未来超额会如何变化？
规模下降与策略迭代利于超额稳定性提升

张锦升：近几年量化的年化超额收益逐年下降，请问三位嘉宾，造成这种现象的原因是什么？未来的超额收益是否还会保持边际下降的趋势？

 裘慧明：从更长的历史维度来看，量化策略的超额收益也并非一直在下降。比如2013、2014年量化策略相对沪深300的超额收益并不高，2017-2018年的超额收益不如2019-2020年。

量化市场的发展主要可以分为四个阶段，第一个阶段是2010-2013年，当时是量化发展的早期，很少人做量化选股，主要以套利策略为主。

第二个阶段是2014-2015年，量化选股开始发展，2015年开始有比较多加杠杆的产品，行业整体规模到了2000亿左右，策略换手率偏低。

第三个阶段是2016-2018年，当时大量采用了股票底仓+T0等换手比较高的策略。

第四个阶段是2019年以来，是一个把各种频段的策略组合在一起的阶段，整体规模快速上升。整个行业的技术也在迅速进步，从原有的线性方法论，到后面大量采用机器学习、深度学习。换手率上，从开始的以基本面中频为主，到后面采用大量日内因子。

根据我们的统计，今年对于指增来说并不能说是很好的一年，因为整体上Beta并不是特别好，500指数到目前为止仍跌了10%多；但也不能说是很差的一年，今年是小票跑赢500和300的行情，至今500指增超额的中值在16%、17%左右，总体来说年化超过20%的超额还是很高的水平。

近几年行业的规模从1000亿快速扩张到1万多亿，在这个过程中，对量化策略肯定会产生一定的压力。但是今年行业规模的扩容速度有降低，未来一段时间的超额稳定性可能会有所提升。

 王鸿勇：我同意裘总的观点。今年绝对收益不是很好，主要是因为Beta有比较大的下跌，不同于前几年有上涨的Beta叠加Alpha，业绩会相对更好一些。但我认为从超额的角度来说，今年相比去年其实更好。

长期来看，随着市场有效性的提升，机构资金占比越来越高，超额收益的获取难度一定会逐渐上升，比如在美国这样比较成熟的市场，获取超额收益非常困难。但是A股目前还处在比较好做超额的时期，至少未来3到5年还是比较有希望实现年化15%甚至20%的超额。

从另外一个角度看，量化的方法论不断迭代，随着技术的进步以及投研的积累，大家获取超额的能力也会逐步提升。

今年因为Beta下跌，行业规模不仅没有增长，还有一些萎缩，加上大家又在不断迭代，策略的预测能力也在进一步提升。这也是今年超额表现比去年好的主要原因。

 吴敌：我同意两位的看法。回看2018-2020年，是一个非常好的量化蓝海时代，随着技术进步以及研究框架的引进，量化的超额收益发挥得特别好，最好的时候甚至有30多个点。

但是像这样的高超额其实很难持续，去年四季度以后，量化行业的管理规模有非常迅速的提升，超额也出现了波动。这个背景下，量化管理人都在进行迭代，不会在一个Alpha策略上配太大的权重，或者说大家在组合层面的风控上做得更严，使整个Alpha策略更加分散。

当下是量化非常好的时刻，几乎所有的百亿私募管理人都在致力于全频段、多策略覆盖，在经历了2018年-2020年非常火爆的时期后，量化行业进入到了更加成熟、稳健的时期，量化超额的稳定性有所提升。

未来量化策略会如何演变？
大框架已稳，在细节之处取胜

张锦升：接下来想请三位嘉宾分享一下你们认为未来量化策略要怎样发展、演变，才能获得目标的超额收益？

 裘慧明：怎么做到长期超额？影响超额的一个关键因素是市场结构，本质上A股市场无效性仍然显著，在美国市场，想做到10%的超额，可能管理规模就非常小。

从策略角度看，2018-2019年开始，国内量化管理人用的方法论，无论是全周期、多策略，还是大量运用机器学习、深度学习，从框架和投研体系角度来讲已经和国际接轨，差的是策略的积累。

每个量化公司的发展阶段不同，对我们来讲，想在大的框架体系上有突破已经很难，现在主要做的事是在各领域做得更细、更完善。

在量化行业管理规模方面，我预期未来的规模增长不再会像过去3、4年一样每年翻一倍，发展最快的阶段肯定已经过去了，行业现在可能会追求一个更加合理和健康的发展速度，比如一年增长10%到30%的规模。

