|
|
# 番外二｜王喆对话李腾：程序员对基金经理的灵魂十问（下）
|
|
|
|
|
|
你好，我是王喆。今天这期番外，我会继续采访李腾老师，和他讨论五个同学们感兴趣的问题。今天的内容会涉及到比特币、技术分析、量化投资、基金投资等等，相信你一定很期待。闲话不多说，我们就直接进入正题了。
|
|
|
|
|
|
**问题六：专业投资者怎么看比特币？**
|
|
|
|
|
|
**王：**李腾你好。今天我们先来谈一个程序员圈子里特别火的话题，比特币。这个话题这么火，不只是因为比特币确实制造了很多财富神话，还因为区块链是很前沿的技术领域。那么，你能不能从专业投资者的角度谈谈你对比特币的认识？
|
|
|
|
|
|
**李：**王喆你好。比特币确实是一种新兴的数字资产，我觉得它有可能在未来成为每个人标配的一种资产。如果真的出现这种情况，比特币的币值可能还会有很大的提升空间。
|
|
|
|
|
|
为什么这么说呢？毕竟比特币的发行总量是有上限的，就2000万枚。这和各国政府发行的主权货币是不一样的，主权货币在政府需要的时候，可以无限发行。对于那些相信数字货币有未来的人来说，比特币是值得以适当比例配置的，至少应该有个5%以下的敞口配置在上面，之后根据比特币的发展情况动态地调整配置的比例。
|
|
|
|
|
|
**王：**那你有没有投资过比特币？从你的角度来说，有没有比较合适的投资比特币的方法？
|
|
|
|
|
|
**李：**我自己在七八年前试着买过一枚比特币，当时还很便宜，币价是现在的1/10左右。不过我那次的运气不太好，中午买的，当天晚上就跌了50%。这个波动太大了，所以我之后几年都没有碰过比特币。
|
|
|
|
|
|
但是，今年我对数字货币又进行了一轮学习，重新调整了认知，于是又开始投资比特币了，只配置了很小比例（大概1%左右）的资金在这上面。以后我会强迫自己学习一些关于数字货币的知识，然后根据我学习的情况和比特币的发展，可能会考虑再逐步增加配置比例。目前来看，应该不会超过5%。
|
|
|
|
|
|
**王：**看来，投资比特币时，也要贯彻我们课程里面强调的资产配置理念：**既不能错过财富增值的机会，也不能盲目地跟投，暴露过多的风险。**
|
|
|
|
|
|
**问题七：怎么看待投资者中的技术分析流派？**
|
|
|
|
|
|
**王：**好，我们来接着聊下一个话题，技术分析。可能是因为我们程序员本身对技术很执着，所以炒股的时候，很多程序员也热衷于看各种技术流的指标。那么李腾，你对技术分析流派是怎么看的？你觉得强大的技术分析能力是做一名成功投资者的关键吗？
|
|
|
|
|
|
**李：**这个问题可能得从头说起。我的专业投资生涯是从做量化投资开始的。当时我相信量化是世界上最好的投资框架，非常系统，非常有纪律性，也非常有效率。
|
|
|
|
|
|
后来，因为工作原因我“被迫”学习了我曾经认为过于随意的基本面投资，结果发现基本面投资是非常非常好的投资方法。我也是在那个时候意识到，真正的投资应该建立在一个人的认知优势上，而我以前在没有深入投资认知的状态下做的量化投资只能说是数据统计，或者数据挖掘。
|
|
|
|
|
|
**王：**看来我提的问题已经有答案了。**要想做一名成功的投资者，关键是要建立认知优势，技术分析只是体现认知优势的方法之一。**
|
|
|
|
|
|
**李：**没错，接下来我们就具体说说技术分析。我后来遇到一位很聊得来的同事，他是一位优秀的量化投资经理，但他特别相信技术投资。他每次做投资前，都要看线，也就是所谓的技术形态。受他的影响，我就下决心投入时间好好研究下技术分析。
|
|
|
|
|
|
我用量化投资中的回测技术，把常见的技术指标系统地回测了一下，也就是测试了用技术指标进行择时或选股的有效性。我发现这样做的效果真的很不错，尤其是在中国市场上。而且，很多业绩很好的量化私募基金，它们用的选股因子，大都是基于量价生成的技术指标。所以，我现在相信技术指标也有可取之处。
|
|
|
|
|
|
经过这些年的成长，我最终得到了一个综合的结论：不管是技术分析、价值投资、成长股投资、主题轮动、宏观对冲，还是量化投资，每个流派都有糟粕，但也都有精华。我并不想轻易地否定某一个流派，因为他们就像武林中的门派一样，有武当、少林、峨眉之分，但是任何一派的武功练到顶级都可以打遍天下。所以，**关键在“功力”，而不是“门派”**，你要做的就是找到最适合你自身特点的方法，用科学的眼光去验证打磨。
|
|
|
|
|
|
**王：**我对你说的这些话特别有感触。其实，不仅仅是投资，在事业发展上我们也要在一个方向上钻研下去。只有在一个技术点上的积累足够深，才能拿到更高的薪资，做出不一样的成果。
|
