本次直播邀请到了因诺资产的创始人徐书楠总，直播过程精彩非凡，全部内容如下：
徐书楠：各位投资者朋友们，大家晚上好。今天就由我跟大家介绍一下关于量化投资、人工智能和指数增强的内容。我是因诺资产的创始人徐书楠。
从这个题目就可以看到，今天的介绍主要有三方面的内容，第一个是关于量化投资，第二个简要介绍一下人工智能，第三部分也是今天介绍的重点，就是指数增强。在最后还要跟大家介绍一下关于我们公司，和我们公司产品的基本情况，也是以指数增强为主。
首先做一点自我介绍，我是因诺资产的创始人徐书楠，我本人在清华和麻省理工读的书，从2008年开始从事量化投资的行业，大概有12年的时间，2010年回国，也是国内第一批归国量化投资的专业人员。因诺资产是我在2014年创办的公司，这是本人的简单经历，所以对量化投资我还是有一定个人的理解，今天也跟大家做一个分享，下面开始进行今天的介绍。
首先第一部分跟大家介绍一下量化投资。量化投资当然是一种投资的形式，所以我们先介绍一下到底什么是投资。
我们给投资下了一个简单的定义，投资就是一种以风险来换收益的活动，这个定义是比较简单的，但是它把投资当中的两个要素都说明白了，一个是收益，一个是风险。收益是我们都想要的，越高越好，而风险是我们都厌恶的，越低越好。所以最好的投资方式当然是高收益低风险。
但是往往这样的投资方式是不存在的，在现实世界中受益和风险是对等的，高收益往往就对应着高风险，如果你只能接受低波动、低风险的话，往往预期收益水平也比较低。无论是高收益高风险的资产，还是低收益低风险的资产，本身都是很有价值的，投资者朋友可以根据你自己的风险承受能力，来选择相应的资产进行配置。
当然如果把投资的种类进行简单分类的话，它可以分成一级市场投资和二级市场投资。一级市场是投资于那些还没有上市的公司，比如我们比较熟悉的AC、PE这样的投资方式，二级市场投资就是投资于那些已经在交易所交易的标准化产品，包括股票、债券、期货、期权等等。
关于二级市场投资又有两大类的投资方式，一种是主观投资，还有一种是量化投资。大家可以看到量化投资其实就是跟主观投资相对应的，二级市场投资中的一大类投资方法。
到底什么是量化投资，我们给量化投资下了一个简单的定义，量化投资就是用数量化的方法来进行投资，它是把股票、商品期货、股指期货等等这样的二级市场的金融产品作为投资标的，运用统计优化等数学方法建立模型，捕捉相关金融产品的价格走势规律，把它们转化成红利，这就是量化投资。
一言而蔽之，量化投资就是以数学统计委基础进行投资。
说到量化投资就会提到一个在量化投资当中的不朽典范，这就是文艺复兴。文艺复兴的创始人叫做詹姆斯·西蒙斯，这个公司和这个创始人在很大程度上能够代表量化投资公司，以及它的从业人员的基本情况。比如詹姆斯·西蒙斯这个人就是一个非常纯粹的数学家，在他29岁的时候就获得了美国数学学位的大奖维布伦奖，第二年就受聘成为美国州立大学石溪分校数学学院的院长。
这个人其实就是一个纯粹的数学家，而且我们可能知道，他在这个学校还有一个中国人非常耳熟能详的华人数学教授，这就是陈省身教授。他和陈省身教授还有一个共同命名的定理，叫做陈西蒙斯定理。所以可以看到，在他创办文艺复兴之前，西蒙斯就像陈省身一样就是一个纯粹的数学家。在他1982年创办文艺复兴这个基金的时候，他的投资方式就不是市场上当时主流的主动投资的方式，而是以一种用数学统计的方式来做投资的方式，这就是我们现在熟知的量化投资。
文艺复兴之所以这么知名，就来自于它的旗舰产品，叫做“大奖章”。“大奖章”这个产品可以认为是投资界的一个不朽传奇，它是在1988年创办的，从1994年到2014年，根据彭博社的统计，20年费前年化收益高达71.8%。这个收益到底有多恐怖呢？我们做一个对比，我们知道股神巴菲特已经是世界上罕见的股神了，他的平均收益大概是在20%，也就是说“大奖章”的费前收益高达股神的3.5倍。
这样长期积累下来，收益率的差距就绝对不止是3.5倍了，20年积累下来可能有数万倍的差距。可能有些投资者会说了，我能买“大奖章”吗？很遗憾，买不了。因为这个产品是文艺复兴一个内部的员工盘，从1994年开始就把所有的外部投资者全部清退了，所以它的收益率再高，其实和外部投资者是没有关系的。
既是针对他们内部的员工，这个产品也要收取高达5%的管理费，高达44%的业绩报酬，这个标准基本上也是业绩最高的。但即使如此，他们的员工也非常满意，原因是因为它的费后收益仍然高达35%以上。在这种情况下当然这就是文艺复兴一个非常大的员工福利了。
所以我们可以看到对文艺复兴而言，“大奖章”这个产品可以在很大程度上反映了量化投资的有效性，虽然它是一个内部的员工产品，但是他们的策略有效性是可以通过这个产品的业绩得以充分的说明的。
虽然文艺复兴对外的产品业绩远远达不到这么好的水平，但是对普通投资者而言，也是一种非常好的投资标的，能够给他们的资产提供非常不错的长期收益。而且它的策略的有效性也是非常的好。所以文艺复兴和“大奖章”基金，其实就已经充分证明了，量化投资的有效性是非常强的，证明这种投资方式本身的价值。
如果把量化投资和主观投资做一个对比，它们有什么区别？我们首先总结一下它们的区别主要不在于哪些方面。它首先不在于你到底用的是基本面信息还是量价信息。有些投资者可能会认为，主观投资主要用基本面信息，而量化投资主要用量价信息，这种理解是不正确的。
主管投资可以用基本面信息，也可以用量价信息；量化投资可以用量价信息，当然也可以用基本面信息。所以用到了什么样的信息，并不是它们最主要的区别。最主要的区别在于什么去用这个信息，当然也不在于你是否用了数量化的方法。量化投资当然会用数量化的方法，但是主观投资也越来越多的运用到了数量化的方法。当然也不在于你是高频交易还是低频交易，是自动化交易还是手动交易等等。