 王鸿勇：现在量化行业进入到了比较高质量的发展阶段，这几年各家头部的量化私募也都从海外引入了很多高端人才。我同意裘总的观念，国内量化从投研的框架、方法论、体系角度来说，和海外知名对冲基金都是类似的，这些先进的体系、方法论也是海外大机构很多科学家研究了几十年，最终沉淀下来的，是市场长期博弈下最优的迭代方式和框架。

从这个角度来说，颠覆这些已有的方法论、框架确实越来越困难。现在更多的是从两个方面去精进，一方面是提升策略的丰富度。比如以前大家更多专注于高频、量价这方面，现在则越来越重视对于另类数据的收集、研究，对基本面的研究等。

另一方面，大家越来越重视对细节的把握和研究，包括对于风险的理解，对于交易执行的细节优化，这些都还有进步的空间。

 吴敌：我很同意两位的说法，在私募规模变大的当前，大家拼的就是在每个细节、每个子策略上做得更好一些。各管理人做的东西相关性可能很高，但细节处理会导致策略的稳定性和收益不同。

其次，因为各管理人策略的相关性越来越高，策略的周期性也会更加明显。这就更考量我们的策略组合能力，比如如何在子策略上更好地附权重，如何控制风险等。

最后，长期超额收益的下降也意味着对高频的执行有更高的要求，各机构需要尽可能地节省交易成本、减少市场冲击，这也是可以精细化的方向，最后往往是细节决定成败。

什么样的人才是量化所需？
热爱与自驱力是最重要的
 

张锦升：说完模型，我们再来聊聊人才方面。近几年量化机构招的人才以物理学家、数学家、计算机专家为主，不是纯金融人才。为什么在量化人才招聘上会有这样的现象？三位在各自人才团队建设方面如何考虑？对量化人才的要求是怎样的？

 裘慧明：过去3、4年，我们花很多精力在招聘和培养人才方面。早期，大家对量化私募的理解相对比较少，招聘人才的难度也比较大。近几年量化行业迅猛发展，管理规模从1000亿到了1万多亿，人才数量也在快速增长。

我们招人主要是两个方向，一是在国内招一些应届生或是工作经验相对较少的人自己培养。二是我们在纽约设了办公室，在海外招一些有经验的人，同时也招应届生，算是“两条腿”走路。

 王鸿勇：量化是高度竞争的行业，是“最聪明的一帮人在竞争”。海外对冲基金文艺复兴的创始人西蒙斯曾说，我们招募人才最大的竞争对手，不是互联网公司，而是NASA这样美国顶级的科研机构。

量化行业在越来越讲究团队合作的情况下，也开始越来越需要在某一个方面有顶级能力的人才。如何招募到人才并管理好他们，是每一家机构都在努力做的事情。

我们需要的人，聪明是一个条件，但越来越不再是最重要的条件。我们更看重人才对量化行业是否热爱以及是否有足够的自驱力，逆商也是非常重要的，我们也比较看中人才战胜挫折的能力，同时也看重人才的长期合作意识和沟通能力。

 吴敌：大家的看法比较一致，人才招聘就是“两条腿”走路，最重要是海外招聘。近两年国内量化团队越来越稳定，因此现在我们主要在海外寻找有经验的团队。另外，与5-6年前不同，现在的量化私募到了比较成熟的阶段，有能力也有意愿用时间去培养和建立自己的人才梯队。

刚才王总也说到，我们这个行业，聪明和数理基础是入行的基本条件，更重要的是对行业的热爱，以及可持续并专注地做研究。现在已经过了“遍地是黄金”的时候，需要不断深挖才可以挖出“金子”，这就要求一个人对某个课题持续深入，要耐得住寂寞。因此需要这个人对量化行业真的很热爱，这也是我们目前比较看重的一点。

张锦升：刚才吴总也提到海外、国内的人才，不知道您在这两个渠道的人才上有什么偏好？

 吴敌：前两年属于国内量化的高速发展期，我们需要借助国外成熟的框架，这也是为什么我们要招很多海外人才的原因。但从做Alpha的角度来讲，国内的人才也做得非常好，他们相对年轻，而且海外和A股市场的结构不太一样，在国外做得好的Alpha，在国内不一定做得好。

