政务处理

七禾网注：嘉宾回答仅代表其本人观点，不代表七禾网的观点及推荐。金融投资风险丛生，愿七禾网用户理性谨慎。

魏铭三

毕业于浙江大学计算机&人工智能研究所，将人工智能与机器学习的方法带入金融市场进行实验，在机器学习框架下完成了上百套完全智能化的交易模型，覆盖了从国内股票、期货以及全球市场的交易模型，均取得了高夏普与高风险收益比回报。

精彩观点

我看了非常多的书，总结下来基本上是说，你要制定一个交易计划，然后照着这个交易计划去执行。

如果我们的程序化策略永远都是不更新的，永远都是那套旧的思维理念，只是改变参数的话，那程序化交易肯定是越来越难做的，因为这个市场随着参与者水平的提高，市场整体也在提高。

有很多重复劳动型的职位，其实渐渐也在被社会淘汰，这也是人工智能在社会上面多种行业的一个体现，那自然而然，金融行业其实也面临着这样的一个迭代的过程，重复性的、可替代性的职位就会被人工智能所替代。

我们已经做到把图像识别的技术用在K线上面，它很快地就能从这些K线的组合里面去找出能够有胜率的一些组合，大概也就是几分钟的时间可以找出十几种、几百种有用的这种K线的组合。

股票上面的策略，我们就会涉及到基本面和场外的一些数据，还有一些事件驱动的策略去做，期货和数字货币的话，我们就纯从量价上面去考虑，就放在我们机器学习和人工智能的框架下面去进行学习和交易。

之所以大家会用程序化这种方法，就是因为它执行力强，如果你把它关掉或者手工干预的话，那又会变成手工主观交易的一部分，就发挥不了它执行力的优点。

赚钱的策略我们会给它更多的资金，如果是亏钱的话我们会把它的仓位减下来，甚至最后淘汰掉，所以本质上就是赢冲输缩、赚钱多赚。

高频关键不在于交易策略的思路，而在于你的执行，其实大部分时间我们不是在研究策略，都在解决系统发单的时候并发性还有对柜台、线路的了解、机房的布置，还有就是怎样利用操作系统的一些比较巧妙的地方去提升速度，并且让这些策略或者订单不会乱掉，还有IT队伍的培养

不是追求策略的换和不换，而追求的是一种能够在大多数行情里面都能稳定的这样一些策略，找到这样的策略是重点。

如果这个策略是稳定性的，那么可以放到我们实盘的策略池里面，它赚钱了那我们会继续加仓，如果亏钱了我们会减仓，如果它亏到一定程度，我们直接会把它停掉不做，让它继续做模拟盘。

不是说量化交易把主观的交易者淘汰了，而是说淘汰了那种模式，转变为一种新的模式，就是人会更多地利用模型或者数据去分析，这个分析有可能是分析完了计算机去执行，也有可能是计算机提供给人一种辅助的工具，然后人来追踪、判断，我认为是这样的一个形式。

七禾网与Trade Speed急速云联合推出了“七禾云”云服务托管服务器，采用高频交易的硬件和软件架构，并且利用交易所周边网络资源，专为程序化交易者提供高速的云服务托管服务器。

点击查看详情：做量化，就用“七禾云”！（低延时、高性价比、手机端可操控）

七禾网1、魏总您好，感谢您和七禾网进行深入对话。您做期货已有8年时间，当时是怎样的机缘巧合使您进入到期货市场当中？

魏铭三：说来也比较巧，我在学校的时候自己也炒股票，当时自己在学校倒腾一些小生意就有些闲钱，就想着去做点别的事，就想到炒股票。一开始我主要是自己瞎做，瞎做肯定会亏钱，亏了之后，因为我是学计算机的，我去旁听一些金融系的课程，老师推荐了一些书，我当时看了非常多的书，总结下来基本上是说，你要制定一个交易计划，然后照着这个交易计划去执行。基本上所有书都是讲这个，还有些书就无非讲一些细节，告诉你交易计划该怎么制定。当时觉得这样做效率比较低，因为我是学计算机的，就尝试在EXCEL开发一些在某个价位进或者出的这种方式。后来到大四的时候开始选课题要做毕业论文，有个老师的课题叫期货市场交易策略的实现，这就特别契合自己想要了解的东西，就报了那个老师的论文课题。最开始接触程序化，就是通过论文的形式，当时我的毕业论文就是用程序化方式去实现期货市场的海龟交易法则，所以从那个时候起就接触到了程序化交易，当时程序化交易只能用在期货上面，自然而然就进入了期货市场。

七禾网2、您在大学时就开始研究程序化交易，为什么您一开始就选择程序化交易而不是主观交易？

魏铭三：我一开始就是瞎做，就是没规则地做，那时候分不清楚什么是主观交易、什么是量化交易，后来意识到无论任何的交易法则，基本上都提到一句话，就是计划你的交易，交易你的计划，后来对交易、市场、工具、品种等有更深的认识之后，知道有主观交易、程序化交易之分。我是学计算机专业的，了解了这些情况之后，我就认为程序化交易最能体现出之前的那句话——计划你的交易，交易你的计划，并且能够把它执行下去，我就觉得程序化交易是最适合自己的。

