好买说

市场中性策略自从在国内以产品形式出现以来，就被营销为无惧市场波动涨跌，长期穿越牛熊的投资利器。

不过从今年的表现来看，尤其是进入7月后，股市持续震荡走低，主流市场中性基金大面积出现回撤，中性策略似乎不如预期中的表现。究竟是什么原因呢?

之前，我们在文章“【好买解读市场中性策略NO.1】赚钱原理大拆解”中对市场中性策略的原理、构造、风险和历史进行了一一拆解。

从基本原理来看，市场中性策略致力寻找被低估和高估的股票，无论是相对还是绝对的概念， 并通过同时卖空前者和买多后者对冲掉市场风险，因此该策略一般被认为是估值策略的延伸，主要盈利来自对公司基本面的研判和股票价格定位的准确程度。

但是得益于数据技术，计算机技术和建模技术在过去二十多年的突飞猛进，以及市场体量和可供交易股票数量的不断扩充，交易部分在市场中性策略构建和执行中的重要性越来越大，逐渐从纯粹的后端执行层面上升到alpha模型的有机部分，甚至在很多特定情况下成为策略利润的主要驱动。

另外，市场中性策略因为在绝大部分时段里中和掉了对市场运动的敏感度，其业绩主要取决于1) 没有被中性化的系统风险因子的表现和组合对这些因子的暴露, 2) 组合积极追求的alpha因子在策略预测时段的表现，而前者是可以通过风险因子模型优化控制的。

简而言之，估值模型, 交易成本和风控优化是决定中性策略成败的内核，是基金管理人需要随时随地花时间精力不断打造、提高、优化和保持的核心优势。

任何策略都不是在理想真空中运行的，中性策略尽管从设计原理上对市场方向免疫，但执行环境如市场的有效性、风格、交易者结构、波动率、具体交易工具和成交量都直接影响着估值模型的单位预测能力、交易成本、策略规模和组合风险。再叠加外部非重复和不可控因素如监管政策的变动，事件和流动性的冲击，中性策略在欧美发达二级市场的历史业绩也难称完全穿越牛熊，在国内市场过去五年中的表现更是缺乏如期望和宣传一般的收益水平和持续性。

我们将在本系列的最后一篇中梳理回顾历史上数次国外和国内市场，政策和事件变化中中性产品的业绩在来帮助读者加深理解认识。 而在本文以下着重分析alpha模型，交易成本控制和风险暴露管理这三大因素如何各自影响策略基础表现，以及基金管理人在建模，组合和实际操作中的是如何考量，取舍和裁剪的。

因素一：收益预测模型(Alpha)

任何量化投资策略的核心都是收益预测模型(alpha)。

不论是alpha模型的主要逻辑是建议在公司基本面和财务数据分析上，还是对价格和交易量的建模，或者是这两类的优化组合, 评价alpha模型的普遍标准是是信息比率 (简称“IR”)。

IR可近似看作是对每只股票在单位预测时间周期里的准确度(信息系数，简称“IC”)和横截面上有效预测的个数N (可预测和可交易股票的个数)的乘积，即IR = IC x N (读者不妨把IC理解为下注的成功率，而把N理解为下注的次数) 。

完全基于基本面信息的量化中性策略受信息的发布频率和可得性限制，平均持仓时间基本以月、季度和年计，单位时间内的有效预测/交易次数N有限，往往在百次/年这个量级，那么平均预测精度IC就极为重要，也就是说要保证每只股票多空方向选择的正确性。从这个意义上， 基本面量化类中性策略的alpha模型和传统的主观多头不论从持仓数目和研究深度要求是完全具可比性的。

与此相反的，以量价数据为主的中性策略可能一天之内有成千上万次交易(N), 那么在单位预测精度IC远小于基本面策略的情况下仍能拿到比后者更高的IR, 反映在结果上就是同样时间尺度内，比如日净值的更高胜率。其中最典型的例子，就是高频策略, 哪怕只有50.5%的胜率，极高的交易次数也可以把概率的优势积累成胜势， 这就是为什么日内高频策略净值曲线展现出以一定斜率直现向上的原因。

