6月25日~27日，世界经济论坛第十五届新领军者年会（即“夏季达沃斯论坛”）在大连举办。在夏季达沃斯论坛现场，来自世界各地的企业、学界人士共同探讨未来增长的新前沿。

　　论坛期间，《每日经济新闻》记者（以下简称NBD）专访了全球顶尖的量化投资机构Two Sigma亚太区首席执行官林国沣。

　　Two Sigma被认为是华尔街研发能力最强的量化投资机构之一，2008年到2019年的11年时间，该基金的管理规模扩大了逾10倍之多。是什么让Two Sigma拥有如此佳绩？他们如何进行投资决策？Two Sigma如何在金融碎片化挑战中寻找机遇？面对AI这样从0到1突破、投资风险很大的领域，Two Sigma如何平衡技术创新与市场风险？如何应对不断变化的市场环境和政策风险？专访中，林国沣对这些问题一一作答。

　　价值投资，投入时间了解产业

　　NBD：在Two Sigma的投资策略中，您认为赛道的选择与数据指标之间，哪一个对于投资决策的影响更大？

　　林国沣：其实在进行研究时，我们并不是首先选择数据或赛道。实际上，首先是整个市场的深度和广度，对于我们这种类型的策略来说，是否具有优势。我们希望市场既深又广，因为那意味着机会。中国确实是这样一个市场，这是我们考虑的第一个重点。第二，因为我们以创造alpha（超额收益）作为我们的首要目标，所以我们需要考虑在这个市场中，我们是否能够在研究方面做出差异化，以找到alpha，这是第二个重点。第三，尤其是在亚洲，在中国市场，存在许多独特的数据和研究机会。我们需要考虑是否能够发挥本土优势，比如我们在上海有团队等，能够更深入地了解市场，使我们的推荐研究具有差异性。这三点是我们决定是否能够做好投资的重要基础。

　　我们成立于大约24年前，由一位数学家和一位科学家创立。其中一位是MIT的博士生，三十年前就开始研究AI。另一位是斯坦福大学的数学家。因此，我们并不像传统的对冲基金，更像是一个研究机构。对我们来说，投资是一种科学。这就是为什么我对您刚才的问题有一些不同的看法，因为我们的基因是这样的。

　　最后，谈到中国市场，我认为因为我们是中长期投资者，很多人误以为我们是短期投资者。我们的方法是不同的，不是简单地找一个PM（产品经理）加上几个研究员。实际上，我们全球约有2000名员工，其中1300人是工程师，他们是data scientist（数据科学家）。我们不仅仅是短期的导引，而是用数据和科学来寻找投资方法。

　　NBD：Two Sigma的资产管理规模从2008年的50亿美元增长到2020年的500亿美元，您认为推动这一快速增长的关键因素是什么？

　　林国沣：现在已经超过650亿美元了，这几年增长了很多，150亿美元。

　　我认为，首先全球像我们这种以科学数据为驱动的投资机构，在过去几十年已经演变成为计算机、数据方面的竞争。要吸引这类人才，投入大量资源进行研究，才有机会在这个行业取得成功。

　　我们有幸在这二十几年里，因为有规模，可以投入更多资源进行研究、吸引人才，也正因如此规模得以进一步快速增长，客户对我们的信任也随之增强。这是一个规模的游戏，你可以想象，背后的工程师需要在一个大型平台上才能有发挥的机会。同时，我们的计算机处理能力在全球所有机构中，不仅仅是金融机构，已经排在前250名。为什么这么说呢？因为我们背后处理着大量数据。例如，在亚洲，我们每月可能要交易1万到2万只股票，这背后需要大量研究人员处理数据，所以必须要有规模。

　　有了成绩和规模，就会慢慢形成一种循环，吸引更多人才支持你。我们确实很幸运，也希望可以继续努力。保持这种竞争优势不容易，这个市场没有方法可以让你成为永远的赢家，必须持续投资与保持。

　　NBD：在Two Sigma的投资组合中，是否有特别关注某些具有潜力的中国公司？如果有，您能分享一些具体的案例吗？

　　林国沣：我们的投资方法并非简单的选择公司，而是通过分析数据来寻找价值所在，因此我们实行的是价值投资。简单来说，我们采用科学的方法进行价值投资。正因为如此，我们不会对某一产业或某一公司进行重仓投资，而是会分散投资于大量我们认为有机会的公司。在全球范围内，我们可能在某一时刻持有大约1万到2万只股票，这是我们投资策略的一部分。

　　在中国，我们不是简单地寻找投资机会，而是深入研究消费者情绪对某些产业、产品或品牌的影响。例如，我们会对整个行业的政策发展进行深入研究，特别是对一些大型领域，如人工智能、清洁能源、环保等，我们都投入更多的时间去了解这些产业，因为这些是中国的大趋势。但我们的出发点并不是简单地对某一产业重仓。

　　提早布局、累积经验并从中学习非常重要

　　NBD：Two Sigma前期在AI领域开展了很多成功的投资，我们知道AI领域投资其实风险很大。在对AI领域进行投资时，Two Sigma如何平衡技术创新与市场风险？