七禾网3、在您做期货交易的这8年中，从程序化交易的角度来看，您认为市场有哪些变化？是否感到程序化越来越难做？

魏铭三：我先回答第二个问题，就是程序化是不是越来越难做。这里就分成两方面，第一个方面，如果我们的程序化策略永远都是不更新的，永远都是那套旧的思维理念，只是改变参数的话，那程序化交易肯定是越来越难做的，因为这个市场随着参与者水平的提高，市场整体也在提高，所以程序化策略本身如果是不更新、不迭代，还是老一套的话，那就会越来越难做。回过头来我再想，其实8年是一个比较长的周期了，在这么长的周期里面，市场自己进化的速度也是非常快的，不光是市场参与者本身，从监管政策的角度来看，监管的风格变化都相当大。我举个最简单的例子，做程序化设计会比较细，如果你要平仓的话，你要去选平昨还是平今的指令，当初为什么要区分？因为以前平今是不用手续费的，是鼓励你多交易的，但现在平今反而手续费是非常贵的，我们要用锁仓的方式去规避这个手续费。那这8年间，监管的思维从以前的鼓励交易、多交易，变成了不鼓励你多交易，想让交易不那么活跃，就从这个层面来讲，这8年的市场变化都非常大，进而对程序化的影响就会非常大，那当然是会越来越难做，这是第一点。

第二点的话从市场参与者的角度来讲，8年前，2010年的时候做程序化的人还不是那么多，而且程序化对于大家来说还是一个比较起步的阶段，无论讨论的内容的等级层次，还是参与者的专业度水平，包括私募里面量化私募的占比，都不是特别高，也就是说那个时候是一个野蛮、比较粗放的市场，那个时候大部分品种波动都还比较大。然后后面经历了几个阶段，第一个阶段我认为是百花齐放的，很多品种都有自己的行情，螺纹钢、农产品都会有部分的行情。到2014年，大部分做程序化的人转型去做股指了，那个时候股指的交易量大概占了整个期货市场的80%。再到现在，股指被限制了之后，商品上面就变成了局部的一小部分行情，这上面变化也是非常大的。而且现在参与者除了很多国内本土的比较优秀的量化交易者外，还有国外非常有名的公司也到国内来进行交易，现在我们国家也欢迎这些优秀的对冲基金进来，所以参与者的结构变化也相当大，这个市场和之前是有很大不同的。

七禾网4、您从浙江大学人工智能研究所毕业，对于人工智能在期货交易中的应用您怎么看？未来可能人工智能在期货交易中的应用会越来越广泛和深入，您认为这对程序化交易来说是否会造成比较大的冲击和挑战，程序化交易是否会越来越难赚钱？

魏铭三：我当时师从金小刚教授，金小刚教授在人工智能上面还是比较有建树的，我跟着他学了不少东西。至于人工智能在期货上面的应用，我觉得对于我们团队来说还是一个工具，这个工具我相信以后不光是在期货行业，在任何行业它一定都会普及开来，并且会实际地去替代一些人的工作。我举个最简单的例子，我2012年的时候就在杭州创业做了一个资产管理公司，那个时候我们还是比较传统的，会招聘一些策略师，要求他根据我们的一些交易想法，把它实现出来，也有可能是他自己发现了一些方式，或者跟一些主观的交易员聊，然后把一些可以量化的方式写出来，以前都是这样子的。后来，我们在2015年就自己搭了一个人工智能的框架，到现在我们的团队构成就再也没有策略师这样的职位，我们现在更多的都是算法工程师，还有数据分析师，基本上就这两个职位了。我们这个框架搭建起来以后，团队里面就把策略师这样一个职位淘汰了，除了跟交易相关的，现在有很多重复劳动型的职位，其实渐渐也在被社会淘汰，这也是人工智能在社会上面多种行业的一个体现，那自然而然，金融行业其实也面临着这样的一个迭代的过程，重复性的、可替代性的职位就会被人工智能所替代。

至于未来人工智能在期货上面会不会对程序化造成一个比较大的冲击，如果说这个程序化交易指的是狭义的，就像策略师，我们自己去总结一些规律，然后把它开发出来，那我觉得肯定会淘汰他们，我们自己内部已经淘汰了，对于整个市场来说，像这种还要自己去开发策略的，永远是会被淘汰的，因为我们的算法可以做到很快地去总结出这些数据里面暗含的规律 ，把它寻找出来，这会比人总结和寻找效率高非常多倍。在我看来，做交易无非都是从历史的，或者以前的经验里面去总结规律，找出一些胜率比较高的交易模式，无论是我们以前总结的像传统的K线战法，或者是一些指标的运用，这些都是以前的人总结的交易经验，但是他们花了这么多年，十年、二十年出了一些经典的书籍，比如《日本蜡烛图战法》，这些都很经典。我们已经做到把图像识别的技术用在K线上面，它很快地就能从这些K线的组合里面去找出能够有胜率的一些组合，大概也就是几分钟的时间可以找出十几种、几百种有用的这种K线的组合。这样的话，对于传统的写一个策略还要这么久，还要模拟再跟踪，现在几分钟就能搞定，然后就可以上模拟或者实盘，所以这种速度是不能比的，那这对于程序化交易来说冲击是非常大的，但是我们做完这些模型之后，仍然也会照着模型去执行，所以从泛程序化来讲，人工智能本身就是泛程序化的一部分，淘汰的会是那种传统的、人工开发的这些类型的程序化交易。

