走进系统性量化投资
今年4月，我们邀请到交易门老朋友，九鞅科技联合创始人张启珑博士为交易门精粹做了精彩的闭门分享：走进系统性量化投资。
张博士毕业于北京大学计算机系，后获美国圣路易斯华盛顿大学机器学习博士学位。张博士拥有超过14年的金融及科技专业经验，曾任中金公司香港资产管理的投资经理及量化策略投资总监，野村证券全球市场部量化策略执行董事。张博士的专长包括大类资产配置，量化策略及指数投研，及投资组合管理。
九鞅科技公司是2019年成立于上海/香港的一家新兴Fintech公司，专注于中国固定收益市场投资、信用分析、投资组合管理及风险控制等核心领域的技术解决方案和咨询管理。九鞅科技的固定收益平台，融合世界知名投资银行和顶级对冲基金的丰富行业经验及前沿的技术解决方案，充分与中国本土市场相结合，打造中国的债券Barra和Aladdin系统，旨在为银行、证券、保险及资管等各类型机构的固定收益投资科技赋能。
本文为张博士分享精简摘要版。经张博士授权发表。未经授权，不可转载。
市场黑天鹅
我先从近期市场说起，无论是量化还是市场，都可以看到3月份震荡非常厉害。沃伦·巴菲特在此之前，一生只经历过一次美股熔断，但3月一下就经历了4次美股熔断，非常魔幻。市场在总体上是流动性危机， 资产整体是Fire Sell。美股、商品、债券、外汇、黄金的跌幅超出很多人的想象。
首先可以看美国标普500叠加恐慌指数VIX，美股从2月中旬开始下跌，高点到低点，跌了总共34%。VIX从过去10年基本躺在地上动不起来，突然飙升到2008年的高位。市场在某种程度上非常恐慌，并很快传递到债市。
再举三个例子：US High Yield Credit、中资高收益美元债、US Non-Agency RMBS。从US High Yield Credit来看，抛售非常厉害，RMBS也有断崖式下跌。我们可以看到新冠让全球经济急刹车，很多美国人都面临着失业。最近报道美联储对美国就业的预测非常悲观，未来几周内，可能有4600万人失业，占美国就业人数32%，远超1933年大萧条的24%。如果大部分人失业，想必受冲击的RMBS会非常惨。
商品方面是BCOM指数，商品整体走势叠加黄金。商品从年初就开始跌，3月份最多下跌29%，这是有史以来最大的单日跌幅。黄金作为传统意义上的避险资产，也跟着商品下跌，这是非常典型的流动性恐慌。
外汇看美元指数、EM FX、USD/JPY。新兴市场肯定受到抛售，美元相反暴涨，这也是流动性驱使结果。
在市场恐慌的情况下，美国不管是央行还是政府，都频频出招，动作也非常激进。3月中旬，美联储先后2次紧急会议，Federal Funds Rate降到0，同时开始无上限的QE，开始买Fallen Angels，相当于垃圾债，这些感觉都是国有化市场的动作。美国国会3月27号批准2.2万亿财政刺激，美国10%GDP是2.2万亿，2008年金融海啸财政刺激是8300亿，相当于2.6倍，可见力度之大。主要目的为了解决短期流动性问题，另一方面也是在新冠疫情状况下，希望能够托底经济。
1870年到2020年3月底美国股市整体经济，当前新冠疫情导致的Market Crash，和以往历史来比，不算特别显眼。历史上最大的Market Crash是1929年，市场崩盘导致的大萧条，跌幅超过79%，这是整个历史上最惨重的一次。
第二个大跌幅是2000年到2009年，接近54%的下跌。开始于2000年Dot-com bubble Bust，市场之后出现过复苏，一直到2007年至2009年碰见次贷危机和雷曼倒闭，继续开始暴跌，一直到2013年5月份，才真正填平2000年的坑，整个过程花了12年。对于美国来说，这是失去的10年。
第三个大跌幅是1911年到1920年，大概有51%的跌幅，和今天有一定的类似，包括了1918年西班牙流感大流行。回头看今天的股市，市场远远比不上以前的三大Crash。有一个显著不同的地方，这一次的Market Crash非常快，以往会经历一段慢慢下跌状况。从市场结构上，和之前非常不同。
刚好在这个时候，Risk Parity走进了大家的视线。市场有这么大的异常波动，很多人认为是被动投资、量化策略，特别是Risk Parity这样的策略类型的推波助澜。最近做过一些研究，Risk Parity在全球范围整体AUM的占比。从整体来看，有3000亿到4000亿美金的AUM，但Risk Parity内部有一些杠杆，整个市场应该有1.4万亿美金的风险敞口。从规模上来讲，Risk Parity可以影响市场走势。
