七禾網(wǎng)注：嘉賓回答僅代表其本人觀點(diǎn)，不代表七禾網(wǎng)的觀點(diǎn)及推薦。金融投資風(fēng)險(xiǎn)叢生，愿七禾網(wǎng)用戶理性謹(jǐn)慎。

魏銘三

畢業(yè)于浙江大學(xué)計(jì)算機(jī)&人工智能研究所，致力于將人工智能與金融智能交易領(lǐng)域相結(jié)合。曾任職于央行下屬中國外匯交易中心暨全國銀行間同業(yè)拆借中心， 后投身于陽光私募行業(yè)，將人工智能與機(jī)器學(xué)習(xí)的方法帶入金融市場進(jìn)行實(shí)驗(yàn)，在機(jī)器學(xué)習(xí)框架下完成了上百套完全智能化的交易模型，覆蓋了從國內(nèi)股票、期貨以及全球市場的交易模型，均取得了高夏普與高風(fēng)險(xiǎn)收益比回報(bào)。

精彩觀點(diǎn)

我看了非常多的書，總結(jié)下來基本上是說，你要制定一個(gè)交易計(jì)劃，然后照著這個(gè)交易計(jì)劃去執(zhí)行。

如果我們的程序化策略永遠(yuǎn)都是不更新的，永遠(yuǎn)都是那套舊的思維理念，只是改變參數(shù)的話，那程序化交易肯定是越來越難做的，因?yàn)檫@個(gè)市場隨著參與者水平的提高，市場整體也在提高。

有很多重復(fù)勞動型的職位，其實(shí)漸漸也在被社會淘汰，這也是人工智能在社會上面多種行業(yè)的一個(gè)體現(xiàn)，那自然而然，金融行業(yè)其實(shí)也面臨著這樣的一個(gè)迭代的過程，重復(fù)性的、可替代性的職位就會被人工智能所替代。

我們已經(jīng)做到把圖像識別的技術(shù)用在K線上面，它很快地就能從這些K線的組合里面去找出能夠有勝率的一些組合，大概也就是幾分鐘的時(shí)間可以找出十幾種、幾百種有用的這種K線的組合。

股票上面的策略，我們就會涉及到基本面和場外的一些數(shù)據(jù)，還有一些事件驅(qū)動的策略去做，期貨和數(shù)字貨幣的話，我們就純從量價(jià)上面去考慮，就放在我們機(jī)器學(xué)習(xí)和人工智能的框架下面去進(jìn)行學(xué)習(xí)和交易。

之所以大家會用程序化這種方法，就是因?yàn)樗鼒?zhí)行力強(qiáng)，如果你把它關(guān)掉或者手工干預(yù)的話，那又會變成手工主觀交易的一部分，就發(fā)揮不了它執(zhí)行力的優(yōu)點(diǎn)。

賺錢的策略我們會給它更多的資金，如果是虧錢的話我們會把它的倉位減下來，甚至最后淘汰掉，所以本質(zhì)上就是贏沖輸縮、賺錢多賺。

高頻關(guān)鍵不在于交易策略的思路，而在于你的執(zhí)行，其實(shí)大部分時(shí)間我們不是在研究策略，都在解決系統(tǒng)發(fā)單的時(shí)候并發(fā)性還有對柜臺、線路的了解、機(jī)房的布置，還有就是怎樣利用操作系統(tǒng)的一些比較巧妙的地方去提升速度，并且讓這些策略或者訂單不會亂掉，還有IT隊(duì)伍的培養(yǎng)

不是追求策略的換和不換，而追求的是一種能夠在大多數(shù)行情里面都能穩(wěn)定的這樣一些策略，找到這樣的策略是重點(diǎn)。

如果這個(gè)策略是穩(wěn)定性的，那么可以放到我們實(shí)盤的策略池里面，它賺錢了那我們會繼續(xù)加倉，如果虧錢了我們會減倉，如果它虧到一定程度，我們直接會把它停掉不做，讓它繼續(xù)做模擬盤。

不是說量化交易把主觀的交易者淘汰了，而是說淘汰了那種模式，轉(zhuǎn)變?yōu)橐环N新的模式，就是人會更多地利用模型或者數(shù)據(jù)去分析，這個(gè)分析有可能是分析完了計(jì)算機(jī)去執(zhí)行，也有可能是計(jì)算機(jī)提供給人一種輔助的工具，然后人來追蹤、判斷，我認(rèn)為是這樣的一個(gè)形式。