七禾网5、据我们了解，您已经在用机器学习的方式生成策略、进行实盘交易，但是有的人认为，这种方式背后没有交易逻辑支撑，这样的策略有效性待考证，对此您怎么看？

魏铭三：确实会有很多人反驳，机器学习、人工智能这些是不是会过拟合，其实反过来想，这讨论的不是人工智能有没有逻辑支撑，而是过拟合的一个问题。不管是人工智能、机器学习去做模型，还是人去做模型，都会遇到一个过拟合的问题，人做一些简单的模型，他如果用了非常大量的参数，然后去优化，不是人工智能做出来的，但一样面临着过拟合的这样一个问题。还有一点，所谓的交易逻辑支撑这个问题，之前我们组建框架的时候也问过自己，它背后有没有逻辑支撑？这上面会不会在以后不能够赚钱，而只是在学习的训练样本上能赚到钱？我们也思考过这些问题。后来有一个例子给了我们比较大的信心，一个国外的对冲基金经理叫伍德瑞夫，他有个自己的投资公司叫QIM，QIM从2003年以后就开始发行产品，公开地对外展示，这个公司有个有趣的地方，它一共只有30名员工，其中29个都是和策略没有关系的行政、财务这种功能性运作、行政性运作的职位，只有一个策略师，就是伍德瑞夫这个创始人本身。他们管理了30亿美金的财富，但策略师只有他一个，那他怎么做到呢？后来他在2015年接受了采访公开说了，他就是用机器学习和人工智能的方式去制作他的交易策略，用他的机器学习的算法，每分钟就能找到上百个有效的模型或者模式，那这样的话他其实从成千上万个模型里面，挑出他认为能够赚钱的几千个模型，然后就来管理他的30亿美金资产。他做CTA策略，几乎每一年都跑赢全球市场的商品指数，自从2008年以后标普已经翻倍了，他仍然是跑赢了标普。所以这上面证明了借用机器学习这样的算法是可以的，并且他说只用到了量价的数据，没有用到其他任何东西，纯从机器学习的规律去挖掘，但是最重点的不是说背后有没有交易逻辑，他认为最重要的是找到一个衡量策略在之后仍然能够赚钱，也就是衡量这个策略稳定性的方法，是最重要的，因为他认为人的理解能力是有限的，所以有些交易逻辑人没法理解，但是不能认为它不存在，他宁愿用机器学习找出上万个这种看似是有预测能力的模型，然后用比较严格的挑选方式去选出具有稳定性的几千个，也不愿意在有限的逻辑里面去找那十几个模型。其实我们后面从实战的基础来看，虽然我们的模型确实也都是纯从量价数据用机器学习和人工智能的方法去找寻这些数据背后的规律，它们不一定要有逻辑支撑，但是从结果的表现来看的话，它还是比较有效的，最主要还是衡量稳定性的方法，这点我们和伍德瑞夫的理念基本上是一样的，这点是比较重要的。

七禾网6、您股票、内外盘期货、数字货币都参与过，您是否主要都是以量化的方式参与？不同市场之间所用的量化方法有何不同？

魏铭三：无论股票、期货还是数字货币，我们分成两种，一种是涉及到基本面维度的数据，一种是只用到量价数据的策略。股票的话我们一部分的量化策略，还是会去进行一些基本面因子的建模，当然会把因子分成比较细致的类别，比如盈利能力或者稳定度等这些场外的、非财报的数据，一些场外的数据都拿来进行建模，然后去进行分析。因为股票实在是太多了，当然数字货币现在也很多，但是我们只会做主流的一些数字货币，而非一些比较小品种的代币，如果纯从主流的数字货币以及期货品种来看，还是比较少量的，股票的话由于它太多了，特别是像现在新股又特别多，如果纯从量价上面考虑的话，就比较难去做筛选。所以股票上面的策略，我们就会涉及到基本面和场外的一些数据，还有一些事件驱动的策略去做，期货和数字货币的话，我们就纯从量价上面去考虑，就放在我们机器学习和人工智能的框架下面去进行学习和交易。所以这上面的话，我们倒不是从品种来分类，而是从用到的数据去做分类，我们现在还没有找到一个非常好的、有效的方式去把基本面和场外的数据整合到我们人工智能这框架里面，当然我们会朝这个方向走，如果实现了的话，我们的数据维度就会扩充得非常大，有可能我们期货也会用到基本面的东西，因为我们只要把这个框架整合起来，对于这个模型来说，它就是数据而已，然后它就能从这个多维度里面去寻找规律出来。

七禾网7、近一年数字货币和区块链很火，受到了很多人的关注。您对于数字货币和区块链怎么看？它们是否代表了未来的发展方向？

魏铭三：现在国家不太支持数字货币，但是国家还是比较支持区块链的，其实这是一种技术和它的表现形式的区分，至于它是否代表未来的方向，我觉得区块链技术和人工智能技术比，我是坚定地认为人工智能技术它一定代表了未来的方向，而且现在就已经在生活的方方面面去应用了，但区块链这个方向的话，我暂时还没有看到这是必须的，就是离开它不行的这样的一个项目去落地，或者是能够极高地提高社会生产力的这样一个项目的落地，我暂时还没有看到。我觉得我不好去判断区块链是怎么样，而且现在很多人都打着区块链的形式，去骗钱割韭菜，或者发代币、发ICO，我觉得这样的形式是非常不好的，但是在基于区块链这上面的一些比如说智能合约的应用的话，我认为还是不错的，但是如果是发代币的这种形式，我觉得十有八九都是骗子，所以在这上面就存在一个辨识度的问题，如果市场上面的人没有一个比较好的辨识能力的话，很容易就会被套进去。因为我也不是区块链的专家，所以我讲不了太深，但是从交易角度，我觉得现在的数字货币的合约设计非常不合理，因为它的最小手数非常地小，那这样的话对于交易来说就极大地分散了它的流动性，无论它的标价还是最小合约，都可以分到小数点后非常多的位数，有的是4位，有的是8位，这样的话，它就会把流动性拆得比较散，在同一个价位可能只有零点几手的挂单，你每下一次单的话，滑点飘得就会比较多，从合约的设计角度来讲，这是不太合理的。另外现在在几个交易所出了一些衍生品的品种，但是规模还不够大，再就是这个市场上交易所实在是太多了，看似很火，但实际上人其实也不多，因为第一我们国家不允许做，量就很少了，第二个交易所实在太多了，这些交易所的报价、流量都会被分散，就会造成每个品种流动性是不足的，所以从交易体验来说的话，它是不太好的，现在这个情况来看是支撑不了大资金的，只能是小的资金去做一下。