基于这样的认知，很多人认为Risk Parity这样的量化策略应该为市场暴跌背锅，刚好使用Risk Parity最好的两家巨无霸，桥水和AQR，这段时间表现也不好，更有甚者在传桥水爆仓。Risk Parity这样的策略不是想象中的全天候，在新冠病毒蔓延全球的黑天鹅状况下，一样可能会玩脱手。
资产配置极简史
今天我先讲讲Risk Parity概念，然后展开到系统性量化投资。
我们通常讲Risk Parity策略的时候，应该放在资产配置的场景下，它其实是组合构建的方法论，和平时讲的策略有很大区别。
理解Risk Parity，可以从资产配置历史演变来看。虽然利率本身具有周期，整体上来看，从80年开始债市经历了一波大牛市。过去30年，如果有幸是Bond Trader，从职业生涯上来讲，应该是黄金时代。1981年开始利率一路下行，跌幅非常大。1981年往前推30年，其实是通胀时代，投债券没有现在幸运，那时候利率走势完全相反。
这样的利率大环境中，如果看资产配置本身，标的和方法论都有很大的变化。1960年之前，美国市场资产类别非常单一，主要是权益和债券两大类，主导资管市场的是保险公司、信托公司，从投资角度来说比较保守，绝大部分配置在债券，也有人开始配置股票，当时凯恩斯觉得应该把配置放在股票上。
60年代之前，大家对两次世界大战心有余悸。那时候股票表现非常差。1950年到1960年，整体上行，大家开始慢慢意识到股票投资的效率。60、70年代，股票配置慢慢上升，很多专业的投资机构涌现。
这时候配置相对比较简单，投资者已经认识到资产配置的重要性，股票本身走势比较好，大家从认知的层面上开始看到风险分散的作用，但方法论上比较简单，比如等权策略或者固定权重策略，之后还有经典60/40投资组合策略， 股票和债券相关性比较低，60/40权重固定配比可以达到风险分散和多元化效应。
80年代，市场开始繁荣，资产类型更加丰富，美国人可以投资International Stock，比如英国、法国、日本等。商品期货开始出现，还有一些另类资产，比如私募股权、对冲基金和地产。资产从配置角度，股票的配置比例提高，一些大学的捐赠基金（Endowment Fund）配置可以高达80%。
其中最有名的是耶鲁的校友捐赠基金，在CIO David Swensen执掌中，平均年收益达到14%，远远超过大学捐赠基金的平均水平。一方面因为股权配置比较高，另一方面也和David Swensen当时大力投资另类资产（对冲基金、PE等）有关。为什么David Swensen可以这样做，一方面校友基金有自己的优势，规模大，另一方面具有永续性，除了满足学校日常开销，没有赎回压力，所以对流动性要求不高，可以用流动性换收益，用时间长度换收益，就可以投资流动性不好、周期长的对冲基金或PE等。
耶鲁校友捐赠基金这样的模式，从方法论来讲，还是主动投资，通常把经济周期、主观判断放到判断的策略中，比较类似的有美林时钟，都是这样的概念，更多的还是看经济、宏观，进行大类资产配置，在下面找到能提供超额收益的资产。
90年代科技进步特别是计算机慢慢普及，比如1992年的Windows3.1。计算的技术在投资领域很有帮助，均值方差也代表着量化资产配置策略开始流行。均值方差(Mean Variance) 于1952年出现，Harry Markowitz其后因此获得诺贝尔奖。40年的时间，方法论不断成熟，技术不断涌进，到90年代拐点，量化策略开始铺开。
从方法论来讲，均值方差是Markowitz非常划时代的贡献。以前大家做资产配置和投资策略，还是从实践层面摸索，均值方差把探索提升到理论框架，从风险和收益两个维度，配置问题转化成多目标优化问题。
实践中均值方差有很多问题，本身有很多理想化假设。从某种意义上，它开启了量化时代的爆发。很多划时代的量化策略开始出现，比如1993年Momentum类型策略，当时由Jegadeesh和Titman一起研发。Momentum可以看过去资产本身收益，对未来配置进行指导。几年前，银行里有很多人做资产配置的时候有J.P. Morgan Mozaic指数，基本就是Momentum的模式。
