迈萃资产：全方位高频策略集，全天候捕捉盈利机会
时间：2020-03-08 16:44 来源： Fund芯
专访感言：
迈萃资产走了一条非典型的量化私募发展道路。
总经理毛东元从品牌商业跨界到金融资管，始终抱持数据驱动的交易策略，个人投资经历遍历国内各类资产品种。另一位合伙人王宗虎，曾长期负责“东方红”系列产品的交易择时。从而奠定迈萃自身的投资定位：从市场微观结构中捕捉收益来源。
相对金融工程理论的传统大框架，迈萃在策略和策略系统上有着自己的独到“创新”。举例来说，迈萃通过观测跟踪市场，在白糖和煤炭这两个逻辑不相关品种之间得出某种价差策略。毛总不否认该策略本身就属于一种“肥尾”，但凭借迈萃独到的理解和细致的处理，让他们有能力把握和抓住这段肥尾收益。
毛总认为，真正的交易应该是各种复杂因素的共同作用。尤其在高频领域，策略通常都基于海量级别的tick数据，天然存在着与之匹配的特定时段以及各种不确定风险。在承认这一本质的基础上，迈萃通过机器学习模式，“物竞天择”地构建了一个“策略生态”。一方面建立好的机制促进策略生长演化，同时也不断引入新的“策略物种”，推动整体生态良性发展。
01迈萃资产介绍
迈萃资产管理(上海)有限公司成立于2016年4月，并于2017年3月成为中国基金业协会认定的私募投资基金管理人（编号：P1062084）。公司高管与投资经理均毕业于名牌大学理工学科，且分别深耕多年于投资领域、计算机科学与500强跨国企业管理职务等，融汇了跨行业的先进理念。团队将金融理论、数学模型与计算机技术重新解构再造，形成一套统一且严谨的理论体系，并在2015年开发完成了一系列数学模型、算法理论、交易技术平台与交易策略。
迈萃资产的责任，是造就一支立足中国的,具有世界范围内先进理念、业绩优秀、口碑相传的量化基金，盼望携手更多有前瞻性的投资者，一同分享前沿投资理论与技术发展所带来的滚滚红利。
02本次专访对象：毛东元 总经理
o教育背景：上海交通大学自动化专业
o 工作经历：11年量化交易经验。曾任美国宝洁公司、荷兰皇家飞利浦(中国)投资有限公司市场研究部高级经理，以量化模型支持全球高层数十亿美元投资决策； 2013年创建堇色信息科技担任CEO，专注研发智能量化交易系统； 2016年携量化系统创建迈萃资产，整体负责公司运营和策略的开发与运行。
03访谈实录
“稳定的专业化团队：迈萃资产成立于2016年4月，公司以量化多策略见长，目前除国债期货和期权之外，基本已覆盖国内所有二级市场交易品种。
公司两位核心人员在不同领域各有建树：
❶ 毛东元：毕业于上海交通大学自动化专业。曾任职于宝洁、飞利浦市场研究部，主要负责以量化模型支持管理层每年几十亿的对华投资决策。个人曾从事股票交易、股指日内交易，拥有13年量化投资经验。现任迈萃资产总经理，整体负责公司运营和策略的开发与运行。
❷ 王宗虎：毕业于上海交通大学自动化专业（是毛总大学同学）、上海高级金融学院金融MBA硕士，曾任职东方证券资管，作为“东方红”系列产品投资交易团队核心成员，负责增强择时交易，在东方红时期交易规模曾达上百亿。现任迈萃资产副总经理，主要负责股票类资产的投研、量化模型的开发与投资决策。
“复合日内高频策略: 迈萃阿尔法猫
阿尔法猫是迈萃第一只对外募资的产品。
交易策略：高频CTA策略+股指期货策略+股票期现套利策略。
策略特点：低相关性、轮动均衡、无多空敞口、无隔夜仓位。
❶ 高频CTA策略：
a. 全品种：正常环境交易40多个品种。
b. 交易周期：从1个tick到10分钟。
c. 策略类别：包括做市商策略、短期套利、中高频趋势等。所有策略通过tick级别数据聚合而来。不同商品板块在策略上采取细微差别处理。如黑色系品种的趋势策略偏多；某些小金属和农产品，则是套利策略偏多。
商品套利策略主要为跨品种套利，跨期较少。全部基于量价关系，非产业链逻辑。毛总表示，不同品种的关联度往往呈现为一条上下波动的曲线，迈萃在关联度上设置“最低门槛”，当超越有效范围的下轨且继续向上运行时才选择参与，一旦关联度下降，出现亏损就立即停止。
❷ 日内股指策略：
股指的交易周期在十分钟级别，通常不隔夜。
❸ 股票期现套利：
阿尔法猫在2019年年初新增股票品种，具体策略为一篮子股票和股指期货之间的套利策略。目前该策略在整体产品中占比1/4。容量较大。
“基于“机器学习”的高频策略FOF组合
上述在阿尔法猫中所运行的各大类策略，如继续划分还可进一步分为几十个子策略。
