中国量化私募管理人报告.pdf

寻找f心需笠STARS阴日巨子中国量化私募管理人报告勹2023寻找明日巨子中国量化私募管理人报告 202302目录CONTENTS量化投资的起源及发展历程量化策略的细分迭代01.海外量化基金发展历程01.策略方法：打开黑箱 机器学习模型的发展与普及02.股票量化：收益风险特征差异化带动策略线不断丰富02.商品期货：CTA 策略的 Alpha 与 Beta02.国内量化私募发展历程纵身入山海卷首语第二章第一章0412恒泰证券私人财富03量化投资再出发专题01.关于量化私募的三点思考02.量化私募行业展望01.消失的百亿私募02.量化私募的规模是不是越大越好？03.量化私募是否加剧了市场波动？04.同为指数增强，公募指增与私募指增如何选择？05.明日巨子 寻找下一个“隐形冠军”第三章第四章2032第一章量化投资的起源及发展历程01.海外量化基金发展历程02.国内量化私募发展历程PART ONEH I S T O R YAPTIMS寻找明日巨子中国量化私募管理人报告 202304恒泰证券私人财富05量化投资是指借助计算机技术和数学模型，同时跟踪并处理海量的金融数据，在细微的数据变化中捕捉套利机会，并利用计算机系统快速、自动执行交易。起源于海外市场，量化投资发展至今已有超 50 年的历史。海外量化投资的兴起和发展主要可以分三个阶段：量化投资的萌芽与起步（20 世纪 60-70 年代）：1969 年，数学家爱德华索普（Edward Oakley Thorp）发明了科学股票市场系统，成立了历史上第一只依靠数学模型和量化算法策略盈利的投资基金，标志着资管行业向定量化和程序化转型升级。索普被誉为量化交易的奠基人，其管理的普林斯顿-纽波特合伙基金业绩优异，年均复合增长率达到 19%。1971 年，巴克莱全球投资者有限公司发行了世界上第一只被动量化基金，指数化管理技术从此运用于基金管理。1973 年，BSM 模型的问世为期权定价提供了创新思路以及定价结果。同年，美国芝加哥期权交易所成立，成为第一个上市期权的交易市场，以金融衍生品创新和定价为代表的量化投资逐渐拉开帷幕。海外量化基金发展历程1976 年，美国学者斯蒂芬罗斯在 CAPM 的基础上提出了套利定价理论（APT），多因子策略模型雏形由此诞生。斯蒂芬罗斯Stephen Ross爱德华索普Edward Oakley Thorp寻找明日巨子中国量化私募管理人报告 2023061983 年，迈克尔布隆伯格（Michael Rubens Bloomberg）创立了一家名为创新市场系统（Innovative Market System）的公司，通过一套程序化系统为华尔街金融机构提供实时市场数据、金融计算以及其他金融分析工具。随后，IMS 的广泛引用令交易进入全电子化执行的时代。1992 年，克里夫阿斯内斯（Clifford Asness）提出了通过价值挖掘和跟随趋势可以持续跑赢市场并取得长期利润的理论并将该理论付诸于实践，他创立的 AQR 资本也被认为是全球盈利能力最强的量化对冲基金之一。1988 年，量化投资界的标杆人物詹姆斯西蒙斯（James Harris Simons）创立了主要从事高频交易策略的大奖章基金，并引领了全新的量化时代。通过捕捉市场出现的大量异常瞬间的微利机会，依靠在短期内完成的大量交易来获利，该基金自成立以来年均回报率高达 35%，远远领先于同期标普 500 指数的表现。迈克尔布隆伯格Michael Rubens Bloomberg詹姆斯西蒙斯James Harris Simons量化投资的成长与繁荣（20 世纪 80-90 年代）：克里夫阿斯内斯Clifford Asness恒泰证券私人财富07管理人Bridgewater AssociatesMan GroupRenaissance TechnoologiesMillennium Mgmt.CitadelD.E.Shaw GroupTwo Sigma Investments/AdvisersDavidson Kempner Capital Mgmt.Farallon Capital Mgmt.TCI Fund Mgmt.管理规模（亿美元）1264735570550530479410375374362图表：全球对冲基金管理规模 TOP10（2022Q2）数据来源：InstitutionalInvestors,PensionsandInvestmentSurveys，恒泰证券私人财富量化投资在波折中走向成熟（21 世纪以来）：2000 年，美国对股票价差的最小变化单位下调至一美分，减小了交易成本，增强了流动性，更利于高频交易普及。