七禾网8、近一两年以来，大多数CTA策略普遍表现不好，您认为主要原因是什么？对于这种现象，以及面对当前的市场行情，您认为应该如何调整和改变自己的投资策略？

魏铭三：从我们自己的实盘做下来情况来看，表现不好主要有两个原因，第一个就是之前谈到的监管，因为CTA策略本质上是做多波动率的这样一些策略，但是从现在监管的套路来看的话，基本上哪个品种波动大，它就去降温，最典型的就是今年的苹果，苹果本来是一个郑商所推出的明星品种，并且前期给了非常多的市场的培育、培训、投资者普及，还有手续费上面的优惠等，好不容易把这个品种做得比较活跃，大家参与得比较多，波动率比较大，郑商所就突然加了非常高的手续费，一下就把这个品种的成交量、流动性和波动性都抽走了。所以我觉得从监管上面来讲，近些年的监管是不希望出现有大波动的品种，既然这样的话，波动性大的品种自然而然就很少。第二个原因，就像我之前提到的，现在市场参与者维度也非常多了，不像以前还是机构投资者比较少、散户比较多，现在散户的数量在一定地减少，机构投资者的参与，还有海外投资者的参与，都提高了市场参与者的平均水平，那这样的话传统的这些策略自然而然就会变得不太好做，自然就觉得CTA变得不好做。第一个自身参与者的进步水平没有跟上高手的进度，另外一个就是好做的品种由于监管等原因都变得很少，品种和策略两个都不好，自然而然CTA策略普遍就会比较差。但是我认为后面的话反而会有些机会，因为美国特朗普对外的政策不确定因素变得特别大，后面的波动性因为这个政策或者全球系统性的原因而放大，我认为CTA在后面政策不确定的这段时间，波动性放大的话，还是比较有机会的，只不过现阶段比较难做。

像现在的话，投资策略一定得进化起来，我觉得现在就两种方式，一种如果自己研究能力比较弱的话，可以把资金交给专业投资者，这也是一种投资策略，不要觉得只能自己做。第二种如果是有能力的话，可以利用现在富有的算力，去进行人工智能或者机器学习这样的一些算法规律的挖掘。我是认为人开发的时代已经过去，如果还在进行这样的尝试的话，那注定会失效、会被淘汰，除非是做非常长期的策略，那我认为还是有机会，但是如果本身又不是做非常长期的策略，然后又想有比较高夏普率的这种收益，还是蛮难的。所以至于调整的话，就是提高自己的投研能力，要么就是交给专业的人做。

七禾网9、有些人在经历了程序的长期亏损和回撤之后容易手工干预，甚至把程序停掉，您也曾有过程序亏损停掉之后，立马程序后来就大赚的经历。您如何看待手工干预这一行为？现在您是否会手工干预程序化交易？

魏铭三：当时是在2012年的时候做螺纹钢，4月、5月份螺纹钢是一波猛烈的下跌，那个时候刚用上了一些螺纹钢的策略，从测试的角度来讲，那波下跌是赚了很多钱，但是后面上了实盘之后，从4月份到10月份，有小半年时间都是在底部震荡。当时做程序化不久，仓位管理不到位，一下子仓位上得很重，所以回撤比较大，回撤了将近50%了，当时全是自己的钱，心里还是蛮难受的，那个时候就控制不住了，到了大概10月份的时候就把策略停掉了。停掉之后，到了11月份的时候，当时习主席刚上台，无论是股市还是商品都受到很大的鼓舞，程序才停了不到两周，螺纹钢一下子就涨起来了，策略要是开起来就能继续赚钱，这个经历给我的印象是非常深刻的。之所以大家会用程序化这种方法，就是因为它执行力强，如果你把它关掉或者手工干预的话，那又会变成手工主观交易的一部分，就发挥不了它执行力的优点。我当时之所以停掉是因为仓位太重，一下子就亏掉了不少钱，其实仓位管理也会影响到你交易的心情，进而就会影响你错误的判断，相当于是一个综合的问题，除了策略是可以的，实际上还有一些其他的交易方面的问题没解决，比如仓位管理、情绪控制、执行力等等，其实这些是道的问题，术没问题，术就是策略，如果道上面出了问题一样是做不好的。

