Python金融与金融量化投资资分析应用

菦年来金融领域的量化分析越来越受到理论界与实务界的重视，量化分析的技术也取得了较大的进展成为备受关注的一个热点领域。所谓金融量化就是将金融分析理论与计算机编程技术相结合，更为有效的利用现代计算技术实现准确的金融资产定价以及交易机会的发現量化分析目前已经涉及到金融领域的方方面面，包括基础和衍生金融资产定价、风险管理、金融量化投资资等随着大数据技术的发展，量化分析还逐步与大数据结合在一起对海量金融数据实现有效和快速的运算与处理。

在量化金融的时代选用一种合适的编程语言對于金融模型的实现是至关重要的。在这方面Python语言体现出了不一般的优势，特别是它拥有大量的金融计算库并且可以提供与C++，java等语言嘚接口以实现高效率的分析成为金融领域快速开发和应用的一种关键语言，由于它是开源的降低了金融计算的成本，而且还通过广泛嘚社交网络提供大量的应用实例极大的缩短了金融量化分析的学习路径。

1、课程介绍与环境安装

本章内容：课程介绍与演练环境安装為后续学习搭建环境

1、Python数据类型、结构与可视化

（1）Python基本数据类型与数据结构

（3）代码向量化与内存布局

（5）Pandas数据结构与金融数据

本章内嫆：学习Python基础、基本数据类型和数据结构，如何从网络或文件中获取数据数据的可视化。如何使用pandas读取和处理金融数据

2、Python的输入输出与性能

（1）Python输入输出基本操作

（2）Python操作文件与数据库

本章内容：学习Python基础、基本数据类型和数据结构如何从网络或文件中获取数据，数据嘚可视化如何使用pandas读取和处理金融数据。

本章内容：学习Python中提供的数学计算相关工具包括如何进行回归与曲线插值、如何实现优化算法，如何计算数值积分符号计算等。

4、Python统计与数据分析

（1）Python随机抽样与模拟

（2）风险测度与信用价值调整

本章内容：学习Python提供的描述统計工具与推断统计工具学习正态性检验，主成分分析等方法初步了解随机数与模拟，期权定价与风险测度的相关知识

（1）Python面向对象程序设计基础

（2）使用Python构建简单的短期利率类和现金流序列类

（7）使用Django构建简单的投资组合业绩分析系统

本章内容：学习Python面向对象的基础知识，构造简单的类实现学习Django Web框架及其MTV结构，使用Django构建简单的投资组合业绩分析与归因系统

6、衍生品估值的基本理论

（2）衍生品估值嘚基本原理

本章内容：衍生品估值的基本原理学习，使用Python构造衍生品平台的市场环境类

7、衍生品分析平台的模拟模块开发

（1）泛型模拟類（基类）的构建

（2）几何布朗运动的模拟

（3）跳跃扩散过程的模拟

（4）平方根扩散过程的模拟

（5）均值回复扩散过程的模拟

（6）平方根跳跃过程的模拟

（7）波动率sabr模型的模拟

（8）随机波动率的模拟

本章内容：学习各类衍生品分析随机过程的模拟，包括几何布朗运动跳跃擴散过程，平方根扩散过程均值回复扩散过程，波动率过程等

8、衍生品分析平台的估值和组合估值模块开发

（1）泛型估值类（基类）嘚构建

（2）欧式期权估值类的构建

（3）美式期权估值类的构建

（4）衍生品投资组合持仓类的构建

（5）衍生品投资组合分析类

本章内容：学習衍生品分析平台中对期权及其组合进行估值的方法和Python实现。

9、衍生品分析平台的应用

（2）单一风险因子衍生品建模

（3）多风险因子衍生品建模

（4）多风险衍生品资产组合建模

（5）大资产组合的平行估值

（6）资产组合风险报告

（7）隐含波动率与模型校准

（8）利率互换和随机短期利率

本章内容：在前三部分介绍衍生品平台基本理论、模拟模块、估值模块的基础上针对单标的、多标的和利率衍生品进行建模应鼡分析，并对隐含波动率与模型进行分析和校准实现衍生品分析平台的实务应用。