市场中性策略在 2007 年遭遇黑天鹅事件，在 8 月出现集中回撤。随后在 2008 年的金融危机中，许多量化对冲基金受到重创，资产规模严重缩水。随着政府的监管政策趋严，多德-弗兰克法案（Dodd-Frank Act）限制了银行资本在对冲基金上的投资，量化基金的扩张遭遇低潮。不过，随着以云计算、大数据、机器学习为代表的计算机技术的发展与应用，量化投资技术逐渐趋于成熟，各类新的量化策略类型相继出现，量化投资基金逐渐成为全球资产管理领域的重要组成部分。历经几十年的发展，量化投资已在海外成为一种相对主流的投资方式。自 2000 年以来，美国量化基金的规模迎来稳定高速的成长，虽然在 2008 年曾因金融危机而遭受冲击，但随着 Smart Beta 策略的逐渐流行，量化基金受欢迎程度日渐增长，规模稳步上升。美国量化对冲基金资产的管理规模已占对冲基金行业的三分之一，占美股总市值的比例达到接近 9%。截至 2022 年二季度，在全球对冲基金管理规模排名前十的机构中，有七家为量化对冲基金。寻找明日巨子中国量化私募管理人报告 202308伴随着金融市场下单指令计算机化和程序化交易的发展，算法交易应运而生。在各种统计套利和趋势交易算法的推广下，算法交易在逐渐复杂化的同时也越来越受到机构投资者的重视。据海外研究测算，2021 年全球算法交易市场规模为 130.2 亿美元，预计到2030 年将达到 313.0 亿美元，2021-2030 年的复合年增长率为 13.6%。在美股中，广义算法交易的成交额占比达到了 75%左右。得益于高效的流程自动化、数据保存和具有成本效益的管理，基于云的细分市场主导了全球算法交易市场的份额，越来越多资管机构使用基于云的解决方案来提高运作效率。2010-2015：躺赢的量化 1.0 时代2010 年 4 月 16 日，国内第一个股指期货沪深 300 股指期货 IF 上市，随着市场成交量逐步提升与活跃，一方面为量化对冲策略提供了交易可能，另一方面也为 CTA 策略提供了股指这一新的交易品种。第一批量化私募管理人及时把握先机，在此阶段诞生，也掀开了中国量化投资的大潮。由于 IF 对标 A 股中流通市值最大的 300 只股票，而当时的权益市场小盘风格更占优，风格暴露的赚钱效应明显，多头权益端持有一篮子小盘股，空头期货端通过 IF 做空，低换手水平下，策略也能获取丰厚的超额收益。同时，与现在的对冲环境有所不同，当时期货市场中的 IF 维持着较高的升水状态，量化对冲产品还将额外获得股指期货升水带来的收益。权益市场低迷的 2013-2014 年，大量对冲产品涌现，很多股票量化私募会通过加杠杆进一步放大收益，量化私募规模迎来第一轮爆发。但在 2015 年中的股灾爆发之后，市场环境完全逆转，突如其来的股灾使得股指期货交易受限，不但限制交易手数还大幅提高了保证金比例，股指期货从此由升水转为贴水，大幅提高了对冲成本，使得传统低频策略陷入低迷期，躺赢的量化 1.0 时代自此落幕。2016-2019：高频涌现的量化 2.0 时代2015 年中证 500 股指期货 IC 上市，丰富了量化对冲的工具，也极大程度上缓解了风险暴露的问题，同年股指期货交易规则有所修改，市场机制进一步完善。2017 年随着 IC国内量化私募发展历程恒泰证券私人财富09贴水的变小，中国量化私募正式迈入 2.0 时代，这一阶段主要以中高频量价策略为主，用以捕捉短线的定价偏差，同时更复杂的机器学习、深度学习模型出现，策略的精细度、复杂度显著提升，对量化私募管理人提出了更高的要求和挑战。能够提供更稳定收益、更低回撤的量化管理人突出重围，“量化四大金刚”也在这个阶段登场（九坤投资、幻方量化、锐天投资、致诚卓远），市场对量化私募的认知度进一步提升。与此前 2013-2014 年的量化规模爆发类似的是，仍然是在权益相对低迷的 2018 年至2019 年上半年，量化私募尤其是中性策略产品受到市场广泛关注，募集规模在 2019 年下半年明显提升。但中高频策略的容量较小，对市场成交量的依赖性较强，2019 年下半年市场成交量下滑，蜂拥而入的资金使得策略交易愈发拥挤。对中性策略产品寄予厚望的投资者在下半年并未获得期望的结果，投资者在此过程中也在逐渐加深对量化策略的了解。