量化投资与主观投资最主要的区别在那里？这里只能介绍一下我本人的观点，因为这一点并不是业界的共识，不同的人可能有不同的观点。我本人认为它们最主要的区别在于，主观投资是通过人来做最终的投资角色的，而量化投资最终是通过数学公式来做出最终的投资决策的。
也就是说主观投资也可以运用很多的数学模型来辅助做判断，但是最终到底买什么股票、什么时点买、什么价格买，基金经理说了算。但是量化投资是由数学模型给出最终的投资建议，你必须要遵循这个模型给你的结果，而不能再人为的做出调整。如果它给出你建议之后你不遵守这个结果，人们要人为的加以调整，那这个就不是量化投资，它仍然应该属于主动投资。
为什么在量化投资当中我们认为不能由人再来加以调整呢？主要有两点原因，第一就是进行量化投资的一个基本理念就是，我们应该认为数学模型、统计学模型对市场的把握与判断，好于任主观的判断，如果没有这样一个理念，那么进行量化投资就不太合适。
第二也是更重要的一点是，量化投资是通过统计学模型来捕捉这个市场波动的，要通过统计学模型，开发出有效的统计学模型来获得超额的收益。这些有效的模型怎么寻找？通过历史数据寻找，也就是说它通过历史的回撤来找到有效的模型。但是我们知道，在历史上是没有你这个投资者的，你也不可能对历史做出判断，在这种情况下如果在现在实盘运行当中加以主观判断，那就意味着逆历史的回撤结果不再可信，那么量化投资基本逻辑的基础也就失去了。
所以我们认为，不能主动的对量化模型的结果进行调整。如果你觉得量化模型的结果不好，这时候你的做法应该是努力的开发出比它更好、更强大的模型来，仍然应该遵循新模型给你的建议，而不能主观的对它进行调整，这样是不靠谱的。
量化投资到底是什么样的现状呢？量化投资大概是在20世纪五十年代前后起源于美国，它并没有一个明确的起始时间，但是到上世纪的八九十年代，也就是文艺复兴创办的时候，已经在世界范围具备了强大的影响力，但是量化投资极大的发展还是在本世纪，经过几十年的发展，量化投资已经成为与主观投资分庭抗礼的一大类投资方式。
我们来看一下，这就是Preqin统计的一个表格，它统计了截止到去年的三季度，全球前十大对冲基金的主要管理方式。可以看到其中有六家都主要以量化投资为主，所以可以说在整个全球市场，量化投资已经是一种非常主流的投资方式。
所以虽然在中国它在过去几年取得长足的发展，我们认为也仍然很不够，未来几年，量化投资仍然可以取得更大的发展。
下面一个专题我们想介绍一下人工智能。人工智能这个领域比较专业，我们只是简单的对它做一个基本的介绍。
我们首先来介绍一个引子，这就是AlphaGo。我们都知道AlphaGo是一个颠覆围棋历史的人工智能程序，2016年3月份战胜了李世石，之后经过一次升级之后就达到了远远超越人类的水平。现在我们有理由认为，基于人工智能开发的围棋程序，就是最强大的围棋程序，而且跟其他方式开发的围棋程序不可同日而语，可以认为不是一个量级的。因为在AlphaGo诞生之前，人类的围棋程序仅仅只具有业余棋手的实力，甚至是业余的高手都可以让这个围棋软件五子以上。
但是基于AlphaGo开发的人工智能的围棋程序诞生之后，目前人类的围棋软件，可以让人类顶级高手两子，人类都是赢不了的。所以它跟过去传统的围棋软件相比不可同日而语，这当然就证明，人工智能可以认为是处理围棋问题唯一的有效的方法，其他的方法跟它的效果是不可同日而语的。
而这一点在很多领域都是这样的，我们一会儿还会再做一个介绍。
我们可能经常会听说几个词，比如人工智能、机器学习、深度学习，这是什么关系呢？人工智能这个概念是最大的，机器学习是人工智能的一种实现方式，而深度学习是机器学习中的一种算法，所以它们都是一个包含关系。
跟深度学习并列的还有很多种不同的机器学习算法，比如说遗传算法、支持向量机等。但是现在很多时候在说起人工智能的时候，往往和机器学习、深度学习都等价起来，什么原因？原因在于深度学习是在最近这10年的所谓人工智能的第三次浪潮里面，引领潮流的一种算法。在人类取得突破的几乎所有的领域背后，用到的都是深度学习。所以往往说起人工智能，目前跟深度学习几乎是一个等价的含义，也是这样的。
下面我们就来总结一下人工智能发展历史上曾经有过的三起两落。1950年图灵提出了图灵测试，这可以认为是判断机器是否拥有智能的标志。1956年的达特茅斯会议，标志着人工智能作为一门独立的学科诞生了。但是由于人工智能并没有在实际当中取得任何有效的应用，所以在1974年以后它的研究就陷入了第一次的低谷。
当然它的算法在1980年代又经历了有一次的高潮，这就是专家系统的发展和应用。但是它仍然没有办法在实际当中取得任何实际的应用，没有办法取得比其他方法更好的结果，所以在90年代再一次陷入了低谷，这就是历史上的第二次低谷。
从2006年以来，人工智能的这一次浪潮已经是它历史上的第三次浪潮，但是跟前两次浪潮相比，这次浪潮是完全不同的，它的深度和广度，都远远超过了前两次浪费。最主要的原因就在于，它已经在实际当中取得了数不胜数的应用，在很多领域它可以认为是处理这个领域最好的，甚至是唯一的方法，这就是人工智能第三次浪潮的特点。
我们把第三次浪潮的特点做一个简单的总结，首先就是算法上取得了大幅的突破，如果大家对这个领域比较了解的话，会听过像CNN、RNN这样的一些词，这都是深度学习的一些具体的算法。当然第二个特点就是它在无数的领域取得了突破性进展，实际应用数不胜数，我们随便举几个例子，比如语音识别、图象识别、自动驾驶、下围棋等等。
为什么人工智能模型在第三次浪潮里能够取得这么大的突破，我们把具体的原因总结为三点，第一是算法的改进，第二是算力的提升，第三是大数据的积累。
我们先来解释后面的两点，为什么说大数据的积累非常重要？原因就在于神经网络这个模型本身就非常适合大数据，数据量大了，它的效果就变得越来越好，而数据量小的话，它就容易陷入局部最优。深度学习就是一个多层的神经网络，与它有类似的特点，数据量大了之后，我们会发现效果会变得越来越好。
