灵均投资的“双引擎”

“这是一个非常好的行业。”说起量化行业，灵均投资董事长蔡枚杰和首席投资官马志宇难掩对它的热爱。

当前，A股市场正逐步吸引居民储蓄等增量资金流入，居民家庭资产配置走到新“十字路口”，量化投资迎来良好发展时机。由蔡枚杰和马志宇所掌管的灵均投资可谓是其中的翘楚。在他们看来，量化投资的列车正在驶向春天，宽客们的精彩旅程才刚刚开始。

简单且纯粹

从专业背景来看，蔡枚杰曾就职于中金公司，负责所有私募业务的产品设计、代销、资本引进，早在2010年就接触到量化行业。而马志宇则在美国取得金融工程双硕士学位，并就职于美国著名对冲基金千禧年基金旗下世坤投资，既是学院派也是实战派，灵均投资的量化模型就是由他一手打造的。

他们搭建的团队精干并高效，用蔡枚杰的话说就是一群纯粹的人做一件纯粹的事：一心一意为客户获取稳健的超额收益。

首先，赛道是纯粹的。投资方式多种多样，但其中的难点都是需要克服人性弱点，而量化投资所有的决策均依据模型进行，依靠模型、相信模型，每一次决策之前均要进行模型运算，而不是单纯的凭感觉。

其次，人也是纯粹的。马志宇负责投研，蔡枚杰负责投研以外所有事务，灵均投资的组织构架简单纯粹，除合规风控和交易岗位外，大多数都是专业研究员，近百名行业顶级人才组成的研究团队均毕业于国内外顶级学府，拥有深厚数理背景，具备先进、丰富的投资经验，平均从业年限7年以上，其中核心团队从业年限13年以上。

值得一提的是，两位合伙人之间采取相互考核制。首席投资官马志宇负责业绩KPI，制定容量规模，董事长蔡枚杰负责保障规模KPI。始终保持着业绩排名必须大于规模排名的原则。若未能达标，惩罚也随之“兑现”。

也正是这份纯粹，灵均投资的团队稳定性相比同业更高。“我一直遵循人性大于一切的原则，灵均投资所有的制度都是从尊重人性这一理念出发，为员工搭建一个提供赋能的平台，团队稳定性自然而然就能提升。”她说。

对于量化投资在中国市场的前景，蔡枚杰指出，经历了十年左右的成长，当下量化投资正处于一个厚积薄发的时点，包括券商、银行等在内的机构均在配置量化类产品，虽然目前量化投资在A股中所占比例相对较小，但未来拥有巨大的成长空间，赛道红利非常明显。

在这其中，她点出了被市场误解的量化策略容量的问题。“市场最早了解量化产品是从中性策略开始，资金的不断涌入导致中性策略的超额收益率逐渐下降，为此不少中性产品本着为对投资者负责的态度而封闭，但实际上中性策略容量小并不意味着量化策略容量小，量化选股、指数增强、多空多策略等均属于量化策略，量化策略的容量足够大。”

投研先行

为了做好投资，灵均的努力远不止于此。蔡枚杰和马志宇清晰地认识到，长期优异的投资业绩离不开优秀的投研体系。基于此，灵均投资的投研梯队建设井然有序。

“对于灵均投资来说，最重要的莫过于投研。灵均是一家投研驱动的公司。在整体投研搭建方面，一直秉持着三大圈层。”蔡枚杰表示，第一大圈层是向全球顶级量化对冲基金同行学习，全球前十大私募基金中有八家机构包含量化业务，“与全球头部量化机构一定要维持‘联系，员工有海外头部量化机构的工作经验，就意味着有与其存在连接和信息的可能性。”第二大圈层是向优秀同行学习。“销售团队的数据组以周为单位观察国内所有同行同类产品业绩，一旦发现表现不错的同行，会从全行业了解产品、管理人等情况，进而学习优秀的模式。同时，与猎头形成联动，在全市场寻找优秀的人才。”第三大圈层是梯队建设。在清北的数学系、金融系或计算机系优秀毕业生中寻找合适的人员进行内部培养，以此按梯队建设。

的确，灵均投资的导向一直很明朗。“我们充分调动投研人员积极性，其开发的因子在模型中权重透明可查，占比与激励水平直接挂钩，若产品在同渠道、同类型产品中，收益能力和回撤控制能力都名列前茅则激励比例更高。”蔡枚杰还指出，近三年，灵均投资每年在人才引进和硬件设施建设，例如机房建设、GPU、服务器、数据库等方面的资金投入2亿-3亿元，2021年计划预算再投入5亿元。