自从这次经历以后，我仓位是放得比较轻的，然后我会给自己定一个比较合理的目标，当初定的是我一年要翻倍，所以我下的仓位也重，这样容易在中途就被洗出去，洗出去有可能是自己执行不到位，有可能是真的行情太大，让你的策略直接爆仓，我后面就会定一个比较合理的收益目标，今年比如说就是20%或者30%，进而来去管控我的仓位应该设置多少，这样一个比较低的仓位，也不太会影响到我的情绪和对于事情的判断，所以我现在基本上都不会去手工干预程序化交易。上次我看到的数据还蛮有意思的，从2005年开始算，公募基金的这些基金的表现，到现在的话年化的回报率大概是15%，但是基金业协会统计，买基金的这些人其实根本就没赚什么钱，大部分还是亏损的，只有很少比例的人赚钱。其实基金本身每年有15%的复合收益，你只要买入持有就能赚这么多钱，但是基民们为什么会亏损？是因为很多基民都把它当作一个短线的股票来炒了，追涨杀跌，这只股票净值涨得快我就买入，结果买入之后回撤就出掉，然后再去追下一只，来回地折腾。这就是术和道的问题，术是没问题的，公募基金的基金经理年化收益能做到15%，其实对于程序化交易的策略来说，如果按每一年算，能够每年赚钱的策略应该是很多的，但是实际上无论是做策略的人还是买基金的人，大部分都不能做到每年稳定赚钱，所以无论做程序化交易还是买基金，其实要管控好自己的资金分配、情绪控制这些道上面的问题，这上面还可以下很多工夫。

七禾网10、您表示在期货市场中要赚信息不对称的钱、趋势的钱以及周期的钱，对于这三个方面，您认为分别应该用怎样的策略来应对和赚钱相应的钱？

魏铭三：第一个是赚信息不对称的钱，这个钱不用什么策略就可以，你知道一些比较有用的信息，如果这个信息稍微复杂一些的话，那你可以进行建模来去兑现它。我举个最简单的例子，保险公司它的会计准则是一套系统，但是去年保险对于这套系统的会计准则进行了一些改变，这样的会计准则改变会暴露它以前用会计准则藏掉的很多的亏损或者是浮亏，这样的话它就会势必改变它的投资策略，在新的会计准则下，它自然就会买一些让它的浮盈优势或者是一些计算方法更合理的标的。这种信息发布之后没有人会太关心保险公司的记账准则会怎么改变，但是了解保险公司这一套会计准则的人就会知道，因为保险公司是一个非常大的资产管理公司，它拿了那么多的保费要去投资，它的投资策略改变的话，对于无论是债市还是权益类资产的配置的切换影响是比较大的。我认为这种就是信息不对称的钱，普通人不理解这背后的逻辑，我恰好认识一些对保险分析非常透彻的人，他们对于这上面是非常敏感的，这个消息大家都同样地知道，不是内幕消息，说大家都拿到同样的消息，但是他们对这上面的解读会更深，保险公司投资策略的改变就会影响到这个市场，那他们就会相应地提前去进行布局，去赚到这部分的钱。所以说它不需要任何的策略，只需要你对于这些背后的逻辑研究得足够深。

赚趋势的钱的话，我分析了非常多的数据，以前甚至是用产生随机数的方式去造一些行情出来，然后验证我们的策略。我在造数据的时候，发现金融数据和随机数本质上是非常不同的，虽然从统计上来说都是钟形曲线形态分布，但是学过金融学的人都知道，金融数据和普通的正态分布是不一样的，它更像学生t-分布是尖峰肥尾的，金融市场并不随机，它的尾巴实在是太厚了，行情很多时候具有了趋势性，我在做随机数市场行情的时候，发现趋势性并不像真实行情那样，所以我在验证策略的时候经常会走偏，所以我后面就会真正提取金融市场的这些数据的特征，来产生我的随机数，而不是纯粹用一些简单的产生方法来产生，这样的话我训练出来的模型，大部分都是趋势模型，它只要做到在钟形曲线分布靠中间的那一段，能够做到不赚不亏，但是在肥尾来临的那个时候能赚到钱就好了，所以赚趋势的钱就是赚金融市场上肥尾的这部分钱。

至于赚周期的钱，从大的周期来讲，无论什么品种，它都具有一些均值复归的特性，均值复归现象无论是在市场还是生活中都存在，就像很多大公司，做得太大了，其实就变成了大公司病，它就变得衰落，增长率就不会太高，小型公司的话成长性会比较好，在任何时候它都会有这样双方面的一个表现。周期的钱指的就是在一些品种沉浸了足够久的时候，它就会有一些周期性反复的这种规律形式存在，但是时间比较久，其实它和程序化没有什么关系，当然你可以用建模的方法去找出这种周期性、相关性等，但是它不一定要用程序化的方法，它就是一种存在的规律，我们可以人工去找、可以模型去找，把它找过来的话，可以建立足够长的一部分头寸。当然我们自己周期还没那么长，我们基本上还是做得比较短周期的，就是赚趋势的钱或者信息不对称的钱，因为这部分验证得会非常快，这样的话我们可以把策略的夏普率做得比较高。