值得关注的是，在量化产品逐渐被市场接受的过程中，量化私募管理人逐步引导机构渠道与投资者接触指数增强策略，量化产品不再简单等同于类固收替代的中性策略产品，作为以量化投资方法进行权益市场长期投资的重要配置工具，指数增强策略市场占比逐步提升。2020 至今：爆发增长的量化 3.0 时代2019 年 6 月，科创板的开板引领着国内资本市场的制度建设，推动了公募基金转融通进程。这一举措大幅增加了市场上融券的规模，融券做空很大程度上缓解了股指期货对冲的高成本，拉升了市场的交易热度，将量化私募带入 3.0 时代。量化私募之间的角逐也更加激烈，这一阶段的明显特征体现在策略体系的不断丰富以及人工智能的深入应用，头截止 2022 年 9 月百亿私募量化投资基金管理人30家10部管理人不断突破策略容量规模限制，量化管理人跻身百亿私募阵营，甚至诞生出千亿私募，中国的量化私募走向成熟。此外，权益市场的上升趋势也是助推量化私募在 3.0 时代迅猛发展的重要因素，2019年开启结构牛市行情，量化私募以惹眼的超额收益水平，吸引了众多投资者目光。主观多头不再是权益市场投资最受追捧的策略品种，优质的量化私募产品成为市场上更稀缺的交易资源。一批投研实力强的私募量化投资基金管理人逐渐崭露头角，头部量化私募晋升百亿的速度不输明星基金经理。截至 2022 年 9 月，百亿私募量化投资基金管理人已有 30 家。（百亿量化私募图谱见 P42）量化私募管理规模在 2021 年迈向“万亿”时代后，受 2021 年 9 月以来的指数回调以及超额收益回撤的影响，市场情绪回落，行业规模在 2022 年出现下滑。规模缩减一部分由量化多头类产品净值回调导致，另一方面，超额回撤叠加基差收敛，投资者从 2021 年底陆续赎回市场中性策略产品。快速扩张后即刻遭遇市场回调与管理人表现不佳，火热的量化私募热潮阶段性告一段落。总体来看，投资业绩的提升、居民财富的涌入、资管产品的净值化转型、对冲手段的丰富、策略体系的不断完善，在众多因素的促使下国内量化行业已初具规模，成为国内私募的重要组成部分。未来随着国内量化行业的竞争持续升温，量化产品超额衰减、波动率上升的压力无法避免，量化管理人在发展过程中仍需找好规模扩张与业绩的平衡，量化行业会进入分化、再平衡的关键阶段。第二章量化策略的细分迭代PARTTWOI N S I G H T01.策略方法：打开黑箱机器学习模型的发展与普及02.股票量化：收益风险特征差异化带动策略线不断丰富03.商品期货：CTA 策略的 Alpha 与 BetaAI寻找明日巨子中国量化私募管理人报告 202312恒泰证券私人财富13策略方法：打开黑箱机器学习模型的发展与普及机器学习是人工智能的核心，主要研究如何通过计算机模拟或实现人类的学习行为，以获取新的知识和技能，并通过重新组织已有的知识结构不断改善自身的性能。与传统的定价模型和统计方法相比，机器学习更像是一个黑箱。机器学习源自“人工智能”，自 1956 年达特茅斯会议中提出“人工智能”的概念，机器学习的发展经历了早期的推理、研究阶段，开始逐步应用于各个领域。机器学习与量化投资的结合起源于 90 年代，海外知名的量化对冲基金也多在这个时间段成立。国内的机器学习浪潮来得更晚一些，随着市场机制的日益完善与衍生品工具的不断丰富，2014 年起大量海归人才陆续回国投身量化投资领域，为国内量化行业规模化发展奠定了基础，机器学习也开始进入人们的视野。但与海外早期应用阶段类似，机器学习在初期更多以概念的形式存在，实际应用的场景并不多，投资实践仍然以传统定价模型为主。在有足够的数据、算力的基础上，叠加充分的测试准备，2017 年起最早一批量化私募管理人开始将机器学习、人工智能加入量化策略中。行业发展至今，机器学习的普及度持续提升，机器学习相关的人员、技术投入已成为量化私募的标配，投资者对于“机器学习”这个词汇也越来越熟悉。打开黑箱，机器学习在量化投资中的运用过程，我们通过数据、算法、算力三个方面展开。数据是量化投资的基础，数据处理很大程度上影响着最终模型的效果。尤其金融数据较为复杂，对机器学习来说并不友好。首先，金融数据中的噪音（异常样本数据）较多，由数据驱动的机器学习模型很难识别出有效信号，受到噪音信息的干扰，进而增加过拟合达特茅斯会议中提出“人工智能”的概念年195614风险。其次，在全市场的海量信息中，标准化数据样本量相对有限，可以观察到随着量化行业竞争加剧，市场舆情、分析师报告、三方机构信息等非标准化数据应用越来越广泛，这同时也加大了数据的清洗难度。