这两年量化迎来了行业大爆发、规模大扩张，但从去年下半年开始也遭遇了比较大的回撤。有机构认为量化市场迎来了规模、收益和波动的不可能三角。

2021年聚宽筛选了超过万份的简历，最终招募了不足10名投研。就是因为对人才的要求越来越高了，任何行业从数量到质量的转变中，对人才都会提出更高的门槛。

我认同聚宽的用人方法，要挖掘激发人内在潜力，而不是要让他们变成什么样的人。应该是给予人改变未来的环境。我们当前对市场的理解也许过几年就不对了，需要不断有更多的新人、聪明的人进来，告诉我说：“我的理解跟你不一样”，这才是对的。

关于人才也是这样，我们得把基础环境做好，让专业得以发挥。其次就是人才的复合跨界，从理工到金融，知识基础肯定有隔阂，但以后的人才肯定是复合型人才。

蔡总讲的我总结下来与张总讲的有异曲同工。各种各样的人才、想法，在碰撞过程中不断试错，生态多样性才能建立起来，机构慢慢形成自己的竞争优势。行情的变化是难以琢磨的，总有好总有差，核心还是搭建整个投研团队，因为资管本质上还是投研服务，还是生产效率的问题。怎样建立自己的特色，每个资产管理机构都要根据市场的环境，不断进化出适应一套模式出来，这才是生存的核心。没有任何一个模式永远是不变的。

“卷”是很正常的事情，任何行业如果是处于快速发展阶段都会面临，只是量化行业聚集了更多的高智商人才，所以“卷”更凸显。作为量化企业来讲，除了要寻找优秀的人更要找到合适的人，要与公司文化、价值观融合又有差异化，最终互相成就。

我们公司可能一开始考虑到的就是国际化人才如何落地：如何吸引海外人才，并且把人才平稳落地、融入到集体中，因为人才在团队里面不好融合的话，他就会自然在其他团队里面找到他的文化输出。

第二点我想谈的就是人才优化机制，成熟员工的转化、晋升管理等人才素质的规划。

第三点就是新生军如何引入。有一个词叫做“人才定投”，人才市场也有行情高峰低谷，某一年人才特别多，机构疯抢必然导致价格也会虚高，对于企业来说并不稳定。而“人才定投”招到的人才不一定非常顶尖，但是可以通过培训上降低成本，也可以达到整个人才的利用效率。

量化来自于超额信息和超额技术的进阶迭代。技术方面，AI应用已经非常广泛，甚至在不断加大深度，我们的态度就是要充分拥抱和尝试各种各样的AI方法论。另外一个角度，AI提高了效率，但世界万事万物只要不断重复发生，背后一定是有可解释性、一定有逻辑，所以也特别强调收益来自于什么，来自于谁，什么机制。

直到现在为止，国内的Alpha主要还是量价为主，甚至基本面占比还都比较低，为什么？因为量价的Alpha就像是地上煤矿很容易挖。从商业角度来讲，这是竞争不充分的时候，随着这一类露天煤矿被挖得越来越干净以后，就得挖投产比相对没有那么高，但容量相对还不错的新东西。比如，NLP整个流程至少需要20人，国内量化同行IT超过四五十人的都没有几家，所以仅有头部机构能做NLP，现在做不太现实，因为商业角度不划算。但长期来看，竞争激烈以后这就会变成一个方向，这是动态的过程。

我们每年年末有激励给投研，在高频Alpha和前瞻性投入之间做选择的话，即便后者还没有那么成熟、实盘规模并不大，我们也会对它进行倾斜，以资鼓励。

金融学因为有了Fama French三因子与有效市场理论，过去30年并没有增长，我们对金融的理解并没有更深刻，底层最大的问题就是正态分布假设我们没有消除。我相信未来消除任何一个假设，我们都离真理更接近一点。金融市场底层数据到底是正态分布，还是幂律分布？正态分布有它的逻辑，幂律分布则意味着强者更强，金融市场也许是在幂律分布和正态分布之间的某个地方，所以量化在数学上一定要突破。

第二个投资者教育，量化做了半天投资者听不懂我们在干嘛就是问题。前段时间我被投资者天天追着说必须减仓，但这其实影响了我的投资逻辑。从底层上，如果投资者能更明白我们在做什么，就是量化投资非常大的增长点。

很多人都在吐槽，我们做的东西跟投资者隔得很远，没有话题感，东西很难卖，但这也是投顾兴起的重点。我与跟我们团队也在分享：“为投资者赚钱两个步骤，第一是投研要强；第二是得信任。不信任的话，投资人就是要在高点买，要在低点卖，在你觉得很艰难的时候要让你砍仓，然后砍在最低点。