市场中性要求同时买多卖空一篮子股票的操作从组合角度无非是允许投资者对不看好的股票赋予负向权重， 在国外发达二级市场往往中性策略的组合优化是将数只股票的预测信号等同对待同时做全局优化取得结果，不会太多关注模型分别在多头和空头端的理论预测性能。

但国内的量化中性策略却受限于监管政策规定的单只股票只能买多，不能卖空的非对称性约束，只能用基于指数的金融衍生物比如股指期货，ETF融券，指数期权等对冲风险，而不能通过反向卖空表达对某些特定股票的负向预测和观点。严峻的交易条件对建模者需要对多空的收益独立评估核算。

笔者在私募调研中遇到多头端理论预测收益不及空头端的例子比比皆是，不少甚至前者只有不到后者年化2/3甚至一半。换句话说，有起码一半以上的理论最优收益在目前阶段是镜花水月，海市蜃楼，只能想想而已。如果多头端收益对标指数基准增厚不足，在2015年股市暴跌至今的对冲和交易成本下，连做出正收益都是不可能完成的任务。

因素二：交易执行

在本系列文章的第一篇里，笔者已经讨论过目前国内的绝大市场中性策略在组合构建上非常偏重使用量价因子的历史路径和客观原因， 和由此导致的国内中性策略的换手率高和交易量大的事实。 从这个观察出发去评价国内量化alpha模型时，我们需要特别考察模型本身对交易的隐含影响，交易成本的控制，过程和系统的搭建。

交易成本可分为固定和可变部分。 固定交易成本如券商佣金(单边万分之一到万分之二)和印花税大致随着交易量呈线性增长，可变部分如单位成交量市场冲击成本随总交易量的增加以超过线性的方式增长。

前者的决定因素和出发点是alpha模型的自然换手率(即不考虑别的因素情况下模型天然的换手率)， 往往和模型的预测时段长短选择和信号强度在预测时段的衰减速度有关。一般来说，预测时段越短，更新预测的频率就会越高，模型换手率越高;alpha信号在单位时间内衰减失效越快，留给产品执行交易的时间就越紧迫，模型换手率也越高。

目前国内大部分量化中性和增强产品的换手率在双边年化50-100倍之间，对应每天卖出再买入产品总金额的10%-20%，持仓周期平均几天到不超过两周。高换手率要求产品在短时间内执行大量交易，一旦交易量份额大至市场在同样时段所能提供的总交易量的某个比例，该产品的每笔交易都会因为在每档没有足够的对手报单而不得不转向下个次优价格，从而承担额外的冲击成本。

笔者在调研中也经常遇到alpha模型自然单边日换手率在50%以上， 这意味着产品每天要将持仓的一半以上买进卖出，考虑到单边千分之一的印花税和万一的佣金成本， 要实现理论收益组合每天要承受万分之六七(年化12-15%)的固定成本， 外加万分之二到四的冲击成本(年化4-10%),  也就是百米还未起跑首先要倒退20米。试想有多少alpha模型的多头端能够稳定提供超过基准20%以上的增强呢?