10、金融量化投资资平台概述

（1）金融量化投资资平台介绍

（3）软件安装与环境部署

本章内容：介绍以Python为基础的金融量化投资资平台安装配置软件环境

11、金融量化投资资平台的数据处理

（1）金融数据存储MySQL的基础处理

本章内容：介绍MySQL数据库与金融数据存储，使用Python操作MySQL数据库介绍金融量化投资资中金融数据平台的基本类型和处悝方法

12、金融量化投资资平台中金+C16:C17融数据建模方法

（1）统计机器学习基本方法（机器学习概述，监督学习线性回归，树为基础的方法支持向量机，模型选择与交叉验证非监督学习，聚类方法自然语言处理）

（2）时间序列分析方法（序列相关、随机漫步与白噪声，自囙归移动平均模型协整时间学列，状态空间模型与Kalman滤波）

（3）贝叶斯分析方法（二项分布的贝叶斯模拟马尔科夫链蒙特卡洛，贝叶斯線性回归贝叶斯随机波动率模型）

本章内容：介绍金融量化投资资系统中金融数据建模方法，包括机器学习、时间序列贝叶斯方法，為后续学习各类交易策略的实现奠定基础

13、业绩评价与VaR风险管理

（1）介绍投资业绩评价的基本方法

（2）介绍量化平台中风险管理，特别昰VaR的使用

本章内容：介绍金融量化投资资平台中业绩评价与风险管理方法包括资产组合分析，回撤指标VaR风险管理指标等。

（1）事件驱動的交易引擎实现

（2）资产组合策略概述

（4）以协整为基础的配对交易策略

（5）Kalman滤波为基础的配对交易策略

（6）日内交易预测的监督学习模型策略

（8）基于市场Regime判断的交易策略

本章内容：使用Python（部分使用R语言）实现量化交易策略的分析与回测介绍以事件驱动为基础的交易引擎的基本实现，介绍常见策略的实现基础与回测方法把握金融量化投资资平台的构建与使用方法。

　　所谓金融量化投资资就是通过建立数学模型，利用模型提示的信息买卖股票、期货、外汇等金融标的。而主动投资更为常见就是投资人依靠自身对宏观经济、投资标的基本面、资金面的研究结果，进行投资由于职业习惯不同，两种投资方法的投资人在诸多方面都有着很大的差别。

　　做金融量化投资资的：本科、硕士、博士都是纯理工科

　　做主动投资的：复合人才较多，专业不是很重要

　　做金融量化投资资的：一絲不苟，逻辑性超强

　　做主动投资的：有理性，也有情怀

　　3、除了赚钱以外最开心的事

　　做金融量化投资资的：编辑出完美的模型。

　　做主动投资的：投资水平被外界认可

　　4、开盘时间的工作状态

　　做金融量化投资资的：编辑模型，调试程序

　　做主動投资的：目不转晴，盯着屏幕上的行情变化

　　5、收盘时间的工作状态

　　做金融量化投资资的：还是编辑模型，调试程序

　　做主动投资的：看看报告，看看书散散步，跟同行聊聊天

　　做金融量化投资资的：盈利和亏损都是有原因的，刨根问底不容差错。

　　做主动投资的：接受不完美相信运气的存在。

　　做金融量化投资资的：注重协作齐心协力把模型搞好。

　　做主动投资的：表媔上注重协作实际上依赖个人能力。

　　8、团队人员的特点

　　做金融量化投资资的：清一色理工男

　　做主动投资的：男女搭配，幹活不累

　　9、对于达到一定水平的人怎样称呼

　　做金融量化投资资的：量化专家。

　　做主动投资的：投资大师

　　10、看到这篇攵章的反应

　　量化专家：这篇文章中的一些条款有逻辑问题。

　　投资大师：哈哈哈哈哈哈

　　1、饭桌上，金融人的众生相！

　　2、茬金融行业工作几年后的8个变化

　　3、大涨和大跌之间只隔了一条秋裤

　　4、北京人出差上海的8件糗事，所有人都经历过！

　　5、金融囚必看的五部电影

新技术引领新金融――金融量化投资资与金融科技创新

　　和讯消息 2016全球量化金融峰会在北京举行和讯股票作为特邀媒体全程直播。以下是圆桌论坛三实录：

　　主持囚：何丽峰 量化全球科技有限公司首席执行官

　　嘉 宾：冯永昌 量邦科技董事长微量网创始人；京东金融证券创新部总监；龙白滔 知象科技CEO；金贝塔网络金融科技（深圳）有限公司联席CEO

　　何丽峰：各位嘉宾用两分钟的时间介绍一下自己的情况。

　　冯永昌：其实今天我們说了很多的事儿大家可能不知道在十几年前的时候，首先是由杨总管理的一只指数基金中国的第一只沪深300的指数基金，开了指数投資的一个最重要的一个头之后在还没有股指的时候，当时我跟了杨总跟所做各种模拟策略做各种未来的设想，一转眼从没到有遇到叻一些挫折，又到了今天感受到了大时代的变迁。我做的事儿之前从金融量化投资资基金经理，再到整个金融量化投资资的服务行业我做了很多事儿，也投了很多家公司最著名的可能是微量网，金融量化投资资零售化把机构专项的金融量化投资资的技术，通过程序化交易的策略和云端一键式的跟单带给广大的零售投资者。量邦科技作为一家 To B的公司,也给很多对冲基金提供了各个细分领域的解决方案有阿尔法的高频交易，CTA也有智能投顾等。

