上半年量化投资业绩亮眼的管理人，原来这么玩

仅两年时间，量化投资市场的风向从“无人不量化”转变为“不要谈量化”。

孰不知， 2017年上半年量化市场经过一声叹息后，也已悄然分化。

一方面，没扛住市场风格变化风浪的老管理人频遭赎回；另一方面，瞅准机会的新管理人跃跃欲试。

一方面，风险暴露不当导致策略失效的管理人业绩折戟；另一方面，保持因子暴露均衡严格风控的管理人仍获得不错的α收益。

量化如何不死

当人们讨论起今年上半年的量化投资业绩不佳时，往往把原因归咎于市场风格转变。诚然，市场风格突变导致小市值因子失效，波动率不足使得CTA策略难以获利，股指持续贴水也使得对冲策略难以覆盖成本。然而，在寻找客观因素的同时，或许也应该思考一下管理人主观因素的存在。

1、策略选择结合自身禀赋及市场现状

按照风险程度从低到高分类，量化策略可分为打新、套利、债券、市场中性（Alpha策略）、股票多头、CTA、宏观对冲等多个大类。管理人若不能对各类策略有清晰的认知及精准的选择，很容易在今年的市场环境中业绩折戟。

曾就职于美国巴克莱全球投资（BGI，现贝莱德），现任华泰柏瑞基金管理有限公司副总经理兼量化投资负责人田汉卿在8月19日智信资产管理研究院举办的“基于量化投资的多策略配置”活动中表示：

当前的量化投资大致可以分为两大类：一是基于算法的量化，二是基于基本面的量化。两者的主要区别在于，基于算法的量化一开始不一定需要投资逻辑，可以通过分析大量数据开始寻找规律。而基本面量化首先必须有一个如何获取超额收益的投资逻辑，然后用数据验证这个逻辑能否成立。

在可获得绝对收益的量化投资策略：高频交易、CTA、套利、事件套利、宏观对冲及多因子选股策略中，前四类策略的市场容量相对较小，波动率也较小。

华泰柏瑞旗下量化基金主要运用 “基于基本面分析的多因子选股策略” ，并在今年上半年取得了亮眼的成绩。

“多因子选股策略容量较大，波动较小，也是市场中运用比较多的一类量化投资策略。每家做法不一样，以华泰柏瑞为例，我们的Alpha模型把80多个因子分为七组，各组因子绑在一起使用，获取超额收益的稳定性会比单独的因子高很多。从运行结果来看，产品月胜率基本保持在80%以上，这个模型总体来说是有效的，比较可靠。” 田汉卿表示。

2、严格风控很重要，借助科技是王道

策略选择对了后，是否能做到严格的风控也是量化投资业绩好坏的重要因素。

“华泰柏瑞量化投资的风控是非常严格的，今年一些量化产品的500增强超额收益为负，而华泰柏瑞到今年7月底有超过18%的正收益，超额收益比往年还要好。一个主要的原因是对风险暴露控制非常严格。 我们在α因子构建过程中，要对所有的风险因子做中性化处理，其中我们使用的最大的风险因子是市值因子，尽管市值因子在A股市场之前一直有很好的超额收益，但是我们的投资理念中，市值因子是有风险的，所以我们的投资组合尽可能保持对市值因子的风险暴露为中性，以中证500指数为跟踪基准的投资策略可以做到对市值因子的暴露接近于零。这保证了我们的超额收益在今年市值因子回撤时并不受影响。 ”

“另外，我们的因子权重配置是比较均衡的，因为没有任何因子是没有风险的，只有平衡分配权重才能最大程度减少超额收益回撤，实现比较稳定的超额收益。”田汉卿分享到。

在量化投资风控系统建设方面，深圳博普科技有限公司有着多年的实战经验，并经受住了今年市场风格变化的考验。博普科技的风控环节包括： 事前防范交易异常、事中监控实时情况、事后复核交易执行 三个环节。

“博普自主研发的交易系统可以根据策略和产品要求进行功能配置，增加了流动性控制、乌龙指预防、频繁挂撤限制等功能。在增加大量风控的情况下，策略下单到券商网关延时可以低至几百纳秒。一旦能做到实时监控，就能做到及时的预警和止损。”深圳万维资产投资有限公司首席投资官兼博普科技海外市场投资总监费鹏在活动上介绍。

与过去相比，现在的量化投资市场技术指标变得越来越重要。 “现在算法太多了，一个最新的数据显示，国外差不多70%-80%以上的交易量来自算法交易。这种情况下技术指标告诉管理人信息是最快的。” 费鹏表示。利用技术去完善风控，优化多策略多资产的配置组合成为趋势，这也是博普科技与中航信托等机构打造万维资产的初衷。

费鹏强调， 配置的逻辑并不是一定要牺牲收益率，而是要尽可能找相关度低的不同资产，并及时动态调整各资产和策略的权重。 资产配置的目的是在不牺牲预期收益率的基础上降低收益波动率和回撤。配置策略的筛选信号可以来源于多个方面，诸如宏观经济指标、政策变化、各资产所在市场的基本面数据、技术性指标、市场情绪、流动性以及波动率等等。

而AI对量化投资到底能起到多大的推动作用？费鹏解释道：“可以从三方面来看这个问题。第一是在量化投资中策略开发的应用方面，可以利用机器学习挖掘海量历史数据中的关联性；二是在策略配置应用方面，通过运用不同的模型来寻找资产价格周期隐含的历史规律，更精准的划分各资产所特有的敏感周期，对多策略组合进行动态调整；三是在量化投资的动态调整方面，比如可以对历史上出现的极端情况做极值检测，作为人工干预的依据。”