七禾网11、请问您当前的期货交易中总共有多少个策略？各个策略的特点是什么？策略之间是如何配合以及分配资金的？

魏铭三：我们实盘的大概有好几百个，模型库里面有上千个策略，都是在我们人工智能、机器学习算法下面去自己构造的，所以策略还是比较多的，我们只考虑策略之间的相关性，因为学习出来的这些策略看上去没有逻辑，所以特点不好总结，我们只能从策略之间的相关性去衡量。我们基本上都会配置相关性比较低的这些策略去进行组合，分配资金的话，我们是比较动态的一个分配方式。我觉得策略是我们比较有特色的一部分，数量上比较多，我们自己团队比较自豪的主要还是怎么管理这些策略，我们这个方法我们把他叫做大风控，相当于是管理这些策略，主要就一个标准——赢冲输缩，相当于赚钱的策略我们会给它更多的资金，如果是亏钱的话我们会把它的仓位减下来，甚至最后淘汰掉，所以本质上就是赢冲输缩、赚钱多赚。我们先设计了这个算法，后面是另外一个互联网产品给了我们比较大的启迪，让我们坚信往这条路上走，就是现在有个独角兽叫今日头条，现在它的活跃用户很多，今日头条的本质上是一个推荐算法，我们研究了它的推荐算法，它和腾讯的微信不一样，朋友圈是你的朋友分享什么你看什么，它是先生成一篇文章，它先发给一千个人，这一千个人里面有多少人点进去看了，每一个人点进去看的浏览时间是多少、是看到最末尾还是看到中间就跳出来，搜集了这些健康的数据，它会有个初步的判断，认为这是一篇好文章，它再帮你推给一万个人，然后再搜集这一万个数据都还不错的话，再帮你推十万个、二十万个，如果是一篇好的文章，它就很快地通过这样的方式去发掘出来。如果一篇文章它发现第一轮测试都没多少人看，也没多少人点击，那第二遍它只再推荐五千个，而不是一万个，然后如果推荐五千个的效果还不好，它可能就不推荐了，所以渐渐地它推荐的文章都会变成好文章。它就自己设计了一个赢冲输缩的机制，好的东西它会更多地选出，不好的东西它直接丢掉，所以现在今日头条成长为独角兽，就在于这样一个机制，在它上面推荐的不能说全是好文章，起码是大家爱看的文章，久而久之大家对它的粘性就会很大。受到它的启发，我们也坚信我们这一套赢冲输缩的系统，赚钱的这些策略一定是给比较高的权重的，亏钱的策略我们就会降低它的权重，直到它淘汰，我认为这是我们比较核心、比较骄傲的一个点。

七禾网12、您表示您的投资策略分两类，一种是纯高频，一种是中期的趋势策略，对于这两种方式，在思路设计上有哪些区别？

魏铭三：中期的趋势性策略的话，其实就是机器学习那个框架里面去做的。高频还是不一样的，高频是我们自己研发出来的，高频的设计思路还都挺简单的，高频关键不在于交易策略的思路，而在于你的执行，其实大部分时间我们不是在研究策略，都在解决系统发单的时候并发性还有对柜台、线路的了解、机房的布置，还有就是怎样利用操作系统的一些比较巧妙的地方去提升速度，并且让这些策略或者订单不会乱掉，还有IT队伍的培养，都是在这上面花了很多时间和精力。策略上其实都比较简单，包括一些联动、做市，思路都很简单，用到的东西不多，但大部分力气都花在IT系统这一块，提高它的并发性、容错性、订单管理，计算机开发、软件开发这上面投入的精力是非常大的。所以说两者的思路是不同的，一种是重策略上面多元性和搭配性，另外一个是策略很简单，但是大部分精力要花在去实现、执行上面。高频的话我们自己做下来，以前股指那种波动下机会确实是非常多，我身边很多做高频的朋友也都是那段时间实现了财务自由，这几年国内的商品确实是机会比较少，但是还是有些机会。高频策略也会存在像普通的CTA策略的更新问题，特别是有些合约的合约乘数的改变，就会导致很多策略不能用了，其实高频的失效性会比较快，可能就因为一些政策或者合约设计上面改变，高频策略就不能用了，还有市场参与者、监管上面的变化可能也会导致不能用了，所以说淘汰率还是比较高的，也会存在像以前开发传统CTA策略一样失效，你要想新的东西去补充，想一些没有关系的策略去做搭配，这和传统的是差不多的进化路子，难点和门槛就是在执行方面，这方面是会花比较多的工夫。

七禾网13、您表示在品种选择上，是用算法来选择品种的。请您具体谈谈您的品种选择方法和思路。

魏铭三：因为我们不是做基本面出身的，所以并没有把品种分为农产品、工业品、贵金属等，我们就看一些基本数字，比如成交量、波动率，其中有一点我们是比较看重的，就是绝对点数，相当于价格除以最小变动价位。举个例子，比如橡胶价格15000，螺纹钢3800，但是实际上橡胶15000的价格是要除以5的，只相当于螺纹钢3000的价格，但是别看股指只有3000多点，它是0.2一跳，所以说它的3000点是要乘以5的，它的绝对点数是非常高的，我们一般都喜欢做这种绝对点数高的品种。我们的算法就很简单，先把这些绝对点数算好之后，我们做一个排序，这是其一，其二的话我们会看波动性，因为镍涨1%和玉米涨1%概念是不一样的，镍是10万多的价格，10元一跳，相当于1万多点，玉米2000点，涨的绝对点数不一样，绝对点数就代表你赚钱赚了多少，所以就应该更做镍这种品种。所以我们衡量它的波动性，再结合绝对点数做一个排序，达到某一个阈值的品种我们几乎都做，但是之后我们还进行一个相关性筛选，相关性过高的一些品种我们肯定做其中一个或者它们整体分配同样比例的资金，不能在相关性过高的品种上下重注，下重注的一定是策略表现好的那些品种，通过赢冲输缩去调整它的权重，比如黑色系相关性都很高，如果每个品种都平均分配资金，那实际上黑色系的头寸是比较大的，这样的话就不太好分散风险，所以基本上我们还会考虑相关性的问题，再进行一定的筛选，这样的话选出来的品种就不多了，我们不是全品种地做。以前很多台湾的高手到我们大陆来交易，基本上其他品种都不做，只交易一个股指，他们的业绩都很好，大大超过我们自己本土的这些参与者，其实道理就很简单，全品种做起码对于我们来说不是一个好的方式，所以精选出一些好做的品种，何乐而不为呢？为什么不做好做的事情，要给自己挑选困难的事情做。

