垒昂资产-路演回顾
关键词：全AI量化选股、风格中性化
主讲人星座：处女座
本期第187期路演回顾，我们邀请了专注于AI量化策略的私募基金管理公司垒昂资产，由垒昂资产CEO兼策略研究员戢彦泓先生为大家分享“AI量化选股，闭环自动交易 股票量化策略介绍”。
PART 01 - 公 司 介 绍
NO.1
公司信息
青岛垒昂资产管理有限公司（登记编号:P1069759）成立于2018年11月5日，于2019年4月30日在中国证券投资基金业协会登记。专注于AI量化策略的私募基金管理公司。
基于机器学习的非线性模型，分域建模，提供风格中性化的交易机会池。引入了开源机器学习框架和前沿算法。全天候实时预测、实时交易，在降低冲击成本的同时，不损失实时信息带来的Alpha。
NO.2
团队配置
①CEO & 策略研究员-戢彦泓
清华大学学士 & 硕士 (研究生阶段在计算机系人工智能实验室)
12年量化策略研发及实盘操作经验，AI 机器学习专家 (国内最早利用机器学习研究量化的策略师之一)。某量化平台科技公司前合伙人
②交易 & 风控 & 运维-王磊
西工大信息对抗学士，北航软件工程硕士
汤森路透集团金融部门数据&质量经理，金融大数据分析专家
③基金经理 & 策略研究员-范数维
西南财大金融统计学士，10年市场实盘交易和量化策略研发经验
④平台总架构师 & 策略研究员-雷斯傲
上海交大物理学士，8年量化平台研发经验 (架构师)
粒子物理与宇宙学重点实验室(Pandax) 海量数据实时分析系统总设计师和开发者，在低延迟、高性能系统开发方面，拥有世界级的技术能力
⑤策略研究员-张海瑞
哈工大计算机学士和硕士
8年量化平台研发和策略研究经验，Linux云平台开发运维专家，曾任职IBM负责云平台研发
⑥平策略研究员-肖铁
吉林大学软件工程学士
8年量化平台研发经验，5年量化策略研究经验，即时通讯系统架构设计和后台开发（Erlang）
NO.3
策略介绍
【纯债策略】
属大类资产配置中底仓配置品种，为投资者提供波动较小适合中长期持有的配置型策略
以配置国债、国开债、短久期地方级政府信用债券为主，偏重收益同时兼顾流动性
【可转债策略】
收益具备进攻性，波动率相对股票量化多头较小，流动性较好
基于多因子量化选债模型精选组合+底仓算法T0增厚收益+套利策略（重大利好和下修等条款博弈）
可转债一级发行及二级交易均提供了持续的增量资金，量化交易策略优势更加明显；公募、券商资管及自营等金融机构均加大配置，是当前投资市场下收益风险比较高且具备高性价比的投资品种和策略
【策略特征】
3000个原创因子，涵盖基本面、技术面、重要消息事件等
深度神经网络建模，充分挖掘上述因子中的有效信息
200份股票持仓组合，多种对冲工具组合。分散持仓，有效规避个股风险；同时自动化交易，降低冲击成本
自主研发了“垒昂量化平台”，具有完整的数据处理、策略研究和回测功能，高效稳定，可独立支持策略的运行和迭代
引入了开源机器学习框架和前沿算法，支持逐笔级交易撮合，可精确测试冲击成本，准确估算策略的资金容量，并自主开发了算法交易系统
【机器学习的开发与应用】
数据收集：非结构化数据整理、结构化数据清洗
策略研究：日线分析、分钟线分析、Tick/盘口分析、基本面分析、事件分析
绩效评估：绩效分析、绩效归因
PART 02 - Q&A 环 节
01
我们是以中性策略为主，那么我们在中性策略的多头端是进行全市场选股还是会重点跟踪某一个指数？我们的对冲工具是用的什么？
👨🏻垒昂资产CEO兼策略研究员戢彦泓：
我们的中性产品，是一个普通的中性产品，所以是完全用股指期货来做对冲的。具体来讲，用的是中证1000的股指期货来对冲，所以我们整个风控体系和策略的风格都是以1000为中枢来这个配置的，但是我们并不是限于在1000的范围内进行选股。在多头端上是全全市场的选股，然后保证主要的风格，比如说像市值非线性、市值波动率、价值、动量等，都和中证1000指数的风格控制在0.5个标准差以内，那么具体在持股上的话，我们在指数成分股就是包括三百五百一和这个1000的指数成分股内部的配置的话，会占我们整个多头配置从金额上来看占50%左右。
02
我们有一个多维度的分域的建模，您可以在这个方面上再做一个详细的介绍吗？
👨🏻垒昂资产CEO兼策略研究员戢彦泓：
因为就刚才也提到过，如果是全市场去建立单一的模型，由于机器学习固有的特点，它都会去挑选小市值和高波动率的股票来做。这样的话，在顶层进行配置的时候的话，如果你去限制它的风格那它就会大幅度的损害它的阿尔法。如果不限制的话，它就会大幅度的偏向于小微盘股会带来极大的风格偏离，我们就把市场按照不同的维度来划分。比如，按照这个市值这个维度，我们把它分成市场，分成大市值和小市值股票。按照波动率分成高波、低波和中波的股票，那么在每一个维度上都是对市场做完全划分。那么比如说大市值、小市值加起来就是全市场的股票，在不同维度上的话，是交叉的。这样的话就说不同的维度交叉起来，最后能够获得一个很均衡的策略体系。而且在单一维度划分完了之后的话，一个模型它对应的标的数量其实是很多的，也不会产生说由于标的数量过小而导致策略失效的问题。这样，我们通过这种多维度的划分，最后构建了一个由33个策略构成的一个多维度的一个均衡的一个策略体系来这样来分域建模。然后来把每一个模型输出的这种高分交易机会，把它放到一个优选股票池里边，然后再经过这个收益预测的合并和这个股票的去重，提供给上层的优化引擎，动态规划的优化引擎去做配置管理，整个这个过程体系是这样构建的。
03
刚刚在PPT中也有介绍我们有3700多个因子，那我们在实盘的交易过程当中使用数量是多少？
👨🏻垒昂资产CEO兼策略研究员戢彦泓：
这3700个其实就是我们在实盘过程中，它含在我们的策略体系里，在使用的因子真的因子，库里的因子是有超过2万个因子。
04
那我们的产品平均的持仓数量和换手率大概是多少？
👨🏻垒昂资产CEO兼策略研究员戢彦泓：
我们的产品，总的持仓数量是600支，而且是基本上是均衡持仓的。由于这个股票的，由于我们的这种产品大小也不同，因为除了我们对外销售的五支产品之外。我们还有一些是券商和fof基金在我们这设立的专户产品最小的大概是两三千万左右，最大的有两三个亿。这个产品大小不同的会导致说它配置的就是我们会随机分配去配置的这种股票数量不同。小规模的产品，大概配置100只左右的股票，大规模的产品配置300到400只股票。那么比如说以配置300只股票的这个持仓的为例的话，它单支股票的平均持仓在0.3%左右。我们允许的话，它最大持仓不超过0.6%，所以它基本上是均衡配置的。在股票的配置上，主要就是参考两个因素，一个就是刚才讲的均衡配置，第二个就是说有些小微盘股票的话。由于它的流动性不足，所以我们会限制一只股票在我们所有的产品里的总配置量不超过它日平均交易量的一定比例有这么两个限制，流动性限制和配置的均衡性限制在里面。
05
最后一个比较轻松的问题。您是什么星座的？
👨🏻垒昂资产CEO兼策略研究员戢彦泓：
我是处女座的。
