“當(dāng)市場出現(xiàn)歷史上未曾出現(xiàn)過的樣本特征時，量化模型的預(yù)測難度會明顯上升，部分周期上的預(yù)測力可能減弱，這是量化投資需要正視的現(xiàn)實。”
“越是在極端行情中，越需要避免基于短期情緒頻繁干預(yù)模型運行，而是應(yīng)該保持策略執(zhí)行的一致性和穩(wěn)定性。”
“技術(shù)進步為尋找新的alpha來源提供了可能性，但能否轉(zhuǎn)化為實際成果，仍需經(jīng)過具體評測和風(fēng)險管理檢驗。”
“長期來看，超額的持續(xù)性仍取決于管理人的研究深度和迭代速度，但短期來看，行業(yè)規(guī)?？焖贁U張帶來的容量壓力，是需要被充分正視的現(xiàn)實。”
“當(dāng)前量化私募行業(yè)正處于范式迭代的關(guān)鍵階段，極致波動的市場行情既是挑戰(zhàn)，也是超額收益拓展新邊界的催化劑。”
以上是穩(wěn)博投資創(chuàng)始合伙人鄭耀在好買TV“穿越迷霧•把脈時代，甄別策略”系列直播中發(fā)表的精彩觀點。
近年來，量化選股策略以其亮眼的超額表現(xiàn)贏得了越來越多投資者的關(guān)注。但在今年高分化高波動的市場環(huán)境中，量化選股策略波動加大，且管理人超額收益出現(xiàn)明顯分化。
如何看待市場環(huán)境帶來的挑戰(zhàn)？在新的規(guī)模臺階和技術(shù)沖擊中，量化alpha如何拓邊界，再生長？
在好買TV穿越迷霧系列穩(wěn)博投資專場直播中，穩(wěn)博投資創(chuàng)始合伙人鄭耀分享了他對于量化alpha新邊界與再生長的觀點。
以下內(nèi)容整理自直播實錄：
波動中，堅守風(fēng)險約束和投資紀(jì)律
7月以來A股波動加劇，其背后有多重因素交織，海外市場的去杠桿和科技板塊調(diào)整引發(fā)了跨市場聯(lián)動效應(yīng)，疊加國內(nèi)市場前期漲幅積累后的獲利回吐壓力和投資者情緒的集中釋放，多種力量共振形成了較大幅度的調(diào)整。
但是本輪調(diào)整與2024年初的小微盤流動性沖擊存在明顯差異。2024年初的極端行情中，部分小微盤股票出現(xiàn)了流動性幾乎枯竭的狀況，交易本身難以執(zhí)行。而本輪調(diào)整中，市場多數(shù)股票仍然可以正常成交，并未出現(xiàn)大面積的流動性缺失。
不過這并不意味著此輪波動對量化策略影響更小，當(dāng)前對量化產(chǎn)品表現(xiàn)造成壓力的，是跨市場的負(fù)反饋循環(huán)和投資者的情緒性賣出。后續(xù)量化選股策略回升更依賴情緒企穩(wěn)，而不能只靠流動性恢復(fù)。
當(dāng)市場出現(xiàn)歷史上未曾出現(xiàn)過的樣本特征時，量化模型的預(yù)測難度會明顯上升，部分周期上的預(yù)測力可能減弱，這是量化投資需要正視的現(xiàn)實。
應(yīng)對這一局面的關(guān)鍵不在于試圖提前預(yù)判未見樣本的方向，而在于兩個層面的管理。一是風(fēng)險預(yù)算機制：在模型預(yù)測力下降的周期或方向上，主動收縮風(fēng)險暴露，將可能的回撤控制在可承受的范圍內(nèi)。
二是投資紀(jì)律：越是在極端行情中，越需要避免基于短期情緒頻繁干預(yù)模型運行，而是應(yīng)該保持策略執(zhí)行的一致性和穩(wěn)定性。風(fēng)險約束和投資紀(jì)律需要同時發(fā)揮作用，前者管理敞口規(guī)模，后者管理決策流程，兩者缺一不可。