七禾網(wǎng)與Trade Speed急速云聯(lián)合推出了“七禾云”云服務(wù)托管服務(wù)器，采用高頻交易的硬件和軟件架構(gòu)，并且利用交易所周邊網(wǎng)絡(luò)資源，專為程序化交易者提供高速的云服務(wù)托管服務(wù)器。

點(diǎn)擊查看詳情：做量化，就用“七禾云”?。ǖ脱訒r(shí)、高性價(jià)比、手機(jī)端可操控）

七禾網(wǎng)1、魏總您好，感謝您和七禾網(wǎng)進(jìn)行深入對話。您做期貨已有8年時(shí)間，當(dāng)時(shí)是怎樣的機(jī)緣巧合使您進(jìn)入到期貨市場當(dāng)中？

魏銘三：說來也比較巧，我在學(xué)校的時(shí)候自己也炒股票，當(dāng)時(shí)自己在學(xué)校倒騰一些小生意就有些閑錢，就想著去做點(diǎn)別的事，就想到炒股票。一開始我主要是自己瞎做，瞎做肯定會虧錢，虧了之后，因?yàn)槲沂菍W(xué)計(jì)算機(jī)的，我去旁聽一些金融系的課程，老師推薦了一些書，我當(dāng)時(shí)看了非常多的書，總結(jié)下來基本上是說，你要制定一個(gè)交易計(jì)劃，然后照著這個(gè)交易計(jì)劃去執(zhí)行。基本上所有書都是講這個(gè)，還有些書就無非講一些細(xì)節(jié)，告訴你交易計(jì)劃該怎么制定。當(dāng)時(shí)覺得這樣做效率比較低，因?yàn)槲沂菍W(xué)計(jì)算機(jī)的，就嘗試在EXCEL開發(fā)一些在某個(gè)價(jià)位進(jìn)或者出的這種方式。后來到大四的時(shí)候開始選課題要做畢業(yè)論文，有個(gè)老師的課題叫期貨市場交易策略的實(shí)現(xiàn)，這就特別契合自己想要了解的東西，就報(bào)了那個(gè)老師的論文課題。最開始接觸程序化，就是通過論文的形式，當(dāng)時(shí)我的畢業(yè)論文就是用程序化方式去實(shí)現(xiàn)期貨市場的海龜交易法則，所以從那個(gè)時(shí)候起就接觸到了程序化交易，當(dāng)時(shí)程序化交易只能用在期貨上面，自然而然就進(jìn)入了期貨市場。

七禾網(wǎng)2、您在大學(xué)時(shí)就開始研究程序化交易，為什么您一開始就選擇程序化交易而不是主觀交易？

魏銘三：我一開始就是瞎做，就是沒規(guī)則地做，那時(shí)候分不清楚什么是主觀交易、什么是量化交易，后來意識到無論任何的交易法則，基本上都提到一句話，就是計(jì)劃你的交易，交易你的計(jì)劃，后來對交易、市場、工具、品種等有更深的認(rèn)識之后，知道有主觀交易、程序化交易之分。我是學(xué)計(jì)算機(jī)專業(yè)的，了解了這些情況之后，我就認(rèn)為程序化交易最能體現(xiàn)出之前的那句話——計(jì)劃你的交易，交易你的計(jì)劃，并且能夠把它執(zhí)行下去，我就覺得程序化交易是最適合自己的。