你有了大数据的积累，当然就需要有相应的算力计算这个数据，否则的话光有这个数据算不出来也没有用，所以算力的提升也是非常重要的。最近这10年人类大数据的积累和算力的提升，对人工智能取得非常大的成果是有着非常非常直接的促进作用的。
当然在一个具体的领域，算力和数据就不是它的决定的因素，原因在于这些东西都是可以花钱购买的。能够买到的东西都不是最贵的东西，都是相对比较便宜的。真正无法购买的就是算法，而算法也是不同的机构在相同的领域，最主要的区别所在。
所以我们知道，在语音识别领域，在图象识别领域都有很多机构在做这个领域的研究，大家的区别在哪里？最主要的区别就在于算法。一个好的算法和一个不太好的算法，效果是天壤之别的。
回到刚才的例子，AlphaGo在历史上经历过三个阶段，跟李世石下棋的版本叫做AlphaGo Lee，这个版本的AlphaGo还是比较弱小的，毕竟还输给了李世石一盘，柯洁的评估他下这个版本的肯定是没问题的，所以当时柯洁放出豪言，说AlphaGo能够下赢李世石，但是下不赢我。
但是没想到半年过去之后，AlphaGo就推出了一个新的版本AlphaGo Master。AlphaGo Master这个版本就比AlphaGo Lee要强大的多，根据后来Deepmind的评测，AlphaGo Master能够让AlphaGo Lee四子以上，AlphaGo Lee都是赢不了的。这样的一个差距当然就不可以以道理计了，所以当时柯洁就0比3脆败了，因为跟AlphaGo Master这个版本相比，人类顶尖棋手的胜率基本上几乎不到1%，甚至可能连千分之一都达不到，几乎没有任何的胜率。这个时候这个改进当然就是算法的改进，而不是算力的影响。
没有想到在半年之后AlphaGo又推出了一个新的版本，叫做AlphaGo Zero。AlphaGo Zero这个版本推出之后，AlphaGo就退役了，因为Deepmind就不再研究这个领域了。根据它的评测，AlphaGo Zero又可以让AlphaGo Master四子以上，它们又有了一个极大的差距。这个差距是哪儿来的？仍然是算法的改进带来的。
AlphaGo Zero即使在一台个人电脑上运行，它的效果也远远超过最初版本的AlphaGo Lee在一个庞大的服务器上运行的效果，这就不是数据和算力带来的影响，而是算法上带来的改进。
这就可以看到，在相同的领域，算法是影响最大的方面，所以为什么我们一直强调，人是在算法中最核心的因素，原因就在于人是无价的，是无法购买的，而算法的改进永远需要人来做。
总结一下人工智能与量化投资的投资，就可以把这一点看得更加的清楚。人工智能这种模型形式，是非常适合大数据、非线性领域的，可以说是人类目前掌握的处理大数据、非线性问题最好的统计学方法，没有之一。这一点已经是科学界的一个共识。
而量化投资本身，就是基于数学统计来做投资，所以人工智能和量化投资是有着天然的契合度的，它已经在投资当中取得了极好的应用，而且在未来世界我们预计人工智能仍然会是投资领域的热门方向之一。
不同的机构在人工智能领域的竞争是什么？竞争的核心当然就是算法，因为算法才是大家最主要的区别。而算法是谁来开发的呢？是人来开发的，所以量化投资说到底，永远都是人的竞争是投研团队的竞争。一会儿介绍到我们公司的时候，还会对这一点做出一个更加详细的介绍。
下面就进入今天的第三个专题，也是今天最重要的专题，这就是指数增强。指数增强是我们非常非常看好的一种可以长期投资的产品形式，我们认为它可以作为10年以上的周期来长期推广。为什么我们推荐指数增强这种产品形式呢？主要有两点原因：
第一就是指数增强这种产品形式，可以认为是一种非常难得的高收益资产，它的预期收益水平在全球范围都非常具有吸引力。为何会如此，我们一会儿会做一个详细的介绍。
第二点我们为什么主推指数增强，是因为量化投资本身是很难理解的，因为量化投资基于非常复杂的统计模型，要跟投资者讲明白量化投资的逻辑和基础，几乎是一个不可能完成的任务。但是指数增强不一样，指数增强这种产品形式可以认为是所有的量化投资当中，基本逻辑和基本原理最充溢理解的一种。
一个投资者即使完全不懂量化投资，甚至完全不懂统计学，他应该也能听懂指数增强的投资逻辑。所以我们说，指数增强这种产品形式是非常适合长期持有的。
你要长期持有一种资产，当然就应该理解它的基本投资逻辑和基本投资原理，否则是拿不住的。而指数增强产品形式又是很容易理解的，当然给大家讲明白这个投资逻辑和原理就是非常重要的了
下面我们做一个介绍，首先我们来讲一个引子，这个引子叫做收益率的复利效应。可能大家经常听说，但是不见得对它做过具体的计算。这个表格想告诉大家的就是，到底一个什么样的收益率，长期来看能够认为是一个高收益。因为我们平常在见到的某些个人投资者，可能对高收益有一种不切实际的预期，比如有人可能会说50%才叫高收益，甚至有些投资者可能会说百分之百，翻倍的才叫高收益。特别是在最近这两三年的牛市当中，更加对收益率有一种不切实际的预期。
实际上我们把时间拉长了看，其实收益率如果能达到20%到30%的区间，就已经是一个非常恐怖的高收益水平了。何以见得？我们来看三个典型的收益率，10%、20%和30%，看多长时间？我们看30年。为什么看30年？因为中国的股市是1990年开放的，到现在大概是30年的时间。
如果每年10%的收益，特别指出一下，10%大致是我们对中性策略长期预期收益的评估，同时也是我们对中国指数长期涨幅的评估。如果平均每年10%的收益，100万的本金，经过30年的复利增长之后会变成多少钱？1700万，大概17倍的增值。这个效果其实已经不错了，是一个完全可以接受的效果，因为它远远跑赢了通胀，如果你采用了这样的投资方式，你的资金是不会贬值的，至少可以稳定的增值。