|
|
|
|
|
**问题八：怎么评价量化工程师这个职业？**
|
|
|
|
|
|
**王：**接下来我们要聊的问题，和投资理财相关，也和职业方向选择相关。最近几年，我身边有几位同事接连跳槽去了量化私募，而且我感觉他们跳槽之后都挺神秘的，也不太清楚他们具体在做什么。李腾，你能帮我们揭秘一下quant（量化工程师）这个职业吗？
|
|
|
|
|
|
**李：**我个人很喜欢quant这个职业，因为它是很有趣的。我来说说量化工程师都在做什么吧。
|
|
|
|
|
|
在做量化策略的时候，做的事情就像在做科研，要读别人的文章来获得一些策略想法。你要研究这个世界的变化，这些变化会在市场中各种资产的价格上留下投影。我们通过研究和思考，找出一些可以利用的规律，或者好的投资想法，然后找合适的数据来进行回测验证。
|
|
|
|
|
|
可以看到，整个过程是非常激动人心的，也能帮助你更准确、更客观地认识这个世界。但是要注意，千万**不要把量化做成一个纯粹数据挖掘的工作**，这样往往会陷入过拟合。这样的话，既不能增加你对世界的认知，也不能带来更多的乐趣，而且最后的投资效果也不稳定。策略一旦失效，你就不知道该怎么办了。
|
|
|
|
|
|
即使是现在最流行的基于深度学习的选股模型，在研究时也有很多深刻有趣的底层逻辑，而不是纯粹的喂数据、套用模型和调参数。我的看法是，如果你做量化时没找到逻辑，只是暴力调参，那就说明努力的方向有问题。
|
|
|
|
|
|
**王：**量化工程师听起来确实是个有趣的工作，不过我们在评价一个职业方向时，不仅仅会看工作内容，还要考虑更多现实因素。那么，你觉得量化工程师是一个好的职业方向吗，是不是也很“卷”？
|
|
|
|
|
|
**李：**关于quant行业发展状况的问题，我们可能要动态地看。在几年前的时候，大多数公募基金公司里，量化投资还处于比较边缘的部门，主要是做一些被动指数型产品，技术含量不是特别高。所以，量化工程师的待遇和奖金也低于做传统基本面投资的基金经理研究员。
|
|
|
|
|
|
但是这两年不一样了。随着量化模型的发展，以及计算机算力和基础数据设施的发展，量化投资的学习门槛和业绩优势越来越强。头部量化选股策略的超额收益，已经可以和顶级的主观选股相媲美了，甚至稳定性还更强些。所以，这两年大部分的公募基金公司都在增加对量化投资的投入。即使是一些做基本面投资的团队，也开始使用一些量化分析工具来辅助自己的投资决策。
|
|
|
|
|
|
所以无论是公募基金还是私募基金行业，现在量化投资都越来越受重视。做得比较好的量化投资研究员或者投资经理，在猎头市场上是被热捧的，所以待遇应该是很好的。但据我所知，基本工资可能也就跟大厂的程序员差不多，不过开发出来的策略业绩好的话，奖金会比较多。和互联网行业创业公司的期权比较起来，也说不准哪边更有吸引力。
|
|
|
|
|
|
此外，量化投资领域的头部岗位还是高度内卷的，充斥着大量清北复交藤校的毕业生。要想成为抢手的量化投资从业者，至少要在三个方面比较出众：**一是投资的经验和直觉，二是数学建模能力，三是编程能力。**
|
|
|
|
|
|
一些人在量化投资领域做了很多年之后，发展遇到瓶颈，甚至丧失了前进的动力和方向。我个人认为，这是因为他们一直没有注意积累自己的投资经验和直觉，只是在做数据挖掘或者数据统计。要想做好量化投资，本质上还是得懂投资，而不是只懂量化的这些技术，比如说编程、数学模型。
|
|
|
|
|
|
所以，如果你有一个比较好的机会进入到量化投资领域，利用你在数学建模或者编程上的基本功来指导投资，那你应该在这个过程中更进一步，尝试去理解模型和程序背后的投资逻辑。只有不断积累真正的对投资的理解，才能设计出有长期生命力的量化投资策略，而不是陷入永无止境的同行内卷竞争中。数学建模和编程，永远只是你实现投资想法的有利工具，而不能代替投资想法本身。
|
|
|
|
|
|
如果是学习这门课的程序员朋友，我想你已经迈过了数学建模和编程这两个对大多数人来说最难的门槛。还剩下一个门槛，就是投资经验和投资直觉。对于这个，你可以读一些巴菲特的书，或者读一些关于交易思想的书籍来补充，然后在投资实践中注意积累就好了。
|
|
|
|
|
|
**问题九：程序员用业余时间搞量化投资可行吗？**
|
|
|
|
|
|
**王：**听你介绍完，感觉专业的量化投资领域真是强手如云，我们普通人要是贸然进入，有点鸡蛋碰石头的感觉。但说实话，我总是有种跃跃欲试的感觉，不知道能不能代表广大程序员的心声。李腾，你觉得程序员业余时间搞量化投资是条可行的路吗？还有没有可能赚到钱？
|