1996年，Risk Parity策略开始出现，完全基于风险维度展开。同时桥水开始做全天候策略。
2000年到2008年，金融海啸，以前大家认为对冲基金应该提供绝对收益，对市场应该中性，能提供不错回报，但2008年彻底打脸。当时耶鲁校友捐赠基金也蒙受很大的损失。在风险需要分散的时候，大家觉得可以对冲的东西都在掉链子。后来大家从更理论的层面看，资产收益的预测（return forecast）其实是一件非常难的事情。
如果过于专注于收益的预测，很容易在投资组合上忽略风险。我们为什么不换一种角度，从风险来调控，把多元化资产放在一起，通过风险来分配权重，可以让收益更加平滑，如果可以加杠杆，组合就可以在同样风险的股票组合程度上获得更高的收益。从2008年开始，桥水在这一年表现非常不错，Risk Parity策略开始流行。
Risk Parity的核心思想是基于风险分散投资，追求更稳定的回报收益。传统上，大家做60/40组合的时候，都从现金角度分配。比如我有100元，60元投股票，40元投债券。看似是非常平衡的组合，但实际上，整个组合的风险都是由股票决定，其中有90%的风险来自股票。这样的组合基本和股票没有太大的差别，特别在Market Crash的时候，走势和整个股票市场没有太大的差别。
如果换一个角度，从风险的维度来做分配，而不是以名义金额的形式。比如我有10%的波动率，我希望股票和债券能够等比例贡献。股票的波动率一般是债券的3倍左右，如果要让风险达到类似的状况，从配比上就应该反过来，债券配置大概是股票的3倍。这样就通过超配债券，低配股票达到股票债券的风险平衡。
任何资产从长期来看，经过风险调整之后，收益非常类似。AQR当时做过一个统计，从1971年到2009年30多年时间，从Sharpe Ratio的角度来看，股票、债券、商品非常类似，风险调整之后的收益是类似的。虽然短时间内有非常大的差异，但从长期来看，没有太多区别。资产配置本身并不是短期策略，而是一个长期策略。
回到配置的角度，无论任何资产，拿到的回报和承担的风险应该匹配，这也是为什么Risk parity做组合构建的时候，应该在资产类别上进行风险加权。相比之下，在同样的风险下，股票理所应当拿到比债券更高的收益，但从结果来看，并没有很有效的证明。如果可以加杠杆，杠杆将是Risk parity中取到目标收益的关键点。
Risk parity的关键思想是分散投资于不同的资产类别，希望这些资产类别相关性比较小，不同的经济周期表现不一样，在组合中起到相互平衡的效果，抹平短期局部波动，取得更平滑的收益。在这个基础上，如果可以加杠杆，通过自身的风险偏好，减少或者增加杠杆，达到自己的预期收益。比如希望拿到股票的收益，那么就需要加杠杆，可以在同等10%的波动率下获得更高的收益。
桥水的全天候策略主要分2个步骤。根据基本面驱动，资产历史长期相关性分析，选择一个多元化的资产篮子，理论上希望篮子中的资产能够在不同经济环境下都有不错的表现，这就是所谓的全天候策略。一般来说，股票在经济高增长和低通胀的环境下表现良好，债券在通缩或衰退的环境下表现良好，商品是一种抗通胀的资产。我们希望这几类资产能够均衡投资，达到更加长期的结果。基于这样的逻辑，桥水做的更加精细，它把经济分成4个象限，主要看经济走势和通胀的状况。在这样状况下，可以分成4大类资产。第一类是风险资产，经济走好的时候，发达国家股票、新兴市场股票以及新兴市场货币都会有不错的表现。经济疲软的时候，就需要第二类资产Risk-off Asset，比如国债、黄金。另外两大类以通胀定义，通胀保护和通缩保护。通胀保护资产可以是通胀挂钩体系债券、商品、黄金、地产等。对于通缩保护来说，政府债券和长期债券，都是不错的选择。
有了这四大类资产后，然后对每类资产进行风险预算（Risk Budgeting)，通过使用杠杆调整所需要的风险。投资组合中波动率较低资产，比如债券，通过加杠杆可以达到和股票匹配的波动率，最后让整个组合达到所期待的波动率。
杠杆其实是Risk Parity潜在最大的软肋，我们在设计策略的时候，很少考虑到流动性以及策略在有杠杆的情况下流动性收缩时候的表现。这也是为什么Risk Parity以及很多量化策略，在大危机，特别是流动性危机，会出现致命弱点。