最后是回测训练数据区间的选取，量化模型的目的是在历史数据中寻找规律、预测未来，但金融市场始终在不断演化的过程中，不同时间段可能呈现特定的风格。因此选取不同区间的数据学习后的结果差异较大，尤其在市场风格发生变化时，需要一定样本数据的累积才能跟上变化的速度。为此，各家管理人在数据处理中都形成了自己的差异化方式。算法模型是量化投资的核心，是与主观投资基金经理相对应的量化投资的“大脑”。在实操过程中，算法模型包括特征提取即因子挖掘、预测模型、组合优化与交易算法四个部分，机器学习在其中均有应用。因子挖掘可以分为人工和机器学习两种方式，人工挖因子更多从逻辑出发，寻找可能影响价格波动的因素并加以验证；机器挖因子通过学习数据，找出能帮助预测的特征和算法因子。预测模型阶段体现如何从因子到预测结果，不同机器学习模型均被广泛运用，机器学习的加入一定程度上提升了模型的复杂度与预测能力。与此同时，模型的过拟合风险也相应提升，管理人会在组合优化阶段进行调整。交易算法对应策略的交易执行，模型的主要目的在于降低市场冲击与交易成本，提升策略容量。算力为量化模型研发提供支撑，机器学习的数据量与运算量显著多于传统模型，对管理人的算力水平提出更高要求。头部量化私募也从早期的 CPU 服务器配备，逐步进化为高性能计算集群。算力投入是除人员成本之外，占量化私募支出比重较高的部分。整体来说，机器学习的策略门槛会高于其他传统策略。相较于传统量化模型，机器学习的优势体现在，能够突破人的主观认知能力局限，在海量数据中发掘出更复杂的联系，扩宽策略收益来源。但机器学习模型与传统量化模型相比，并没有孰优孰劣之分，机器学习也有自己的困境和挑战。除去前面提到的数据处理难度高、算力投入大的问题之外，机器学习还面临模型解释力低的挑战。从因子到预测结果的过程通常不是线性可归因的，尤其对于一些高维度、非线性的复杂关系。这对管理人的模型优化与投资者服务都带来挑战。收益较好时，投资者并不会过多关注原因，但在策略出现回撤时，可能出现难以归因解释的情况。量化模型不断迭代进化的过程中，人工智能是重要的延展方向，极大地推动了量化行业的发展，并已渗透在量化框架中的每一个环节。但值得关注的是，现阶段的机器学习仍然只是管理人进行量化投资的工具之一，并不能完全取代人类实现量化投资策略的构建。管理人在面对机器学习的优势与不足，也在各自取舍与应对。恒泰证券私人财富15股票量化产品线的核心是选股模型，主流的股票量化策略是指数增强与市场中性。基金业协会发布的2021 年私募基金统计分析简报中显示，“截至 2021 年末，在协会备案且勾选量化的私募基金数量 16850 只，规模 1.08 万亿元。私募量化投资基金主要以指数增强策略和市场中性策略为主，两类策略产品规模超过 8400 亿元，占比约 71%。”难以与投资者交流市场观点与个股基本面的量化投资，想要触动客户往往依赖于直观的投资结果。股票量化：收益风险特征差异化带动策略线不断丰富最早以“类固收替代”身份登场的绝对收益型策略市场中性，和有对标指数、如同赛马般每周都可以 PK 管理人超额收益的指数增强策略，产品线具备清晰的收益风险特征，进而成为最快被投资者认知的两类量化策略类型。尤其近两年，权益市场中小盘风格更为强势，主要以中证 500、中证 1000 为跟踪指数的量化指增策略，相较主观多头的比较优势显著，产品规模与占比不断提升。随着量化私募规模的不断攀升，股票量化策略围绕量化选股模型，在指数增强与市场中性的基础上衍生出新的策略线。指数增强的基础上，放开对标指数限制，诞生了量化选量化私募基金规模万亿元指数增强策略市场中性策略两类策略产品规模超过8400亿元1.0816850只占比约71%寻找明日巨子中国量化私募管理人报告 202316图表：股票量化策略类型数据来源：恒泰证券私人财富股策略（市场上也称为“空气指增”）。市场中性的基础上，放开完全对冲的要求，衍生出择时对冲策略。管理人通常使用股指 CTA 来实现做空的目标，择时对冲策略根据管理人不同的敞口控制计划，呈现出不同的结果。管理人站在完全对冲的市场中性与完全不对冲的量化多头策略之间，如果期望呈现出更稳健的产品曲线，往往股指 CTA 部分仅可做空，做空后的整体多头敞口在 0-100%。更有甚者，如果长期敞口在 50%以下的较低水平，择时对冲策略曲线会与市场中性表现更相近。