如果你非常有幸的投资到了股神巴菲特的产品，股神巴菲特长期平均收益大概在20%，这时候100万本金30年之后会变成2.37亿的资产，237倍的增值，这个增值幅度已经堪称恐怖了。
当然如果我们再看以30%的收益，100万本金会变成26亿的资产，比巴菲特的投资效果还要好10倍以上，所以收益率高10%，它的长期复利增长下来的投资效果绝对不是差10%，它有10倍以上的差距，而且时间越长，差距就越大，这就是复利效应的恐怖之处，这也就告诉我们，从长期投资的角度来讲，如果你的收益率能够达到20%到30%的水平，就已经是一个非常非常恐怖的高收益了。
中国的指数增强这种产品形式，我们认为还是比较容易就能达到这样的预期收益水平的。何以见得？我们来做一个介绍。
到底什么是指数增强？相信很多投资者可能是投过的，它做的事情听起来是很简单，就是用量化的模型来选择一定数量的股票进行投资，投资这一篮子股票目标是什么？我的目标是要稳定的战胜某个指数，所以叫做指数增强。
如果我做到这一点的话，当然我的收益率就可以做一个简单的拆分，一块是指数本身的收益，这有一个专业术语叫做β收益，还有一块就是我跑赢指数的收益，这个也有一个专业的术语叫做α收益。所以指数增强的产品收益就等于指数的收益β，加上跑赢指数的收益α，这个只是把产品收益做了一个简单拆分，应该讲是很容易理解的。
这里特别要指出一点，这个α收益不一定是一个正数，如果α收益是正的，就证明我跑赢了指数，如果它是负数，就证明我跑输了指数。
下面我们分别来介绍一下β和α，就可以把指数增强的收益风险特点分析的非常清楚了，我们先来看β，β就是一个指数。中国的指数到底怎么样，很多投资者对中国指数的涨幅是有一种不真实、不正确的认识的，因为中国的指数其实长期来看涨的很好。到底有多好？我们做一个具体的计算。
我们以万得全A这个指数为例，万得全A就是把所有A股的股票全部统计在一起了，我们统计的周期是从2006年到2018年，长达13年的时间。为什么不把2019年以后的行情加进来？因为都知道，2019年是一个新牛市的起点，如果把这两年牛市的行情加进来，可能就会高估这个指数的收益。所以我们只统计到了上一次熊市的重点2018年年底，应该讲是非常有代表性的。
万得全A指数的复合年化收益率是12.7%，接近13%。有些投资者可能对这个收益率到底有多高还没有一个直观的印象，我们做两个横向的对比。第一这个收益率比美股的同期收益要高，所以中国的指数绝对不是不涨，长期来看比美股涨的还要好，只不过它的波动比美国要大，但是从收益率角度来讲，它确实是收益率非常高的一个资产。
第二再跟中国自己比一比，我们跟中国过去20年涨的最好的资产比一比。我们都知道过去什么涨得最好呢？房子涨得最好，北京、上海的房价20年大概翻了20倍。听起来很吓人，但是如果你算一下它的年化收益的话，绝对不是一年1倍，它的年化收益大致只相当于16%，也就是说比万得全A只高了3%而已，这就是复利效应的恐怖之处。所以我们说它们基本上还是一个量级的。
从这一点当然可以从另一个角度证明，中国股票市场的收益率到底多有吸引力。我们都知道中国的房子是不可能再这么涨下去的，大家都公认这一点。所以中国的股市长期来看应该是中国长期收益率最高的大类资产，这一点应该是可以得到公认的，而且它的长期收益能够达到10%是不奇怪的，长期是可以达到这样一个收益水平的。
何以见得？我们可以来对标一下全球市场的情况。如果统计一下全球市场过去50年以上的长期收益就可以看到，在各个主流市场，股票收益全部都是所有大类资产当中收益率最高的。而且从长期来看，它的收益率达到10%以上并不困难。所以我们当然就有理由认为，中国的指数收益长期来看，维持在10%的水平，应该是一个合理的预期。
那么问题来了，为什么中国的股市涨得这么好，但是很多投资者确认为中国的股市不涨？两个原因，第一我们看的指数不太对，比如说大家通常最常观察的是上证综指，也就是通常所说的大盘。上证综指同期比较年化收益仅有6.1%，还不到万得全A的一半，所以如果你一直看上证综指的话，显然会大大的低估中国市场实际的表现。
为什么会这样？原因在于上证综指是中国的第一个指数，它的编制方法并不合理。后来再改也不好调整，所以大家只要知道，参考上证综指来评估中国市场的实际表现，其实是不合理的，它反映不了中国市场整体的表现。如果大家要观察中国市场整体表现的话，可以看万得全A或者中证全A这样的全A股指数。
如果大家关注一些风格指数的话，关注大盘股可以看沪深300指数，关注中盘股可以看中证500指数，关注小盘股可以看中证1000指数，这些都是编制的相对比较合理的指数，也能够反映中国的实际运行状况。
为什么很多投资者认为中国市场部涨，更加重要的原因是，大多数中国的投资者没有赚钱，甚至很多人还在亏钱，这也是一个事实。这听起来似乎是一个很矛盾的事情，一方面中国的指数涨得很好，另一方面投资者又赚不到钱。但是下面要告诉大家的就是，这一点一点都不矛盾，而且永远都会如此。
为什么？因为战胜指数很困难。战胜指数不容易这一点，在西方经济学界已经是一个公认的事实了，所以为什么在美国这样成熟市场，像指数基金这样的被动投资模式，管理规模甚至已经超过了主动投资，就是因为他们非常非常认可这一套理论。
这一套理念很难懂吗？它一点都不难懂，我们下面就把这套理念的基本逻辑跟大家做一个简单的介绍，相信我这样一介绍，很多人是能够听得明白的。
为什么说战胜指数是很不容易的？我们只要看一下指数的计算方法就可以了。指数是怎么算的？指数就是把市场上所有的流通股拿到一块，算了一个加权平均数，这就是指数的算法。所以它相当于把所有投资者的持仓拿到一起，算了一个加权平均持仓收益率。从这个角度来讲，它应该跟市场上所有投资者的平均收益是一样的，比一半的人跑得好，比一半的人跑得差。
