说，主要是指数增强策略和量化对冲策略。
杨怀杰：
各位大家下午好，申毅投资在国内做了9年量化，从2011年到现在，今年是第9年，一直以前是做市场中性套利。现在策略线比较丰富了，把期权的套利单独拎出来做了一个产品线，CTA、量化选股原来是很中性的，我们自己在国内风格可能是非常稳健的，在国内应该是保持着很低的回撤记录。
主持人：
近两年量化投资在国内发展的非常迅速，请四位做量化的投资管理人来聊一聊现在国内到底量化投资的发展现状怎么样，以及公司在这个领域里面有什么样的特色和特点?
易聪：
众所周知，这几年应该是量化策略包括量化对冲或者指数增强在国内有非常大的发展，特别是今年是量化投资的一个大年。量化投资在国外应该有几十年的发展历史，在国内可能2012年、2013年开始起步，所以我们也见证了整个的发展历程。这些年其实也是量化里面各类策略的轮番上台，你方唱罢我登台，也很难说量化策略里面有一种策略可以持续的保持一直高收益，这个是没有的，其实也都是各种策略的一个轮动。其背后还是大类资产的轮动，以经济周期以及现在大的政治周期作为一个大的背景，所以在这些大的背景里面有一些策略比较适合，这两年可能跑的好些，也比较容易募资，但是接下来也很难说，要每年获取很高的超额回报，很低的回撤，这在我的职业生涯中间是没有见到过的，这也是很坦白的说。
应该来说，这两年是一些偏高频的、看量价指标的策略会表现的更好一些，可能比较适合现在的经济环境，比较适合现在的市场。量化公司就可以以电脑的形式、自动化的形式，大量的下单、快速的下单，来实现获取收益的过程。当然另外随着国内衍生品市场逐渐地开放、丰富，特别是今年衍生品市场的繁荣，也可以看到期权套利类策略在今年也比较亮眼。
主持人：
您自己公司的特色，能不能简单介绍一下，自己觉得你们在这块做的怎么样?
易聪：
我们现在主要的策略是以套利类策略为主，里面包括衍生品套利，在国内主要是期权套利，应该来说今年是一个大年。今年是期权套利的元年，因为从去年下半年开始，期权的种类极大丰富。另外去年因为股票市场比较动荡，所以波动率涨的很高，也就是说它的期权价格，其实去年是被高估的，所以到今年，如果是做市商策略，为市场提供期权，其实获利空间还是挺多的。另外现在市场上是七种期权，接下来交易所还要上的有八种期权：三种股指类的，五种商品类的。所以接下来这里面的获利空间或者说套利的空间其实是很多的，这个也非常适合我们的套利策略。我们公司在这里面自2015年开始布局，所以也会在这个领域深耕下去。
段莹：
对比起国外的量化发展历程，国内的量化策略探索发展的时间当然是非常短的，即使是中国阳光私募行业，从2003年开始计算，也才16年的时间，量化的发展时间就更短，刨去更早存在的自营盘，到2010年真正意义上的量化私募才开始真正出现。
对于早期的量化来说，当时的主旋律可能更接近套利，虽然风险收益比非常可观，但没有像主观私募一样大规模的出现，原因主要在于当时人们经历牛市过后过高的预期收益，主观投资在早前的优质表现，包括部分通道的限制，都让那个时期的量化处于了一个收益率惊人，但是关注度不高的阶段。
从2013年开始，新的《基金法》将私募纳入监管，私募也开始可以当管理人发行产品，而包括市场结构化牛市的出现，都成就了量化的耀眼时刻，最具有代表性的便是2015年下半年股灾期间量化对冲策略的大放异彩。也是同一个时期，大量华尔街的人才，如同涌入量化领域的资金一样，开始归国创业，为后续量化的发展储备了丰厚的智力及人才资源。当然，这个时期的量化大部分都买中小创，对冲沪深300，这也为2014年对冲基金黑天鹅事件埋下了隐患。
就在2013年到2015年量化疯狂生长的时候，我们迎来了可能格外艰难的2016年，包括暂停程序化接入，限制股指期货开仓等等，让量化策略进入了大浪淘沙的阶段，作一大批这个时间段内的佼佼者，他们取代前人，成为了新生代力量。在2016-2018年三年间，量价高频多因子模型表现优异，结合人工智能和深度学习，在这个时间段内跑出了惊人的业绩。
