e="font-size: 16px; font-family: 微软雅黑, "Microsoft YaHei";">
以后再有人傲慢的问我你知道CNN，你知道DNN吗？老子就会毫不客气的反问他，你知道NND是什么意思吗？你知道ZB算法吗？你知道什么是CGW吗？
第二，我真的查到人工智能的定义了。 有一篇网文《科技深谈：人工智能的定义》前面洋洋洒洒写了大半篇，最后一句话：
拉斐尔（Raphael）的说法最贴切：“人工智能是一门科学，这门科学让机器做人类需要智能才能完成的事。”
拉斐尔是谁，我也不知道，但他说的对啊，智不智能看效果，管他到底用了CNN，DNN，还是什么其他ZB，CGW算法。
另外，任正非也说了，人工智能就是计算机+统计学。 所以也不要觉得只有python能开发人工智能算法，老子用的SAS 也能，而且运算速度更牛逼。
第三，我们的系统真的已经做到了，真正的机器学习系统，没有任何人为设定的投资理念，市场预判，系统完全通过特定的算法根据市场的变化自适应计算各种参数；历时十年的历史数据回测达到良好的效果，IC 0.1左右，超额收益年化50%左右，超额收益的夏普比例超过6。
质疑3： 关于回测
大家对回测的轻视态度，早在意料之中。原因也不难理解，回测是细节太多，很多人的回测是不可信的，包括一些初级量化投资的网站上的回测，包括一些软件上的回测，包括一些券商报告里的回测。但一家真正的量化投资公司，必须有一套强大可信的策略回测系统。
有人说他看到很多回测好的策略，后来表现的很糟糕。这里面其实有这么几种可能：
１、 第一种，就是原来的回测有问题，策略本身就不是好策略。这一点，我觉得我们的回测系统或许还会有些特别细节的问题，我还没发现，但不会有太大的问题。我们这套回测系统是2015年建立的，系统的实盘也是2015年开始的，最大管理规模四个多亿。实盘和模拟盘跟踪对比了三年多了，可以确定在净值计算，可交易性上都没有问题。而且专门做了未来函数测试，也没有什么可能有未来数据的数据。
２、 第二种，回测没有错误，但是策略却不是好策略。这种情况是很常见的，很多短线择时类的策略，ｂｅｔａ类的策略，经常会出现这种情况，回测好不代表真的好，就跟过去历史实盘业绩好，不代表未来业绩好一样。很多对历史业绩没有鉴别评价能力的投资者，对回测同样没有鉴别评价能力。这一点，不应该给回测特别的歧视。但是我搞了这么多年量化策略了，我是很清楚什么策略是可靠的，比如像期货CTA，股票短期择时之类的策略，我很多年前就不研究了。一套系统，我自己盘了十一年，尤其是最近几年，全年无休的盘，就是因为我相信这套策略的生命力和商业价值.
３、 第三种，回测盘和模拟盘的区别，远小于实盘２０１６年的和实盘２０１７年的区别.就是回测没有问题，策略也没有问题，但是因为回测和实盘不在一个时间段里，因为不同时间的因素产生了很大差异。这个问题，我确实是遇到了，也因此遭受了挫折和困扰。那么就把系统继续升级完善，然后毅然前行。
质疑4 ： 关于实盘
这套系统真正意义上的实盘，开始于２０１５年下半年，最多管理果四个多亿的实盘资金，但是都是在ＭＯＭ基金的账户里管一部分资金，包括后来在券商自营里做，也是没有独立的可公开资金曲线，但是当时效果确实不错，否则也不会出来创业做私募。２０１７年开始私募了，但是业绩并不好，业绩不好的原因有策略不够完善的原因，有当年特殊行情的原因，也有我个人主观操作的原因。２０１８年各方面也是遭遇了很多变化，也没有拿的出手的曲线。
考虑到量化投资系统的不断迭代更新，最新策略的回测比历史业绩更重要。
另一方面，我对坚持做实盘的态度是十分坚定的。２０１４年为了争取实盘测试这套系统的机会，我辞去了公募基金经理的职位。２０１５至今，每次系统的实盘测试被外力中止的时候，换工作，换股东都是我的第一反应。我是不惧怕市场检验的，真正惧怕的是没有机会被市场检验。搞科学实验，失败了可以重来，但是做投资，失败了不会总有人给你机会。所以对于愿意使用我们系统进行投资的合作伙伴，我是分文不取的，有的我还自己跟投了。
质疑5： 关于团队
很多人觉得没有个团队好像就没法做量化投资一样,关于团队，我只想说很多创造性的劳动，在初期都是由一两个人完成的，只是后来被团队接手了。诺贝尔奖从来都是只颁发给个人，而不是颁发给团队的。
质疑6 ：关于美国
质疑的声音就是美国是量化投资最牛的国家，为什么他们没有做出来？ 我觉得这个问题应该去质问他们，或许他们会这么回答，我们的市场是高度成熟的市场，没有你们那么多傻X的股民，也就没有那么好的获利机会。
被质疑是很正常的，因为我现在给大家看的回测是大家前所未见的。我们的系统现在有实盘在运行，也许用不了几个月大家就会看到这篇文章的标题所言非虚。
展开阅读全文