但是这里的要点在于，指数计算当中并没有包含任何手续费，所以其实指数永远都比所有投资者的平均收益跑得要好。好多少？就好这个手续费。所以我们说，指数永远都能够战胜至少一半以上的投资者。所以为什么说指数化投资永远是一种不差的投资方式，因为不管这个市场环境怎么变，不管是上涨还是下跌，不管是一个大盘股行情还是一个小盘股行情，指数都永远能够战胜一半以上的投资者，所以它当然永远都是一种不差的投资方式。
在中国市场，指数仅仅只能战胜50%的投资者吗？我们认为这个比例可能还远远不止。怎么去统计呢？中国市场本身不太好统计，因为个人投资者占比太高，但是我们可以拿美国市场做一个对标，因为美国都是机构投资者，相对来说比较容易统计，而且已经有人帮我们统计过了。在上世纪70年代有一个教授，发表过一篇非常有名的paper，他统计了美国市场所有的共同基金长期的业绩情况，发现大概有70%的主动管理的共同基金是跑输指数的。
因为美国基本上都是机构投资者，我们简单把这个说法换算一下可以认为，大概基于美国的流动性和手续费占比而言，有70%的投资者会跑输指数。如果美国是70%，中国是多少？我们知道中国的手续费比美国更贵，而顶着更贵的手续费，中国市场的换手率是要远远超过美国市场的，这就意味着在中国市场产生的手续费占比，要远远高于美国市场，这当然就意味着在中国市场跑输指数的投资者比例，要比美国更大。
如果美国是70%，那么中国至少80%甚至有可能到90%，所以你在中国市场简单的购买一个指数，就已经是这个市场上前20%的投资业绩了，甚至有可能是前10%的投资者已经是顶级投资者了，就这么简单，买个指数就能实现。
其实我们从中国市场的指数收益水平也能够看到这一点，如果一个个人投资者，过去10几年的时间，平均能每年能获得13%的收益，就意味着资产过去10几年大概翻了6倍、7倍，这样一种投资效果，在个人投资者中排在前10%，我相信应该是问题不大。
如果我们理解了指数的这样一套逻辑之后就知道，其实指数β本身就已经是一种非常非常值得投资的资产，长期来看是一种很好的资产。如果大家接受了这一点，再来去讲指数增强就非常容易了，因为指数增强无非就是在指数之上又给了你一个很高，并且还很稳定的α收益。这个α收益有多高？过去几年有一批量化机构，注意不是一家，是一批量化机构，都能做到平均每年30%以上的超额收益。
这个收益有多恐怖？我们只要做一个简单的加法就可以知道，我们说中国市场的β，我们对它的长期预期大概在10%，如果我能够做到30%的超额收益，那么中国的指数增强预期收益就高达10+30，40%。股神巴菲特也才20%的长期收益而已，所以如果一种资产预期收益能够达到股神的两倍，那当然在全球市场都是极具竞争力的，这种资产一定是一种非常非常具有竞争力的资产。
这个竞争力从哪儿来的？大家其实很清楚，它主要是从α收益来的。因为我们能够跑赢指数30%，所以指数增强才具有非常强的吸引力。而在任何一个市场，只要你能做出30%以上的超额收益，指数增强一定都非常有吸引力。但问题是，能做到吗？比如在美国能做到吗？很遗憾，在美国就做不到。
在美国市场即使像一流的量化机构，比如文艺复兴等这些世界顶尖的量化机构，它们在美国市场想要跑赢指数2%、3%都非常困难。为什么会这样？中国的量化机构能够达到美国同行10倍以上的超额收益，这个差距到底是哪儿来的？能够说明我们的策略研发水平比他们更高吗？显然不能这样理解，而只能理解成，中国市场在现阶段比美国市场要更容易赚钱。
这样的一个逻辑在指数增强中是很容易做出一个直观解释的，我们回到刚才这个页面，也大家再做一个详细的解释。
刚才说了，所有投资者加在一起，永远是跑输指数的，中国如此、美国也是如此，这一点在两个市场都是这样的。刚才我们把跑赢指数的收益定义为α收益，所以如果我们换一个学术一点的说法，就可以这样说，一个市场上所有投资者取得的α收益之和永远是负数，这一点也是永远不变的。α收益之和永远为负这一点，在任何市场都是成立的。
所以我们就知道，要在一个市场上做出正α收益来，本身应该是很不容易的事情，因为大家加在一起永远是负的。如果真的有人能做出很高的正α收益来，说明什么？说明这个市场上一定存在着更大量的负α收益的投资者，否则你就无法解释这个正α的来源。
所以中国存在着这么高的正α收益，那就意味着中国一定存在着大量的负α收益的投资者。所以为什么个人投资者投资效果不好，就很容易解释了，因为是负α，跑输指数10个点就赚不到什么钱了，跑输指数15个点，那还是亏钱的。
为什么在美国市场做不出超额收益，解释也很简单，因为美国市场都是机构投资者，没有贡献负α的投资者，当然你想做出正α来，就比登天还难。所以中国市场之所以能够做出很高的正α来，本质上还是因为中国的投资者结构，因为中国是一个散户市，具有着很大的无效波动，所以这种情况下，就能够取得很高的超额收益。
如果我们理解了这样一套逻辑，就可以做出以下两点推论，首先第一点，对于个人投资者，我们应该给出什么样的建议，我们公司给个人投资者的建议永远都只有一条，那就是不要自己炒股。这个其实是很容易理解的，虽然听起来可能比较残酷，但是它在解释起来很简单。因为所有投资者都是在一个赛道上竞争，有人能够跑赢指数，就一定有人会跑输指数，作为个人投资者，无论你付出多少时间去学习投资的技巧，无论你花多少精力，你都仍然不可能跟一个专业化的团队竞争。
所以如果有人跑赢有人跑输的话，就一定是机构投资者作为一个整体，是能够跑赢的，而个人投资者作为一个整体是要跑输的。当然不排除个人投资者当中有某些天赋异禀的人，能够获得很高的收益，甚至是数以万倍的收益，这都是存在的，但是毕竟几率太小太小了，跟中大奖没有什么区别。