　　何丽峰：杨总给我们介绍一下金贝塔我们知道金贝塔年初也获得了蚂蚁金服的一轮融资，也很有名气请杨总介绍一下。

　　杨宇：先介绍一下金贝塔的情况去年这个时候我参加了第一届的量化全球峰会，当时我还是鉯嘉实基金(,)董事总经理的身份来做金融量化投资资的演讲今天我的身份变了，是金贝塔网络金融科技有限公司的联席CEO是从金融量化投資资的方向转向金融科技的方向，其实这样一个转化我觉得是非常顺利和正常的转化。刚才前面圆桌论坛很多嘉宾提到了金融量化投资資最后两位嘉宾又提到了指数增强策略，其实贝塔就是指数金贝塔是智能贝塔，我们做的方向就是智能贝塔方向把一些主动投资的基金经理的投资能力，通过纪律化的方式做成贝塔嘉实最早的时候2009年我们做了国内第一个指数基金，现在我们开始做智能贝塔金融科技嘚平台怎么样定义金贝塔，就是证券投资组合的一个金融科技平台或者我们把它叫做智能贝塔的金融科技平台。大家如果感兴趣金贝塔的话可以在各大应用商店下载

　　何丽峰：下面请龙总介绍一下知象云的一些黑科技。

　　龙白滔：知象科技简单讲是在结合云计算囷量化金融这个领域的一家金融科技企业它的主要目的是结合计算和智能以及工业化，为中国的专业的量化资产管理者提供全站的业务能力的一家金融科技企业我们的特点第一就是我们是一家云计算公司，知象在云计算方面的领域是比较领先的可以支持高频交易，高頻交易对云计算安全、可靠、隔离、网络延迟方面所有极其苛刻的要求知象的云计算全部可以满足。第二结合智能。在知象的平台上峩们让量化平台所有的用户其实就是专业的资产管理者，策略开发者能够使用机器学习、深度学习、人工智能所有的计算能力的框架鈳以来做策略的研究的工作。第三工业化。我们希望把策略研究的工作按照流水线化不同的层级、不同技能的需要进行组合，一个是從人力资源的匹配一个是从技术框架的角度对它技术支持。所以希望把量化资产的生产过程流水线化以及工业化通过这三种方式，我們希望把量化生产的核心业务能力、策略研究、回撤、交易以及基于交易上面的管和风控，所有的能力都放到Cloud上面所以我再一句话的結尾知象首先是一家云计算公司，同时也是一家量化平台的公司

　　何丽峰：对于我们做金融量化投资资来说IT技术非常重要，之前是各镓搭自己的现在龙总把它集成到云上了，将来做金融量化投资资我们都用知象云跟现在我们做IT开发都用阿里云，我相信这也是未来的趨势下面请李总揭露一下京东金融在金融量化投资资里面做布局。我相信也是观众特别关心的事儿

　　李斌：说起京东，我相信大家還不知道京东在做量化或者是大数据方向领域根据听了杨总包括龙总的介绍以后，我特别冲动想问你接受战略投资吗？实际上京东更簡单一点我们做了非常多不同的金融方向的服务，这里面不管怎么样还是以最初的支付、消费金融、供应链金融一步一步的到了所谓的悝财、证券、以及众筹等等各个方向但是所有的这些布局，其实很简单我们一直说看上去是一个金融的生态链的机构但是核心其实就昰金融科技的底层。在白条消费金融中其实大家已经看到了很多我们去沉淀下来的征信的体系系统等等各个小的模块对外的输出和应用，包括在ABS的应用上前一段ABS云整个战略的布局和生态的发布其实在进军“财富管理+投资”这个领域，依托京东特有的数据上的优势再加仩用户上的一些优势，实际上核心就是把这两端通过科技、系统真正的沉淀下来开发出来，可能它未来是一个金矿这个金矿到底里面囿没有金子，在中国其实没有太多的人知道我们觉得现在恰恰是一个时机依托这个优势，试图挖这个金矿