如果期望呈现出更灵活的收益风险特征，股指 CTA 部分不仅可以做空也可以做多，敞口区间也更加宽泛，极端情况下策略整体会呈现净空头或是多头敞口超过 100%的状态。股票量化策略的衍生离不开市场整体对量化认知度的提升。指数增强策略以其稳定可观的超额收益水平，让投资者认可并接受了通过量化策略参与权益市场投资的方式。对于已经用过往业绩证明超额收益获取能力的管理人，投资者相信摆脱指数的“约束”后，管理人能够更加专注于获取优异的产品业绩。择时对冲同样可以看作指增策略的升级，策略线的设计初衷是引入择时。在权益市场长期增长红利叠加量化超额增厚的基础上，当市场出现系统性风险时，可以通过对冲适度降低净值出现大幅波动的风险，而投资者对这类降低风险、平滑波动的策略有着天然的好感。量化选股模型风控与跟踪指数严格对标放开风控，无对标指数量化选股（空气指增）+股指期货空头+股指期货 CTA+个股融券对冲市场中性股票多空指数增强（沪深 300、中证 500、中证1000）择时对冲恒泰证券私人财富17在经历多次权益市场遭遇大幅回撤过程中，国内逐渐形成了对 CTA 策略“危机Alpha”的认知。在基差处于较深的贴水状态、量化对冲也并未全面走向高频化的 2016 年，CTA 策略在供给侧改革驱动下全年大幅盈利，迎来第一波发展高潮，逐渐受到市场关注。从近几年的表现来看，在 2020 年初新冠病毒爆发引起全球股市回调、以及 2022 年俄乌冲突引起股债波动加剧的情况下，CTA 策略都取得了不错的收益。在市场发生危机的时候，CTA 策略在不同程度上都起到了对冲股债资产下跌风险的作用。不过，今年年中以来 CTA 策略出现了较大幅度的回撤，多数产品基本回吐了今年前期积累的收益，一时间 CTA 策略“危机 Alpha”的能力遭到质疑，亦引发了市场的广泛探讨。首先，我们需要对“危机 Alpha”概念有较为全面的认知，不能单以标签中 Alpha 一词来进行投资价值的推断。目前我们讨论 CTA 策略的“危机 Alpha”主要是指策略分类下的趋势追踪策略。趋势追踪策略本身是一种基于时序动量、追逐市场趋势的Beta型策略，呈现出“微笑曲线”的收益特征，厌弃短期波动，喜于趋势。策略呈现的“危机 Alpha”特征来源于商品价格波动与股债的低相关性。其次，我们需要思考是否应该持续追逐策略本身独立的Alpha收益。从学术研究到现实环境，我们所观察到的现象一直在向我们证明：依赖于 Alpha 因子挖掘带来的收益从长期来看并不稳定。当信息与能力壁垒带来的垄断逐商品期货：CTA 策略的 Alpha 与 Beta另一方面，管理人与财富管理机构也有强烈的产品线衍生需求。对于管理人，指数增强尤其是中证 500 指增的赛道已较为拥挤，量化策略的衍生有利于管理人提升容量规模。站在代销机构的角度，主观基金经理的投资逻辑与持仓风格有着显著的个体差异，而不同管理人的指增策略区别并不明显。比起上线不同管理人的中证 500 指增产品，扩宽量化产品的策略类型对丰富产品货架、提升业务规模有着更重要的意义。股票量化策略线的丰富，表面上是管理人通过调整部分策略参数、开发出不同收益风险特征的金融产品，在一定程度上是量化行业发展的必然。寻找明日巨子中国量化私募管理人报告 202318步瓦解后，Alpha最终的归宿便是Beta，这一部分的收益可以被他人成功了解、复制和赚取，不再独一无二。比如在CTA策略的历史中很简单的均线策略，曾经也带来可观的超额收益，但是随着市场结构和技术水平发生变化后，这种通过简单方法来捕捉历史规律的做法很难再获取到稳定的收益，也就逐渐变成了 CTA 的 Beta 收益。在策略本身的 Alpha 收益向 Beta 收益转化这一动态均衡过程基本不可逆的情况下，管理人拥有认知和配置 Beta 因子的能力尤为关键。Beta 因子自身是可以获取超额收益的，这源于承担系统性风险带来的风险溢价，市场投资者的各种非理性行为，机构投资者因监管条例导致投资动作变形等。因子投资是一种兼顾被动与主动的投资形式。在赚取因子 Beta 收益的基础上，驾驭 Beta 因子获得正收益的能力也可以被视作一种源于主动管理技能和经验的 Alpha 收益，这种复杂环境下个人经历带来的收益很难复制，因此衰减的速度相对较慢。这或许是未来随着进一步的研究、信息接近完全透明环境下，管理人凸显自身优势、吸引投资者的关键所在。对于投资者来说，为策略本身独立的 Alpha 收益长期支付相对高昂的申购和管理费用可能并不划算，因子的 Beta 收益也许是性价比更高且稳定的选项。