所以大家不能够相信，我作为一个个人投资者，一定是其中小概率的存在，我一定是其中最顶尖的存在。从概率上说，个人投资者确实就不应该自己进入市场里炒股。更好的做法是把你的资金从股市里拿出来，交给专业化的团队帮你管理，利用专业化的机构的技术实力，帮你赚取这个市场上的正α收益。当然了，你需要付出一定的管理费，但是这是完全值得的，因为你的费后收益仍然会远远高于自己做投资的效果。
美国投资者都是非常认可这一点的，所以为什么美国是一个机构市，因为美国的个人投资者知道，我自己进入市场里炒股，就是在贡献负α，在这种情况下我宁可把我的资金交给机构投资者，让他们帮助管理，就算付出一定的管理费也是完全值得的，投资本身就是一个很专业很专业的领域，不应该让个人参与进来。
这就是我们对个人投资者唯一的建议，所以我们不会给大家讲解什么投资的技巧、投资的经验，因为这根本就没有用。无论你学习多少投资经验和技巧，都仍然无法和一个专业化的团队进行竞争，既然如此，最好的做法就是把你的资金交给这些专业化的团队，让他们帮你打理。
接下来就给出第二点推论，假如说市场像我们预期的这样发展，而且它一定会这样发展下去，那么中国当然就慢慢的从一个散户市，变成了机构市。我们的超额收益会怎么变呢？毫无疑问，它一定会越来越低。因为这个超额收益是来自于中国市场的无效波动，随着重要市场机构化的发展，中国市场的无效波动一定会越来越低，所以任何机构能够取得的超额收益水平，一定也会越来越低。
这个长期趋势是不可逆转的，所以它跟公司策略的研发能力是没有关系的，跟中国市场的无效波动水平，进一步的说跟中国市场的投资者结构是有关系的。随着中国市场投资者结构的改变，慢慢的变成一个机构市，任何机构的超额收益都会不可避免的出现衰减，所以虽然我们过去有30%甚至40%以上的超额，但是千万不要把这么高的超额作为一个长期预期，因为这是不可能做到的。
当然也不必对它过于悲观，因为超额收益的收敛需要一个漫长的过程。我们认为至少在未来的5年，大家还是可以以一个20%的超额为预期，未来10年还可以以10%的超额作为预期。10%的超额比起现在，当然大幅的降低了，但是不要忘了，只要我还有10%的超额收益，在加上10个点的指数收益，指数增强的绝对收益就已经高达20%了，这就已经是股神巴菲特的长期平均收益水平。
所以中国的指数增强是可以作为10年以上的周期长期推广的。未来它的吸引力会比现在要低，因为超额收益降低了，但是跟其他资产相比，它仍然会是全世界最具吸引力的高收益资产之一。
以上我们花了很长时间跟大家详细介绍了指数增强的收益逻辑，因为它确实非常非常的重要。下面再简短的跟大家介绍一下指数增强的风险特点。
指数增强当然是一种波动非常非常大的资产，大家也可以认为它的风险是很高的。遇到股灾的话，可能会出现大幅的回撤，这个很容易理解，因为它的收益率是指数β加上超额收益α。超额收益的α相对是比较稳定的，但是指数的β波动很大，遇到股灾的话可能会跌一半。
我们怎么去避免指数增强出现亏损的风险呢？指数增强要避免亏损，只有一套正确逻辑，这就是长期持有。所以长期投资是指数增强最正确的投资方式。为什么这么说？我们可以先看一下指数基金。指数本身就值得长期持有，比如美国的养老金就会大量的持有美国的指数基金，养老金是最厌恶风险的，它愿意持有美国的指数，就证明它认为美国的指数虽然短期的波动很大，但是长期持有下去，亏损的风险却不高。
中国的指数也有类似的特点，指数都是短期波动很大，但是没有说过了两三年还是股灾式的行情，所以把时间拉长了，它的波动就被熨平了，它就更接近与历史的平均收益。
如果指数都是这样的特点，指数增强当然就比它更好。因为指数增强是在指数之上，又给了你一个很高还很稳定的α收益。假设每年能做到20%的超额收益，在这种情况下大家持有指数增强产品一年的时间，只要指数的跌幅在20%以内，就不会亏钱。持有两年，只要指数跌幅在40%以内就不会亏钱。中国的指数还从来没有出现过两年跌40%的情况，未来也是几乎不可能出现的。
所以我们就可以得出一个结论，如果我们能保持20%以上的超额收益，那么持有指增产品两年的时间，几乎就可以保证百分之百的盈利了，这就是指数增强的风险特点，它是可以通过长期持有来避免的。
有些投资者可能会问，你怎么不做择时，我们把资金交给你，不就是利用你专业化的择时能力吗？很遗憾的告诉大家，虽然择时从效果上说是最具吸引力的，但是它是无法真正实现的。准确的择时是不可能做到的，这是全世界投资机构公认的事实。
所以如果有人说他能做到准确的择时，毫无疑问他一定是一个骗子。所以虽然择时看起来是最好的，但是它根本就不可能准确的做到，所以它相当于一个偏随机的事件。我们不能够把一种资产的投资逻辑，建立在一个随机事件之上，所以它不能够建立在择时之上，而只能建立在长期持有之上。
以上就完整的介绍了指数增强的收益特点和风险特点。下面我们就跟大家简单的介绍一下公司的情况，当然在这之前再回到最初的表格，这个表格跟大家介绍了，我们刚才说了，20%到30%的收益区间，长期来看就已经是一个非常恐怖的高收益了。中国的指数增强还是比较容易达到这个收益区间的，何以见得？因为考虑到中国有10%的指数收益，只要我的超额收益还能做到百分之十几，它就已经在这个区间了，而毕竟我现在还是有30%、40%的超额收益的。
下面简短介绍一下我们公司和产品的情况，我们公司叫因诺资产，是在2014年的9月份成立的，2015年的1月份完成了管理人备案，2015年3月份开始发行产品。我们最早的产品是一个中性的产品启航1号，到现在已经有六年半的实盘业绩了，在整个量化市场也是业绩非常久的一家公司。
我们的指数增强产品线是从2018年的年底对外推广，到现在大概是3年左右的时间，虽然时间不如中性长，但是在我们目前管理的大概150亿的规模当中，已经占据了大头。目前我们大概有70%的资金是指数增强，只有30%是中性，特别是当公司管理规模达到百亿以后，我们就主动封闭了中性产品线，只有指数增强产品线是正常开放的，目的也是使我们的规模更加稳健、有序的慢慢增长上去，而不要出现过快的无序增长。