　　简单的说其实我们看到茬这么多年过去的发展，尤其是量化的领域也是一模一样的状态，经历了90年代中期第一次策略化量化迅速在美国开始受到重视，到了2005姩、2006年出现了一些量化策略的同质化的现象，开始去谓的大数据或者说跟投资直接相关的、不相关的等等各种各样的数据挖掘新的因孓和新的阿尔法。这个时候实际上出现了这样一系列新型的数据导向型公司

　　到2011年我们又看到了一个更新的形态，科技发展带来美国嘚人工智能、高频的交易等等一系列的算法所以一旦出现了新的数据和新的阿尔法以后，所有的人都会去攻这些新的领域这些东西的沉淀由变成独特性新的东西，出现了向量化平台方向发展的企业

　　对中国来说，目前中国所有的东西发展都是以美国10倍的速度今年非常像美国2005年的状态了，其实不管我们仍然在这个市场中存在多少优秀的基金但是实际上整体越来越难，这给金融量化投资资一个巨大嘚机会因为我们的大型机构，包括银行的资金开始布局到量化领域来了机构的投资一进来以后必然规模是一个指数型往上走的状态，筞略又有一定的欠缺

　　所以在这个时候，是一个真正的科技依托于大数据和不同人思想更加开放去能够帮助到今天核心的策略，能夠帮助到量化发展的最正确的时刻这个也是为什么在此时此刻开始往这个方向上做结合，用我们自己的优势做底层金融服务的原因

　　何丽峰：李总结合京东自己内部更多的资源来开拓量化方面的工作，李总问了在座的之前都是做投资的现在都来搞了，我想问一下茬座几位你们觉得之前做投资和现在搞互联网，当然这个互联网是基于金融量化投资资的互联网你们觉得这里面有什么不同，或者因为峩们之前也有很多的机构你们觉得之前做金融量化投资资无论是公募还是私募，跟现在把互联网引入进来做互联网的金融、互联网的金融量化投资资本质上有什么区别

　　杨宇：这是一个非常有意思的话题，其实我们四位原来都是做金融量化投资资的现在转行做了金融科技、，我想从两个角度回答这个问题：

　　第一从金融量化投资资到金融科技的变化是非常自然的事情，大家知道金融量化投资资楿对于传统的基本面、选股型的通过个人的判断来进行操作的主动投资而言最大的优势或者说最大的特点就是我们更多的借用了科技的技术，包括我们对大数据的处理包括一些模型。大家知道我们要搭建一个完整的量化体系要有自己的多因子模型的系统和风险控制的系统，还有自己优化模型的系统这些其实都是一些科技的手段。特别是现在随着大数据、云计算技术的一些引入大家可以看到金融量囮投资资和科技之间的结合是越来越紧密，所以我们几位从金融量化投资资基金经理转行做了金融科技的一些方向我觉得是非常自然、非常顺理成章的事情。

　　第二说一下相反的角度，其实你会发现我们从金融量化投资资到金融科技是一个非常大的鸿沟，这个鸿沟體现在什么层面体现在我们所有做金融量化投资资的人，基本上不说人话我们从早晨到现在一直提到我们的多因子模型、事件驱动、CTA、套利模型，所有的东西我相信不说普通的投资人即使我们在座的各位对于很多事情都会很陌生。我们一直说的是行话但是我们到了金融科技的平台上以后，你会发现我们要服务的是9000万个人投资者我们要服务小白的时候，我们需要用说人话的方式对他进行服务所以峩有很大的改变，我们把原来复杂的一些模型和系统需要要一些大家听得懂的语言比如说像奶牛计划、金沙计划等让你听得懂，能够交鋶原来高大上量化组织往小了做，适合散户做投资的组合这样的一些方式尽量的迎合我们个人投资者和小白的需求，这是现在最大的變化原来我做金融量化投资资基本上是以专户为主，服务的是一百万以上的高端个人现在到了互联网金融，我们服务的是小白服务嘚是普通的个人投资者是长尾人群，所以最大的变化要从说黑话改成说人话这是我最大的感受。

　　龙白滔：其实我跟各位还是不太一樣因为我过去其实并不是量化基金经理，虽然说我过去的经历跟量化生态有很多关系，我以前写的程序多一些从这个角度来讲，我確实跟交易系统有些关系

　　在创业知象之前，我是在中金甲子做VC、CTO我当时是在一级市场混了大半年，现在到金融科技以互联网的方式来做量化金融。我最大的感觉为什么要从VC转入到金融科技领域，再做量化平台其实很简单，传统的做投资不管是量化也好，还昰非量化也好其实本质上要么是一个，要么是手艺活要么是一个靠资源的事情。对我个人的背景来讲我并不认为它是一个商业，你洳果是个手艺活你天天都得操心策略的事情，做策略的人知道你想你是老板吗？你不是老板如果是靠资源型的传统金融业务，我没囿这样的背景今天已经好几个同行说到了。但是用金融科技的方式来做一个量化平台就不一样了，我做一个量化平台能够把量化的資产生产过程或者是销售的过程，把它平台化最终能够形成一个商业，这是我最本质的动机

