為了持續(xù)提升量化投研能力，越來(lái)越多大型量化私募機(jī)構(gòu)正效仿券商與銀行做法，構(gòu)建自己的量化數(shù)據(jù)中臺(tái)。

隨著量化投資策略持續(xù)興起，百億量化私募基金數(shù)量隨之迭創(chuàng)新高。

據(jù)私募排排網(wǎng)最新數(shù)據(jù)顯示，截至7月底，百億量化私募機(jī)構(gòu)數(shù)量達(dá)到30家，創(chuàng)下歷史新高。

【資料圖】

這背后，是量化私募產(chǎn)品投資策略也發(fā)生著明顯變化。

“在去年不少量化私募產(chǎn)品超額收益出現(xiàn)較大幅度回調(diào)后，如今pure alpha（純阿爾法）策略正受到越來(lái)越多量化私募機(jī)構(gòu)管理人的青睞。因?yàn)樗梢杂行б?guī)避股指下跌所帶來(lái)的凈值跌破1元壓力，并創(chuàng)造較高的超額回報(bào)。”恒生電子數(shù)據(jù)運(yùn)營(yíng)中心產(chǎn)品運(yùn)營(yíng)專(zhuān)家黃琪向記者透露。目前pure alpha策略私募產(chǎn)品的超額收益來(lái)源，主要來(lái)自?xún)纱蠓矫妫阂皇橇炕侥纪ㄟ^(guò)算法模型率先發(fā)現(xiàn)某些股票市場(chǎng)錯(cuò)誤定價(jià)，提前布局獲取超額回報(bào)；二是通過(guò)大量股市波動(dòng)歷史規(guī)律分析，他們更精準(zhǔn)地預(yù)判未來(lái)走勢(shì)，從而獲取超越市場(chǎng)平均水準(zhǔn)的回報(bào)。

在他看來(lái)，要實(shí)現(xiàn)pure alpha策略的高超額回報(bào)預(yù)期，量化私募機(jī)構(gòu)需在數(shù)據(jù)、算法模型、交易執(zhí)行方面持續(xù)加大投入，由此推高了量化投研數(shù)據(jù)使用要求。

記者多方了解到，為了持續(xù)提升量化投研能力，越來(lái)越多大型量化私募機(jī)構(gòu)正效仿券商與銀行做法，構(gòu)建自己的量化數(shù)據(jù)中臺(tái)。

思勰投資交易運(yùn)營(yíng)總監(jiān)孫修遠(yuǎn)指出，通過(guò)建設(shè)量化數(shù)據(jù)中臺(tái)實(shí)現(xiàn)業(yè)務(wù)數(shù)據(jù)化、數(shù)據(jù)資產(chǎn)化和投研智能化，從而打造數(shù)據(jù)驅(qū)動(dòng)的量化資管體系，將是未來(lái)量化私募機(jī)構(gòu)借助數(shù)據(jù)能力提升投資決策精準(zhǔn)性的一大重要方向。

他直言，要做好這項(xiàng)工作，絕非易事。一是眾多量化私募機(jī)構(gòu)均面臨量化投研數(shù)據(jù)體量大、多源異構(gòu)、數(shù)據(jù)質(zhì)量低、自由度低等痛點(diǎn)，導(dǎo)致數(shù)據(jù)使用效率千差萬(wàn)別；二是如何通過(guò)數(shù)據(jù)清洗提煉分析，進(jìn)一步完善自身算法投資模型，同樣是一大挑戰(zhàn)。

在恒生聚源副總經(jīng)理夏青看來(lái)，隨著pure alpha等量化選股類(lèi)策略資金容量越來(lái)越大，它對(duì)多因子選股策略的數(shù)據(jù)需求日益旺盛——包括個(gè)股基本面，市場(chǎng)情緒面、資金流動(dòng)性、行情類(lèi)、財(cái)務(wù)類(lèi)、估值類(lèi)等各類(lèi)數(shù)據(jù)和財(cái)務(wù)指標(biāo)，量化私募機(jī)構(gòu)不但要求數(shù)據(jù)齊全，還要求實(shí)時(shí)更新推送與快速清洗提煉 (轉(zhuǎn)化成他們需要的建模因子數(shù)據(jù)），這驅(qū)動(dòng)金融數(shù)據(jù)服務(wù)商在提供數(shù)據(jù)服務(wù)同時(shí)，還需輸出涵蓋規(guī)模因子、動(dòng)量因子、技術(shù)因子、波動(dòng)因子等多元化因子庫(kù)，為量化私募機(jī)構(gòu)提供完善的投研數(shù)據(jù)服務(wù)、績(jī)效歸因分析和指數(shù)服務(wù)。