而进入2019年，量化领域的资金暴增，出现了赛道拥堵的情况，包括A股市场的交易量、波动率来到了历史较低水平，对冲成本整年看下来也非常不友好，这对量化投资者提出了更大的挑战。同时，科创板的上市，公募转融通的推进，都是政策和市场带来的新一波机遇，在资本市场趋于专业化的阶段，行业中的参与者都需要抓住机遇和挑战，走向下一个量化时代。
杨怀杰：
我们回顾一下自己的发展，应该也是一个缩影，因为做的早，2011年开始有产品，2011年开始做ETF套利，做期权套利，后来做分级套利，应该还是不错的，2014、2015年都很好。中间的阿尔法多因子套利，现在还在做。2015年开始做期权，开始容量不大，现在能够承担一定的规模，一直到今年科创板打新的机会也会抓住。往后看，依赖于市场上衍生品的种类数量，市场波动率的环境，交易量的大小，做量化也没法提前预判明年的收益一定是多少，要做的是每天盯住各种各样交易的机会，把风险控制好。对我们来讲，做9年坚持做的是风格，没有太追市场的热点，坚持自己稳健的风格。
陈锴扬：
在2018、2019年我们拜访了国内大部分的私募和公募，所以这方面还是比较有发言权的。对我们来讲，国内机构对于机构持仓类的因子挖掘不是非常够，未来可能会存在比较大的空间。根据数据显示，从2014年-2019年期间，在国内市场A股，散户持仓除以流通市值的占比下降了大概8%左右，机构持仓的占比上升了3%左右。另外，从2017年开始，机构持仓在10%以上股票的数量是下降的趋势，这就说明机构持仓趋于共识化，机构持仓抱团的现象越来越明显。在未来，机构持仓占比可能会进一步上升，因此这方面的因子有比较高的挖掘价值。
在我们路孚特的产品里面，有一个是专门面向多因子的产品QAD，里面有一个基于机构持仓模型的输出，叫smart
holding，是我们StarMine模型里面的一个。它的逻辑大概是这样的，首先我们通过25个因子来描述每一个基金经理持仓的风格，然后我们把每个股票的风格去跟基金经理风格做对比，看看大概每个基金经理会持有什么样的股票。最后呢我们把所有的基金经理做一个汇总。比如第一只股票可能会被10个基金经理持有，第二只股票可能会被5个基金经理持有，以此类推。我们认为被更多基金经理青睐的股票未来表现会更好。我们的StarMine团队最初开发这个模型的时候是因为发现机构持仓这个因子有很好的分类效果。经过测试，smart
holding在A股上有非常好的IC和IC的稳定性并且有很好的分层效果。
总结来讲，我觉得对于机构来讲，对于明年来讲，机构持仓包括像smart holding这样的因子是比较值得去挖掘的。
主持人：
接下来请李总分享一下CTA量化投资方面的现状是什么样的，是不是会出现一些新的机遇和机会，打算怎么来应对?
李玥：
公司量化CTA有专门的团队，近几年陆续引进了很多海外回来的人才，成立了一些收益比较稳定的产品。量化CTA策略产品优势非常明显，具有低风险、低回撤、收益稳健的特征。量化CTA在国内量化投资领域实现比较早，也是发展比较成熟的。从美国量化投资实际情况来看，与股票、债券等相比，CTA量化交易也是占整个交易规模比例最高的品种。而且CTA发展到一定阶段，特别是到了规模发展的阶段，量化CTA是一条必走之路。比如元盛、桥水等国际知名公司，CTA产品管理规模基本上在200亿到300亿美元之间，只有采用量化投资策略，以程序化去实现，才能实现这么大的规模。