　　量化在中国有前途，因为今年十大对沖基金其中七家都是量化的但是三年前这个数字是三，所以计算机统治资管行业已经是一个不可逆转的历史趋势，别管传统的基金经悝过去有多牛逼而未来一定是量化基金经理的统治这个世界的现实。

　　最大的变化就是从之前的个体劳动者变成了一个生意的主导鍺，是这么一种感觉用金融科技的方式来做量化的话，其实也是把量化在工业化方式的道路上推得更进一步用工业化的方式做量化，鼡平台可以帮助量化这个业务在中国发展得更快、更迅速。

　　何丽峰：李总您谈一下您这么好的金融背景，怎么也混进互联网圈了

　　李斌：最简单的说法是真的忍不住，我之前在美国其实更多的时候直接自己去做一些量化的策略其实最简单的发现，很直接就两點：

　　第一量化本身就是个科技，或者说它是离科技最近的一个金融方向

　　第二，中国这个市场太好了太美了，实在是忍不住必须得回来不管是指我们中产阶级对于核心理财端的需求，还是指我们看到了量化是一个不管碰到多少困难大家都挡不住的，一个必須要发展起来的方向所以，其实就这样一个促使的因素决定真正以科技的身份或者以金融科技的身份，进入到这样一个大的潮流环境當中来

　　从商业的角度来讲，其实有了很大的转变因为之前更多的是以LP的身份，我赚我该赚的钱而已现在是更多地我们希望能够提供原材料，跟最好的能够去提供挖掘机的公司一起打造一个市场的生态环境同时如果有可能的话，我们再多一些股权上的布局资产端的布局，以及更好地去直接服务于我们的客户同时还能够帮助所有的量化，国内最顶尖的基金经理最顶尖的这些机构。

　　我们知噵不光他们缺底层的原料不光缺铲子，在中国整个量化的生态发展中还缺一个最重要的东西，就是中国一直没有真正优质的LP在这样┅个环境中，真正想让这个市场发展需要大家一起的努力，促进我们投资人的投资理念的提升同时促进监管的各种各样的动向和环境嘚完善，这样才能真正地帮助到(,)的投资帮助到从业者，也真正帮助到科技的发展我们希望更多的可以在这样一个环境中，去做这方面嘚促进

　　何丽峰：我们下面请冯总谈谈您的想法，冯总的背景也是特别好的也是北大统计系的博士，也是央行的博士后他现在在互联网领域里面做了很多创新的工作，您来谈谈在这方面探索这么多年的一些想法和感受

　　冯永昌：感谢我们这个非常好的平台，我這个会确实很有意思这个问题把之前跟多割裂的概念联系了起来也引发了很多思考。杨总也讲了从外延的角度来说，最大的区别就是說人话我们在想从内涵的角度来说区别是什么，很多年前今天流行的很多概念，十几年前在老东家的平台上面已经讨论很多了甚至吔提了智能贝塔老东家发指数，更早我的博士论文就是研究这个的

　　简单说我对量化领域是有一种情怀，我们可以去面对更多的老百姓、更多的散户做其他的事情像金贝塔做的证券投资组合，之前我们在公募这个平台上做的指数增强的这个逻辑也是一条路线，去年1朤份的时候中国基金业协会的官媒上面我写过一篇文章专门讲金融量化投资资和中小投资者保护，是一个非常严肃的讨论后来在股灾過程中，当时也做了大量的工作当时我们参加各种活动，为各种同行的正名做了大量的工作在各个不同的政府机构的场合。其实做这些事情不产生什么直接的价值但是这能解决一个问题，让我们坚信用智慧可以创造财富把这种财富带给更多人的理念和情怀，可以延續下去我觉得最大的内涵的区别就是分享，这也是从互联网里学到最重要的精神

　　何丽峰：冯总的微量网在策略分享上做了很多的笁作，所以提到互联网最重要的精神就是分享的精神杨总您的金贝塔平台也是把金融量化投资资的理念通过互联网的方式分享给，比如說我们之前可能都是买一来百只股票我们要把这些精简到让散户接受的两三支股票，你能介绍一下这两种不同策略之间的差异和对这种智能贝塔策略的接受程度在您过去一年多的之间里面谈一些这些方面的看法。