从历史上30年大牛市中可以看到，流动性大多是扩张，今年可能状况不一样。再看3月份风险平价策略的表现，我没有使用全天候具体表现，我把S&P Risk Parity 10%指数作为基准，把主要资产做比较。表现相对来说不那么差，S&P GSCI商品指数跌了大概25%，S&P 500从2月份高点到3月份低点大概跌了30%，唯一涨了的是Government Bond。当然 Risk Parity也不能幸免，从配置角度来说，是超配债券，但债券本身的问题是收益达到历史上的低点，基本快到零利率和负利率的状况，债券Risk Parity组合里面的风险分化能力大大减弱。以前大家买国债，能够起到对冲的作用，对冲作用的效果取决于收益本身的弹性。现在问题是，市场如果继续再跌，某种程度上可能会跟着跌。央行在当前疯狂状况下 ，下一步能采取的动作从货币上非常有限。债券的角度上，组合的效应的问题已经非常大。
从数据上来说，S&P Risk parity 10%年初的时候，杠杆大概是2.7倍，大家认为经历3月份波动率上弹，4月份应该会降下来，这样的过程中肯定会有降杠杆动作，S&P Risk Parity波动率测算时间窗口是过去数年，相对来说我们不会觉得杠杆会有非常大的降低。其它类似 Risk parity的基金或者策略，在波动率的控制上并不是简单的看短期波动率，很有可能通过长期的维度来看。从降杠杆的角度导致市场整体下跌， 肯定会有这样的作用，但让Risk Parity完全背锅也不正确。
被动型投资崛起
被动型投资的影响力越来越大，据统计，被动型策略掌控美国股票市场的60%，量化控制20%，总和控制达到80%。去年9月份，美国Passive Fund已经超过Active Fund的规模，从总体上看，投资是零和游戏，一方赚钱，另一方在贡献所谓的alpha，大部分对手方转到被动投资后，alpha会越来越少，市场留下的都是非常聪明人，聪明人赚聪明人的钱不是那么简单。
整个市场的格局也在发生变化，系统化投资和程序化交易在改变交易结构，会有更多的突发状况和波动，这些都在可能预期内。
2008年金融海啸之后，很多大型基金受到重创。其中传的最广的是Norwegian Government Pension Fund Global。这次3月份疫情，挪威政府养老金全球基金上了很多头条，比如3月亏损-14.6%，大概1000多亿美金，如果看本身的AUM，这是全球最大的主权基金，有1万多亿。这么大的基金主要是Beta的收益贡献，如果看2019年的表现，有19%的收益，算下来有2000亿。
2008年前，Norwegian Government Pension Fund Global希望委托外部基金经理和加强内部的主动管理，能够在Beta基础上增添一些Alpha。事实上，通过2008年经验来看，表现不是那么好。Norwegian Government Pension Fund Global从1998年到2008年，这10年的Alpha，通过2008年的下跌，基本回到解放前，之前10年相当于白干。
后来请了哥伦比亚和耶鲁的教授到主权基金调研，经过一系列调研，这么大体量的背后，beta成分非常大，大部分收益取决于系统性风险敞口，主动管理所带来的超额收益占比非常小。相对来说，一些小基金，比如高频，真的能够提供非常高的Alpha，从容量角度来讲，大型基金能做的事情完全不一样。
大型基金通常90%的收益都由被动型资产配置决策驱动，剩下的10%才归为主动收益。10%的主动收益又可以进行进一步划分，大部分是系统性因子收益，真正凭借基金经理的投资技能，会继续切分。AQR的老大Cliff Asness说过“那些备受追捧的基金经理似乎拥有着魔法般的投资技巧，事实上我们可以在市场上找到更加简单和便宜的选择来成就一样的事情”。AQR通过量化方式，为市场提供比较廉价、系统性容量比较大的Factor Exposure。他说这句话有自己的出发点，但最近10到20年市场Hedge Fund表现，某种程度上印证了这句话。
因子投资Factor Investing的投资收益剖分，大体上可以分为3类，第一是宏观因子，第二是风格因子，最后是投资经理在择时和选股上产生的alpha。宏观因子从总体上来讲是市场beta，包括经济增长、实际利率、通胀、流动性。风格因子可以理解为spell的一些投资方式，比如动量、价值、carry、波动率等。