迈萃使用机器学习方法对几十个子策略进行权重配置管理。毛总强调，我们在策略层面强调普适性原则，因此机器不会改变策略本身的逻辑，也不调参数。之所以想通过机器，目的是令这些类型丰富的策略能更加适应不同的市场环境，从而实现收益曲线的顺滑。“从这个角度，也可以把阿尔法猫看作是靠机器管理的高频策略FOF组合。”
迈萃的这套全自动策略切换系统在2016年底完成并正式实行。当问起毛总，在使用机器上迈萃是否有自己的特点时，他回答道，“决定运用机器学习的一个很重要的前提假设，是我们认为因子的有效性总是呈现出一种肥尾效应。”
以单一策略举例，螺纹钢和铁矿石之间的日内（分钟级别）价差套利。通常一年中可能赚钱的就是2-3个月时间。“就像价值投资者都信仰中长期有效的方法论一样。在高频环境下，我们相信每一个因子都是短期有效，可能一轮行情就挣完了两年的钱。所以，在肥尾假设下，我们不要求对每一个策略都做到特别精细，而是利用不停‘过拟合’的方法去适应不同的市场。”
迈萃把所有策略放入一个产品（阿尔法猫）里，用机器对每周、每月、每年的不同市场环境分析配置适合的因子。“这就是我们的核心理念。我们不去主观判断未来半年或一年会出现怎样的行情，因为随着高频团队的越来越多，技术手段的越来越先进，市场风格切换只会更加迅速、更加频繁。”
“2019年下半年市场环境与策略回顾
2019年7-8月份，整体市场环境变得恶劣，资金拥挤，策略出现一些不适应。（访谈日期为2019年12月5日）
毛总说道，下半年以来，所有类别的策略都遇到了类似的情况，但这并不代表策略本身有什么问题。
以迈萃的策略体系为例，有的策略主打盈亏比，允许亏损的前提下追求少数几次的大幅获利。这种策略在这段时间很少有机会开仓。有的策略则追求高胜率，如做市商策略，一般当市场环境正常的时候，胜率能保持七成以上，但最近三个月胜率降至五成不到，如果算上手续费，有时还会反而亏损。通过以上的变化，我们可以看到交易成本正在变高、滑点正在变大、策略胜率也相应变低，反映出市场同类策略之间在互相共振互相挤压，这些都不是简单改变策略就可以得到解决的。
“韭菜减少，大家都在挥舞镰刀。以前认识的几家做和我们类似策略的机构，当初不过千万级别资金，现在都已经是几亿规模。”所以，现阶段更好的应对方法可能就是等待市场恢复正常，等待某些资金撤出。
另一方面，迈萃的机器模型也在适时做出调整。例如在股指波动率收敛的横盘阶段，降低了单边开仓策略的权重，增多日内套利和回转，以减少回撤和波动。再比如上述提到的做市商策略，在机器的调节下，参与品种减少，开仓手数变少，等等。
“策略研发方法与思路：
迈萃所有策略都来自于主观研发，每个策略都拥有完整的交易逻辑。那么如何开发新策略或找到策略思路？毛总分享了两个方法。
第一个方法，观察别人的交易曲线。主要是那些国内没有的新鲜品种。例如恐慌指数，海外有机构专门针对这一指数进行交易投资，去观察他们的收益曲线和这个指数的关系，去猜测别人的交易逻辑，帮助自己打开思路。
另一个方法，盯盘。毛总非常重视每日的盯盘，认为是开发策略最务实的方法之一。每天，迈萃团队都会仔细观察机器执行下单的过程以及行情和盘面的变化。如遇到某些时候机器出现了连续的交易错误，那么事后详细验证，反思策略逻辑是否存在漏洞，并寻找新策略替代。
聊到这里，毛总又谈了自己对运用机器学习挖掘策略的看法。他认为，机器更擅长的是管理和优化策略。虽然机器很容易发现两个因素间存在联动关系，用参数做出拟合出因子，但背后没有逻辑支撑，不知道什么时候会失效，这是最危险的。“因为机器无法联系到世界上所有的参数，永远存在过拟合问题。就像你所拥有的数据也必然有限，而真正影响价格的东西却是无限的。”
“外资进入后对于高频策略的影响：
毛总承认，2019年以来很明显能感受到外资对高频造成的冲击，高频环境正变得愈加拥挤。但另一方面，他对未来也并没有那么悲观。
实际的情况是一些“海归”回来后对国内交易环境更不习惯。比如国内的政策环境说调整就调整，以及对商品价格的管控，这些都是国外机构从未遇过的事情。自由市场的特征是beta高，上涨无限下跌可以跌至0。但在中国都是难以想象的，他们也需要学习和熟悉中国市场的风格。
“未来公司发展规划：
现阶段最着急的是补充IT人才。“市场风格切换如果依靠人工去观察就太慢了。以后可能越来越像美国，类似De Shaw和桥水，需要在全市场寻找阿尔法。如此就必然涉及更多品种，需要连接不同交易所，以及不同交易所之间的联动，这些都对IT系统提出更高的要求，值得和需要更多投入。”
关于选拔与培养人才，迈萃更倾向于专业度高的。特别是在机器学习领域。
注：本文图片均摘自迈萃资产介绍材料
访谈时间：2019年12月5日
作者：私募中国研究部 强雅旎