从投研机制来看，可以用“流水线”来形容。在“生产”车间，多位投研人员独立开发策略模型，不断丰富备选策略模型储备；在“装配”车间，搭建一致的系统平台，对备选模型进行多维度测评，将表现优异且相关性低的模型纳入公司模型库，形成流程化作业；在“实盘监控”车间，优化算法对公司模型库中的子模型进行实盘跟踪，筛选出当期表现优异的子模型进行组合优化，构建投资组合。持续对投资组合和模型库进行监控，将优秀的策略应用在产品中。

在此基础上，灵均投资做到Alpha研究赛道的全覆盖。“只有在各个节点都优化到极致，不断拓宽研究广度和深度，才能真正做到Alpha研究赛道全覆盖。具体来看，因子体系在周期上覆盖了高中低频率不同周期；逻辑上覆盖投资逻辑类因子、包括传统价量和高频价量的交易逻辑类因子；方法上覆盖传统统计和机器学习等；数据研究上覆盖传统的结构化数据以及文本类和其他的非结构化数据等。”马志宇介绍。

据了解，灵均投资目前分为四大策略团队，分别是Alpha策略、算法T+0策略、CTA策略和其他策略团队。其中，Alpha策略主要为多因子选股策略，从多角度深刻挖掘大量的低相关性因子，利用优化算法进行因子合并，使其对未来股价具有高度的预测能力。算法T+0策略是利用自有算法交易系统，针对不同市场环境，自动执行交易策略，有效减小市场摩擦，降低冲击成本，节省交易损耗。CTA策略是通过多因子模型在日间和日内不同周期尺度上对各商品和金融期货合约的绝对和相对走势做出预测和交易获益。其他策略团队则主要包含期权、择时等策略，因子及模型处于持续开发迭代的状态，以此进一步丰富收益来源。

保持前瞻性

面对激烈的竞争，灵均投资又该靠什么脱颖而出？

“早在灵均成立的第一天，我们就有危机感。量化行业每天都要学习迭代，否则立刻会被市场遗忘，再追上会很难。”蔡枚杰坦言这也是她一直以来在思考的问题。细数灵均投资的历程，从2015年布局基本面，到2016年布局机器学习和2019年的期权团队，再到2020年降低换手率，整体迭代流程随着财富管理行业认知的不断加深。“模型不是量化投资的核心，模型更新迭代的能力才是。这也是灵均现下最为看重的，只有不断迭代自身投研实力，才能在复杂的市场环境中屹立不倒。”

这也意味着需要具备前瞻性的判断。“我们现在对投研的布局或资源分配并不是基于现有策略运行，而是基于未来一年后甚至更长时间的判断。你需要知道明年或者后年，应该采用什么样的策略，策略中需要哪些组成部分。”马志宇进一步表示，还需要保持对新技术和新方法的敏感性，且敢于试错。

“我们在2016年开始尝试机器学习，当时市场中尚未出现成熟范例，对于机器学习的道路能否行得通存在极高不确定性。在不断投入中，正向反馈出现了不错的效果，虽然相较现在而言，当时结果一般，但方向很有价值。经过逐年探索后，我们快速将资源投入这一方向，目前看非常成功。”马志宇透露，当前灵均也在进行文本处理类的探索，虽然在组合中使用比例较低，但仍进行了一定的技术储备。

他解释道：“以半导体中的半晶体产业为例，在开发22纳米级别的过程中，先进行技术尝试，待开发出后进一步提高良率，但实际同时也在进行14纳米甚至更小的研究。”返回到量化模型，基于当前在管规模，需要一批人员不断完善和测试，市场每天的变化都需要进一步微调策略模型，既要有一批人在现有的策略或规模下不断的完善，同时还需要对未来有一定前瞻性布局和研究。

“只有在储备完善下一阶段规模策略的基础上募资，方能实现业绩的持续稳定。反之，若规模扩张过快，将影响规模策略本身，产品业绩也会不稳定。”马志宇指出。

此外，蔡枚杰也表示，经过十年的发展，国内量化经历了量化1.0、量化2.0以及量化3.0。在当前量化3.0时代下，灵均已进行了包括综合基本面、价量、另类数据、新技术、多周期、多策略、算法交易等多种前瞻性布局。“在这个领域生存，比的是谁更极致、更深入、更融合。量化的盈利来源非常丰富，为行业的发展提供了坚实基础，随着新策略的不断研发，超额收益随规模增长的稀释程度可控，预计未来行业的规模至少可以翻两番。”她说。