宏观因子总体上是市场整体Beta，决定了不同资产之间的收益差别。为什么股票收益比债券高，其实是由于经济宏观走势影响。股票不同行业、不同国家、不同货币略有差异，差异的产生其实就是风格因子的作用，决定不同资产类别之间的收益差别。比如我们把美国股票打开，从Growth和Value来讲，为什么Value从长期来讲好于Growth的收益，我们可以通过Valuation的角度解释两类股票的收益。
2008年，因子投资开始兴起。一开始是几个Pension Fund，NBIM管理挪威Pension Fund，当时做因子投资是对传统股票beta增强，相当于Enhance Beta。PKA是丹麦最大的国家养老基金之一，规模大概有400亿美金。PKA和挪威不一样，规模小一些，可以在资产Beta上做更多的文章，比如把不好的Beta用传统的做替代。AP2是瑞典第二大国家养老基金，资产管理大概530亿美金的规模，之前投很多Fund Manager，觉得没有想象中那么多收益，所以开始去掉Fund Manager，然后用一些比较Cheap的Factor替代。
Smart Beta是因子投资中的常用模式，通常都是多头策略。如果想拿到Pure Factor Exposure，可能需要通过Alternative Risk Premia，比如多空交易策略。第三类是Hedge Fund Premia，比如CTA、合并套利、空头策略等，表面看起来高端，背后的本质逻辑和Factor Investing非常类似，当然也有很多Manager在择券或者择时上有所贡献，但从某种程度上，很多Hedge Fund能提供的超额收益可以通过Factor的模式廉价获取。
如果把Factor Investing放在传统的被动投资和主动投资两大支柱来看，因子投资应该放在中间成为投资的第三个支柱，介于被动投资和主动投资之间，以前大家认为是Aphla，现在可以通过工业化的形式提供的Smart beta，和以前完全被动的传统指数相比，具有动态的作用。
以后随着技术的发展，对因子进一步拓展，主动投资的空间会越来越小，因子以及被动投资会慢慢深度融合，在市场占到更大的份额。
因子投资本身不是2008年之后才有，理论上有非常长的学术基础。1952年的均值方差，引出了多元化的概念，之后Beta和Alpha分离，William Sharpe的CAPM模型。之后是Steven Ross的APT多因子模式，1992年Fama-French三因子模型。
1992年到2014年之间有不同的Factor被发现，到现在有200~300个因子。2014年Andrew Ang认为股票中的Factor可以用在其它资产上，在宏观层面做配置。
做量化的非常了解，传统上面有Value、Carry、Momentum、Low Vol四大风格因子。股票上都有不错的表现，同样的道理其它资产上，也有相应的收益。很多策略public之后，大家做同一件事情，会遇到拥挤的状况，但市场有自己的周期，当市场达到饱和的之后又回慢慢回来。我们看Factor Return的时候，不要仅仅局限与当前时点或者过去几年短期的表现。
着重讲一下因子投资的收益来源，大家做量化策略的时候，不应该完全从量价角度做投资，否则很容易Overfitting。理想的方式应该是看策略背后的机理，赚什么的钱，怎么赚钱，赚钱逻辑在未来一段时间能否还成立。
按照收益来源，我们可以将量化策略和因子策略分成3大类。
第一类是风险承担，比如买股票承担了市场Equity Risk Premium的Beta敞口，如果公司倒闭，应该拿到更高的补偿。另外一方面是特定风险补偿，比如Insurance Company，保险会收取 Risk Premium ，Short Volatility也是这类型的策略，承担了特定风险后获得收益。
第二类是市场结构性限制，不同的市场投资者参与市场的目的不一样。央行为了救市买债券、ETF等，这并不是为了赚钱为目的导向，有很大Factor的收益空间。比如一些公司或者大宗商品市场为未来业务发展做对冲，所产生的市场影响对其它市场参与者的收益有贡献。从某种意义上，很像有限套利的概念，
