量化基金越來越復雜？量化啥時候失靈？一篇文章講清楚

在上一篇我們介紹了量化股票策略到底是怎么賺錢的，量化賺錢的方法和主觀到底有什么本質(zhì)區(qū)別，這一篇我們再來接著介紹一下如何區(qū)分不同的量化基金、量化策略啥時候失靈、量化策略在組合中的作用。

不同量化基金之間的區(qū)別？

知道了量化策略到底是怎么賺錢之后，我們就可以更好地從以下幾個維度去拆解一只量化基金：

1）收益來源：賺Beta+Alpha，還是純Alpha？

最主流的指增策略，賺的就是Beta+Alpha的錢，基金經(jīng)理會選定一個市場指數(shù)作為基準Beta，模型會復制指數(shù)的大部分成分股進行跟蹤，再留出一定的倉位用來增強。

既然有Beta+Alpha，那就會有人想要純Alpha策略，也就是市場中性。它在指增策略的基礎上，會同時做空等值的股指期貨，就像左手買入500指增，右手賣出500期貨，把大盤的漲跌對沖掉，只獲得Beta之外的Alpha，這部分收益就不會跟隨市場Beta的漲跌而上下起伏，成為一種絕對收益產(chǎn)品。在這里我們先不對中性策略做過多展開，后面我們也會有一篇單獨的文章來分享一下我們所理解的中性策略。

而介于兩者之間的，還有一種策略叫量化擇時，它的倉位不會永遠保持滿倉，而是會根據(jù)模型算法進行倉位加減，通過倉位的調(diào)整來獲取擇時的阿爾法。另外，這類策略有時候也會搭配股指CTA來操作，更接近一種量化股票疊加CTA的復合策略。

2）基準選擇：盯住哪個Beta？

這部分主要針對于指增策略，如果你選擇保留Beta收益的話，那Beta選擇誰？主流的選擇包括滬深300、中證500、1000、2000等等，它們各自也都有著不同的特點，在此前我們也有介紹過，今天我們就來再次回顧一下它們的核心區(qū)別。

首先我們把常見的量化股多策略對標的主流指數(shù)，按成分股個數(shù)與平均流通市值進行分類，觀察其風格。量化策略的主戰(zhàn)場通常在中小盤區(qū)域，主要是因為中小盤股票數(shù)量多，主觀機構覆蓋度不足，更容易存在錯誤定價的機會，同時A股的中小盤風格長期也有著一定的小市值溢價，能夠提供相對更高的預期收益。

從這些主流市場指數(shù)在過去5年的收益和波動的表現(xiàn)來看：

年化收益部分，大中盤指數(shù)普遍表現(xiàn)較差，當然，這也是因為5年前正好處于一個市場高點區(qū)域，在經(jīng)歷了大幅的波折后，A股整體終于又回到了新高附近。小微盤指數(shù)的收益整體較好，這也有指數(shù)編制特點的原因，小微盤本身的調(diào)倉換股低買高賣，以及較高頻調(diào)倉的特征帶來了一定的收益增強，這也是量化股多策略近幾年更容易發(fā)揮超額的地方。

波動回撤部分，整體的規(guī)律是平均市值越小，指數(shù)波動越大。更多的股票數(shù)量、更高的市場波動，也給量化策略帶來更多可發(fā)揮的空間。最大回撤數(shù)據(jù)不同指數(shù)間差異并不大，大盤和微盤在過去5年也都曾經(jīng)歷過40%左右的回撤。

如果僅僅是Beta本身，這樣的投資體驗確實并不算太友好。

所以，我們又看了一下，量化指增策略在一個較為平庸的Beta之上是否能夠有較好的表現(xiàn)。假如我們在上一次市場的高點2022年初開始持有主流的指增策略，在經(jīng)歷一個市場的下跌和上漲周期之后，量化指增策略的表現(xiàn)如何。

整體來看，指增策略在不同Beta上都有著顯著的超額，同時指數(shù)Beta的平均市值越小，策略也更容易做出超額。

從波動和回撤表現(xiàn)來看，指增的體驗也明顯更好，年化波動和最大回撤普遍在20%附近，相比剛才我們在上面看到的Beta指數(shù)普遍達到40%的最大回撤，形成明顯對比。

Alpha，既可以代表更高的超額收益，也可以代表更小的波動更好的持有體驗。

這里面我們還加入了一類特殊的量化策略，全市場選股，也就是并不明確某個特定的Beta，而是針對全市場進行選股增強，它們一般叫空氣指增或量化選股，自由度相對會更高，哪里有超額就往哪里去，大家也可以簡單理解為相對于萬得全A的一個指數(shù)增強。

量化啥時候有效、啥時候失靈？

任何策略都不是圣杯，理解了量化如何賺錢，我們更需要知道它什么時候會失靈。

首先我們可以先看看量化策略什么時候最擅長？從上一篇文章的“超額收益=能力×機會”公式中可以看到，量化更偏好的環(huán)境是能力可以充分發(fā)揮（市場偏向于混亂）、交易機會數(shù)量非常多（流動性充沛+可選股票數(shù)量多），也就是一個更高波動和更離散的市場，為量化策略提供了更多捕捉錯誤定價的機會。

量化策略的超額收益本質(zhì)上來自于對市場規(guī)律的捕捉與兌現(xiàn)，賺的是規(guī)律本身得以實現(xiàn)的錢。而一個足夠波動的市場，恰恰為各類規(guī)律的出現(xiàn)創(chuàng)造了條件。同時，市場的大幅波動又會通過持續(xù)的交易行為，驅(qū)動價格在不同狀態(tài)間快速切換，而這又帶來了更高概率的規(guī)律的驗證和兌現(xiàn)，從潛在的收益轉(zhuǎn)化為真實的利潤。

