16位頂尖對沖基金大佬：暢談量化投資的下個10年！
原創 QIML編輯部 量化投資與機器學習 1月30日
https://mp.weixin.qq.com/s/AUbTXDS96vmroGtkauwapg
標星★置頂公衆號 愛你們♥
作者：Justina Lee 編譯：1+1=6
在過去的10年裏，這些全球頂尖的對沖基金公司憑藉對金融算法模型的高度追求，賺的盆滿鉢滿。他們改變了股票市場（交易）的遊戲規則，主導着量化金融這個行業！
Justina Lee採訪了16家全球頂尖的量化對沖基金公司，總結下來用幾個關鍵字說明：
另類數據、人工智能、價值投資
量化人才、策略多元化、ESG
下面讓我們來看看各位大佬的回答！
AQR Capital Management
✎
Cliff Asness
創始人
許多基於量化因子的投資策略，尤其是價值因子，最近都經歷了艱難時期，這導致一些人質疑它是否失靈。一種常見的批評認爲，價值不再像許多人所知道的那樣有效。但簡單的認知不會扼殺一個策略的存在。
我們發現，當前的價值價差是歷史上最大的。換句話說，與歷史相比，現在的價值顯得相當便宜，更像是一種不受歡迎的因子，而不是大多人追逐的因子。雖然我們警告不要過多地使用“因素擇時” ，但今天我們建議適度地向價值傾斜。
與價值等衆所周知的因子相比，新因子更容易受到數據挖掘的影響，價值等因子在許多資產類別上都有強有力的長期證據。衆所周知的因子是有原因的，我們不應該輕易拋棄它們。
換句話說，量化投資的未來應該包括對新事物積極且持續的探索，但也要反思和總結過去。
Two Sigma Investments
✎
Alfred Spector
CTO
首先，我認爲我們將看到量化方法（即基於先進的數據科學和技術的方法）在金融市場中發揮越來越大的作用。大家都看到了如何將這些方法有效地應用於股票投資。下一步可能將這種方法擴展到數據豐富的領域，如PE和VC。
一些公司已經在探索如何以量化的方式分析交易。另一些公司正在應用複雜的數據科學方法，以提高其投資組合的盈利能力。做出這一轉變需要投資者以一種不同常人的視角來對待他們的工作。但我們認爲，市場機遇比這種努力更有價值。
其次，隨着越來越多的金融機構採用機器學習等AI技術，很明顯，人才和有效的團隊合作將是這些手段實現的基礎。
同樣重要的是經驗豐富、聰明、有創造力的研究員，他們可以從衆多的機器學習技術中選擇並開發出能夠產生真正價值的方法。但自相矛盾的是，在可預見的未來，機器學習的進步可能更多地依賴於我們自己，那些對金融感興趣、在計算科學、統計和建模方面有高超技能的人們。
Man Group
✎
Sandy Rattray
CIO
在某種程度上，量化投資的未來很容易預測：由更簡單、更容易理解的線性策略產生的Alpha將逐漸消失，而更新、更復雜的策略將產生更高的Alpha。這些新策略（其中許多是非線性的、基於機器學習的）對大多數市場參與者來說很難開發，而且不會立馬展現出其優勢。海量的新數據爲我們提供了許多測試Alpha的機會，但大部分數據可能沒用。最後，繼續向更細分的量化投資領域推進，將被證明是一種有利的契機。
在這一切的背後，最優秀的量化分析師將繼續變得更有效率，尤其是在交易領域。這可能使得某些基金經理能夠利用其他人根本無法獲得的機會。
Dimensional Fund Advisors
✎
Savina Rizova
研究主管
更多的基金經理將投身於大數據的潮流中，嘗試把握市場機遇，或者發現價格中的錯誤。投資者最好擁有一個穩健的投資框架，避免陷入追逐虛假數據模式的陷阱。我們認爲，由公開競爭的資本市場確定的市場價格是對未來最完整的預測。通過利用市場價格中的信息，並通過實施措施增加價值，投資者就可以追求更高的預期收益，而不必去猜測市場。
投資者組建ESG的願望將通過系統方法得到很好的滿足。投資者對ESG考慮因素需求的增加，與系統化的方法相匹配，通過對投資過程中提供ESG的廣泛整合，使投資者保持多樣化，並專注於收益驅動。
系統化的債券策略將取代Bond Kings。投資者希望多樣化、更高的預期收益率和更好的風險控制，他們不想要驚喜。像Dimensional自1983年以來所做的那樣，對固定收益採取系統化的方法將有助於投資者更好地實現他們的目標。
PanAgora Asset Management
✎
Eric Sorensen
首席執行官（CEO）
Eddie Qian發明了多元資產風險平價，他將在有生之年看到，未來所有現代投資組合（不僅是全球多元資產，還包括固定收益、股票和大宗商品投資組合）的風險權重將佔據主導地位。
機器學習在股票價格上的應用將會失敗，價格沒有記憶！機器學習會導致過擬合、反直覺的預測、不合邏輯的集羣和虛假的結果。在面對面的高管會議中，將機器學習（自然語言處理：NLP）應用於CEO的聊天室情緒，將被證明比基礎分析師更有效的預測。具有層次且相互作用的樹結構（隨機森林）將證明有價值的因果關係和目標基本變量（而不是價格）
