
在上一篇我们介绍了量化股票策略到底是怎么赚钱的,量化赚钱的方法和主观到底有什么本质区别杠杆股市配资平台,这一篇我们再来接着介绍一下如何区分不同的量化基金、量化策略啥时候失灵、量化策略在组合中的作用。
不同量化基金之间的区别?
知道了量化策略到底是怎么赚钱之后,我们就可以更好地从以下几个维度去拆解一只量化基金:

1)收益来源:赚Beta+Alpha,还是纯Alpha?
最主流的指增策略,赚的就是Beta+Alpha的钱,基金经理会选定一个市场指数作为基准Beta,模型会复制指数的大部分成分股进行跟踪,再留出一定的仓位用来增强。
既然有Beta+Alpha,那就会有人想要纯Alpha策略,也就是市场中性。它在指增策略的基础上,会同时做空等值的股指期货,就像左手买入500指增,右手卖出500期货,把大盘的涨跌对冲掉,只获得Beta之外的Alpha,这部分收益就不会跟随市场Beta的涨跌而上下起伏,成为一种绝对收益产品。在这里我们先不对中性策略做过多展开,后面我们也会有一篇单独的文章来分享一下我们所理解的中性策略。

而介于两者之间的,还有一种策略叫量化择时,它的仓位不会永远保持满仓,而是会根据模型算法进行仓位加减,通过仓位的调整来获取择时的阿尔法。另外,这类策略有时候也会搭配股指CTA来操作,更接近一种量化股票叠加CTA的复合策略。
2)基准选择:盯住哪个Beta?
这部分主要针对于指增策略,如果你选择保留Beta收益的话,那Beta选择谁?主流的选择包括沪深300、中证500、1000、2000等等,它们各自也都有着不同的特点,在此前我们也有介绍过,今天我们就来再次回顾一下它们的核心区别。
首先我们把常见的量化股多策略对标的主流指数,按成分股个数与平均流通市值进行分类,观察其风格。量化策略的主战场通常在中小盘区域,主要是因为中小盘股票数量多,主观机构覆盖度不足,更容易存在错误定价的机会,同时A股的中小盘风格长期也有着一定的小市值溢价,能够提供相对更高的预期收益。

从这些主流市场指数在过去5年的收益和波动的表现来看:

年化收益部分,大中盘指数普遍表现较差,当然,这也是因为5年前正好处于一个市场高点区域,在经历了大幅的波折后,A股整体终于又回到了新高附近。小微盘指数的收益整体较好,这也有指数编制特点的原因,小微盘本身的调仓换股低买高卖,以及较高频调仓的特征带来了一定的收益增强,这也是量化股多策略近几年更容易发挥超额的地方。
波动回撤部分,整体的规律是平均市值越小,指数波动越大。更多的股票数量、更高的市场波动,也给量化策略带来更多可发挥的空间。最大回撤数据不同指数间差异并不大,大盘和微盘在过去5年也都曾经历过40%左右的回撤。
如果仅仅是Beta本身,这样的投资体验确实并不算太友好。
所以,我们又看了一下,量化指增策略在一个较为平庸的Beta之上是否能够有较好的表现。假如我们在上一次市场的高点2022年初开始持有主流的指增策略,在经历一个市场的下跌和上涨周期之后,量化指增策略的表现如何。
整体来看,指增策略在不同Beta上都有着显著的超额,同时指数Beta的平均市值越小,策略也更容易做出超额。
从波动和回撤表现来看,指增的体验也明显更好,年化波动和最大回撤普遍在20%附近,相比刚才我们在上面看到的Beta指数普遍达到40%的最大回撤,形成明显对比。
Alpha,既可以代表更高的超额收益,也可以代表更小的波动更好的持有体验。

这里面我们还加入了一类特殊的量化策略,全市场选股,也就是并不明确某个特定的Beta,而是针对全市场进行选股增强,它们一般叫空气指增或量化选股,自由度相对会更高,哪里有超额就往哪里去,大家也可以简单理解为相对于万得全A的一个指数增强。
量化啥时候有效、啥时候失灵?
任何策略都不是圣杯,理解了量化如何赚钱,我们更需要知道它什么时候会失灵。
首先我们可以先看看量化策略什么时候最擅长?从上一篇文章的“超额收益=能力×机会”公式中可以看到,量化更偏好的环境是能力可以充分发挥(市场偏向于混乱)、交易机会数量非常多(流动性充沛+可选股票数量多),也就是一个更高波动和更离散的市场,为量化策略提供了更多捕捉错误定价的机会。
量化策略的超额收益本质上来自于对市场规律的捕捉与兑现,赚的是规律本身得以实现的钱。而一个足够波动的市场,恰恰为各类规律的出现创造了条件。同时,市场的大幅波动又会通过持续的交易行为,驱动价格在不同状态间快速切换,而这又带来了更高概率的规律的验证和兑现,从潜在的收益转化为真实的利润。
反过来看量化的逆境,也就一目了然了,也就是当市场进入低波动或者低离散的状态,多样化规律的土壤消失。一种情况是策略的同质化拥挤,大量策略争抢同样的规律信号,导致超额空间被压缩,而更危险的是,高度一致的持仓和交易行为也同步埋下了未来剧烈回撤的种子。
比如2023年微盘风格的一致共识,大家蜂拥而至,许多量化策略的持仓风格高度一致,当某个策略上的资金足够多的时候,它就变成了市场Beta本身,这时候已经和Alpha没有太大关系,大家赚的主要都是市场风格的钱,而这时反而会因为市场结构的拥挤脆弱,一个多米诺骨牌的倒塌就会引发踩踏,也就是2024年初所发生的事情。