降低交易率而不过多牺牲业绩的途径无外乎以下几种：

提高单位预测期限内alpha的准确度和强度即回报率，

拉长预测时限同时保证alpha在期间不明显衰减，变相赢得建仓时间

致力提高交易流程细节比如何时交易, 采用什么样的券商交易系统和交易算法。

少部分交易频率已经进入秒级以内的股票策略，交易信号的产生过程本身早已既是预测也是成本控制的有机混合，其复杂的机制超出本文的讨论范围。

除去因策略属性本身导致的高昂交易成本以外，国内的中性产品还需要为对冲市场风险的付出额外代价即卖空的成本：

如果使用股指期货，其基差在股灾之后长期贴水范围为8-12%，是2016以来中性产品难以承受之痛。而且期货合约的流动性和成交量也大大限制了中性产品的规模(以IC为例，主力近月合约一度低至日成交量两万张左右，为股灾前高峰期的日成交量的百分之一), 更遑论因期货保证金要求导致的产品资金使用效率折扣，以IC为例，100万的资金只有70万能投资于股票多头仓位，另外30万用于期货保证金，导致多头alpha收益要乘以0.7的衰减倍数。若采用ETF融券对冲，长期借入ETF的成本在8-9%， 虽然卖空ETF 的资金可以投向年化约4%的货币基金，但整个产品仍承担4-5%的固定对冲成本。遇到产品赎回但借入的券源因期限未到不得退还的情况下，仍持有产品的客户仍需继续承担剩下的融券期间的成本。

因素三：风险暴露

最后讨论一下狭义的风险，即系统风险因子和策略组合优化中的因子敞口设置对中性产品的业绩影响，alpha模型风险、数据风险、操作风险等广义风险不在本文讨论范畴)。

市场中性策略虽然从设计原理上规避了产品净值对市场涨落方向的敏感，却并不是对其他系统性风险都同等免疫。系统性风险因子之所以在绝大部分时候对绝大多少投资者而言是风险，是因为它们的不可预测，用数学表述就是期望回报小但回报方差大，性价比太低, 和alpha因子的特征相反。对于系统风险因子的管理最有效和保守的办法就是降低甚至中和对其的敞口。

理论虽如此，但实操中再好的商业权益风险模型和组合优化工具也不能解决落地对冲工具的缺乏和单向交易的束缚，因此国内的中性产品不得不被动接受在特定时段暴露在特定系统风险之下的事实。

以主流的Barra权益风险模型为例，它清楚地定义了十类风格风险因子，如市场、动量、价值、波动率、市盈率和红利率等。除了市场因子和波动率因子可以用期货和期权完全调节敞口以外，其他风险因子对组合管理人而言都面临巧妇难为无米之炊的尴尬局面。行业ETF的缺乏和流动性不足也掐死了产品选择主动对某些特定行业保持方向中性(非分布中性)的可能性。一旦某类风险或行业因子因市场和事件原因大幅单向移动而投资组合对改因子保持的净敞口恰好和风险因子运动的方向相反，产品净值难免遭受无妄之灾。

好在对于国内的以高换手率为重要特征的主流中性产品而言，在对冲掉市场风险之后，其他维度的风险因子敞口对其净值影响贡献非常有限。究其原理也是非常简单，用武侠小说里的通俗表述，就是“天下武功，唯快不破”。 更具体点，虽然在任意时刻取组合静态持仓样本切片来看，产品可能对某类特定的风险因子有明显的暴露, 可是在如此短暂的持仓时间，少有可能该类风格因子会发生瞬间大幅变化。可类比为人虽然上了船(承担了风险)，可船本身未动(风险并未实现)。在下一个采样时刻，超高的换手率已经让组合成分发生了变化，从而有可能对原先的风格因子不再暴露而转向其他。

除了高换手率这个机制自动减少了组合对风格因子的平均净敞口以外，基金经理也会通过一些刚性约束比如限制单只股票的仓位比例，控制满足单一特征的股票群或者单一行业在组合中的头寸来管理产品的系统风险。

特别提醒

了解了市场中性基本的赚钱原理和策略表现的影响因素外，那么市场中性策略历史表现如何?它在不同市场经济条件下的适应性怎样?敬请关注我们后续的市场中性解读系列文章。

版权声明：未经好买财富授权许可，任何机构和个人不得以任何形式复制、引用本文内容和观点，包括不得制作镜像及提供指向链接，好买财富就此保留一切法律权利。