在未來，固定收益量化分析將有着光明的前景！
量化分析師將擁有ESG。有些ESG指標是Alpha增強的，有些則不是。從大型歐洲機構開始，ESG的前景將演變成多種方式。首先，實體會描述他們對特定ESG的tilts。其次，Quants將對這些特定ESG的tilts模擬Alpha增強。第三，實體將規定他們的ESG風險與Alpha收益偏好。第四，量化投資者將創建有條件的最優投資組合，以及實現自定義或第三方基準。基礎分析師在結果和價格上都無法達到這樣的效率。
Research Affiliates
✎
Rob Arnott
創始人
成本壓力是一把雙刃劍。許多投資者現在更願意節省幾個點的費用，而不是尋求100個點的超額回報。但研發不是免費的，創新的步伐可能會放緩，但不會停止！資本將集中於投資管理業務。我們將看到在未來資產管理公司數量逐步減少，而這些公司的管理規模（AUM）將越來越多。
那麼，Quant創造了什麼？未來又會有什麼驚喜呢？正如傳統分析師和基金經理有一個巨大的盲點，他們忽視了在我們的投資決策中剔除情感因素的力量。“對於一個拿着錘子的人來說，所有的東西看起來都像是釘子。對於一個量化分析師來說，任何不能被量化的東西都會被忽略。歷史數據是我們的指南針，儘管我們知道過去的表現並不能代表未來”。
量化投資者追逐的不是最新、最熱門的股票或基金的表現，而是歷史表現最好的因子和策略。不做Fama-French歸因，可能發表不出一個新的想法，以確保這個想法不是另一個僞裝的價值、規模或動量因子。回答這個問題沒有壓力，ME這類策略或因子僅僅因爲它變得更貴而獲勝嗎？任何（相對於市場而言）近期變得高價的股票，過去的收益率都可能極高，而未來的收益率則可能平平（甚至更糟）。
BlackRock
✎
Andrew Ang
因子投資策略主管
未來10年，金融顧問將使用“因子”語言，在數百個甚至數十萬個賬戶上創建定製投資組合。個人會更注重結果，因爲他們有各種各樣的因子，有價值有動力地增加他們的儲備金，或者對於最小波動性或質量等因子更具防禦性。從現在到未來，金融機構將通過各種因子來審視自己的投資組合，從現金、股票到投資組合等。他們將越來越多地利用各種因子，以最大限度地降低意外風險，實現多樣化。
Capital Fund Management
✎
Jean-Philippe Bouchaud and Marc Potters
董事長和CIO
隨着量化研究先驅們發現的技術越來越多，該行業的領導者和學術前沿將把重點放在創建模型上，這些模型不僅基於歷史數據，還基於對人類行爲等更多數據。過去的模式可以用來預測未來的價格，但在無數情況下度量和分析人類的偏見，將產生一套全新的模型，更不容易受到過擬合和擁擠的干擾。這些技術不僅將是投資行業的專利，而且還將被政策制定者和央行所使用。
投資者越來越多地反映出社會日益增長的期望，即企業需要做的不僅僅是盈利。但是，目前用於評估非財務績效的框架是不充分和不一致的。量化技術也將有助於ESG標準化，使投資者能夠根據有意義的數據做出選擇。
隨着這些量化技術注入行業，它們的特點也將隨之改變。與學術界的聯繫將進一步加強。對明星經理的崇拜將會消退，因爲技能可以更好地與運氣分離，公司也會接受，成功的量化投資需要團隊協作。
Sanford C. Bernstein
✎
Inigo Fraser Jenkins
全球量化策略負責人
未來10年投資面臨的最大挑戰將是：在收益率較低、更難實現多元化的世界裏，資產所有者如何戰勝通脹？量化方法在這方面可以發揮關鍵作用，無論是在生成收益流方面，還是在降低某些收益的價格點方面。投資者早就明白，他們不需要爲廣義的市場β係數買單。我們建議他們也不必爲β因子的靜態暴露而支付費用。
追蹤像標普500這樣的大盤指數，本質上並不比追蹤價值股指數更復雜，因此我們認爲這些Smart Beta產品的價格點將降至零，甚至更低。這有效地移動了Alpha和β之間的分界線。資產所有者應該爲廉價因子收益所特有的收益率支付費用。
十年內不會真正有一個單獨的“量化”類別——重要的是系統β和特有Alpha的結合。
Aspect Capital
✎
Anthony Todd
首席執行官（CEO）
隨着科技在金融領域應用的持續增長，我們認爲量化投資行業正變得越來越主流。該行業處於獨特的地位，能夠支持投資者日益增長的定製需求。機構投資者變得越來越老練，他們正尋求少數具備各種能力的管理者建立更強有力的夥伴關係。
我們還聽到投資者對他們的投資組合及其在當今宏觀經濟條件下創造收益能力的擔憂。隨着波動性和不確定性的增加，他們越來越意識到非相關流動性替代品（如量化策略）的重要性。事實上，隨着我們在市場上看到越來越多的參與者，捕捉Alpha無疑是一個挑戰。我們認爲，這可以通過繼續投資研究、技術和另類數據的使用來抵消。豐富的新數據集爲量化研究提供了機會。然而，管理者的經驗仍然是從噪聲中有效提取持久信號的關鍵。
JPMorgan Chase & Co.