国内CTA量化投资，之前走了一条程序化的路径。典型方法是通过把机械化交易策略，比如多品种多周期的趋势跟踪等策略写成量化模型，通过计算机程序来实现自动交易。但这样的模式大量采用后也出现一些问题，比如策略雷同和拥挤，甚至大家的净值曲线也比较相似的情况。近几年量化CTA出现了很大发展，采用了很多新的策略，新的方法。近几年金融投资领域最热门的词汇就是人工智能、云计算、大数据、区块链，实际上这也是整个量化CTA的一个发展方向。特别是有一个很重要的点，就是说我们能不能通过人工智能来实现CTA策略的规模化管理。目前仍有很大的实现难度，因为量化CTA策略的规模化管理，需要从技术面量化走向基本面量化，需要通过多周期、多品种、多策略增加资金容量。而期货市场的基本面逻辑转换快、波动大，需要有坚强的基本面大数据量化策略作为支撑。这个量化策略怎么来实现?能否通过人工智能来实现?人工智能在多大程度上替代一个传统上优秀基金经理的劳动?这是比较关键的问题。
2018年亚洲发展银行的报告把劳动分为四种类型，一种是重复的体力劳动，这是最容易被替代的，比如说流水线上的工人的工作可以用机器人实现替代。第二种是非重复的体力劳动，比如说银行的现金出纳，也是比较容易实现的，比如说ATM机就可以实现。第三种是重复的脑力劳动，比如说厨师做菜、理发师理发，这种用人工智能就有一定的难度。第四种是非重复的脑力劳动，优秀企业家管理企业、优秀基金经理从事投资等就是属于非重复的脑力劳动，这个是人工智能最难实现的，最近几年人工智能已经实现了很多突飞猛进的发展，从早期的深蓝对阵国际象棋大师、阿法狗战胜人类围棋顶尖高手，乃至德州扑克，中国象棋，甚至人工智能写的诗，专业诗人也难以识别出来这是人写的，还是机器写的。我们能否通过人工智能方法实现优秀基金经理的逻辑推演呢?目前CTA量化领域国内现在已经在做的探索，一条路径是把期货品种的基本面驱动因素，通过因子分析进行量化，但这条路径的基本面量化目前仍不具备人工智能逻辑推演和思考的特征。另一个路径是把机械化的技术面数据线性交易策略用机器学习的方法，把策略变成非线性的。机器学习是人工智能的一个分支，通过机器学习的方法，相当于这个策略本身，可以像一个投资经理一样思考，策略失灵的时候，程序会自动改变策略，这是目前的一个进展，但数据来源仍局限在技术面数据。未来通过人工智能分析基本面大数据选择期货品种和交易方向，是量化CTA实现规模化管理的发展方向。
陈曦：
从另类数据来考虑，我觉得未来会有非常大的蓝海。因为大家做模型，其实最核心的是输入的东西有没有不一样。为什么价量策略竞争很激烈?是因为所有人拿到的数据都一样，你只能拼谁处理的更好、谁处理的更深，但你的输入是完全一样的。在大数据时代，其实每个模型的输入可以不一样，在海外甚至可以输入天气的数据、温度的数据，可以输入很多数据做模型去预测未来。当你掌握更多数据的时候你会比对手更有优势，其实投资本质上是一种信息论，你有三个维度获取优势，第一是你有没有别人没有的信息，第二是同样的信息能不能比别人更快获得，第三是同样的信息能不能处理得比别人更好更深。
大数据会让你首先拥有一个别人没有的信息。举个例子，在美国有家对冲基金用卫星拍照来收集数据，拍什么呢?拍沃尔玛的停车场，每天拍所有沃尔玛停车场上的车辆。如果发现这个月沃尔玛停车场上的车明显比上个月多的时候，我是不是可以预测它的收入会增长、它的利润会增长，股价大概率也会增长，这就是大数据。
我们在互联网时代，现在我们会用到比如雪球的数据。雪球的什么数据呢?刚才也提到了持仓的数据，雪球有很多人去调整自己的持仓，如果我们能够获得这个数据，根据大家调仓的情况去选股，会获得一些超额收益。还有雪球的关注度指标，这个月关注度最高的股票，下个月的收益会怎么样，大家可以猜一下。这些另类的数据会给我们贡献很多的阿尔法和很多超额收益，而且跟目前做的人很少，所以竞争是很低的。做基本量化这一块，大数据和另类数据会是一个非常重要的超额收益的来源。
杨怀杰：
这个话题是说人工智能，我们能够接触到的，能想到的一个是智能投顾，包括银行的、券商的，服务个人客户，智能投顾是一个比较大的应用，券商也有做智能投顾的，就是说股票的推荐到基金的选择替换，签一个智能投顾协议，以低成本享受高成本的服务，这是智能投顾。我觉得对现代券商银行的服务方式是一个颠覆，这是一个方向。