问题挺深刻的，最近调研我们的银行、券商、公募、保险比较多。我们的产品是ETF期权，相对于股票较为小众，市场整体开户量就几十万，本身就不容易被人理解，市场条件、策略应用条件、方向相反挣钱逻辑都不同。最近被问得特别多，做策略交易，收益的来源看起来矛盾，但市场本身都是由矛盾造成的，变化、发展、成长都是由矛盾创造，所以让我们把期权策略说明白是一件很难的事情。量化、资管、期权本身还是一个初级阶段，我们需要把它系统分层，合适定位，并把这些复杂的东西简单化，右相关的服务人员去统筹、发挥，服务好客户。为什么这个学科叫金融工程，因为它是一套系统，行业是很大的，涉及到各个分支，需要相关的人才都是非常广泛的、系统的。

细分到股票量化，国内量化主要聚焦于量价类的Alpha策略，基本面因子整体来讲相对偏低，这些都是大有文章可做。海外市场以美国为例，另类数据的来源是非常丰富的，基本上你想象不到的都有人收集做成产品售卖，包括卫星、无人机查看货船到港吃水深度等等。国内尚处初级阶段，还可以做得更深、更广，但是市场需要培育，包括需要管理人支持行业进步。

你说的让我想起了刚入行的两个事儿，当时有人给我们讲债券的价格保留三位小数，后面四舍五入。但四舍五入加杆杆也可以在中间做多、做空赚钱，后来问一下，确实海外有家机构就专门从事这件事。

另外一个事是前几年爆出来上海有家银行从业人员把用户利息里面零碎的、四舍五入的钱，一点点地汇进自己账户达到上百万。

前段时间也与朋友交流，他分享了上市公司财务造假的新视角，如果创始人在百度上搜不到的话也是很大的风险，我想确实无处不量化，看你能不能想得到。

阳底下没有新鲜事，我们已经谈到了智能AI、另类数据，我们该谈的都谈了。前面各位老师讲得特别好，我们不是在找处女地，而是因为大家已经看到了金矿，都在往里面涌，所以大家挖到的是越来越少，我们是在找深度Alpha。

也有老师提到期权，我们现在也能看到2021年50ETF、300ETF也有近10亿张的成交量。上期所、大商所加起来也就是40亿，期权规模量已经在慢慢地增长，这意味着大家已经注意到了这些另类投资标的。

后期我们就在找深度Alpha的状态，包括期权模型基础是在布朗运动假设上，如果我们把假设打破，还存在吗？

我也觉得数学是未来一个非常深度的Alpha。数学人才可能又会引来一波哄抢，但人才才是真正的Alpha。像做高频的话需要有自己的可编程式芯片，FPGA需要的是微电子型人才，受限于教育体制发展方向，这类人才有很大的空缺的，所以未来深度Alpha也包括人才上。

2、做任何事，深度思考，谨慎决策，坚决执行。

1、学习。市场太新了，需要学习。

2、被教育。被市场教育，被其他人教育。

3、继续学习。

1、从常识出发。芒格关于常识的见解就非常好，能把常识理解透彻并能做到，就已经能在市场里很好地生存和发展。从常识出发，再从基础本身发源去考量问题，发掘深层逻辑是非常重要的。

2、从专业出发。基础科学和应用科学本身就是内外一体，内卷也好，还是说焦虑问题也好，主要是专业领域挖掘还不够深。

3、从跨界出发。更加的发散和创造多维角度理解运用好量化的话，未来可期。

2、持续不断地学习与钻研。每个人都有认知能力的边界，怎样打破边界，从同行、同事身上吸取他们的优点，融合在一起，互相进步，这一点也是行业能够持续保持竞争力，欣欣向荣发展的重点。

3、保持良好的心态了。市场跌了，很多投资人会惊慌、传递负能量给量化机构，但是对我们来讲应尽量地排除这些能量的干扰，保持专业态度，然后与客户群体一起陪伴成长。当然我们也无法指望取悦所有的人，也难以赚市场周期所有的钱，在能力范围内做好本分工作，做好投资者教育，这一点就是我们的任务了。

2、年轻人要多一点给自己成长的时间，不要现在就奔着年薪百万或者是千万，可以把问题想得更深一点，走的路可以更长。我比较喜欢宇宙天体学里面一个悖论，他说越是明显性的宇宙，越是容易受到攻击。这与马太效应有一定的偏差，对于我来讲就是保持谦卑的心态，不要让自己成为宇宙当中最扎眼的一块，不然受到的攻击也会比较多。

3、拥抱新的技术，也不要忘本。

好的，多谢韩总。今天的圆桌的环节就结束了，非常感谢各位嘉宾的精彩分享。

整个二级市场就像刚各位嘉宾讲的，总有顺和不顺的时候，希望无论牛熊大家专注于自己，也希望今年大家事业上越做越好，行情也能越来越好，多谢各位。