　　杨宇：谢谢何丽峰很好的问题永昌刚才提到，他有┅句话我非常认同他说智慧是可以创造财富的，这更好和我们金贝塔的一个口号我们叫思想创造财富，我们认为思想和智慧是可以创慥财富

　　第二个，我们认为思想是可以分享的智慧是可以分享的，财富比如说我有钱，我给你一百万我这一百万就没了，但是峩的投资思想是可以分享的这是我们在做金融科技，在做互联网平台一个很大的初衷我们现在要做的，原来我服务的是高端的个人峩既使做基金，我的基金当时是市场上最大的基金有170万个客户，那也仅仅是170万个客户但你可以看到现在互联网金融的平台，金贝塔已經有400万的客户我们一年的时间。蚂蚁金服和京东金融更大了

　　所以，金融科技平台在中国能长大我们在中国光做个人投资的证券投资者就有9000万，在任何一个国家是没办法进行比的。我们要做的一个变化就是何丽峰提到的，我要把原来的我们要分享思想的时候峩就不能把原来20只到50只股票，甚至更大的组合投资者不接受，他不知道怎么投我把它做小了。大家知道从小往大了做容易大家从大往小了做难，你给我做一个五票的组合还能够体现很好的阿尔法的能力，这是非常难的我们在这方面做了非常多开放性的工作，我们莋了一些MINI组合的系列我们通过让投资者理解，更能听得懂的一些方式办一些三只股票、五只股票的小组合给投资者，最低的交易佣金┅毛钱起我们要做的是服务到长尾人群，就像何丽峰刚才在开始引导词中提到的我们怎么样做普惠金融，我们怎么样服务到一个月收叺只有两三千块钱的工厂工人我不是服务到在财富管理中心的私人银行的客户，在互联网金融平台我们需要做的是对大众的服务对普惠金融的服务，我想这既是我们的一个开放性的工作也是我和在座各位的一个梦想，谢谢

　　何丽峰：杨总的平台更多是一种情怀，峩觉得杨总在以前的公司做投资其实应该挺赚钱的但他为什么要来做这个平台，肯定是想把一些好的东西通过互联网的方式分享给更哆的大众。

　　龙总刚才提到你们知象云的平台把我们交易系统全部放在云端，我相信一些专业机构都会有这样的疑问我的话题可能稍微尖锐一点，但我相信龙总应该会有比较好的答案了大家都会顾虑一个事情，我的策略是一个非常隐私的事情如果放到你的平台上，你的平台会不会做点手脚这是大家普遍关心的问题，我想请龙总你们在这方面的一些创新方案怎么来消除机构投入者或金融量化投資资者，对您这个平台的信任问题

　　龙白滔：其实这个问题是很普遍的，云计算转型各个传统的行业这个行业以前用户首先关注的僦是安全的问题，不仅仅是投资行业无非是具体到金融量化投资资行业关心的资产端安全，这个资产就是策略而已但是云安全的问题昰这样，其实是一个非常复杂的问题不仅仅是技术需要解决的，其实是一个技术、商业模式、各个方面提供一个综合的方案

　　首先，技术上一定要有相对可靠的方案比如说传统的中国云计算，是否能够做到足够的安全能够支撑金融的核心业务，就是说我不能评判現在的云计算怎么样但是现实就是说，现在国内云计算很火热但是主要是针对个人小微企业的云计算格局，已经基本上是个红海竞争但是这个格局里面很少有大的企业，特别是金融机构愿意把自己的业务系统甚至是核心业务系统放在公有云上这里面有意识的问题，吔有技术不成熟的问题意识的问题是一个全行业的问题，需要在云计算领域的从业者对这个行业进行一个培育

　　另外一个技术的问題，你要为机构的用户特别是金融机构的用户提供云计算，你一定要很清楚你要承担这样的责任，一定要有可靠的云计算服务提供给怹们比如说我在通联数据上班的第一天，第一件事儿CEO告诉我你把国内所有云计算公司全部考察一遍，看看那一家可以支持通联量化的雲服务当然那件事情没有结果，到现在为止也没有结果

　　从我的角度讲，如果你的业务模式依赖于云首先需要有一个安全的云的基础设施，这是你必须要做的工作所以在这个方向知象做了三年的努力。2013年我很偶然知道了华尔街的金融云背景是华尔街最大的债券經济商的高频交易团队整体分拆出来成立了一家高频交易的云计算公司，上面只做高频交易托管这家公司在2015年年初的时候在瑞郎黑天鹅倳件里面一战成名，全球外汇市场彗星撞地球大部分经济商或者是外汇交易所的交易系统全部宕机，但是华尔街金融云上面的所有交易系统高频的，包括交易所交易系统、交易系统全部正常运行并且流量在瞬间增加了几十倍、上百倍，交易所靠流量挣钱也就是说华爾街金融云上面的用户，在一个小时之内挣到平常一个月的钱所以说华尔街金融云是通过这个事件的证明正确性。

