【首发】百度近亿元战投聚宽量化JoinQuant，看好用Python炒股的算法派 | 甲子光年 | 自由微信

查看原文

其他

【首发】百度近亿元战投聚宽量化JoinQuant，看好用Python炒股的算法派 | 甲子光年

Original 2017-12-15 金丝猴 甲子光年

今天，甲子光年获得独家信息，聚宽量化交易平台（JoinQuant）已在近期获得百度近亿元B轮战略投资，这是国内量化交易平台领域迄今最大的一笔融资纪录。

近几年兴起的在线量化交易平台的产品形态是：用户可以在平台上以Python等编程语言编写自己的量化交易策略，平台提供数据、交易引擎以及社区。

这次战略投资，显示了百度对金融科技中量化交易平台这个细分领域的看好。至少，百度觉得是时候认真布局了。

布局的不止百度。去年，京东金融也成立了京东量化交易平台。阿里最近注册了一个域名aliquant.org，页面上是显示着“阿里量化平台”的登录框，但并无其他内容。此外，如同花顺、万得这样的证券类科技服务巨头也已陆续推出自己的量化交易平台。

量化交易平台到底是什么商业模式？空间有多大？它将给中国的机构和个人投资者带来哪些新价值？人工智能未来将在这个领域发挥怎样的作用？

「甲子光年」采访了聚宽团队和百度，力图将以上问题一一呈现。

作者｜金丝猴

编辑｜火柴Q

设计｜孙佳栋

微信｜甲子光年（ID：jazzyear）

量化交易平台到底怎么玩？

量化交易，最初是一帮数学家、物理学家、数据科学家掀起的风潮：基于数学模型、一些算法等来编写交易策略，让机器来协助投资，并严格按照规则执行交易。

线上量化交易平台就是为量化投资的策略开发者提供工具、回测模拟、实盘和交流社区的地方。其中最早的是2011年在美国成立的Quantopian。国内的线上量化交易平台，如聚宽、优矿、京东量化等，一开始多少都借鉴了Quantopian的形态和模式。

但中国股票市场有两大特点：散户投资者多，监管相对严格。这让最初对标Quantopian的聚宽形成了完全不同的商业模式。（Quantopian的商业模式是，把好策略挑出来，成立私募基金产品，与开发者分成。）

聚宽创始人兼CEO高斯蒙告诉「甲子光年」：“从C端到B端，再从B端回到C端。这个行业国内的商业模式是我们闯出来的。”

现在，聚宽to C的业务分两步：第一步面向个人策略开发者，提供编写策略的数据、投研框架、交易系统、活跃的量化社区等，这是免费的，圈住优质的策略开发者。第二步面向不自己写策略，但有意愿跟随其他策略的个人投资者。To B的业务则是给大客户搭建内部的量化交易系统，做技术服务商。

聚宽线上量化交易平台的回测功能

最开始，聚宽从面向个人策略开发者的业务切入，这也是国内大多数量化交易平台的初始玩法。高斯蒙坦承，这个基本就是烧钱，可以获得用户和社群，但无法直接变现。

转机发生在去年8月，广发证券找到聚宽，希望请他们为广发搭建内部量化交易平台。广发证券大数据中心负责人刘幸告诉「甲子光年」，之所以选择聚宽，是因为相较于其他几家竞品公司，他们认为聚宽的互联网产品正合适，合作方案更加开放，团体也能力突出。聚宽和广发证券的第一期合作已经完成，他们搭建的广发量化交易平台（GF QUANT）是国内首个券商版量化交易平台。

在做完这个标杆案例后，聚宽又接连做了国泰君安、方正证券、平安证券、东方证券等机构业务，现金流情况明显改善。

这是个歪打正着的市场机会。高斯蒙解释，大的机构客户的数量是有限的，现在聚宽的打法就是一家一家做，一旦做了第一单之后，机构后续更换技术服务商的成本会比较大。To B的业务有一个窗口期，聚宽很幸运赶上了。现在，聚宽不仅拥有十几家券商客户，还未数百家私募服务，下一步还会在公募、银行、期货发力。

高斯蒙认为，量化交易平台未来更大的想象空间在to C的业务。因为中国有数量庞大的个人投资者，理财需求十分旺盛，而且目前的政策也对金融科技有利好。

他告诉「甲子光年」，围绕to C业务，聚宽还准备开发以下的新场景：

第一，在平台里筛选好的策略，和有资质的机构合作销售策略，既可以卖给机构，也可以买给散户，收入与策略开发者分成。第二，做知识付费、投资教育：集结平台社区里优质的策略提供者，录制课程，提高股民投资能力。“我们预计这些新场景都会有上亿的市场规模。”高斯蒙说。

百度投聚宽，在投什么？

如果要实现以上的设想，平台能否汇聚足够优质的开发者，撰写优质策略是竞争中的关键。

百度告诉「甲子光年」，百度看中的是聚宽良好的用户体验，圈住了最多的策略开发者，用户质量很高。目前，聚宽平台已有10万注册用户，月活在两万人左右。

团队的互联网背景，决定了对用户体验的重视。最让团队兴奋的是在平台上能出现牛逼的策略。

高斯蒙回忆，初创时期，最触动他的一件事是，有天发现，用户写出来的策略特别厉害，回测显示年化收益率超过100%，而且持续好几年（回测是用数据算过去的收益率）。这个策略被分享到雪球上，马上上了头条，给聚宽增了不少粉。程序员出身的高斯蒙看中这种产品被认可的感觉。