他透露，恒生電子正致力于通過(guò)數(shù)據(jù)質(zhì)量規(guī)則校驗(yàn)系統(tǒng)建設(shè)高質(zhì)量的歷史行情數(shù)據(jù)庫(kù)，為量化投資機(jī)構(gòu)打造集行情、資訊、因子數(shù)據(jù)于一體的機(jī)構(gòu)金融數(shù)據(jù)服務(wù)，并提供二次加工和統(tǒng)一便捷的對(duì)外服務(wù)，進(jìn)一步滿(mǎn)足他們對(duì)量化投研數(shù)據(jù)的各類(lèi)需求。

中泰證券科技研發(fā)部總經(jīng)理何波指出，隨著監(jiān)管趨嚴(yán)令量化交易不再純粹聚焦高頻極速，除了低延時(shí)、AI等科技已被廣泛應(yīng)用，系統(tǒng)開(kāi)源與云原生同樣是值得量化交易投資機(jī)構(gòu)深入探索的一大科技賦能方向，這也是量化交易走向規(guī)模化的必由之路。但要讓量化交易邁入云原生之路，則需從統(tǒng)一的行業(yè)標(biāo)準(zhǔn)制定、完善的開(kāi)源生態(tài)構(gòu)建、合適的開(kāi)發(fā)語(yǔ)言使用等各方面深入發(fā)展。

百億量化私募的數(shù)據(jù)中臺(tái)“坎坷路”記者多方了解到，不同于傳統(tǒng)投資交易，量化交易投資主要是將股市波動(dòng)歷史規(guī)律轉(zhuǎn)化成數(shù)據(jù)，并依賴(lài)統(tǒng)計(jì)和編程完成數(shù)據(jù)分析和制定相應(yīng)投資策略，且在執(zhí)行前需先通過(guò)各類(lèi)模擬測(cè)試驗(yàn)證其投資策略的有效性與業(yè)績(jī)表現(xiàn)能否達(dá)到預(yù)期。

因此，眾多量化策略私募機(jī)構(gòu)的一項(xiàng)重要工作，就是整天與各類(lèi)金融數(shù)據(jù)打交道，由此催生三大量化投研數(shù)據(jù)需求，一是數(shù)據(jù)完備性，即盡可能掌握更多的金融數(shù)據(jù)，包括宏觀(guān)經(jīng)濟(jì)、上市公司財(cái)務(wù)數(shù)據(jù)、股票行情數(shù)據(jù)、上市公司輿情數(shù)據(jù)等；二是數(shù)據(jù)務(wù)必準(zhǔn)確，這是確保投資策略?xún)糁祷爻窢顩r可控的最大基礎(chǔ)；三是足夠快地獲取各類(lèi)數(shù)據(jù)，從而確保量化交易投資策略能快速響應(yīng)市場(chǎng)變化。

一位正在研發(fā)pure alpha策略私募產(chǎn)品的百億量化私募機(jī)構(gòu)投研總監(jiān)向記者透露，目前他們最看中的是行情數(shù)據(jù)，但這類(lèi)數(shù)據(jù)處理起來(lái)相當(dāng)繁瑣，因?yàn)閿?shù)據(jù)量特別大且需要繁重的數(shù)據(jù)校對(duì)，以確保數(shù)據(jù)具有較高的準(zhǔn)確性。

“此外，令我們比較頭疼的，還有盤(pán)后統(tǒng)計(jì)數(shù)據(jù)分析工作。它對(duì)優(yōu)化量化投資算法模型起到關(guān)鍵作用，但我們時(shí)常遇到數(shù)據(jù)不夠全面，導(dǎo)致復(fù)盤(pán)建模效果有時(shí)不盡如人意。”他指出。

為了解決這些痛點(diǎn)，他所在的百億量化私募機(jī)構(gòu)正嘗試搭建量化數(shù)據(jù)中臺(tái)，包括底部數(shù)據(jù)層、因子發(fā)現(xiàn)層、策略開(kāi)發(fā)層、策略跟蹤層與產(chǎn)品層都能做到數(shù)據(jù)打通共享，從而全面還原各項(xiàng)量化投資模型的構(gòu)建全過(guò)程與投資業(yè)績(jī)好壞，作為他們不斷優(yōu)化pure alpha投資策略的重要依據(jù)。