第二个是机器学习对基金来说是用得到的，像选股模型里面的机器学习在中间一些因子的训练里面会用得到，CTA策略也会用得到。大数据本身做量化的，先天就是大数据，要靠数据来发掘超额收益，这里面现在数据的来源、数据的质量显得比较重要，但这个相对来说，我觉得是比较公开的，应该说还没有达到一个非常高的水准，但能够看到人工智能的应用，人工智能本身在对冲基金领域的应用，还没有到非常高的水准，它现在也需要等待突破。对我们来讲，会跟踪关注它的发展。
陈锴扬：
在这个方面，我们有近几年比较新的一个方向，叫做机读新闻，机读新闻就是机器读的新闻，也叫市场情绪指数。简单来讲，就是通过语言识别的技术，把一些文本的数据，比如说新闻或者说是社交舆论这样的数据转换成数据类的数据，这部分数据里面涉及到情绪、情感类的数据，叫做市场情绪指数。在我们这个产品里面有一个比较成熟的，叫做RMI，它覆盖的资产包括从股票、国债、大宗商品、外汇和宏观的国家等等，每一个资产下面会有很多种情绪，比如说喜悦、愤怒、恐惧等，每一个情绪自己是一个时间的序列，我们可以根据时间序列来做一个模型。
目前来讲使用的方向主要是两大类，第一大类是机器学习类的，这方面主要集中在外汇方面，我们现在正在和建行谈一个外汇方面的合作;另外一方面，之前可能我们知道一些经济学领域，但我们没有什么数据可以去描述它，现在有了情绪指数这样的产品，就可以去描述它。比如说别人恐惧，我就买入，恐惧这个东西可能在之前很难去系统化的描述它。有一个是宏观恐惧指数VIX，但它并没有涉及到某一个资产上面，我们看到大部分人很恐惧的时候，想看哪一些股票是更加恐惧的，这个时候我们就需要用到情绪指数这样的一些数据。
今天可以给大家分享三个方面应用的场景。第一个是在大类资产上面，我们分享石油的案例。在石油这个资产上面，我们发现冲突、暴力和恐惧，这三个字段是非常显著的，原因是我们认为中东的政治、军事和经济的情况，它会比较大的影响到油价的波动。一般情绪类的因子传导的机制都是这样的，在一个潜在的风险面前，有一部分投资者会高估这个小概率事件，从而造成过度的反应，造成这个价格的波动，一般情绪因子影响价格都是这样一个流程。我们在美国WTI指数上做了15年的测试，我们发现当暴力这个字段出现周上升的情况，过去15年一共出现了91次，每当出现之后，平均下个月合约会上涨2.2%左右，这可能是CTA方面比较感兴趣的一个方向。
第二个方面分享一下大类资产配置方面。大类资产配置，中国宏观经济的有些指标帮助我们在不同资产之间面做一些配置，但是问题在于宏观经济指标更新的是比较慢的，这是第一个。第二个是它滞后，在国内一般有10-20天的时间，这给量化投资带来了很大困难。为了解决这个问题，为解决这个问题Blackrock从2016-2018年提出了factor
mimicking的方法，通过一系列的资产价格来拟合宏观经济指标。但这个地方，今年以来存在很多的质疑，就是说我们通过宏观的经济指标来指导我们需要投什么样的资产，如果这个指标自己本来也是通过资产的价格来拟合出来的话，就存在自己解释自己的一个逻辑漏洞。在这个案例里面，我们给了一个解决方案，就是在它拟合的过程当中，我们增加一些宏观经济情绪的指标来增加一下拟合的维度，来达到比较好的拟合效果，这是我们在大类资产配置方面提出的解决方案。
最后可能大家比较关注股票类的，我们在股票类的这方面也有一些案例可以分享。凡是情绪类的因子去处理的时候，市值这个东西一定要去着重处理一下，因为一般市值越大的公司，它的新闻越多，反过来，新闻越多的大公司，新闻对它的影响反而是在下降的，比如说像腾讯，或者是中石油这样的公司，随便写一篇稍微负面的新闻，对它来讲是没有什么影响的。我们也发现在情绪类因子在市值方面比较大的暴露。在做类似策略的话，应该在这方面下一些功夫。