　　林国沣：正如我在第一个问题中谈到的，我们是一个科学研究机构。我们认为科学研究是一个长期的过程，并不是每项研究都能立即达到预期效果。实际上，你可以从那些看似未达预期的结果中学习到东西。

　　我们的人工智能研究大约在十年前就开始大量投入。如果你回顾过去的新闻会看到，我们聘请了一位在谷歌非常有名的natural language processing（自然语言处理）专家，引进到我们团队。大约8到9年前，我们就开始搭建我们的natural language processing，也就是大语言模型的雏形。在许多人谈论大语言模型之前，我们已经开始推动这项工作。这正是我们得益于我们的基因，正如我所说，我们的两位创始人，一位是科学家，一位是数学家，所以我们很早就意识到了这一点的重要性。

　　那么，能不能说发展过程是一条直线，没有任何挑战呢？不是的。只能说因为我们早点尝试，早点学习，可能累积的经验对我们来说很有帮助。

　　NBD：在一项新技术诞生之初，许多公司可能会专注于实现从0到1的突破。在众多致力于0到1突破的公司中，Two Sigma如何选择？

　　林国沣：实际上，并不存在一套简单的公式来指导我们的选择，我们的选择依赖于经验。比如说，当我们选择投资时，我们实际上是在投资团队，投资他们背后的IP和能力，以及我们对市场赛道的了解，这几个方面是我们最重视的。正如我刚刚提到的，能够累积经验并从中学习是非常重要的。根据科学研究，最重要的是你如何从挑战中学习。因此，我们已经学会了很多关于什么样的团队能够成功，什么样的数据可以发现alpha，以及什么样的技术能够投资，不是所有看起来有趣的IP和研究都适合投资。因此，识别和筛选这些因素是最重要的。

　　“金融碎片化促使我们去构建当地的团队”

　　NBD：您如何看待金融碎片化对量化投资机构如Two Sigma的影响？

　　林国沣：在论坛的讨论会上，我分享了两个主要观点。首先，我认为每件事情都有其积极的一面。虽然金融碎片化可能会导致交易成本的增加，但从我们的角度看，这反而是一个机会。我们之前提到，亚洲是我们在美国之外最大的市场。在亚洲，我们最大的两个市场是日本和中国。我们在这两个市场都投入了大量的资源，金融碎片化对我们来说是一个机遇，它促使我们去构建当地的团队。

　　美国之外，上海是我们唯一拥有研究交易、数据分析团队的地方。我们非常重视如何在当地构建团队，培养当地人才。这是金融碎片化带给我们的一个启示。在日本，我们也有很多工程师。过去我们未曾考虑在东京、上海部署工程师团队，但金融碎片化让我们看到了在东京，以及在上海等地方部署工程师的可能，这是一个很好的机会，可以更好地利用和发挥当地人才的能力。

　　NBD：在本土设立分公司，或者说雇用本土的工程师做分析工作，有没有为Two Sigma带来额外的收获？

　　林国沣：当然有的。例如，去年我们整个亚洲地区的表现非常出色，这在很大程度上得益于我们对当地市场的深度了解。我们的工作与美国及全球团队的联系非常紧密，并非简单的沟通。

　　他们（全球团队）拥有全球学习能力，我们可以将这种全球学习能力引入到亚洲，但并不是简单地将他们的能力直接应用到我们身上。同时，我们也与他们分享了我们对当地的深入研究理解。正因如此，我们创造了新的alpha（超额回报）。因此，可以说，这种所谓的碎片化反而为我们带来了回报。

　　NBD：是挑战也是机遇？

　　林国沣：当然，之前的方法可能是在全球一两个研究中心进行研究，因为当时没有金融碎片化，全球资本流通非常繁荣。但现在由于出现了碎片化现象，我们可能需要加快在各个地区团队的发展。

　　NBD：在全球金融市场中，Two Sigma是如何应对不断变化的市场环境和政策风险的？

　　林国沣：我认为，政策风险和市场变化是全球普遍存在的现象，亚洲的每个市场都存在这些风险。例如，亚洲的日本、韩国等市场都存在市场风险。对我们来说，投资并不是回避风险，而是要管理风险、了解风险，并在风险中寻找机会。

　　Two Sigma有两个特点。首先，我们的风险管理团队与科学团队是并行的。科学团队和研究团队的重点是发现机会，而风险管理团队和监管团队等则确保我们能在一个稳定的平台上找到并把握这些机会。因此，我们在这方面投入了很多资源，我们的风险管理和监管团队的人数超过了公司总人数的一半。特别是在当前波动性很大的环境下，有一个稳定的、非短期的平台，才能让客户从中享受长远的收益，因此我们在这方面的投入是巨大的。

　　除此之外，我们认为除了需要具备全球视野，亚洲的投资也需要接地气，需要了解当地的监管需求。因此，无论是在香港、东京还是上海，我们都有深入的监管研究和风险管理团队。