因为大家知道的，规模是业绩的敌人，如果规模增长的过快过猛，这时候可能会大幅的影响超额收益，这一点也是我们非常看重的。
公司投研团队的情况，我本人的背景刚才已经跟大家做过简单的介绍了，因为因诺资产是我成立的一个公司，所以投研团队的搭建也是根据我本人，根据量化市场的认识，刚才介绍过，我们认为中国的量化机构，或者量化机构的竞争，长期来看取决于你能否构建一个长期可持续发展的投研团队。
因为没有任何策略是可以永远有效的，所以你必须要不断地培养新人，不断地研发新策略，才能够保持长期的生命力。所以进一步的说，投研团队的培养体系，就是最核心的竞争力所在。
量化的投研究竟怎么培养，我们认为只能依靠自主培养。原因在于量化的策略研发具有非常强的隐秘性，跟其他领域不一样。一个策略一旦被别人知道你是怎么做的，那就离失效不远了。这种情况下如果你主要依靠外部招聘，那么外部的基金经理是不可能把这种策略完整的告诉你的。如果是几个外部招聘的基金经理，更加不可能组成一个团队共同开发一个策略，因为他们会有非常强的彼此的防备心。
这种情况下，要真正的形成一个有效的团队，就只能把这些人从新人阶段带起来，过几年之后就可能有一批人能成长为优秀的基金经理，他们又可以带着新人从新的策略研发。
正是基于这样的认识，所以我们公司从2015年就开始进行校园招聘，到现在已经进行了六七年的时间，我们的人才培养已经有非常丰硕的成果，比如我们公司的二号人物，也是我们公司另外一位合伙人李爽博士，现在是我们的研究总监，他就是我们的自主培养的一个非常典型的人才代表。
李爽是在2016年博士毕业之后加入我们公司的，对我们公司目前使用的人工智能策略体系做出了非常杰出的贡献，所以去年就提升成了我们的合伙人和研究总监的角色。李爽博士带领的投研团队，至少已经有四个人有成熟的策略在运行，可以认为是准基金经理的角色，这四个人又再带着新人进行新的策略研发。
所以看到经过六七年的培养之后，我们公司的投研团队，已经形成了一个初步的梯队化的概念，这一点在中国市场上还是比较有竞争力的，而且未来我们也会把它长期的坚持下去。
我们公司的投资策略是非常多样的，包括像套利α、CTA等等，但是因为我们目前主推的是指数增强这个产品线，我们就只需要把其中的α策略做一个简单的介绍。
我们公司的α策略从2015年3月份到现在，已经运行六年半的时间了，但是它以2018年10月份为一个重要的时间节点，可以分成前后两个阶段。2018年10月以前，我们用的主要是多因子的模型体系，而在2018年10月份以后，就把它整个替换成下面这套人工智能的模型体系。
所以我们公司应该讲是在中国市场运用人工智能模型开始研发的最早，也是运用的最成功的量化机构之一。我们是从2016年开始研发人工智能模型的，2017年进入实盘测试，2018年就完全成熟，全面替换上了所有的产品线。从这个时点大家也可以看到，它的应用是非常的早的。
何以见得成功，就是从我们的实盘业绩来证明。我们的指数增强产品，从2018年年底以来，2019年、2020年、2021年三年超额收益都是居于市场一流水平，所以就可以充分的证明，我们的人工智能模型体系竞争力是非常强的。
关于人工智能模型，我们想从定性的角度来做几介绍。首先我们想把它和多因子模型做一个对比，如果把它和多因子模型做一个对比，从两点做一个介绍，首先第一点就是人工智能模型从本质上说，也是一套统计学方法，这一点刚才跟大家介绍过了。所以人工智能模型并不神秘，它在本质上只是一套统计学方法而已，跟多因子模型也是有相似之处的。
因为它是一套统计学方法，所以在人工智能模型领域，最重要的核心因素仍然是人。因为所有的模型都需要人来不断地开发，不断地优化、不断地改进，机器是没有自我优化的能力的。就以AlphaGo为例，你把它丢给机器，让它再训练，AlphaGo也仅仅是AlphaGo Lee的水平，它永远变不成AlphaGo Master更加不可能变成AlphaGo Zero。所以必须要在算法上大幅的改进，才能够得到更好的模型，人工智能模型也是一样的。
当然了，人工智能模型就是因为这样的特点，所以它也是会随着市场的发展而逐渐的衰减的，所以人工智能模型也需要不断的优化，离开了持续不断的优化，它也会慢慢失效。我们公司的人工智能模型，从2017年上实盘到现在，已经更新过40个以上的模型版本，这就是在不断优化的过程。
第二点我还想介绍的就是，虽然人工智能模型只是一套统计学方法而已，但是它趋势是一套很特殊的统计学方法，那就是它可以看人类目前掌握的处理大数据、非线性问题最好的统计学方法，没有之一。这一点我们刚才在介绍人工智能的时候已经做过详细的介绍了，就不再赘述了，所以它在投资当中取得很好的结果，我们认为是顺理成章的，在未来的5年到10年，仍然会是量化投资研发的一个热点。
下面关于人工智能模型和多因子模型的一个比较，大家简单看一下就可以。
最后有一个我们公司关于人工智能运作的指数增强产品的示范业绩情况，这是我们公司第一只指增产品叫天丰1号，从2018年年底推广，到现在大概有254%的收益，其中指数收益占了74%，超额收益占到了180%，所以年化超额高达45%以上。从这个数字大家也可以看出，它的超额收益水平，在全世界是非常非常领先的。
关于这个产品的净值曲线，我想跟大家特别做三点说明，首先这个蓝色的线就是天丰1号的净值曲线，红色的线是标的的中证500指数，大家可以看到第一点，指增产品长期的收益率是非常非常的吸引人的，这一点不用多说就可以看得到。而且它的收益率小头来自于指数收益，来自于红线本身的收益，而大头是来自于超额收益，来自于蓝线持续跑赢红线的部分。这一点非常的重要，原因在于超额收益是指数增强产品长期收益率的大头所在，而超额收益是很稳定的在赚取。