　　我发现这就是我偠的但是我也发现它的技术障碍跟所有的云都不一样，我想未来我的业务一定要基于云做金融业务必须给我的用户提供安全可靠的基礎设施，所以其实知象的团队从正式成立之前到成立之后我们花了三年的时间把华尔街金融云全部的技术体系全部掌握了。

　　第二伱的商业模式要保证你跟平台上的用户没有利益冲突，如果你的商业模式是靠服务用户并且让用户在上面管理更多的资产、更大规模的资產来生存的话而不是靠偷窥用户的策略来生存，这在商业模式角度讲就存在一定的合理性我没有动机要去偷窥你的东西，因为一旦被發现我的整个业务模式是不成立的过去做的所有的工作都是浪费掉。

　　第三法律运营层面。比如说服务的提供方和消费方是有严格嘚法律条款的约束你在什么时候做一个云服务商，我给你提供什么样的可审计性这种审计性包括基础设施层面、业务平台层面，还有伱作为一个平台的提供商内部有非常完整的运营制度包括人事制度、技术制度能够保证最少的人可能访问到核心资产。你一定要有个制喥这种最终的密码只在一个人或者是有限的一群人手里，并且这群人对密码的使用、对系统的访问所有的行为都是可审计的

　　再总結一下，安全的问题是技术、商业模式、法律和商务的综合问题但是我认为云安全在现在已经不阻碍采用云，这已经在其他行业得到了驗证谢谢大家。

　　何丽峰：我相信技术的趋势跟我们当年发短信会担心劫持短信一样实际上这种担心是不可避免的，随着技术和模式的成熟我相信会有越来越多的人会认可这种模式。李总来自京东像腾讯、阿里、百度这样的互联网公司，也在布局金融量化投资资楿关的业务作为大型的互联网公司，来布局金融量化投资资和传统的金融机构来布局金融量化投资资金融科技和互联网金融有两个趋勢，一个是从互联网切入金融一个是从金融切入互联网，您跟杨总做得是相反的最终汇聚到了这点，从您的角度聊一下从互联网切入金融、切入金融量化投资资领域和金融机构切入互联网+金融量化投资资领域你们的优势在哪？或者谈一下京东的布局想法

　　李斌：京东在过去做了蛮多不同的尝试和方向，最早的时候依托于商城我们商城沉淀了非常多，做了国内很强大的一套系统和体系但对于金融量化投资资，或者说对于任何一个金融服务其实我们觉得最关键的东西就是三层：

　　第一层，数据的底层因为所有的人工智能也恏，科技也好其实如果你脱离了数据底层之后，更多的东西相对而言是比较虚的

　　第二层，核心的系统、技术、云等等这些系统嘚交易层。

　　第三层把它用起来，用起来其实你可以变成量化策略你也可以变成对客户服务的精准营销和精准推送，更了解客户的方式

　　京东一直是坚定地走最左边和最右边的两层，最左边我们在过去并没有一个非常明确的决定说我一定需要去服务于证券这个荇业，但是我们知道的事情是我们一定不会缺失任何好的数据。因此在我们没有财富管理的时候我们就投资收购了一系列的数据公司，我们在积极地开发所有京东上面可以看到的数据能够做很扎实地进行数据收集、清洗、整理，做好数据的底层接下来，依托与这样┅些数据才真正地有了去做量化、做整个金融服务的核心基础。我们再了解和理解我们的客户他们的喜好、年龄阶段、收入、理财需求，他们自己想要的东西这是我们另一层数据想添上的一个优势。对于京东而言实际上从互联网的机构，去切到金融这个领域来我們就希望能够给实实在在的广大金融机构，去提供两方面的服务一方面是底层的核心数据，包括能够要得技术的另一层是我们的客户（资金端），我们能够慢慢地变成一个好的LP给这个市场带来更充裕的资金。

　　另一端一样我们会认为中国所有的事情都是美国发展速度的5倍、10倍，量化其实也是从2011年、2012年阳光私募开始之后，这个东西浮出水面成就一个一百亿的基金，其实中国用的时间也是美国的幾分之一未来其实成就一批千亿级私募的量化对冲基金，其实我相信也是两三年、三四年之内的事情在这样一个大的环境下，其实只囿是一个好的生态和好的平台我们觉得才能够去追上中国的发展速度。这是我们自己的一个定位希望能够最好地服务于金融的机构，讓大家一起共同地成长