第三类是行为偏差，简单理解，一方面是投资者所处状况不一样，一方面是投资者限制。比如很多公募基金不能做Leverage，为了增加收益，会买一些high Volatility的股票，潜在造成Low Volatility Risk Payment的产生。还有羊群效应，对信息过度反应和迟缓反应的修正，这样产生的收益，也是因子投资或者量化策略所针对的一块。
市场上有不同类型的策略，比如股票风险溢价、外汇套利、波动率套利、外汇价值、股票质量、CTA。这些策略都可以对标到背后经济原理，深剖每个策略的运作机理，同样的策略在未来基本面是否会改变，在这样的判断下，会不会把策略放入投资组合，或者进一步修改策略。
中国机会
国内金融市场蓬勃发展，存在非常庞大的投资机会，无论从股票角度还是债券角度，都是世界第二大。中国国门正在加速打开，从2001年第一次QFII开始引入，到2019年中国债券加入国际主要指数Bloomberg Barclays Bond Aggregate Index，今年2月份中国政府债券纳入摩根大通指数。
当前美国利率处于历史新低，中美间10年期利差已经达到历史高点，接近200基点。从这个角度，外资配置中国债券非常有利。另外一方面，股票也有MSCI纳入，能够看出来外资进入市场已经发生了很多变化。
中国股票目前是全球第二大，也经历了30年的发展。1990年股票打开门之后，中国股市花了接近10年时间达到1000只股票，再花10年时间达到2000只股票，之后进度显著加快，6年时间超过3000只。虽然很多人说不赚钱，但看股市市场一直在变大。
股票数量增加，对量化和基本面投资的人来讲，有非常大的市场广度。从广度和流动性的角度看，A股市场容量非常大，集中度比香港低，行业也不是那么集中，比一般的新兴市场好很多。从流动性来说，沪深交易所也不比美国差。A股和海外资产的相关性比较低，具有非常好的多元化效应。
虽然A股开放的步伐加快，但A股的境外机构投资者参与率比较低，总市值外资仅占3%，其中日本为31%，美国为20%。如果门真的打开，比例会有非常大的增长。
从投资者参与度的角度来讲，尽管最近几年由于北上资金的介入，有一些变化，但总体中国A股市场还是以散户为主导。因为散户是非专业，某种意义上成为了韭菜，为市场贡献alpha。
中国指数增强型基金，从Full sample来讲，2011年到2018年都有持续性的Performance。前50%的指数型增强基金在这7年有50%的超额收益，如果看头部25%，指数增强型基金每年都能提供8.3%的超额收益。在美国市场，能够赚到1%的超额收益就已经非常厉害了。
在做中国商品表的时候，超出我们的想象，颠覆之前的认知。中国期货市场非常大，流动性非常好，市场上流动性比较好、交易量比较大的商品期货品种中，前十中有8个都在中国，为国内量化投资提供了非常好的base。
海外CTA非常难做，国内在过去10年是黄金期，但最近几年不像以前1年20%-30%的收益，总体上还算不错的收益，今年由于新冠疫情，市场波动增加，国内CTA也有一波。如果看海外CTA，比如Winton，非常糟糕。最近今年CTA的收益有大的倒退，CTA本质上是Momentum策略，从资产配置的角度来看，有很好的效应，某种程度上能够提供Crisis Alpha，市场平静的时候，也许会提供Return，但总体上不会有太大的负收益，可以作为 风险对冲放在组合里。
中国债券市场逐渐打开，外资慢慢进入。债券市场近几年本身发展非常迅速，去年年底统计，债券市场大概有96.2万亿的规模，每年接近20%的增长速度。随着之后资管新规逐步落地，国内数百万亿资产管理市场逐步转型，债券市场会越加的市场化，量化的机会也会越来越多。本文为张启珑博士为交易门深度精粹课程闭门座谈精简版。咨询交易门阿苏，购买交易门深度精粹，不仅可以观看本次分享完整视频回放、以及50多位投资大咖为交易门社群做的独家分享，还能获赠终身学习社群，与其交易门跨学科学习社群一起切磋学习。
您也可以查看今日二条推送，了解交易门深度精粹课程详情。
福利放送
读完干货，给大家来点福利。交易门8月将推出三场深度实战线上课程，覆盖期权和国际宏观投资领域。交易门特别邀请了在投资一线数十年大咖抽丝剥茧、倾囊相授。现在这三门课程正火爆报名中。可点击下方图片浏览课程详情。也可加小编微信免费加入预备营，提前与老师切磋。
（18964721993）