曲徑，美國卡內基梅隆大學計算金融碩士，9年證券從業經驗。歷任中信證券另類投資業務線高級副總裁，美國千禧年對衝基金量化投資高級研究員及副總裁。2015年3月加入中歐基金，現任中歐基金量化策略組投資總監。

　　A股6月中旬以來的劇烈波動，並沒有影響曲徑的投資節奏。相反，作為中歐基金量化策略組的負責人，曲徑卻透過A股市場的大幅波動，看到了量化投資的新機遇。

　　“目前A股的波動率遠遠高於發達國家的股票市場，市場的非有效性更加明顯。很多量化策略的本質是為市場注入流動性，A股的現狀比較適合這類策略的發揮。”曲徑説，“基於A股的量化對衝産品，提供了收益率介於固定收益和股票投資之間的投資品種，豐富了投資人的資産配置範圍，有可能吸引更多追求中低風險的資金流入市場。同時，伴隨著大數據時代的來臨，量化選股的手段趨於多元化，利用‘機器選股’更加有效，這也會顯著提升收益的穩定性。”對於大數據時代的投資邏輯，曲徑有著獨到的見解。

　　中國證券報：大數據時代來臨，你認為大數據對A股市場投資會産生怎樣的影響？

　　曲徑：隨著電腦運算速度的大幅提升，以及分佈式計算的技術推廣，使得基於大數據的投資成為可能。

　　通過整合多元數據，包括網路用戶行為數據，輿情資訊的擴散與資訊影響的追蹤，零售消費的大數據整合等，深入變革傳統的股票投資行為。例如，通過網際網路用戶的數據分析，消費者對地産門戶網站的訪問行為，以及特定樓盤主頁的訪問熱度，我們可以預估整體地産行業銷售的趨勢，這種通過大數據得到的預測，要比官方住宅銷售的事後統計更有前瞻性和預測性。量化投資的基礎是資訊獲取和資訊處理。通過這些有效資訊的獲取，我們在股票投資上就可以領先一步。由此可見，在未來投資中，數據的作用將尤其重要。

　　中國證券報：作為資深量化投資人，你會通過怎樣的投資邏輯來把握大數據時代的機遇？

　　曲徑：大數據的應用，使機器學習選股成為未來趨勢。量化選股是基於大數定律的投資方式，如果選股模型的預期勝率較高，在樣本量足夠大且投資分散的情況下，最終的投資效果，將很接近預測的勝率，獲得盈利。

　　在大數據時代的量化投資具有一些明顯的特徵。例如，需要整合海量數據，以此挖掘多元化的交易機會。金融工程師通過構建數學模型，使其選股的方法具有可複製、可持續的特性。同時，通過優化且分散的投資操作，量化産品有效地規避了個股風險，使其與傳統股票型基金的相關度較低。

　　此前，主流的量化投資多為量化多因子模型和統計套利模型，這類模型在2007年達到了頂峰。當時，華爾街很多基金使用的量化模型高度相似，以2007年8月的“量化實效”為觸發點，某只基金清倉時，觸發了類似的基金大幅回撤，從而引發了量化踩踏事件。事實上，同質化的投資，由於有後續資金持續涌入，短期會産生看似很好的收益，但是一旦發生行情反轉，集體虧損這樣的極端事件難以避免，其結果就像我們剛剛經歷的A股流動性危機那樣。

　　正是經歷過美國量化投資的興起和擠兌，我對投資策略的差異性非常重視，只有選到獨立研發的，與主流模型有差異的阿爾法，才能保證策略的可持續性。而基於大數據的分析框架，使我們的數據源更獨特，策略體系更為穩健，與傳統投資方式選出的股票相關度低。在中歐量化策略組中，我們堅持追求“獨立研發的、高勝率的”的投資方法。

　　中國證券報：為什麼選擇到中歐基金髮展自己的事業？目前量化投資策略組的團隊構建情況如何？

　　曲徑：我很喜歡中歐基金的合夥人文化。中歐基金平等、開放的風格，極大提高了內部的協同效率，給傳統基金行業注入了創業的精神。作為量化投資團隊，我們的基礎工作依賴IT技術部門和産品設計部門的協同支援，中歐基金效率之高，對我來説是個驚喜。從我個人的角度來説，中歐基金一致的合夥人願景，提升了團隊的效益，最小化公司內部損耗；而市場化的激勵機制保證了投資團隊的穩定性，將投資團隊與客戶利益一致化，才能持續為投資人提供價值。

　　具體團隊方面，量化策略組和其他策略組不同，我們本質上是一個工程師團隊。每一個人都有數學建模能力，編程能力，對數字敏銳，熱愛數據分析。目前，團隊由三個小組構成：大數據核心研究、投資組合構建、演算法交易執行。這三大支柱是我們構建量化模型的基礎。