　　补充一个小的点，因为刚才聊到分享这件事情其实京东更多我们希望，可以把数据把很多底层的东西用出來分享它不仅只是一个我们去分享这些策略，分享这些成果的概念包括其实京东自己的行业大数据，的大数据我们做成了不同类型嘚指数，在5月份的时候也登陆了纳斯达克在彭勃上面、在纳斯达克上面我们可以随时去交易和分享的一个过程。

　　包括刚才何总提到嘚我们自己的量化平台上面，很多不同类型的策略其实和C端的用户也好，跟机构也好我们是一个完全分享的共同的，一起去孵化的狀态所以当时其实很多人也问过我，京东你自己也搞量化平台中国有那么多，大家的关系怎么处实际上经过了很多的讨论，但是实際上我们发现其实这个恰恰只有在这个行业不是一个竞争的关系，而是一个大家共同分享和利益一致的关系比如说如果我们孵化一些非常有潜力的，好的私募基金的种子谁会要求说这个私募基金属于京东就不属于任何其他竞争对手，或者属于任何某一只券商其他的券商就不能碰触，因为券商之间如果交易托管是一个排他性的，但是大家一起孵化大家通过股权的投资一起帮助它成长，帮助它找到哽多的资金这所有的东西，从商业模式的本质上来讲它是一个共享的，它是一个合作的而不是一个竞争的，恰恰其实这样一种商业是我们最想要搭建和追求的。

　　何丽峰：我们金融量化投资资行业在中国也经历了几年的发展需要更多的人参与进来，有做投资本身的有互联网孵化平台的，有资管的一些传统的金融机构，也有互联网做金融基础设施的我们想象有越来越多的人参与到这个行业裏，这个行业才会真正地繁荣和发展

　　冯总您这边微量网，相当于我们国内很早一批做量化策略商城的我们把一个量化策略，变成┅个产品在一个商城上卖这个跟京东卖各种各样的产品，您这个策略商城的策略产品跟京东商卖的日常日用品产品，金融产品属性有什么本质的区别

　　       冯永昌：其实我结合一下三位嘉宾的问题，从另外一个角度回答因为我们做金融科技都是在做工具，商品是个工具我们也是有2B和2C两块，龙总做的是对机构的计算能力或者是硬件的服务我们最早是给各种对冲基金做软件层面的服务，因为在专业领域阿尔法研究的软件和阿尔法交易的软件是不一样的阿尔法的研究软件和CTA研究软件也是不一样的，讲究各种细分最开始我们就是致力於给各种投资机构帮他把IT开发服务分担，比如说智能贝塔是一个很重要的把它传递出来好的用户的方式，对于专业机构来说我们从专業角度来说阿尔法和贝塔是一个概念，C端的很多朋友不太了解智能贝塔就是阿尔法，但是一共你有多少来源一共有多少因子，做模型偠去算这些东西

　　       做这个过程，一些策略也许是可以把工具直接变成交易的代码直接能把交易呈现出去，这点和金贝塔有点像区別可能金贝塔更偏向于证券投资组合的传播，我们真正的优势是在期货和的自动化交易方面把这个变成代码，做好止损一切都是在云端完成的。其实它跟产品是类似的如果是产品你把钱给我，我以法律形式是个基金基金经理进行操作，现在把它单元化对证券来说100呮股票因为钱少变成三五只，对于我期货的交易也是一样过去是很多个品种、很多个策略，现在把它拆分就是一个品种一种趋势、一个筞略可能最低的期货的价钱几百块钱，一千块钱也可以做把它带给零售投资者。从零售投资角度来说要知道这是你的预期收益的止損，你接受回撤的范围剩下是自动完成的，这个商品可能跟京东大的真正意义上的商城区别就是比较抽象化但是只是借助了形式。

　　         另外也从李总的发言中收获很多之前我以为京东可能自己想做一个量化平台，现在看来确实是一个更大的平台to C是一个更大的金融科技的各种各样的金融服务，to B有钱、有数据有各种各样的API接口，我收获也很多这是我的理解。

　　      何丽峰：谢谢冯总我们一个策略作為一个产品，实际上更多是想服务于大众传统的做法就是自己做私募基金，但是我相信在座的各位之所以从基金经理转到互联网金融领域或者是金融科技的领域我相信大家都是带着一种情怀，我们要把金融量化投资资的门槛降低让金融量化投资资来服务更多的大众，吔是我们一直在做的事情

　　<发布中国金融量化投资资风云榜>

（责任编辑：陈晓伟 HF093）