我们先讲一下覆盖率，在A股上，我们的RMI大概覆盖了1000多只股票，沪深300大概是百分之九十几的覆盖，大市值的股票覆盖还是蛮不错的。通过我们的一些测试，我们发现有两个情绪在A股上是比较显著的，一个是基本面的强弱这样一个情绪，叫fundamental
strength，另外一个是众多情绪的一个净值，叫sentiment。第一个情绪逻辑上是非常好的，其实在股票圈有很多人，每到年报或季度报发布之前就会来预测什么样的股票会超过预期，什么样的股票低于预期等等，实际上这个因子就可以帮助大家做类似的判断。同时我拜访过的客户可能大部分对一致性预期因子有比较深的挖掘，也就是机构分析师的情绪。我们也建议可以在这个维度上增加一些市场的情绪，这样合在一起可能会有更好的预测分类的效果。
主持人：
接下来请易总和段总两位一起来谈谈关于风险管理在量化投资中的一些情况。
易聪：
风险管理应该来说是做投资里面非常重要的一块，特别是对量化投资，因为量化投资可能同时交易几百只股票，可能有债券、商品期货、甚至期权这种非线性的产品，怎么算你的风险，怎么设定你的风险阀值，怎么做风控标准，其实是非常专业性的，我们之前在国外的投行和对冲基金做衍生品交易这一块，就是构建一个很大的系统，去算各种衍生品的各种暴露风险，这一块应该来说是很复杂的。
在这里，我并不想过多的说这些技术性的东西，所有的风险，其实就是我们跟未知打交道，如果没有未知，我们就没有风险。但未知这一块包括已知的未知和未知的未知。已知的未知应该来说就是已知的一个不确定性，这是很多模型已经算的很精确的一个东西，比如说国内大家叫的在险值(VAR)，在险值这个指标其实是非常好用的，它在百分之九十多的情况下是非常好用，并且算的很准，根据我们十多年自己的一个感受来讲，它的确是一个伟大的发明，但是它解决的是已知的未知。
过去人们做风控就是把已知的未知当成了所有的未知，其实漏掉了一个未知的未知，就是黑天鹅这一块。对于黑天鹅这一块，在国外叫做灾难模型，在国外自80年代起就有各种模型出现，但其实是非常难以去模拟的，或者去做任何的预测。就像你去预测地震一样，九级以上的地震基本上是不可预测的，其实黑天鹅这个事件就是不可预测的，否则它就不叫黑天鹅，就叫白天鹅了。
我觉得这一块在实操上面，只能自己去做一些黑天鹅的情景假设，比如说明天出现一个黑天鹅，股市会暴跌多少，波动率会涨多少，央行会不会突然在这种环境下，因为CPI的上涨去加息，而不是降息，这些都是很大的事件，应该来说算是一些小黑天鹅事件。然后在这些事件里面，我们去做一些压力测试，所以我觉得这种压力测试是唯一一个可以去应对黑天鹅去做一些准备的方式。这方面，它是一个科学跟艺术的结合，就像我刚才说的，解决已知的未知需要科学，这方面科学其实已经做的很好了，但是要解决未知的未知，这个方面还是得靠艺术、得靠自己几十年的经验。
段莹：
大家知道风控对于量化非常重要，因为投资人选择量化的一个最重要的原因就是风险控制，回撤能够控制在预期范围之内。对于量化投资来说，量化只是多种投资策略当中的一种，其他投资所要面临的不确定性和未知因素，量化同样需要面对，只是说区别在于量化在处理选股、交易、风控的过程是通过程序化的方式来处理的。所以说从风控的本质上来看，我们觉得量化投资跟其他类型的投资策略，风控本质和风控逻辑是一致的。
第二点，从量化本身的投资逻辑来说，量化更接近于统计套利的概念。我们通过对历史数据的研究，把研究出的规律运用到对当前和未来市场的判断上。我们最担心的是规律预测出现问题或者说模型失效，这是对量化管理人来说最大的风险。而最理想的风控是防患于未然，我们希望把风险控制在模型的层面，这就要求我们要实时根据市场的变化来调整我们的模型，保持模型更新的主观能动性。结合以上两点，第一，我们认为风控的本质和其他的投资策略是一致的;第二，我们希望量化的风控能够做到事前风控，防患于未然，这才是投资人和管理人对于风控最本质的要求。
主持人：
我们也看到最近这两年，国家相关的金融衍生品越来越丰富了，能不能跟我们分享一些实践的应用经验?