|
|
|
|
|
**李：**我觉得是可以尝试的，但是要有章法。首先，要想清楚自己的优势和短处，大致估算一下要投入的资金和精力。可以设置一些中期目标来衡量自己的进度和潜力，判断是否要继续做下去，并想清楚在哪些方向上长期积累。
|
|
|
|
|
|
我觉得程序员做量化投资，最大的优势就是编程能力。你们善于使用很多最新的数据分析工具，比如机器学习，或者最新的数据获取方式，比如用程序去定期抓取一些开放的数据集，用机器学习的知识解决一个特定的投资问题，等等。所以我觉得，程序员朋友如果能很好地使用自己的专业信息优势和程序员优势，在某些领域进行长期的投入，是有可能在现在竞争非常激烈、高度内卷的量化投资领域赢得一席之地的。
|
|
|
|
|
|
**王：**我知道很多程序员朋友也尝试过量化投资，刚开始很兴奋，觉得自己要大展宏图，财富自由了。但是他们遇到挫折时，又很沮丧，觉得量化投资就是个伪命题。你觉得面对量化投资，正确的态度应该是什么？
|
|
|
|
|
|
**李：**关于程序员面对量化投资时的态度，我有两点建议。
|
|
|
|
|
|
第一，不要认为这件事很容易。如果有其他性价比更高的努力方向，我不建议加入到高度内卷的量化投资领域。
|
|
|
|
|
|
第二，也不要认为这件事不可能做到。现在比较优秀的量化私募的合伙人团队，几乎每一家都有一位是程序员出身的。程序员在做量化投资方面，确实有先天的优势。
|
|
|
|
|
|
总结一下，就是**承认这件事很难，但同时也要清楚自己的优势，做有章法的长期积累**。你可以给自己预留几年的时间用来成长和试错，还是有可能成为靠量化投资养活自己，甚至财富自由的程序员的。
|
|
|
|
|
|
**王：**所以说白了，就是不要妄自菲薄，也不要轻敌冒进。还是要想清楚自己的长处，静下心来细细打磨技术优势，才有可能通过量化投资赚到钱。
|
|
|
|
|
|
**问题十：我们到底应不应该充分信任基金经理的专业水平？**
|
|
|
|
|
|
**王：**李腾，咱们灵魂十问的最后一问，我们来谈谈你最擅长的领域，基金投资。有一些散户投资者对基金经理存在着不信任的感觉，认为基金公司就是赚管理费的，把钱交给基金经理还不如自己炒股。作为业内人士，你怎么看这个观点？
|
|
|
|
|
|
**李：**我想绝大多数基金经理还是有自己的职业荣誉感的，这表现在他们很在意自己管理的基金的净值曲线。此外，即使你认为基金经理只是为了赚管理费，他的长期利益也是跟基金份额持有人绑定的。这是因为，只有他的基金净值表现比较好，后续才有更多的资金来申购他的基金；规模大了，他才能赚到更多的管理费。
|
|
|
|
|
|
至于投资能力，毕竟基金经理是专职做这个事情的，又有团队和资源的支持，他们的投资能力远远高于普通投资者个人的平均水平。投资者喜欢用自己最成功的案例，去和基金经理失败的时段PK，然后得出“把钱交给基金经理还不如自己炒股”的结论，但这样做肯定是有失公允的。
|
|
|
|
|
|
其实，投资这件事里头有很多不可控因素。有些不可控因素，别说基金经理了，连央行行长都控制不了。比如说，某一个化工厂的某个反应罐爆炸了，做财产险的保险公司遇到了特大的洪水或者地震灾害，等等。所以，即使是水平最高的基金经理，他也一定有跑输某些个人投资者的时候。但是拉长线来看，我觉得基金经理战胜普通投资者几乎是确定性的事情。
|
|
|
|
|
|
所以，我们还是应该借助全市场各领域基金经理的能力，来管理自己的财富。虽然我做过很长时间的投资经理，但其实我95%以上的资金都投给了各个领域的基金经理来管，只有不到5%的钱用我自己的策略来管。这样做是因为，我自己擅长的策略只是其中的一个细分领域，我们还是要坚持“让专业的人干专业的事”这个原则。
|
|
|
|
|
|
**王：**确实是这样。我也接触过几位基金公司的研究员、投资经理，我觉得他们的专业性确实是毋庸置疑的。让我印象最深的是，当时我随便提了几只股票，他们马上就能说出股票的编号、特点、近期业绩、关键指标。所以我觉得，还真是“不要用自己的业余爱好挑战别人的专业工作”。**在细分领域，把自己的钱外包给专业的人去管理，绝对是性价比很高的一件事情。**
|
|
|
|
|
|
到这里，我们的灵魂十问采访就结束了，这里再次感谢李腾精彩的回答。不过我们跟李腾老师的交流还远没有结束。如果你还有一些跟投资相关的疑问，也欢迎在评论区留言，我会时不时地“敦促”李腾即时回答大家的问题。
|
|
|
|
|
|
今天的访谈就到这里了，下一个番外，我们会向你推荐一些可以用来长期学习的投资理财资料，我们到时候见。
|
|
|
|