七禾網(wǎng)3、在您做期貨交易的這8年中，從程序化交易的角度來看，您認(rèn)為市場有哪些變化？是否感到程序化越來越難做？

魏銘三：我先回答第二個(gè)問題，就是程序化是不是越來越難做。這里就分成兩方面，第一個(gè)方面，如果我們的程序化策略永遠(yuǎn)都是不更新的，永遠(yuǎn)都是那套舊的思維理念，只是改變參數(shù)的話，那程序化交易肯定是越來越難做的，因?yàn)檫@個(gè)市場隨著參與者水平的提高，市場整體也在提高，所以程序化策略本身如果是不更新、不迭代，還是老一套的話，那就會越來越難做。回過頭來我再想，其實(shí)8年是一個(gè)比較長的周期了，在這么長的周期里面，市場自己進(jìn)化的速度也是非?？斓?，不光是市場參與者本身，從監(jiān)管政策的角度來看，監(jiān)管的風(fēng)格變化都相當(dāng)大。我舉個(gè)最簡單的例子，做程序化設(shè)計(jì)會比較細(xì)，如果你要平倉的話，你要去選平昨還是平今的指令，當(dāng)初為什么要區(qū)分？因?yàn)橐郧捌浇袷遣挥檬掷m(xù)費(fèi)的，是鼓勵你多交易的，但現(xiàn)在平今反而手續(xù)費(fèi)是非常貴的，我們要用鎖倉的方式去規(guī)避這個(gè)手續(xù)費(fèi)。那這8年間，監(jiān)管的思維從以前的鼓勵交易、多交易，變成了不鼓勵你多交易，想讓交易不那么活躍，就從這個(gè)層面來講，這8年的市場變化都非常大，進(jìn)而對程序化的影響就會非常大，那當(dāng)然是會越來越難做，這是第一點(diǎn)。

第二點(diǎn)的話從市場參與者的角度來講，8年前，2010年的時(shí)候做程序化的人還不是那么多，而且程序化對于大家來說還是一個(gè)比較起步的階段，無論討論的內(nèi)容的等級層次，還是參與者的專業(yè)度水平，包括私募里面量化私募的占比，都不是特別高，也就是說那個(gè)時(shí)候是一個(gè)野蠻、比較粗放的市場，那個(gè)時(shí)候大部分品種波動都還比較大。然后后面經(jīng)歷了幾個(gè)階段，第一個(gè)階段我認(rèn)為是百花齊放的，很多品種都有自己的行情，螺紋鋼、農(nóng)產(chǎn)品都會有部分的行情。到2014年，大部分做程序化的人轉(zhuǎn)型去做股指了，那個(gè)時(shí)候股指的交易量大概占了整個(gè)期貨市場的80%。再到現(xiàn)在，股指被限制了之后，商品上面就變成了局部的一小部分行情，這上面變化也是非常大的。而且現(xiàn)在參與者除了很多國內(nèi)本土的比較優(yōu)秀的量化交易者外，還有國外非常有名的公司也到國內(nèi)來進(jìn)行交易，現(xiàn)在我們國家也歡迎這些優(yōu)秀的對沖基金進(jìn)來，所以參與者的結(jié)構(gòu)變化也相當(dāng)大，這個(gè)市場和之前是有很大不同的。

七禾網(wǎng)4、您從浙江大學(xué)人工智能研究所畢業(yè)，對于人工智能在期貨交易中的應(yīng)用您怎么看？未來可能人工智能在期貨交易中的應(yīng)用會越來越廣泛和深入，您認(rèn)為這對程序化交易來說是否會造成比較大的沖擊和挑戰(zhàn)，程序化交易是否會越來越難賺錢？

魏銘三：我當(dāng)時(shí)師從金小剛教授，金小剛教授在人工智能上面還是比較有建樹的，我跟著他學(xué)了不少東西。至于人工智能在期貨上面的應(yīng)用，我覺得對于我們團(tuán)隊(duì)來說還是一個(gè)工具，這個(gè)工具我相信以后不光是在期貨行業(yè)，在任何行業(yè)它一定都會普及開來，并且會實(shí)際地去替代一些人的工作。我舉個(gè)最簡單的例子，我2012年的時(shí)候就在杭州創(chuàng)業(yè)做了一個(gè)資產(chǎn)管理公司，那個(gè)時(shí)候我們還是比較傳統(tǒng)的，會招聘一些策略師，要求他根據(jù)我們的一些交易想法，把它實(shí)現(xiàn)出來，也有可能是他自己發(fā)現(xiàn)了一些方式，或者跟一些主觀的交易員聊，然后把一些可以量化的方式寫出來，以前都是這樣子的。后來，我們在2015年就自己搭了一個(gè)人工智能的框架，到現(xiàn)在我們的團(tuán)隊(duì)構(gòu)成就再也沒有策略師這樣的職位，我們現(xiàn)在更多的都是算法工程師，還有數(shù)據(jù)分析師，基本上就這兩個(gè)職位了。我們這個(gè)框架搭建起來以后，團(tuán)隊(duì)里面就把策略師這樣一個(gè)職位淘汰了，除了跟交易相關(guān)的，現(xiàn)在有很多重復(fù)勞動型的職位，其實(shí)漸漸也在被社會淘汰，這也是人工智能在社會上面多種行業(yè)的一個(gè)體現(xiàn)，那自然而然，金融行業(yè)其實(shí)也面臨著這樣的一個(gè)迭代的過程，重復(fù)性的、可替代性的職位就會被人工智能所替代。