但从资产配置的角度来理解，在市场遭遇某些极端的情形下，权益、商品等大类资产波动加剧，容易形成趋势性机会，为 CTA 策略带来较大的盈利空间，从而贡献属于配置角度的 Alpha。图表：CTA 策略的“危机 Alpha”时刻数据来源：私募排排网，恒泰证券私人财富截止日期：2022 年 11 月 18 日2016/042018/012019/102021/072022/11管理期货指数沪深 300100%80%60%40%20%0-20%第三章量化投资再出发PART THREEO U T L O O K01.关于量化私募的三点思考02.量化私募行业展望寻找明日巨子中国量化私募管理人报告 202320恒泰证券私人财富21一、超额收益的周期性波动是否趋向常态化？今年 8 月下旬起，量化私募再一次经历超额收益的低迷期，这已经是至少连续第三年的三、四季度超额收益出现下滑。超额收益是否开始呈现常态化的周期性波动？关于量化私募的三点思考图表：百亿量化私募中证 500 指增的超额收益表现数据来源：火富牛，恒泰证券私人财富截止日期：2022 年 11 月 18 日注：数据选自 2020 年前成立的百亿量化私募代表产品2020/012020/082021/012021/062021/122022/052022/11百亿量化私募拟合净值超额收益中证 5002.221.81.61.41.210.8寻找明日巨子中国量化私募管理人报告 2023从结果上看，每一次的超额回撤都有各自的原因，但也存在相同之处。通常来说，当市场风格出现快速切换时，很多量化模型没有办法快速适应，容易造成超额回撤。市场严重分化时，也会出现超额表现不佳的情况，典型的市场环境是急跌时的一九分化，在仅有小部分权重股上涨、大多数股票表现弱于指数时，量化策略的一篮子股票不会全部集中在小部分权重股中，所以会出现跑输指数的情况。在此基础上，市场波动率与成交量也会影响超额收益表现。拆解 2020 年以来的月度超额贡献率可以观察到几个特征：1、2020 年全年超额在不同月度之间的分布较为均匀，仅在 1 月与 11 月表现较差，而此后的 2021 年与 2022 年，超额在月度之间的波动幅度不断扩大，负超额的月度有增加的趋势，超额在自然年度内呈现出的周期性波动的特征也越来越明显。2、超额收益在年中阶段表现较好，尤其近两年的超额收益主要集中在5月至7月，贡献率超过80%。3、超额收益在年初与年末相对较弱，尤其在年末阶段容易出现超额回撤的情况。超额收益的周期性波动可能存在以下几点原因：图表：代表量化私募超额收益的周期性变化数据来源：火富牛，恒泰证券私人财富截止日期：2022 年 11 月 18 日注：月度超额贡献率=当月超额 全年超额 100%2020 年2021 年2022 年50%40%30%20%10%0-10%-20%一月二月三月四月五月六月22恒泰证券私人财富七月八月九月十月十一月十二月 市场风格的切换呈现周期性当一类市场风格显著强势或显著弱势时，市场会有均值回归的趋势。从过往情况来看，年底机构投资者通常会有调仓换股的计划，这可能是四季度普遍会出现风格切换的原因。市场的博弈存在较多不确定性，不能以此推演未来市场的变化。风格敞口强化了超额收益周期性波动的风格当策略风格敞口较大时，模型对近期持续强势的风格依赖较高，该风格占优时，超额收益显著；市场风格切换时，超额收益相应出现回撤。风格敞口会放大超额收益波动幅度，强化周期性波动的风格。行业规模的周期性变化量化私募的超额收益具有零和博弈的特征，行业规模提升，大量资金涌入造成策略拥挤，也可能导致超额收益表现不佳。募集规模受当期产品表现的影响，也会与超额收益的周期性波动方向保持一致，形成相互强化的状态。2324值得注意的是，超额收益的周期性波动并不意味着超额收益的未来表现是可预知的。重点关注量化管理人的策略迭代能力，在超额收益低谷期时积极布局，持有期间理性看待超额收益的波动，才是理解超额收益周期性波动的意义。二、股票量化衍生策略线的定位与配置价值私募的股票量化策略线早期以量化对冲（市场中性）为主，2016 年起指数增强产品陆续面世，并在 2020 年以来实现规模与占比的快速提升。近年来出现的衍生策略线量化选股和择时对冲产品最早由头部管理人创设，时间可以追溯到 2018 年。截至目前，量化私募产品规模仍然以指增策略、市场中性为主，量化选股与择时对冲的占比较小。早期参与此类产品配置的投资者多数抱着尝试的态度，在经历不同市场环境的洗练之后，市场对于这些策略线的定位与评价也逐渐清晰。