做好AI賦能，拓展量化alpha新邊界
傳統(tǒng)的量化投資模型通常是一個分步驟的流水線——研究員先根據(jù)經(jīng)驗和理論構(gòu)建因子，對原始數(shù)據(jù)進行特征工程處理，再將加工后的特征送入預(yù)測模型。這個過程高度依賴人工設(shè)計，每個環(huán)節(jié)都包含主觀判斷。
穩(wěn)博主打的端到端機器學(xué)習(xí)量化模型的核心思路是盡可能減少中間的人工環(huán)節(jié)，讓模型直接從原始的結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)中學(xué)習(xí)規(guī)律并輸出預(yù)測結(jié)果。減少人工環(huán)節(jié)的意義在于，模型有機會發(fā)現(xiàn)研究員在特征工程中可能遺漏的信號和規(guī)律，也能夠更直接地處理多元數(shù)據(jù)類型。
但是，更復(fù)雜的模型架構(gòu)并不一定意味著更強的預(yù)測能力。端到端模型的訓(xùn)練過程可能更像“黑盒”——模型從數(shù)據(jù)中提取信號、做出判斷的內(nèi)部過程難以完全解釋。因此，在評測和風(fēng)險管理環(huán)節(jié)應(yīng)盡量保持“白盒”，對模型表現(xiàn)的評價標(biāo)準(zhǔn)和風(fēng)險約束機制要做到透明、可控、可追溯。在當(dāng)前階段，端到端模型更適合作為傳統(tǒng)模型體系的補充，與已有模型配合使用，而非對傳統(tǒng)方法的全面替代。
與當(dāng)前大家較為熟悉的GPT、Deepseek等大語言模型相比，雖然兩者都屬于深度學(xué)習(xí)技術(shù)的應(yīng)用，但量化投資中的端到端模型和通用大語言模型在參數(shù)規(guī)模、訓(xùn)練樣本和任務(wù)目標(biāo)等方面存在明顯差異。
參數(shù)規(guī)模上，大語言模型的參數(shù)量通常遠(yuǎn)大于量化模型。訓(xùn)練樣本上，大語言模型使用的文本數(shù)據(jù)規(guī)模也遠(yuǎn)超金融市場的交易數(shù)據(jù)。任務(wù)目標(biāo)上，大語言模型面向自然語言的理解和生成，量化模型的目標(biāo)則是金融市場的預(yù)測和交易決策。
不過，大語言模型技術(shù)對量化投資也有巨大價值。一方面，大語言模型發(fā)展過程中積累的部分網(wǎng)絡(luò)架構(gòu)設(shè)計和訓(xùn)練方法可以為量化模型提供借鑒。另一方面，隨著傳統(tǒng)中低頻價量因子的挖掘難度不斷上升，新聞、公告、輿情等非標(biāo)準(zhǔn)信息的系統(tǒng)化利用正在成為量化alpha邊界拓展的重要方向。大語言模型在處理這類非結(jié)構(gòu)化文本方面具有天然優(yōu)勢，有可能幫助量化團隊將過去難以系統(tǒng)化利用的信息轉(zhuǎn)化為有效的模型輸入。
但這些仍然是技術(shù)路徑和研究方向?qū)用娴挠懻摚捎眯录夹g(shù)并不一定能直接轉(zhuǎn)化為更高的超額收益。技術(shù)進步為尋找新的阿爾法來源提供了可能性，但能否轉(zhuǎn)化為實際成果，仍需經(jīng)過具體評測和風(fēng)險管理檢驗。
適應(yīng)環(huán)境變化，量化alpha再生長
