金融创新引领轻量化平台研发与量化工具转型

　　2023年，人工智能大模型在金融行业得到广泛应用，并逐渐在资产管理和证券投资行业落地，尤其是在资产管理和证券投资行业。为了适应市场需求和自身需求，各行业纷纷加大了对与自身需求匹配的轻量化平台的研发力度。程若愚是国新证券的投资经理，他从2018年开始持续研发基于投资分析和组合管理的轻量化投研平台，并对近年来对该平台研发过程所做贡献进行了回顾。 

　　2018年以来，欧美资产管理机构在A股市场长期超额收益显著，国内机构加速投资香港和美国科技股市场。中小型投资团队在研究费用有限的约束下，该方案解决了无编程能力用户监督、策略研发过程可视化、另类数据观点化、可行域不清晰、研究员和程师协作难以及失效策略及时退出等难点，并建立了一套投资研究全流程的定量化监控系统。 

　　在策略本身所处的研究阶段上，程若愚将策略类型划分为新策略、成熟策略和标准策略三类，并针对每一类策略提出了相应的解决方案，他梳理并拆分了策略研究的各个流程，使量化策略开发更加精细化和贴合真实市场环境，并提供了开源的策略引擎，帮助非编程背景的研究员也可以独立管理策略研发过程。　　  

　　2021年以来，A股市场又经过连续上涨两年后开始转向，导致部分投资者面临亏损。核心问题是专业机构投资者主要依赖行业景气度的投资理念，缺乏有效的量化辅助决策工具来提示风格、行业和个股的变化。于是程若愚在2021年课题中，针对中国证券市场改造了BL（Black Litterman）模型——一种相对成熟的资产配置框架，使其更符合中国的实际情况。 

　　在实践中，资产管理人还受到所在机构、出资方和资金运作目标等多种因素的影响。然而，采用改造后的BL模型的配置决策可以提高投资研究的效率并促进沟通。最重要的是，通过透明地梳理三个层次的决策过程，决策者可以更多维度地了解每个持仓的风险。这样形成的“防呆装置”有助于避免过度依赖人工经验和主观判断，决策失误更容易被识别和修正。 

　　改进后的BL模型能够帮助投资者优化全球资产配置，实现风险分散，降低投资组合的波动性。它减少了对单一资产的过度依赖、减少潜在损失，提高了投资组合的稳定性。对于企业资金管理角度，改进后的BL模型能更精细地评估市场流动性环境。通过合理配置不同类别资产，在保证流动性安全地基础上适当提升资金收益，更高效的资金投资组合有助于降低企业面临的财务风险。

　　程若愚毕业于北京大学工学院，具备艺术和金融工程管理的复合背景，在量化、行业研究和股债混合投资领域有丰富的实践成果。多年来，他通过一系列相关课题的研究，积极为资产管理行业数字化转型过程中共性问题提供自己的解法、促进金融数据的安全性、提升投资策略的稳定性。在竞争激烈的投资绩效竞争中之余，他以开放透明的心态持续迭代投资策略的研发平台、对股债资产配置开展创新研究，努力为国内外资产管理行业的智能化转型做贡献。（文：周立）