衍生策略线其实在主流的市场中性、指数增强基础上提出了新的要求。以量化选股为例，量化选股与指数增强、主观多头都属于做多权益资产的策略。与指数增强不同，量化选股并不对标某一特定的指数。投资者在配置指增产品时，需要对跟踪指数有基础的判断，评估其是否具备长期投资价值；而管理人的职责在于跑赢指数，提供尽可能稳定可观的超额收益。量化选股实则把指数投资价值的评估、市场风格的判断转嫁给了管理人自身，理想的量化选股策略在不同市场环境中均能够跑赢沪深 300、中证500、中证 1000 指数，并实现绝对收益。实际情况中，目前市场上的量化选股产品多数与中小盘指数相关性较高，其原因与私募量化策略在量价类因子方面更具优势有关。所以即使产品类型为量化选股，投资者仍习惯将产品表现与中证 500 指增作对标。量化选股的另一个对比维度是主观多头，2021 年 2 月以来权益市场转变过往几年以大为美的风格，中小盘指数相对强势，量化选股整体优于股票主观。当市场风格切换至以大盘股为主的沪深 300 时，量化选股是否还能保持优势有待验证。此外，另一个被掩盖的问题是仓位管理，管理人在量化选股策略中实现了全市场选股，但在仓位管理上与灵活调仓的主观基金经理不同，多数量化选股产品仍然保持着满仓运作的风格。当中小盘指数出现持续回调时，量化选股策略是否会降仓应对，也是亟待回答的问题。脱离了对标指数，管理人如何应对市场风格的变化，量化选股策略真正的考验可能还没有来临。择时对冲在量化多头类策略的基础上更进一步，正面应对仓位管理的问题。理想的择时对冲策略在市场上涨时最大化获取收益，在市场下跌时通过对冲规避净值回撤的风险。恒泰证券私人财富25择时在主观投资领域中也是被广泛讨论的问题，是投资中最难的课题之一。主观多头中具备择时能力的基金经理屈指可数，择时依赖于基金经理的“盘感”，而且难以长期保持高胜率。量化管理人主要通过股指 CTA 策略实现仓位择时，量化策略强调统计规律与执行纪律，在一定胜率的支撑下，设置相应的风控规则，程序化执行模型指令。实际情况中，多数择时对冲产品并不会常常呈现出满仓或空仓的状态，更多表现为在一定的敞口区间内浮动。择时对冲作为绝对收益型策略，降低波动与回撤是策略在量化多头基础上的“进化”，但投资者并不希望产品收益也被同比例摊薄。如果择时对冲在量化多头的基础上同步调降了波动与收益，那么从结果上看，择时对冲类似于降低了仓位的量化多头产品，投资者的资金使用效率也将受到影响。收益与波动非对称的调整比例，是衡量择时对冲产品配置价值的重要指标。图表：量化选股、择时对冲、指数增强策略的走势比较数据来源：私募排排网，恒泰证券私人财富截止日期：2022 年 11 月 18 日2021/012021/042021/082021/112022/032022/062022/11中证 500股票多空量化选股市场中性1.41.31.21.110.90.8500 指增26以私募排排网跟踪的股票子策略指数表现为例，2021 年以来，截至 2022 年 11 月 18日，中证 500 指数区间收益为-2.8%，股票多空（择时对冲）策略指数波动与回撤小于中证 500 指数与量化多头，但收益未跑赢指数，区间收益-6.1%。量化选股策略指数与中证500 指数走势相近，区间收益 4.1%，相较指数超额收益 6.8%（减法计算）。中证 500 指增策略指数区间收益最高，录得正收益 14.9%，相较指数超额收益 17.6%（减法计算）。鉴于市场上有长期量化选股、择时对冲产品业绩的管理人较少，管理人内部对于具体的策略定位及收益风险特征也有不同的规划。针对具体产品的评估，更多需要因人而异、结合实际情况进行判断。三、行业快速发展过程中管理人面临的新挑战金融产品净值化转型、居民财富转移的大背景下，私募证券投资基金规模大幅提升。同时，去年 2 月以来，沪深 300 与中证 500、中证 1000 走势分化，量化多头策略整体业绩显著优于主观多头，进一步加速了量化私募规模的提升。量化私募行业自 2020 年步入快车道，并在 2021 年中突破万亿规模，量化私募迎来黄金时代。行业快速发展的另一面并不容乐观。去年 9 月，多数量化私募出现超额回撤并延续至今年一季度，即使超额收益在 4-8 月有明显回暖，但近一年市场整体超额收益水平较往年仍呈现明显下滑。与此同时，权益市场大幅回调，今年以来截至 11 月 18 日，沪深 300 区间收益-23.05%，中证 500 区间收益-15.87%，中证 1000 区间收益-16.88%。