反過來看量化的逆境，也就一目了然了，也就是當市場進入低波動或者低離散的狀態(tài)，多樣化規(guī)律的土壤消失。一種情況是策略的同質(zhì)化擁擠，大量策略爭搶同樣的規(guī)律信號，導致超額空間被壓縮，而更危險的是，高度一致的持倉和交易行為也同步埋下了未來劇烈回撤的種子。

比如2023年微盤風格的一致共識，大家蜂擁而至，許多量化策略的持倉風格高度一致，當某個策略上的資金足夠多的時候，它就變成了市場Beta本身，這時候已經(jīng)和Alpha沒有太大關系，大家賺的主要都是市場風格的錢，而這時反而會因為市場結構的擁擠脆弱，一個多米諾骨牌的倒塌就會引發(fā)踩踏，也就是2024年初所發(fā)生的事情。

另一種情況則是陌生風格的極致演繹，比如全市場只有大盤風格一枝獨秀，以中小盤增強為主的量化策略難以適應，歷史數(shù)據(jù)中的小概率情景使得模型暫時失效。比如2017年的大盤白馬行情，部分量化策略當時未曾經(jīng)歷過這種行情，基于歷史概率的計算反而輸給了市場狂熱的情緒。當然，在經(jīng)歷了越來越多的市場周期之后，量化策略也就能完成更好的迭代，從而應對更多的場景，這也是我們在挑選量化策略時，要著重觀察在不同場景下該策略的實際表現(xiàn)。

這些可能失效的場景，其實也解釋了為什么量化管理人總在強調(diào)迭代和進化。我們面對的不是一個靜態(tài)的市場，而是一個因為市場參與者行為變化而不斷演化的生態(tài)系統(tǒng)。昨天有效的因子，今天就可能因為交易的擁擠而鈍化，去年管用的模型，今年就可能因為市場結構的變遷而失效。必須不斷地奔跑，才能使得超額不斷持續(xù)。

一個策略的韌性，其實也恰恰體現(xiàn)在那些至暗時刻之后。只要模型捕捉Alpha的能力這一內(nèi)核仍然成立，那么最終通常會在Beta的回升與Alpha的累積中，完成相比指數(shù)更快的修復。24年初微盤股危機就是一次殘酷的考驗，在恐慌中贖回的人，失去的不僅是后來的反彈，更是那種穿越周期后才能獲得的復利回報。留下來的人，在924之后，在今年，都獲得了豐厚的獎勵。

在下跌面前，所有人都會感到相同的恐懼，但只有真正理解策略底層邏輯的人，才能戰(zhàn)勝情緒的擺布。這也是我們在具體產(chǎn)品之前，更想講清楚量化這個策略到底是怎么賺的錢。

因為恐慌往往來自于，并不是真的理解。

量化股票策略在組合里面的意義

量化策略在多策略組合中的價值，不在于它比主觀策略更優(yōu)越，而在于它提供了一種本質(zhì)上不同的收益風險來源，實現(xiàn)了真正的分散配置。

在進攻倉中，主觀股多依賴深度研究，賺的是對企業(yè)價值和產(chǎn)業(yè)趨勢的認知差。而量化股多，依賴的是對股價規(guī)律的統(tǒng)計捕捉，賺的是多樣化規(guī)律驗證的錢。兩者的底層邏輯互不依賴，因此在同一市場環(huán)境下的表現(xiàn)也會呈現(xiàn)錯位。當市場進入結構性行情時，主觀策略能夠集中火力捕捉主線，而當市場呈現(xiàn)高波動的震蕩格局時，量化策略也會更有優(yōu)勢。

量化股多在配置中的角色，其實取決于你賦予它什么樣的期待。在一個進攻性的組合里，它可以是那部分“更可追蹤、更可解釋”的進攻倉位，而在偏均衡的配置中，它又能補足你缺失的那一點銳度。在進攻三策略組合中，當主觀股多、量化股多與宏觀策略這三者共存時，它們會呈現(xiàn)出某種默契的互補，在市場不同的狀態(tài)下，找到最適合的位置。

比如在924行情之前，市場陷在悲觀敘事的循環(huán)里，宏觀策略成了組合重要的支柱。而當政策轉(zhuǎn)向之后，量化又展現(xiàn)了它進攻性的特點，同時主觀股多和宏觀策略也同樣發(fā)揮較好，使得組合在不同的環(huán)境中最后都交出了一個滿意的答卷。

多策略價值的體現(xiàn)，就是在不同的市場環(huán)境下，都有策略處于一個最佳狀態(tài)，從而避免了單一方法論必然面臨的周期性失效。承認沒有所謂全天候的單一完美策略，而是用不同策略的多樣性來共同面對市場的不確定性，組合的韌性不來自某一個策略的強大，而是來自策略之間的互補與接力。

讀到這里，關于如何選擇量化策略，相信你也逐漸有了自己的答案。籠統(tǒng)地聊如何選基金，往往容易泛化而無太多增量價值，如果不深入細節(jié)其實沒有太多實際意義，所以也歡迎你來找我們分享更多具體的配置思路。

量化投資，并不是人們想象中的印鈔機，它無法預測黑天鵝，也無法在極端天氣中毫發(fā)無傷，它所做的，是基于歷史數(shù)據(jù)，試圖在混沌的市場中，找到那個勝率超過50%的概率優(yōu)勢，去日復一日地積累微小的正確。

理解了它的能力邊界，看清了它的不完美，我們才能真正實事求是地將其納入我們的資產(chǎn)配置規(guī)劃。我們需要的也并不是一個完美的策略，而是一個由不同邏輯、不同風險收益來源所共同構成的、具備韌性的多策略組合。