他曾在百度做高级工程师，积累了多年的互联网安全经验——量化交易平台的稳定性和安全性也是用户体验的重要因素。

聚宽天使轮资方，六禾创投合伙人陈壁葵说：“初创时，团队来自互联网，缺少金融背景，其实一开始我们也纠结过，但我们觉得人是靠谱的，所以还是投了。聚宽后来的发展可以说是惊喜。”

回过头看，聚宽解决了高斯蒙在2013年开始接触量化投资时遇到的痛点。当时他也尝试了一些量化软件，主要是传统金融IT公司开发的，用起来很不方便，体验差。“可能我用互联网产品习惯了，传统软件学几个小时也学不会，门槛过高。”

聚宽现在的用户画像就是过去的高斯蒙：多是程序员和理工类学生。这些用户有编程基础，有投资需求，偏好更加互联网风格的交互界面，而且有分享精神。

有意思的是，聚宽最初能拿下机构客户，也和C端体验做得好有关。广发最初知道聚宽，就是因为广发大数据中心里的员工是聚宽社区的活跃用户——量化交易平台虽然不能交易，但是可以研究策略，社区里还有大量技术讨论。

在商业模式上，百度认为，现阶段他们看中聚宽突破B端的能力。经过一段时间的发展，百度会和聚宽在C端产生高度的协同：聚宽产生量化金融资产——如有效的因子、策略、量化投资的投教内容，百度提供流量，共同服务个人投资者。

聚宽JoinQuant的策略广场页面

对聚宽的投资，还和百度未来在金融科技上的大布局有关。未来三到五年，在百度技术基因全面注入百度金融之后，百度金融将在六个领域深耕，其中包括量化投资（其它5个领域是：身份识别、数据风控、智能投顾、金融云和智能获客）。

高斯蒙透露，在B轮融资时，其实他们接触了好多有意向的机构、战略投资者，百度不是最早来谈的。但百度对聚宽最有吸引力：“百度的大数据，比如搜索数据、LB S数据，这些数据都是可以用在金融领域的，他们也在思考，这些数据怎么给市场带来更多价值。”

双方都判断，未来百度和聚宽将有较好的协同效应。

在线平台干得过巨头吗？

在大家都开始看好量化投资赛道时，新创的量化交易平台面临激烈的竞争压力。

一方面是业务相近的创业公司；一方面是互联网大公司自己下场，比如京东金融的量化交易平台；最后，同花顺、万得这类有大量用户和数据积累的证券科技服务巨头。

面对第一类竞争者，高斯蒙比较自信，他相信团队打造产品和用户体验的经验积累。“量化交易平台是一个技术门槛很高的产品，背后有非常多的细节，新进入赛道的选手很难打磨出体验足够好的产品，在没有其他用户粘性的基础上，留住用户会非常困难。”而且聚宽已经在to B的业务上抢占了先机，高斯蒙认为新的量化交易平台至少在拿大机构方面很难，B端很更看重行业经验，先发优势会非常明显，新进入的公司很可能跑不出来。

聚宽A轮资方启迪之星创投副总经理宋威告诉「甲子光年」：“我们当时投，是看中他们通过与券商合作在中国落地智能投顾业务的战略，以及高效的执行力。”

对京东量化平台，他评价： “大公司都有大公司的问题，在细分领域往往不是他们的核心战略，而我们只做这一件事情，也关系到我们的生死，所以我们会更用心，这个用心就会体现在各个细节上。”

高斯蒙承认，证券科技服务巨头带来的威胁更大。“现在我们的产品体验优势还非常明显，但只要他们肯投入，还是会有一些压力。但量化交易行业需要大家共同的推动，我们也很高兴看到更多的公司进入这个赛道，一起推动行业发展。”高斯蒙告诉「甲子光年」，证券科技服务巨头凭借他们在B、C两端积累的用户，能够快速切分市场份额，对现有格局造成冲击。

对此，聚宽的理念是：唯快不破，抢占时间窗口。在对手壮大之前让自己变的足够强：领先的产品体验，足够快的市场覆盖度。

金融科技的大风口下，

AI离投资有多远？

在新创的平台中，有部分已经打出了“AI”旗号：用人工智能进行量化投资。

值得讨论的问题是，在现阶段，用AI做量化投资，用机器学习，深度学习自主找因子、编写策略，并自主决策靠谱吗？

在国外，用量化方法做对冲基金的玩法很不透明，基金不会公开自己的具体策略。业界传奇，文艺复兴科技公司（Renaissance Tech）最赚钱的投资组合大奖章基金，就使用了机器学习算法。即使在金融危机爆发的2008年，大奖章的收益仍在98.2%。

从团队成员的构成，外界推测，他们可能使用了隐式马尔可夫模型（HMM）。这种算法也广泛运用在人工智能语音识别技术中。

但实际上，现有的量化投资，绝不是大众想象的 AlphaGo 下围棋那样神奇，而是需要很多人为介入。

量化研究常见的框架是：在巨大的数据里寻找因子，也就是市场信号，然后配置组合因子，看最近哪些因子有效，哪些失效……目前，每个过程中，都既有人参与又有机器参与。

在聚宽平台上，曾一个特别有效的策略，它的逻辑就极其简单：小市值策略——一直买市值最低的10支股票。在A股IPO不像现在这样相对开放，且A股退出机制不畅的情况下，买最小市值的公司，就可能投中未来的壳，一旦有别的公司借壳上市，可能带来巨大收益。

高斯蒙说到AI和量化投资时没讲什么很酷的故事，他说在聚宽目前的业务里，有使用机器算法，但占比很少。

百度的战略投资，对聚宽这类量化交易平台未来嫁接AI技术提供了可能性和想象力。毕竟，百度已经打出了All in AI的旗号。