另一种情况则是陌生风格的极致演绎,比如全市场只有大盘风格一枝独秀,以中小盘增强为主的量化策略难以适应,历史数据中的小概率情景使得模型暂时失效。比如2017年的大盘白马行情,部分量化策略当时未曾经历过这种行情,基于历史概率的计算反而输给了市场狂热的情绪。当然,在经历了越来越多的市场周期之后,量化策略也就能完成更好的迭代,从而应对更多的场景,这也是我们在挑选量化策略时,要着重观察在不同场景下该策略的实际表现。

这些可能失效的场景,其实也解释了为什么量化管理人总在强调迭代和进化。我们面对的不是一个静态的市场,而是一个因为市场参与者行为变化而不断演化的生态系统。昨天有效的因子,今天就可能因为交易的拥挤而钝化,去年管用的模型,今年就可能因为市场结构的变迁而失效。必须不断地奔跑,才能使得超额不断持续。
一个策略的韧性,其实也恰恰体现在那些至暗时刻之后。只要模型捕捉Alpha的能力这一内核仍然成立,那么最终通常会在Beta的回升与Alpha的累积中,完成相比指数更快的修复。24年初微盘股危机就是一次残酷的考验,在恐慌中赎回的人,失去的不仅是后来的反弹,更是那种穿越周期后才能获得的复利回报。留下来的人,在924之后,在今年,都获得了丰厚的奖励。

在下跌面前,所有人都会感到相同的恐惧,但只有真正理解策略底层逻辑的人,才能战胜情绪的摆布。这也是我们在具体产品之前,更想讲清楚量化这个策略到底是怎么赚的钱。
因为恐慌往往来自于,并不是真的理解。
量化股票策略在组合里面的意义
量化策略在多策略组合中的价值,不在于它比主观策略更优越,而在于它提供了一种本质上不同的收益风险来源,实现了真正的分散配置。
在进攻仓中,主观股多依赖深度研究,赚的是对企业价值和产业趋势的认知差。而量化股多,依赖的是对股价规律的统计捕捉,赚的是多样化规律验证的钱。两者的底层逻辑互不依赖,因此在同一市场环境下的表现也会呈现错位。当市场进入结构性行情时,主观策略能够集中火力捕捉主线,而当市场呈现高波动的震荡格局时,量化策略也会更有优势。

量化股多在配置中的角色,其实取决于你赋予它什么样的期待。在一个进攻性的组合里,它可以是那部分“更可追踪、更可解释”的进攻仓位,而在偏均衡的配置中,它又能补足你缺失的那一点锐度。在进攻三策略组合中,当主观股多、量化股多与宏观策略这三者共存时,它们会呈现出某种默契的互补,在市场不同的状态下,找到最适合的位置。
比如在924行情之前,市场陷在悲观叙事的循环里,宏观策略成了组合重要的支柱。而当政策转向之后,量化又展现了它进攻性的特点,同时主观股多和宏观策略也同样发挥较好,使得组合在不同的环境中最后都交出了一个满意的答卷。

多策略价值的体现,就是在不同的市场环境下,都有策略处于一个最佳状态,从而避免了单一方法论必然面临的周期性失效。承认没有所谓全天候的单一完美策略,而是用不同策略的多样性来共同面对市场的不确定性,组合的韧性不来自某一个策略的强大,而是来自策略之间的互补与接力。
读到这里,关于如何选择量化策略,相信你也逐渐有了自己的答案。笼统地聊如何选基金,往往容易泛化而无太多增量价值,如果不深入细节其实没有太多实际意义,所以也欢迎你来找我们分享更多具体的配置思路。
量化投资,并不是人们想象中的印钞机,它无法预测黑天鹅,也无法在极端天气中毫发无伤,它所做的,是基于历史数据,试图在混沌的市场中,找到那个胜率超过50%的概率优势,去日复一日地积累微小的正确。
理解了它的能力边界,看清了它的不完美,我们才能真正实事求是地将其纳入我们的资产配置规划。我们需要的也并不是一个完美的策略,而是一个由不同逻辑、不同风险收益来源所共同构成的、具备韧性的多策略组合。
鼎宏优配提示:文章来自网络,不代表本站观点。