一群用公式和算法战胜市场的“恒温动物”

⻄⻄弗斯式困境

通常来说，量化投资的投研体系大概分为数据处理、α(超额收益)、 risk(⻛险)，execution(执行)四个部分。

数据处理是指去搜集各种各样的数据，比如市场调研 行情、消费记录、天气等。α是把各种数据收集到以后，从中抽取对未来的预测。Risk是所有投资决策之后，你都需要去衡量和控制你的⻛险。execution，是当你决定要交易，买或者卖的时候，需要通过各种现代的方式去完成交易，然后又需要一个强有力的IT平台去保证每个部分执行到位。

如前文所述，面临策略同质化竞争的量化行业，随时身处在⻄⻄弗斯式的困境之下：在一个渐趋开放的市场，随着很多策略和数据的迅速被使用，红利期较高的收益会快速下降并回归到正常的⻛险收益水平，这就需要去捕捉更多新数据，改进和应用新技术甚至是更精细化的交易，来一次次地推石上山。

九坤是如何应对的？

从组织来说，核心方法论是团队分工+智力叠加。王琛非常强调九坤是一个以团队模式构建的量化基金，它区别于那些特别依赖小组研究能力的基金，实现的是一种类似互联网工业化流水线式的量化分析体系。它相对是去中心化的，这意味着在每一个方向上都有比较有经验，能够独立做好方向的人，可以持续地去推进。 

这种投研模式不是特别强调个人，它更加强调模式和人才、策略的可扩展性。比如九坤所有的因子都会被一套方法评价，然后提交到系统，之后所有的因子和模型是完全脱离人，流水线式自动化运行。

这种模式也会需要持续不断的组织分工来尝试。通常，每条策略线都需提前1-2年的时间布局，单一研究方向亦需要几个月到一年以上的时间来探索。每个策略、每个方向都要有人持续专注地进行深耕，在此基础上，尽量实现可叠加性。

从数据和技术层面，除传统的市场行情和基本面的数据来源，量化投资已经大范围地使用包括互联网数据在内的新数据进行策略开发，另外包括AI在内的一些新的技术也在对量化投资产生颠覆性的影响。 

九坤每年花在数据上的成本过千万，同时也在持续研究 AI在量化方面的应用。去年，九坤成立了AI实验室，并花费过亿建设了AI超算集群。在过去两年招聘的技术人员里，70% 也都有AI的研究或行业背景。

而从人才储备层面，九坤大概是量化私募行业最为"饥渴"以及最努力的之一。他们的信念 是:“策略会随时间失效，只有人才和技术才是真正的竞争力。” 

早在2014年，九坤开始持续从清华、北大以及美国哈佛、斯坦福、哥伦比亚等知名院校招聘应届 生。2020年针对全球本硕博应届生，九坤开出百万年薪，针对海外顶尖量化基金人才，更是开出百万美金年薪。

对于招人，九坤有自己的培养模式。内部会专⻔组织有经验的人写教材，对新人进行入⻔培训。现在九坤投研的骨干和大量中坚力量基本都是一毕业就进入公司的应届生。

在对外的一次演讲中，九坤投资合伙人姚⻬聪把六七年前的量化行业比作春秋时代: 只要有一技之⻓，很多团队和个人都可以挣钱。而现在则进入了战国时代，有兼并，有淘汰，头部机构开始聚集更多的人才，开始把控更多的资源，一个有着新规则的新时代开始了。

关于中国的量化投资是否有机会弯道超车，王琛的答案是：在中国，量化投资还有很大发展空间，随着中国量化市场和整个证券市场规模的增⻓，中国很可能会出现像文艺复兴科技、Two Sigma、德劭等一样，甚至更高水平、更大规模的量化基金。

对他来说，无论如何，过一种宽客的人生都是美妙的。 博士毕业时，他偶然读到的一本名为《my life as a quant》(宽客人生)的书，这是一本讲述高能粒子物理学家德曼投身华尔街的故事。它让王琛原本通往IT公司的人生多出一种可能。在他看来，“量化投资，一来很重视技术，二来它很公平。它衡量的是在市场环境下，处理数据信息和交易的能力”。

对于一个做事不愿太受人为因素干扰的理工科生来说，这样一种人生简直再理想不过。