✎
Marko Kolanovic
量化與衍生品策略全球負責人
未來十年，我們預計在投資過程中，科技和量化模型的使用將進一步增加。這在交易策略的設計和執行上都是正確的。隨着創新數據集的出現，大數據或另類數據的使用將會使新的策略將會不斷湧現。大多數基本面投資者將熟悉量化策略的原理，並將其納入他們的投資過程。這將導致傳統的量化策略（如因子）失效並變得越來越不穩定。投資環境將會充滿被動，這將增加市場脆弱性，並使其更容易出現尾部事件。下一次嚴重的經濟衰退將對新的市場結構進行壓力測試，這可能會導致大範圍的失敗。根據歷史數據的量化模型將無法預測這些事件。危機過後，投資者和管理者將致力於在投資過程和流動性方面重新引入更多的人力監督和自主決策。
APG Asset Management
✎
Gerben de Zwart
量化策略MD
大量的數據、幾乎無限的計算機處理能力、廉價的存儲和開源計算機代碼，這四個驅動因素意味着大量投資將是數據驅動的，因此，量化投資是有充分理由的。
要處理海量數據，你需要資源、技術人員和數據預算。因此，小的機構找到一個優勢將是非常具有挑戰性的，而且進入的門檻將會提高。我們認爲要麼整合，要麼其倒閉，這是未來的趨勢。與此同時，由於現在有太多不同的數據集，管理者之間的收益差異將會擴大。每位管理者將變得更加獨特，而不是全部針對相同的風格或因子。
傳統的量化策略有擁擠和被幹擾的風險。公司的結構和商業模式已經改變，從有形資產轉移到無形資產。我們的願景是估值是一個重要的驅動因素，也許你需要提出比過去更先進的定義，並考慮到這些新的發展。
AlphaSimplex
✎
Kathryn Kaminski
首席研究策略師
量化技術的下一個十年是關於挖掘（度量）和方法論。通過挖掘，們將找到新的方法來量化許多“模糊”的複雜概念，如偏差和選擇。如果你不能度量（衡量）量某事，你就不能管理它。未來量化指標的成功將是如何衡量金融領域的新領域。這不一定是做一些新事情，而是有一個新的視角。簡單的例子就是今天我們如何定義度量標準來檢驗更爲軟性的概念，如公司治理、包容性等。不僅僅是數據，成功的關鍵在於你如何收集數據，你可以從中挖掘出什麼，以及你如何使用它。
Acadian Asset Management
✎
John Chisholm
聯合首席執行官
過去幾年，增長溢價顯著上升，現在遠高於平均水平，使價值相對更具吸引力。我們相信，我們可能會看到價值相對錶現的反彈，其長期表現深深植根於人類行爲，並可能持續下去。增長可能面臨的阻力包括監管審查的增加、快速發展的技術挑戰現有的商業模式以及相對於當今價值的增長估值過高。時機尚不確定，但鑑於過去10年是有記錄以來增長表現最好的時期，我們猜測價值的時代即將到來。
WorldQuant
✎
Igor Tulchinsky
創始人
獲取大量數據和先進技術是現已成爲新的趨勢。量化方法正在整個投資行業中傳播，並將成爲現狀。只有那些擁有真正獨特發現和決策方法的公司纔會脫穎而出並保持領先地位。
未來領先的定量分析公司將以更快的速度，從更大的數據庫中，以更多樣化的方式利用機器的能力，來定位他們的創造性人才。加強協作將給跨團隊和跨區域帶來關鍵優勢。
BNP Paribas Asset Management
✎
Jean-Philippe Olivier
MAQS投資專家主管
我們被越來越多的數據所淹沒，錯誤地感知不相關事物之間的聯繫和意義。技術和人類知識已經幫助分析師在大數據集中分離出重要內容。他們已經發現了一些相表現優異的因子，這些因子會隨着時間的推移而增加風險-收益比。
下一個挑戰是量化分析師在數據少得多的其他領域中尋找相關指標，如宏觀新聞。預測將被實時預測所取代。量化分析師還致力於爲ESG評分定義正確的規則，以一致的金融行動和現實世界的影響爲目標。更重要的是使數據有意義！Quantamental（量本投資）將在未來更受矚目！