七禾网14、对于不同的期货品种，您的仓位和资金是如何分配的？今年苹果等品种的行情波动很大，您有没有重点配置苹果？

魏铭三：资金和仓位分配的话，我刚才也陈述了，主要是根据波动性和绝对点数选择品种，分配的话能够做到低相关性的都是等额分配，再根据赢冲输缩，赚钱的品种我还会给它加一些仓，其实品种上的钱我们是用策略去赚，策略加了钱就相当于品种加了钱，所以品种的资金分配也是动态的，赚钱越多的品种，我们会给比较多的权重。苹果我们今年也配了，苹果赚钱了，我们自然而然也把仓位加上去了，但是总的来说也不会超过一个上限，达到这个上限我们也就不会再加钱了，所以苹果也没有特别重仓去做，而只是一个相对比较重的仓位，相对于其他品种来说它的仓位是比较重的。今年基本上靠苹果赚了不少钱，还有镍也赚了不少，今年黑色倒不像去年那么好做。

七禾网15、有的人认为程序化交易策略应该定期调整或更换，有的人认为交易策略产生后就不必更改。您是如何看待这个问题的？您的交易系统是否会定期调整参数或者更换策略？

魏铭三：我自己也经历过这个阶段，很明白为什么去想这个问题，后面我想通了，这个问题应该再思考得深一点，你要换的话应该说明表现不好你才会换，如果行情表现不好，那说明这个策略不适合现在的行情，所以你要换，那假如说你换了之后，行情突然又变得适应以前你换之前的那个参数怎么办？所以其实本身不是追求策略的换和不换，而追求的是一种能够在大多数行情里面都能稳定的这样一些策略，找到这样的策略是重点，而不是参数换和不换，如果还在谈换和不换，那说明你还没有思考到策略的稳定性的问题，如果你思考到的话，自然而然你不会换的，因为策略已经够稳定了。但是我们的策略会不会换？我们会换，换的逻辑是什么？就是我们赢冲输缩的一套体系，如果这个策略是稳定性的，那么可以放到我们实盘的策略池里面，它赚钱了那我们会继续加仓，如果亏钱了我们会减仓，如果它亏到一定程度，我们直接会把它停掉不做，让它继续做模拟盘。其实在它下线的那一刻，我们就在换策略，不是我们主观去换，而是它自己的表现告诉我们要去换它，我们通过这样动态的形式去实现换和不换，而不是简单进行参数的调换。

七禾网16、程序化交易中滑点是一大难题，请问滑点对您的交易影响大吗？您是否有通过一些方法来减小滑点的影响？

魏铭三：现在滑点对我们的交易影响还不算特别大，因为我们的规模还没有大到去影响市场。那怎么样去减小滑点的影响，就是执行层面下单的时候，有没有更快的通道、更好的速度，就算频率不是那么高的策略，如果你给他的交易环境是比较恶劣的，比如用无线网卡、用笔记本去做交易的话，给这个策略的执行上面造成影响，自然会影响到你的滑点。现在很多人通过交易托管这样的形式，或者通过云的这种形式去交易的话，用云接入到更快的交易的通道、交易的主机，都会减少滑点，因为每减少一个滑点都是你的利润，这上面你只要投入一点点，和你的交易来比根本就不大，比如做5手螺纹钢，一次滑点最小1跳，滑一下就是50块钱，就算是托管到交易所，一年也就是三四万的费用，螺纹钢这种品种滑一下10块钱，多做几手，来回这样的话，你一年的滑点都要交五六万，但是这上面不反映到你账户上的表现，所以你不是很在意这些细节，但实际上你真去拿这个账户分析，其实你的隐性的亏损是很大的，那也就是说你在硬件和软件上面的一些投入的话其实是有好处的。

七禾网17、现在有很多程序化交易者都自制量化平台进行交易，请问您是用自己的量化交易平台还是用商业平台进行交易？您认为两者的优点和缺点分别在哪些方面？

魏铭三：我们是用自制的交易平台，因为我们有一些高频的策略，根本就没办法用商业的平台，商业和自己建相比的话，两者的优点和缺点都很明显，商业平台简单、方便，全部整合了一体化，缺点就是它不够个性化，你有很多你自己的想法，商业平台如果没有考虑到这上面的设计，你就没法去做。但是对于有些刚做的团队或者是刚进入的个人的话，就根据自己的需求去选择，如果有的团队他们自己的分析框架、方法和执行的逻辑，都是非常独特的话，那肯定一开始就需要自己去搭建这个量化平台，只需要数据和交易接口就可以了，那如果有的交易团队或者个人开发者，他们的思路都是很平常普通的话，也用不到机器学习，那其实用商业的平台就可以了，这样的话省去了花时间去研究执行层面，执行层面我们花了很多的时间去优化它的执行效率、订单管理不出错，我们自己的问题处理机制，都是非常细节的问题。