他指出，在量化數(shù)據(jù)中臺(tái)構(gòu)建過(guò)程，另一個(gè)令他們頗傷腦筋的問(wèn)題，是如何搭建完善的算法平臺(tái)，目前他們除了自主內(nèi)部挖掘各類(lèi)金融數(shù)據(jù)構(gòu)建量化交易投資模型，還會(huì)引入外部算法模型提供商的某些獨(dú)特投資策略。但在實(shí)際操作過(guò)程，他們發(fā)現(xiàn)多數(shù)算法模型提供商專(zhuān)注投資算法模型研發(fā)，忽視量化私募機(jī)構(gòu)數(shù)據(jù)接口與風(fēng)控模型的對(duì)接，導(dǎo)致不少外部算法投資模型“只能看不能用”；此外，當(dāng)他們接入多家外部算法模型服務(wù)商后，還會(huì)發(fā)現(xiàn)自己缺乏統(tǒng)一平臺(tái)進(jìn)行管理，導(dǎo)致他們遲遲沒(méi)能構(gòu)建統(tǒng)一的運(yùn)營(yíng)評(píng)價(jià)體系判斷孰優(yōu)孰劣，令自身量化交易投資策略面臨額外的投資風(fēng)險(xiǎn)。

“我們正在嘗試構(gòu)建統(tǒng)一的算法平臺(tái)，實(shí)現(xiàn)算法管理、算法設(shè)計(jì)、算法測(cè)試流程、算法上線(xiàn)流程、交易風(fēng)控流程的統(tǒng)一，徹底解決上述痛點(diǎn)。”他指出。

記者多方了解到，不少大型量化私募機(jī)構(gòu)在構(gòu)建量化數(shù)據(jù)中臺(tái)過(guò)程中，還會(huì)遇到數(shù)據(jù)存儲(chǔ)難題——目前，絕大多數(shù)結(jié)構(gòu)化數(shù)據(jù)可以通過(guò)數(shù)據(jù)庫(kù)方式存儲(chǔ)，但眾多非結(jié)構(gòu)化數(shù)據(jù)（包括高頻海量的時(shí)序數(shù)據(jù)、研報(bào)、輿情等）卻難以使用數(shù)據(jù)庫(kù)方式存儲(chǔ)。盡管越來(lái)越多量化私募機(jī)構(gòu)嘗試基于大數(shù)據(jù)預(yù)處理的數(shù)據(jù)湖技術(shù)——先使用NLP、機(jī)器學(xué)習(xí)等技術(shù)對(duì)非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行清洗提煉分析，再通過(guò)預(yù)處理模塊將它們納入數(shù)據(jù)庫(kù)存儲(chǔ)，但收效未能達(dá)到預(yù)期。

科技賦能解決方案成效幾何面對(duì)量化私募機(jī)構(gòu)的旺盛量化投研數(shù)據(jù)需求與使用痛點(diǎn)，券商與第三方金融數(shù)據(jù)服務(wù)商紛紛提供新型科技賦能解決方案。

一位券商信息技術(shù)部負(fù)責(zé)人向記者透露，他們調(diào)研發(fā)現(xiàn)，在數(shù)據(jù)存儲(chǔ)層面，數(shù)據(jù)格式很大程度決定了數(shù)據(jù)存儲(chǔ)方式。因此他們正嘗試對(duì)時(shí)序數(shù)據(jù)采取特殊優(yōu)化的存儲(chǔ)方式，比如列式存儲(chǔ)或基于流處理、批處理的特殊存儲(chǔ)方式，對(duì)海量結(jié)構(gòu)化數(shù)據(jù)則采取高速文件集群或?qū)ο蟠鎯?chǔ)群技術(shù)進(jìn)行存儲(chǔ)，解決量化私募機(jī)構(gòu)對(duì)量化投研數(shù)據(jù)存儲(chǔ)的諸多痛點(diǎn)。