至于未來人工智能在期貨上面會不會對程序化造成一個(gè)比較大的沖擊，如果說這個(gè)程序化交易指的是狹義的，就像策略師，我們自己去總結(jié)一些規(guī)律，然后把它開發(fā)出來，那我覺得肯定會淘汰他們，我們自己內(nèi)部已經(jīng)淘汰了，對于整個(gè)市場來說，像這種還要自己去開發(fā)策略的，永遠(yuǎn)是會被淘汰的，因?yàn)槲覀兊乃惴梢宰龅胶芸斓厝タ偨Y(jié)出這些數(shù)據(jù)里面暗含的規(guī)律 ，把它尋找出來，這會比人總結(jié)和尋找效率高非常多倍。在我看來，做交易無非都是從歷史的，或者以前的經(jīng)驗(yàn)里面去總結(jié)規(guī)律，找出一些勝率比較高的交易模式，無論是我們以前總結(jié)的像傳統(tǒng)的K線戰(zhàn)法，或者是一些指標(biāo)的運(yùn)用，這些都是以前的人總結(jié)的交易經(jīng)驗(yàn)，但是他們花了這么多年，十年、二十年出了一些經(jīng)典的書籍，比如《日本蠟燭圖戰(zhàn)法》，這些都很經(jīng)典。我們已經(jīng)做到把圖像識別的技術(shù)用在K線上面，它很快地就能從這些K線的組合里面去找出能夠有勝率的一些組合，大概也就是幾分鐘的時(shí)間可以找出十幾種、幾百種有用的這種K線的組合。這樣的話，對于傳統(tǒng)的寫一個(gè)策略還要這么久，還要模擬再跟蹤，現(xiàn)在幾分鐘就能搞定，然后就可以上模擬或者實(shí)盤，所以這種速度是不能比的，那這對于程序化交易來說沖擊是非常大的，但是我們做完這些模型之后，仍然也會照著模型去執(zhí)行，所以從泛程序化來講，人工智能本身就是泛程序化的一部分，淘汰的會是那種傳統(tǒng)的、人工開發(fā)的這些類型的程序化交易。

七禾網(wǎng)5、據(jù)我們了解，您已經(jīng)在用機(jī)器學(xué)習(xí)的方式生成策略、進(jìn)行實(shí)盤交易，但是有的人認(rèn)為，這種方式背后沒有交易邏輯支撐，這樣的策略有效性待考證，對此您怎么看？