大家可以看到，这两条线的差异一直在越拉越大，这样的话当然对大家认购产品是很有好处的，任何一个时点购买产品，可能会产生亏损，但是这个亏损主要是指数下跌带来的，超额收益都能够不断的积累。所以长期来看，既使是指数不回来，靠超额收益也能把它拉回来，所以在这种情况下长期持有指数增强产品就非常有利。
第二点，指数增强产品适不适合做择时，我们不建议对指增产品做择时。为什么不建议做择时？两点原因，第一择时很难，或者说择时是不可能准确做到的，这一点刚才已经跟大家做过详细的介绍。而第二更重要的一点是，即使你对指数做了一个很好的择时，对指数增强也不见得就有更好的机会。
比如你在2019年4月份退出这个产品，对指数而言是一个很好的择时，躲开了一个20%的下跌，一直到现在也就刚刚超过了当时的高点。但是对指数增强而言，我们可以看到它绝对不是一个好的择时，不到一个季度就创了新高，到现在比当时的高点涨了百分之百以上。
为什么会这样？很简单，因为虽然它的指数并没有怎么涨，但是靠着超额收益的积累，在两年多的时间里，仅仅靠超额收益就已经积累到100%以上了。这就是指数增强产品不建议择时的第二点原因，因为对超额收益部分，是不怎么需要择时的，超额收益是比较稳健的在赚取。
在这种情况下如果你一直在做择时，没有持有产品，就意味着你在稳定的损失超额收益，时间长了可能损失的超额，比你躲开的指数下跌还要大，那样的话就得不偿失了。
第三，指数增强产品适不适合止盈止损。我们的建议是对指数增强产品可以不用做止盈和止损。为什么？还是分开来说，为什么不建议做止损？原因很简单，因为指数增强的亏损主要是指数下跌带来的，如果因为指数跌了就把它止损止掉了，这个事情很亏，因为指数越跌，它反弹的概率就越大，你措施未来的反弹。
很多投资者认可这一点，所以我们观察到在产品亏损的情况下，其实很少有人赎回。但是很多投资者喜欢做止盈，赚的多了就喜欢落袋为安。为什么指数增强产品不建议做止盈呢？原因在于止盈的逻辑是，如果你认为一个产品过去赚的很多，那么它未来赚的很多的概率就变小了，这个时候做止盈是合理的。
但是指数增强恰恰相反，如果指数增强产品过去超额收益率很高，就意味着我的统计学模型更加有效，对于一个更有效的统计学模型，未来超额收益仍然很高，概率是更大的，这种情况下就当然应该坚定的继续持有下去。所以指数增强是很适合长期持有的，做止盈并不合适。
所以就是因为这样的特点，所以我们说指数增强产品长期持有是最好的方式。
当然有些投资者可能会问，多长算长呢？我到底什么时候赎回这个产品？我们的建议是，只观察超额收益就够了，如果一个机构超额收益不行了，做不出超额来了，这个时候大家当然就可以放心的把它赎回了。如果只是一个机构做不出超额，大家可以换一个机构去持有，持有那些超额收益更高的机构。
如果大家都做不出超额了，就意味着中国市场已经变得很成熟、很有效了，这个时候指数增强这种产品形式可能推广的意义就不大了。当然这一天的道理我们估计至少还有10年甚至20年的周期，所以近期大家是不用担心的。
如果观察超额的话，到底观察多长时间？看一个月行不行？我们认为观察超额的周期，一定要把它拉长，我们建议的观察周期是1年，最少也不要短于半年。因为量化的模型都是统计学模型，这就意味着短期来看，它是有比较大的随机性的，所以如果你只观察一个季度或者更短的业绩，那么这个时候随机性偏强，说服力就不高了。所以建议大家观察半年以上的超额收益才比较合理。
这就是我们的超额收益曲线，下面是我们分年度，每年的超额收益，可以看到三年的超额收益，都是市场的一线水平，可以充分证明我们模型的有效性。
最后一个大的内容，就是跟大家总结一下跟其他量化机构对比，我们公司的竞争优势到底体现在哪里，我们把它总结成以下的五点：
第一是投研团队，第二是人工智能策略体系，刚才已经做过详细介绍，就不再赘述了，第三是我们的长期业绩很优异，比如启航1号有着长达六年半以上的实盘业绩，在整个中性产品线中，它的业绩也是第一流的，所以可以充分证明我们公司长期的投研团队的实力。
第四和第五点刚才没有做介绍，特别做一点说明，第四点是我们策略独特性非常强，跟其他主流机构相关性都比较低。这一点为什么非常重要？因为这意味着在其他机构大幅扩张规模的时候，对我们公司的影响相对比较小，所以我们公司一直可以保持自主的节奏，慢慢的做大自己的规模，不需要太去管别的公司到底是怎么去募资的。
所以我们公司一直到现在，管理规模也就在100多亿这样的水平，管理规模是适中的，而且发展的曲线比较平稳，更加有利于投资者取得更好的长期的超额收益。
最后对今天所有介绍的内容做一个总结，我们首先介绍了量化投资，量化投资就是以数学统计为基础进行投资，在世界范围内它是可以与主动基本面投资分庭抗礼的一大类投资方式，在国内我们认为未来也会有更大的发展。人工智能模型非常擅长处理大数据、非线性的统计学问题，与量化投资有着天然的契合度，所以它已经成为并将持续成为量化投资研究的重点，而且也是我们因诺资产最擅长的领域之一。
指数增强这个产品形式，同时获取指数的β收益和超越指数的α收益，因为中国市场还存在着比较大的无效波动，因此有着远高于成熟市场的超额收益水平，就提供了指数增强产品的一种长期竞争力。我们公司的指数增强产品，从2018年底推出以来，年化超额高达40%以上，它非常的适合长期持有。在市场上的指数增强产品线里，也是非常具有竞争力的。
最后有一个我们公司的官方微信公众号，就是这个二维码，叫做因诺资产，里面有一个我们自己撰写的栏目，叫做“因诺学堂”。因诺学堂有12讲内容，是关于量化的一些介绍性的文章，其中第9讲讲的是指数增强的投资逻辑，第11讲和第12讲讲的是人工智能模型，所以大家如果感兴趣的话，可以下来阅读一下。
以上就是今天介绍的全部内容，谢谢大家。