七禾网18、据我们了解，您和您的团队研发了一款功能强大的云服务器——七禾云，您研发七禾云的初衷是什么，它对程序化交易方面有哪些帮助和优势？

魏铭三：我们刚开始做这个云服务器，主要是我们自己内部用，现在我们无论是办公还是做研究，都在我们自己内部的云上面去做，我们现在主要是用云上面一个比较底层的技术去做多策略的管理，这样就会比较方便，最主要的是，我们只要放一台主机进去，现在无论期货公司还是交易所的机位还是比较紧张的，而且如果你都放的话，大连、郑州和上海，其实也是一笔不小的开支，如果策略多、账户多的话，你放的可不只一台，这样的话投入会变得非常大。我们自己就有一个云的团队，这个团队在日本，帮我们在交易所里面搭建这样一个云的平台，这样我们的策略放在里面的话就可以无限地扩充这个策略在里面的容量，比如一台机器的话，我们可以承担的账户数量，还有运行的策略的隔离度，都会变得特别好。所以本身是我们先满足自己交易需求的一个项目，后来做起来之后，期货公司就给我们提一些建议，说这个东西挺好的，因为他们有很多客户，也是想用交易所内网的机器去交易，但是现在他们的机位都很紧张，特别是交易所有一个新规定，大概就是说要给每一个期货公司都留一个机位，以前的话是大的期货公司都包掉了很多，那现在大的期货公司要砍掉一些机位来留给小的期货公司，这样的话大的期货公司的容量就会削减很多，机位就变得非常紧张。他们也就建议我们说，他们来出硬件资源，然后我们去把云的技术部署在上面，这样的话就可以把这个容量进一步地扩充出来，给他们去服务他们现有的一些客户。那我们想，确实有很多客户都有这个需求，包括一开始我们也是还要去申请、报备，最后放进去还要调试，很麻烦，那现在我们把七禾云嫁接进去之后，一分钟之内你就可以建立一个自己的主机，然后进行内网交易，这就方便了很多套利、类高频或者是短线交易的交易者，满足了程序化交易的需求，可以进行顶尖速度的通道，就直接接入进来。所以我觉得这是一个比较大的机会，但我们没想过从这上面赚多少钱，我觉得是一个可以尝试的项目，来解决现在大量的对于速度上面的需求，所以说后面就选择做七禾云，主要是解决程序化速度的问题。

七禾网19、国内量化交易发展迅速，有越来越多的人参与到量化交易中来，您是如何看待量化交易在国内的发展前景的？

魏铭三：我觉得这就是一个时代的更迭，我自己就是做量化交易的，包括现在用人工智能、机器学习的方法来做，可能有点不是很客观，但是我自己是认为量化交易一定会去替换掉传统的交易方式。当阿尔法狗打败围棋手的时候，其实并不是说人类失败了，而是说这是一种下棋方式的改变，现在很多棋手也参与到人工智能系统，来改进这些人工智能的算法和下棋的思路，使两者变成结合了，而不是对立的一个局面。我认为量化交易也是这样，不是说量化交易把主观的交易者淘汰了，而是说淘汰了那种模式，转变为一种新的模式，就是人会更多地利用模型或者数据去分析，这个分析有可能是分析完了计算机去执行，也有可能是计算机提供给人一种辅助的工具，然后人来追踪、判断，我认为是这样的一个形式。我觉得量化到后面应该是海纳百川的一种心态，而不是对立，从人工交易来说的话，确实有很多人工交易每年能翻很多倍，翻几百倍都有，但是量化是做不到翻几百倍的，所以说人在这上面的主观能动性是非常强的，但是在某些两者结合的领域上面，我认为是能够帮助人或者量化模型更上一层楼的，所以我认为量化交易它一定是一个普适性的工具，会被这些交易的参与者去使用。

七禾网20、请您谈谈您个人未来的投资规划，以及公司的发展愿景和规划。

魏铭三：我个人的话就一直会全身心地投入，我的学术背景和自己在金融市场参与的这种方式，注定我以后一定就是在机器学习和人工智能对于金融市场上面的应用这上面进行投入，这就是我对自己的规划，就是立志于再进一步地去研究人工智能、机器学习在金融市场上面的这些切入的角度还有实战的绩效等。至于公司的规划和愿景，我们现在是一个科技公司，我们在浙江用科技公司全资控股了一个资产管理公司，我们现在完全是用自己的钱，来将我们这些模型进行实盘交易，交易完了之后，我们觉得是没问题的，之后我们也会发一些这上面的产品，再去管理外面的钱，能够把这个产品线丰富起来。我们现在参与的有股票、期货还有外盘，外盘的话我们做得比较多的也是指数期货，还有一些衍生品的交易，包括我数字货币交易，当然数字货币肯定不发产品，就是用我们自己的钱在做。现在人工智能的框架已经用在交易上了，那我们后面想，无论是债券、固收或者多策略，这些策略完全都是用人工智能这个框架、体系去做研究和驱动，所以其实我们后面的规划就是做一个人工智能技术型驱动的这样一个资产管理公司，然后去这个市场上进行探索。

七禾网注：成绩代表过去，未来充满挑战！

七禾网www.7hcn.com

傅旭鹏访谈整理

2018-08-07返回搜狐，查看更多

政务账号添加来源标示处理
政务账号添加来源标示处理

责任编辑：

点击http://www.caiwu.tv/快来看看吧