市场低迷叠加超额收益水平下降，去年参与量化私募产品配置的投资者持有体验欠佳，今年的产品发行普遍遇冷。行业长期向好的趋势不变，资管行业与量化私募领域仍然有着巨大的成长空间。但行业快速增长阶段可能暂告一段落，进入内部结构优化的平台期，这对管理人提出了新的挑战，或许会影响下一次爆发期后的行业格局。1、合理评估策略容量，把握公司发展节奏规模对量化策略表现的影响程度相较主观策略更为显著，管理人的策略迭代需要先行于规模增长，并且对策略容量进行合理评估。在经历几轮超额收益回撤之后，投资者对于量化策略的规模约束也有了清晰认知，可以观察到头部管理人阵营不断扩大的同时，头部集中度不再提升，甚至有下降趋势。同时，建议管理人针对策略容量与团队情况，把握公司发展节奏。近年来的行业快速发展离不开市场风格的成就，不可简单就近期的行业增速情况做线性外推。恒泰证券私人财富272、行业竞争加剧，强化产品线风格特征行业规模大幅提升加剧了管理人之间的竞争，管理人之间呈现同质化趋势。回顾往年量化多头策略产品的收益情况，在规模提升、产品数量大幅增加的过程中，策略内部的产品收益分化程度并没有进一步加剧。今年以来截至 11 月 18 日，量化多头产品居中的 50%产品收益首尾差距仅 11.1%（前 25%分位与前 75%分位产品收益率的差值），该数值自2018 年以来基本维持在 20%以上。一方面，策略拥挤度提升，对管理人策略优化提出了更高要求，管理人结合各自资源禀赋寻找最优解。另一方面，越来越多的机构展开对私募管理人的覆盖跟踪，行业信息透明度大幅提升。主要以策略表现结果为评价依据的量化私募需要强化自身产品线的风格特征，从资管行业产品供应的角度，为投资者提供风险收益特征明晰的产品线。量化私募行业也在此过程中，不断完善着不同策略类型、不同收益风险特征、不同管理人规模体量等多维度的产品版图。图表：2018 年以来量化多头策略产品表现数据来源：私募排排网，恒泰证券私人财富截止日期：2022 年 11 月 18 日产品数量（个）10%分位数90%分位数平均值中位数80%60%40%20%0%-20%-40%2018 年470X7042019 年X11132020 年X17592021 年X26692022 年XX283、产品管理资管化，渠道服务体系化量化私募与主观类管理人有所不同，后者多数是有着长期资产管理经验的前辈，通过奔私进入事业发展的新阶段。量化私募多是年轻的面孔，对于多数量化人而言，加入私募是职业生涯的首站。在竞争进入精细化阶段时，对于资管公司而言，策略表现即产品力是基石，运营管理与客户维护的重要性同样不容小觑。尤其今年行情遇冷，客户持有产品盈利情况不佳。现阶段更加考验管理人的运营服务能力，产品线规划需要更多从资管化角度出发，同时建立体系化的渠道服务流程。私募管理人既是资产管理公司，也是成长中的企业。把握行业发展机遇的同时，量化私募需要更多立足自身情况，审时度势，制定属于自己的发展之路。一、量化投资边界不断拓展相比于海外对冲基金，国内量化私募起步较晚，但近十年来发展势头迅猛，量化私募的管理规模已迈向了万亿新时代。策略体系的不断丰富、衍生品工具的多样化以及量化管理人的自我迭代都在推动着量化投资的边界不断扩展。2010 年，中国第一个股指期货沪深 300 股指期货 IF 挂牌上市，为量化投资提供了较为理想的对冲工具，市场中性策略得以小试牛刀。随着 2015 年上证 50 股指期货 IH、中证 500 股指期货 IC 的相继推出，对冲工具更加丰富。2017-2019 年股指期货渐进式松绑，交易制度和市场环境的不断完善亦逐步给量化管理人打开了发挥的空间。2022 年，金融衍生品领域时隔多年后迎来创新品种，中证 1000 股指期货和期权的上市为 A 股市场宽基指数衍生工具版图填补了一块重要的拼图。随着多层次市场体系的逐渐完善和各类衍生品工具不断丰富，未来也能够给量化投资打造更加成熟多元的交易环境。除了交易制度和工具的不断优化，量化私募的自我迭代也在不断发生。2010 年前后，一批曾就职于海外量化对冲基金的人才纷纷归国，先后投身于国内量化投资领域。彼时国内的量化策略较为单一、模型简单、整体还处在依靠风格暴露的“躺赢时代”。2015 年后，量化私募主流策略由中低频转向中高频，策略的精细程度和复杂程度均有明显提升。在指量化私募行业展望恒泰证券私人财富29数增强、市场中性策略、C