蒙玺投资：守正出奇 与卷同舒

---

在获取量化alpha超额的路上，蒙玺投资选择了“另”辟蹊径。

在蒙玺投资看来，市场热捧的AI、非线性模型本质是Smart Beta，Pure Alpha应来自于逻辑性强、可解释性强的单因子。 所以公司从全球200+数据源挖掘不同数据中的Alpha，在其多因子模型中，另类因子占比达到60%。在其看来，布局另类数据，是公司适应市场变化而采取的一种商业战略定力。

作为国内低延迟领域的先行者，在蒙玺投资看来，技术发展是非线性的，追求极致的同时，也在推进边界外扩，把不可能变为可能。对蒙玺投资而言，保持在这一细分赛道的差异化优势，是情怀也是图腾。

以下内容为华泰证券研究所金工量化投资首席研究员何康，对话上海蒙玺投资管理有限公司创始人&总经理李骧问答实录。

量化的2023

小市值暴露，AI与Smart Beta

问：请您回顾2023年投资感受。

李骧： 2023年是量化大年，行业在超额获取方面表现良好。我们公司风格暴露偏低，加上公司使用的另类数据表现较为稳健，同时覆盖各类创新性产品，加上稳定的超额获取，所以整体表现不错。

问：您认为AI模型更多是一种Smart Beta，是否2023年行情一定程度上印证了这一观点？

李骧： 有些优秀模型或机构能自适应市值偏离度较大的情况，在2023年表现较为亮眼。

问：所以非线性模型本身并非Smart Beta，而是这个模型本质是否具备学习能力？

李骧： 非线性模型本身并非Smart Beta，但通常具备Smart Beta的特点，即预测性强，能够天然挖掘出风格收益。有些风格可以被描述，例如市值，还有些风格无法描述，但本质是一种风格。有些模型预测周期偏长、适应性较慢，未来可能会有一定风险。

问：当前国内量化公司如何运用大模型？在量化行业未来应用前景如何？

李骧： 目前主要在公司流程和效率提升维度，投研方面增益有限。我们尝试在数据和信息处理方面运用，但模型精度无法满足专业需求。未来在数据设计端也会有更多运用。我们时刻关注大模型发展。

问：这项技术确实是非线性的。

李骧： 对技术永远要保持敬畏。

另类数据

是理念，而非商业机密

问：蒙玺投资在另类数据方面研究非常深入，其对超额收益贡献也较高，请您简要介绍另类数据。

李骧： 我认为，另类数据更多是理念问题，而非能力或商业机密。

另类数据定义非常明确，就是除量价和基本面之外的数据。量价数据是指所有通过交易所推送的数据。基本面数据则是按照监管要求上市公司定期披露的财务数据，研究门槛和获取价格相对量价较高。

量价因子最先被获取、应用最为广泛，也最早失效。目前量价因子已出现一些衰竭迹象，AI或非线性模型的广泛运用延缓了这个趋势。

另类数据覆盖度有限，不同数据覆盖度存在差异性，获取比较困难。单个另类数据获取超额较低，但其逻辑非常朴素。

问：数据的获取成本、门槛与其稳定性、衰减速率是否成反比？单个另类因子收益不高，所以研究另类数据需要不断积累，从量变到质变？

李骧： 我个人比较认同这个观点，人工智能与另类数据这两类方法论，给大家的感受度不完全相同。

我相信很多机构都具备研究另类数据的能力。但由于数据获取门槛和研究门槛较高，相关投入也是持续增量。这需要坚持不懈地投资，它不像非线性模型立竿见影，不论是回测还是实盘都能快速反馈。我们在业绩归因和分析时，明显发现另类数据的投入和产出性价比较低。

所以不能简单地从投入产出比评价另类数据价值，如果丧失耐心，就无法坚持这个方法论。而我们已经做好准备。

问：另类数据出现是由于社会数字化程度提高，采集数据能力提高，某种程度上，为这个行业注入了新活力。

李骧： 新的信息技术正在持续提升行业生产力。无论是AI还是其他前沿科技在行业中都运用得非常充分。研究AI的同事需要不定期翻阅前沿学术期刊和文献，才能保证竞争力。

另类数据也是如此，随着科技进步，数据获取更加便捷。另类数据在急速扩张，甚至可以定义为一种新型生产资料。我们只是前瞻性地较早投入到数据维度上而已。

问：大家认为国外另类数据发展相对更早，因此研究能力也会更强。从您观察来看，这一观点是否符合实际？

李骧： 海外另类数据发展比较快，因为海外市场相对成熟，量价衰减以后就研究基本面，但基本面也逐渐衰减，因此选择使用另类数据。所以海外行业整体发展速度领先于国内。

近年来，许多国内数据供应商崭露头角，但由于非线性模型仍然能有效获取量价超额，行业推进另类数据发展急迫性不高，所以供应商发展不如海外迅猛。

问：数据行业发展需要数据采集者和使用者，让他们都有正向收益，行业才能长远发展。

李骧： 我非常认同这个观点。

问：请您详细介绍另类数据对策略稳定性的意义。

李骧： 首先，单个因子超额不够丰厚意味着大家不愿意投入过多获得它。竞争不激烈时，一定是稳定且持续的。

其次，另类数据维度非常广，这意味着单因子间相关性低，组合在一起能够提升稳定性。

最后，由于另类数据超额可以通过线性组合方式获取，无需担心非线性过强的预测能力，导致潜在的风格暴露或非线性过拟合。

综上，另类数据能够提供相对比较稳定的超额。

问：另类数据存在一定局限性：一是覆盖面相对较窄，二是可追溯历史相对较短。请问您如何看待？

李骧： 覆盖面窄无法改变，因为有些行业天然不具备另类数据。

覆盖历史时间，其实比我们预期长，有数据供应商较早开始收集相关信息。我们直接购买对应的文本，针对性地处理后得到更长久的历史数据。

问：自己挖掘另类数据还是从数据商处购买？

李骧： 让专业的人做专业的事情。

我们乐意与全球数据供应商合作，目前公司90%以上数据都是由第三方提供。我们也尝试写一些接口抓取或者收集数据，但占比非常低。未来我们也希望在收集端参与。

问：如何看待另类数据未来应用前景？

李骧： 量化经过过去的快速发展，大家方法论已经趋同，策略有效性下滑。虽然不至于对AI方法论过度悲观，但如果看更长期，借鉴海外成熟市场发展经验，另类数据关注度一定会越来越高。

蒙玺另类数据运用在量化投资案例

低延迟

是情怀，亦是图腾

问：业内认为，国内交易策略执行与欧美存在差距，这是否符合实际？

李骧： 低延迟是非常窄细的领域，具备这个能力的机构较少。很多人都是通过一些不够专业的观点或者臆想出来的状态来了解，容易形成妖魔化或者不客观的评价。

问：差距原因是海外起步更早，还是有更丰厚的市场土壤？

李骧： 两方面都有原因，主要是积累：

一方面，国内经济的起飞给了行业发展机会，从业者抓住了这些机会；另一方面，国内量化机构创始人相对年轻，大家都更考虑长期发展和未来。