魏銘三：確實(shí)會有很多人反駁，機(jī)器學(xué)習(xí)、人工智能這些是不是會過擬合，其實(shí)反過來想，這討論的不是人工智能有沒有邏輯支撐，而是過擬合的一個(gè)問題。不管是人工智能、機(jī)器學(xué)習(xí)去做模型，還是人去做模型，都會遇到一個(gè)過擬合的問題，人做一些簡單的模型，他如果用了非常大量的參數(shù)，然后去優(yōu)化，不是人工智能做出來的，但一樣面臨著過擬合的這樣一個(gè)問題。還有一點(diǎn)，所謂的交易邏輯支撐這個(gè)問題，之前我們組建框架的時(shí)候也問過自己，它背后有沒有邏輯支撐？這上面會不會在以后不能夠賺錢，而只是在學(xué)習(xí)的訓(xùn)練樣本上能賺到錢？我們也思考過這些問題。后來有一個(gè)例子給了我們比較大的信心，一個(gè)國外的對沖基金經(jīng)理叫伍德瑞夫，他有個(gè)自己的投資公司叫QIM，QIM從2003年以后就開始發(fā)行產(chǎn)品，公開地對外展示，這個(gè)公司有個(gè)有趣的地方，它一共只有30名員工，其中29個(gè)都是和策略沒有關(guān)系的行政、財(cái)務(wù)這種功能性運(yùn)作、行政性運(yùn)作的職位，只有一個(gè)策略師，就是伍德瑞夫這個(gè)創(chuàng)始人本身。他們管理了30億美金的財(cái)富，但策略師只有他一個(gè)，那他怎么做到呢？后來他在2015年接受了采訪公開說了，他就是用機(jī)器學(xué)習(xí)和人工智能的方式去制作他的交易策略，用他的機(jī)器學(xué)習(xí)的算法，每分鐘就能找到上百個(gè)有效的模型或者模式，那這樣的話他其實(shí)從成千上萬個(gè)模型里面，挑出他認(rèn)為能夠賺錢的幾千個(gè)模型，然后就來管理他的30億美金資產(chǎn)。他做CTA策略，幾乎每一年都跑贏全球市場的商品指數(shù)，自從2008年以后標(biāo)普已經(jīng)翻倍了，他仍然是跑贏了標(biāo)普。所以這上面證明了借用機(jī)器學(xué)習(xí)這樣的算法是可以的，并且他說只用到了量價(jià)的數(shù)據(jù)，沒有用到其他任何東西，純從機(jī)器學(xué)習(xí)的規(guī)律去挖掘，但是最重點(diǎn)的不是說背后有沒有交易邏輯，他認(rèn)為最重要的是找到一個(gè)衡量策略在之后仍然能夠賺錢，也就是衡量這個(gè)策略穩(wěn)定性的方法，是最重要的，因?yàn)樗J(rèn)為人的理解能力是有限的，所以有些交易邏輯人沒法理解，但是不能認(rèn)為它不存在，他寧愿用機(jī)器學(xué)習(xí)找出上萬個(gè)這種看似是有預(yù)測能力的模型，然后用比較嚴(yán)格的挑選方式去選出具有穩(wěn)定性的幾千個(gè)，也不愿意在有限的邏輯里面去找那十幾個(gè)模型。其實(shí)我們后面從實(shí)戰(zhàn)的基礎(chǔ)來看，雖然我們的模型確實(shí)也都是純從量價(jià)數(shù)據(jù)用機(jī)器學(xué)習(xí)和人工智能的方法去找尋這些數(shù)據(jù)背后的規(guī)律，它們不一定要有邏輯支撐，但是從結(jié)果的表現(xiàn)來看的話，它還是比較有效的，最主要還是衡量穩(wěn)定性的方法，這點(diǎn)我們和伍德瑞夫的理念基本上是一樣的，這點(diǎn)是比較重要的。

七禾網(wǎng)6、您股票、內(nèi)外盤期貨、數(shù)字貨幣都參與過，您是否主要都是以量化的方式參與？不同市場之間所用的量化方法有何不同？

魏銘三：無論股票、期貨還是數(shù)字貨幣，我們分成兩種，一種是涉及到基本面維度的數(shù)據(jù)，一種是只用到量價(jià)數(shù)據(jù)的策略。股票的話我們一部分的量化策略，還是會去進(jìn)行一些基本面因子的建模，當(dāng)然會把因子分成比較細(xì)致的類別，比如盈利能力或者穩(wěn)定度等這些場外的、非財(cái)報(bào)的數(shù)據(jù)，一些場外的數(shù)據(jù)都拿來進(jìn)行建模，然后去進(jìn)行分析。因?yàn)楣善睂?shí)在是太多了，當(dāng)然數(shù)字貨幣現(xiàn)在也很多，但是我們只會做主流的一些數(shù)字貨幣，而非一些比較小品種的代幣，如果純從主流的數(shù)字貨幣以及期貨品種來看，還是比較少量的，股票的話由于它太多了，特別是像現(xiàn)在新股又特別多，如果純從量價(jià)上面考慮的話，就比較難去做篩選。所以股票上面的策略，我們就會涉及到基本面和場外的一些數(shù)據(jù)，還有一些事件驅(qū)動的策略去做，期貨和數(shù)字貨幣的話，我們就純從量價(jià)上面去考慮，就放在我們機(jī)器學(xué)習(xí)和人工智能的框架下面去進(jìn)行學(xué)習(xí)和交易。所以這上面的話，我們倒不是從品種來分類，而是從用到的數(shù)據(jù)去做分類，我們現(xiàn)在還沒有找到一個(gè)非常好的、有效的方式去把基本面和場外的數(shù)據(jù)整合到我們?nèi)斯ぶ悄苓@框架里面，當(dāng)然我們會朝這個(gè)方向走，如果實(shí)現(xiàn)了的話，我們的數(shù)據(jù)維度就會擴(kuò)充得非常大，有可能我們期貨也會用到基本面的東西，因?yàn)槲覀冎灰堰@個(gè)框架整合起來，對于這個(gè)模型來說，它就是數(shù)據(jù)而已，然后它就能從這個(gè)多維度里面去尋找規(guī)律出來。