2024年9月底以來，量化私募行業(yè)管理規(guī)模持續(xù)增長。量化行業(yè)存在一個容易被忽視的反饋機制：當(dāng)產(chǎn)品階段性表現(xiàn)較好時，業(yè)績吸引投資者申購，申購帶來規(guī)模增長，而規(guī)模增長本身又會改變策略運行的市場環(huán)境。這種正反饋在順利階段可以推動行業(yè)快速擴張，但市場能夠承載的策略容量終究是有限的。當(dāng)行業(yè)整體規(guī)?？焖倥蛎?，大量相似策略在相近的市場空間中競爭，擁擠度上升，超額獲取的難度自然隨之加大。
比如2021年行業(yè)快速擴容后，部分量化策略出現(xiàn)了階段性超額回撤，但隨后超額又逐步修復(fù)并創(chuàng)新高。這個案例說明，規(guī)模與超額并不是簡單的線性關(guān)系，快速擴容階段可能伴隨擁擠和波動，但隨著量化策略體系的迭代，超額可能會在新的管理規(guī)模量級再次企穩(wěn)。當(dāng)前行業(yè)面臨的規(guī)模與容量矛盾，與2021那一輪經(jīng)歷有相似的底層邏輯。
長期來看，超額的持續(xù)性仍取決于管理人的研究深度和迭代速度，但短期來看，行業(yè)規(guī)?？焖贁U張帶來的容量壓力，是需要被充分正視的現(xiàn)實。
再回到2026年以來的量化超額收益走勢。2026 年上半年市場最突出的特點是結(jié)構(gòu)分化和動量特征在持續(xù)時間和幅度上都達(dá)到了較極致的水平。
過去幾年，市場風(fēng)格雖然也有階段性切換，但通常在較短時間內(nèi)就會出現(xiàn)一定程度的均值回復(fù)。而今年以來，單一方向上的趨勢延續(xù)時間更長、力度更強，風(fēng)格輪動的節(jié)奏明顯放緩。這種更長、更極致的動量行情，超出了部分歷史樣本的常見范圍，也提高了依賴歷史規(guī)律的模型的預(yù)測難度。
這種極致的結(jié)構(gòu)分化本身，就構(gòu)成了歷史上較為罕見的市場樣本。這種市場環(huán)境下，各量化管理人的超額收益會有較大分化。不同管理人的研究路徑和模型迭代節(jié)奏存在差異，面對同樣的市場環(huán)境，適應(yīng)速度也會不同。但這也說明市場仍存在大量未被挖掘的差異化alpha，是行業(yè)良性發(fā)展信號。
量化產(chǎn)品層面，不同量化指增策略可能錨定不同的基準(zhǔn)指數(shù)，也對應(yīng)不同的風(fēng)險暴露和波動特點。因此，在配置層面應(yīng)重視均衡，理解不同產(chǎn)品在組合中的角色和對應(yīng)的風(fēng)險特征。
總結(jié)來看，當(dāng)前量化私募行業(yè)正處于范式迭代的關(guān)鍵階段，極致波動的市場行情既是挑戰(zhàn)，也是超額收益拓展新邊界的催化劑。
短期規(guī)模擁擠、極端行情會帶來超額波動，但依托端到端機器學(xué)習(xí)模型賦能、多源數(shù)據(jù)挖掘的技術(shù)革新，量化行業(yè)長期增長邏輯仍然明確。對投資者而言，應(yīng)以長期視角看待量化選股策略的超額獲取，并秉承均衡配置的思維，跟隨行業(yè)技術(shù)迭代把握持續(xù)生長的alpha機遇。
風(fēng)險提示：投資有風(fēng)險，決策須謹(jǐn)慎。文中觀點不代表平臺投資意見，內(nèi)容僅供參考并不構(gòu)成任何投資及應(yīng)用建議。未經(jīng)好買財富授權(quán)許可，任何機構(gòu)和個人不得以任何形式復(fù)制、引用本文內(nèi)容和觀點，包括不得制作鏡像及提供指向鏈接，好買財富就此保留一切法律權(quán)利。