在數(shù)據(jù)使用層面，數(shù)據(jù)內(nèi)容則決定了數(shù)據(jù)使用方式與邏輯歸類(lèi)。因此他們?cè)谑占嫶罅炕堆袛?shù)據(jù)同時(shí)，還會(huì)建立一個(gè)數(shù)據(jù)訪(fǎng)問(wèn)層，提供API、DB與各類(lèi)形式文件接口，向量化私募機(jī)構(gòu)提供全量的數(shù)據(jù)訪(fǎng)問(wèn)服務(wù)，協(xié)助他們將眾多外部數(shù)據(jù)收集先實(shí)現(xiàn)業(yè)務(wù)數(shù)據(jù)化，再依托他們自身量化數(shù)據(jù)中臺(tái)進(jìn)行數(shù)據(jù)清理提煉，進(jìn)而實(shí)現(xiàn)數(shù)據(jù)資產(chǎn)化，最終達(dá)到智能化使用量化投研數(shù)據(jù)的效果。

“其間我們還協(xié)助他們優(yōu)化統(tǒng)一的算法平臺(tái)，尤其是算法服務(wù)商和券商的數(shù)據(jù)使用方式與數(shù)據(jù)接口實(shí)現(xiàn)統(tǒng)一，助力量化私募機(jī)構(gòu)降低系統(tǒng)復(fù)雜度同時(shí)，令合規(guī)風(fēng)控更有保障。”他指出。

黃琪告訴記者，目前眾多量化私募機(jī)構(gòu)在提升量化投研能力與量化投資數(shù)據(jù)使用過(guò)程中，還遇到三大痛點(diǎn)：一是數(shù)據(jù)多源頭、體量大，結(jié)構(gòu)格式分類(lèi)大不相同，因此他們迫切希望能夠更方便地開(kāi)展多源頭數(shù)據(jù)清洗處理分析；二是眾多數(shù)據(jù)質(zhì)量低且更新快，甚至很難發(fā)現(xiàn)（要么即便發(fā)現(xiàn)也很難糾正），令他們同樣需要一整套數(shù)據(jù)質(zhì)量校驗(yàn)體系，能夠通過(guò)多維度比對(duì)判斷哪些數(shù)據(jù)存在“偏頗”，迅速找到數(shù)據(jù)修復(fù)補(bǔ)齊路徑以盡快提升數(shù)據(jù)質(zhì)量；三是越來(lái)越多量化私募機(jī)構(gòu)抱怨沒(méi)有辦法對(duì)數(shù)據(jù)開(kāi)展二次加工，尤其是將有些具有投資決策參考價(jià)值的“中間指標(biāo)”或“常用指標(biāo)”前置到數(shù)據(jù)處理環(huán)節(jié)，從而給后端投研建模工作節(jié)省更多時(shí)間；甚至部分大型量化私募機(jī)構(gòu)還希望能對(duì)數(shù)據(jù)做到便捷二次加工與離線(xiàn)計(jì)算，以及實(shí)時(shí)行情數(shù)據(jù)的低延時(shí)計(jì)算推送，方便投研團(tuán)隊(duì)與交易風(fēng)控團(tuán)隊(duì)對(duì)行情變化做出更快的反應(yīng)。

在他看來(lái)，要解決這些數(shù)據(jù)使用痛點(diǎn)，金融數(shù)據(jù)服務(wù)商需在構(gòu)建量化投研數(shù)據(jù)服務(wù)領(lǐng)域做好四件事：一是建立歷史行情的數(shù)據(jù)底座并提高數(shù)據(jù)質(zhì)量，二是開(kāi)放歷史行情的數(shù)據(jù)二次加工平臺(tái)并提供數(shù)據(jù)加工能力，三是進(jìn)一步對(duì)外開(kāi)放服務(wù)，包括支持低碼化封裝的API接口，四是不斷優(yōu)化權(quán)限管理，支持量化私募機(jī)構(gòu)按需申請(qǐng)數(shù)據(jù)使用權(quán)限與可視化工作等。

黃琪直言，當(dāng)前國(guó)內(nèi)量化投研與量化投資對(duì)數(shù)據(jù)的服務(wù)要求之所以不斷提高，是因?yàn)樵絹?lái)越多量化私募機(jī)構(gòu)正在比拼與追逐更高的pure alpha。這無(wú)形間推動(dòng)金融數(shù)據(jù)服務(wù)商必須提供更完善、省心、高性?xún)r(jià)比與標(biāo)準(zhǔn)化的量化投研數(shù)據(jù)服務(wù)，令量化投資領(lǐng)域的數(shù)據(jù)使用門(mén)檻不會(huì)跟隨業(yè)績(jī)目標(biāo)“水漲船高”。

關(guān)鍵詞： 私募機(jī)構(gòu) 投資策略 量化投資