易聪：
今年是衍生品的一个大年。我们团队之前在国外都是做衍生品的开发以及交易，也见证了国外90年代以来20多年衍生品市场的发展。在国外应该来说它的衍生品发展近十年来，总体上是一个退步的趋势，它的高峰期是06、07年，那时候能够想象到的，全部都能做成衍生品，那时候的衍生品比现在的衍生品复杂100倍。那时候很多散户也参与了衍生品的投资交易，当然当时的CDO、CMS等品种更泛滥一些。自金融危机之后，很多复杂的衍生品突然一夜就消失，到现在还没有重生，这已经过了十年了。但在国内来说，衍生品应该是一个厚积薄发的领域，2015年我们推出了第一个股票类期权，之后又推出了6种商品期权，今年底要上3个股票类期权和5个商品类期权。国内衍生品市场的发展走的非常稳健，它是从场内市场开始大发展的，在一种强监管的环境下发展衍生品，步伐很稳健，也是必须的，很契合现在大家对冲风险的需求，不像当年在海外就是由投行来主导的，大部分都是场外的衍生品，也没有什么监管。对我们来说，特别是对于量化策略来说，是非常好的一个机会，现在有更多的衍生品可以用来对冲风险，中间还有套利的空间，对于我们这类套利对冲基金来说，也是很好的一个发展机会。
李玥：
量化CTA策略有明显的优势，
一是传统策略中加入量化CTA策略，可以提高收益，降低风险，平滑净值曲线;二是量化CTA策略无论品种是涨是跌，只要波动大就有盈利机会。怎样用量化CTA的方法来捕捉明年大宗商品的机会，举一个基本面量化的例子。
我们知道低估值股票出现上涨驱动，它会上涨。对于大宗商品也有同样情况。但什么是大宗商品的低估值?今年以来，由于经济周期和中美贸易谈判等因素影响，多数工业品和农产品价格目前都在历史价格低位附近，我们可以通过基本面数据量化分析寻找那些低估值有上涨潜力的品种。是不是价格在低位就叫低估值呢?就跟股票一样，K线图上的价格低位并不代表是低估值。大宗商品的低估值定义到底是什么呢?如果我们有了这样的定义，我们把它写成量化指标，我们通过大数据，这个数据可能来自第三方数据提供商、网络爬虫和产业信息网站，建立这样一个数据库，在建立这个数据库之后对数据进行清洗、进行预处理，然后因子分析、降维，会有这样一个的过程。
对于大宗商品的低估值我给出这样的三条作为定义：
第一条是这个大宗商品品种加工利润亏损，或者虽然没有亏损，但位于它所在的产业链利润在历史的极值区间。极端情况是它所在整个产业链亏损，它在这个产业链当中也亏损，比如说2015年初、2016年底的煤焦钢产业链，这种情况比较少见，所以我们把低于成本或者说它的加工利润在历史极值区间当作一个重要的标准，但是这一条标准还不够。
第二条是它的月间价差结构是一个back结构，同时期货价格贴水现货。
第三条是进口利润倒挂，就是说国内商品比进口商品便宜，进口窗口关闭。如果一个品种同时符合这三条或者接近符合，就可以认为它是低估值的。通过这样的数据分析，就可以把相关品种及时选出来重点关注。
我们可以想一下驱动，明年驱动有什么呢?比如，非洲猪瘟导致的生猪存栏下降有望在明年逐步恢复，比如说逆周期调节政策有望在明年发力，我们在选出的重点关注品种中再寻找符合这些驱动的品种，那么我们就制定出来一个基本面量化CTA策略，从而找到明年最有希望大涨的品种。
主持人：
最后想请场上几位做投资的朋友们给大家一句总结，可以展望一下明年的机遇到底是怎样的，也可以把你的投资心得给我们做一句话的概括。
李玥：
我证券从业21年，经历了中国资本市场20年来的风风雨雨和辉煌发展历程，我用一句话来形容量化投资的发展：不经历风雨怎么见彩虹。
易聪：
在宏观不明朗的形势下，我们对结构上以及价格上的对冲套利策略还是很有信心的，是大家做资产配置的一个很好的选择。
陈曦：
随着整个行业衍生品越来越多，对冲基金的策略会越来越多样、越来越丰富，所以我相信明年会有更新的、更好的对冲策略和量化的策略提供给大家，所以明年的对冲基金市场不一定会比今年差，应该会比今年更好。
段莹：
对于管理人来说，需要充分的抓住市场利好和政策变革带来的机遇;对于投资人来说，在市场中选择投资品种和投资标的时，要充分评估自己风险收益偏好，做出适合自己的资产配置。
杨怀杰：
平时接触的投资人很多，我觉得落实到最终，投资人相信科学的力量，可能对于量化会是一个长期的信心，这是关键。一年挣八九个点不是关键的事情，我们要看到有很多因为各方面的支持，各方面及时了解不足，导致投资上的惨痛教训。这两个相比，我相信整体投资的力量、风控的力量更加重要，明年衍生品政策比较好，未来量化的空间还是比较大的。对我们来讲，踏实的做好每一天的工作，把每一个策略做的更加扎实，风控做好，把投资人服务好，就可以了。