算力布局需和公司模式匹配
规模和收益未必成负相关

张锦升：除了人才以外，现在量化管理人在硬件、算力方面的需求也越来越高。三位在硬件方面是如何进行布局的？是不是在量化投资的领域中，越高的算力就代表越强的投研能力？

 吴敌：算力需要和整个公司的模式相匹配，公司的研发体系是什么，研究员需要什么，这是最重要的。算力也需要和公司自身的需求匹配，要根据投入产出比来决定要不要投入。
我们公司做高频出身，做因子、做研究的时候比较注重逻辑性，相对比较少采用数据挖掘模式。但每家公司的情况不一样，有些在算力上投入比较多，确实也做得很好。

 王鸿勇：我们公司在量价、高频上还是以机器学习的方法为主，对算力还是会有比较高的要求，这几年也一直在加大硬件算力方面的投入。

但是算力的提升不代表投研能力的提升，只代表在一定程度上有更快的迭代可能性或者效率，所有策略的背后是人，算力的需求要和人的需求匹配。所以算力扩张也是需要围绕投研需求来逐步稳定地推进，而不是盲目追求扩张速度。

 裘慧明：我们公司的原则是将对市场的深刻理解和先进的科学技术结合在一起，围绕我们有什么样的需求来建立算力。

当策略以中频、基本面为主时，我们对GPU的需求没那么大。2019年以来我们大力投入机器学习、深度学习，也得到了很好的结果。

量化的竞争涉及两部分内容，一部分是你的算力够不够，二是与深度学习的模型是否合适，并非是算力投入越高越好，否则如果只拼算力，Google绝对是世界上最好的量化投资公司，因此还是要把研究员对市场的理解和算力结合在一起。

张锦升：下面一个问题想专门请教裘总。明汯投资可以说是第一批规模突破500亿的管理人，请问裘总，在量化投资中规模和收益是不是一定呈负相关？明汯是如何看待规模增长的？

 裘慧明：规模和收益有一定的关系。在海外，大公司的投资能力往往更强，业绩也更好，国内也是一样，如果规模很小，在招聘人才、算力上大量投入也不太可能。

我们可能是市场上最早突破500亿的，碰到对应的问题也比较早，我们也在这个过程中总结了一定经验：

规模到一定程度时，要时刻关注我们对市场的影响。规模到几百亿时，历史回溯很多时候已经不可信了，因为自己不再是市场价格的接收者，而是会对市场本身带来影响。

规模的变化相对来讲是最敏感的参数，而不是规模的本身，因此要对规模的增量进行控制。目前我们定下一个目标，中小盘为主的策略增量不能超过20%。在对规模增量进行控制之后，从去年3月份到现在，我们的超额收益总体还是比较稳定的，这也说明了并不是规模大就一定做不好超额。

张锦升：启林投资去年突破了200亿，不知道王总在规模和收益方面的平衡有什么看法？

 王鸿勇：我比较同意裘总的观点。随着规模增长，量化私募自身对市场的影响是非线性增长的，可能会大到远超预期。

怎么让自身交易的影响尽量降低？这是规模扩大后的一个重要课题。我们这几年在这方面也有持续的研究，我们会基于自己的交易数据会对自身策略容量的估计、市场的交易拥挤情况进行一些刻画，再基于这些追求在可控的范围内进行规模扩张，我们的目标是管理自己能力范围以内的钱。

量化的反脆弱
在风险中寻找收益机会

张锦升：请教三位，量化策略如何在风险中寻找一定的收益机会？或者说，我们应该如何平衡收益和风险之间的关系？这和今天我们要讨论的主题一致，也就是量化的反脆弱能力。

 裘慧明：中国和海外的量化由于市场的差异性走了不一样的路，美国是强Beta、弱Alpha的市场，由于海外的杠杆成本比较低，且对冲基金天然可以收取更高的费用，好的模型通常都被用来做对冲产品，而且会加杠杆。如果加了杠杆却不控风险，产品波动就会非常大，因此，海外产品通常都会把风险控得非常紧。

而国内属于弱Beta、强Alpha的市场，Beta的波动较大，近5、6年也没有很强的涨幅，而且国内市场缺乏很好的对冲工具，对冲产品成本很高，所以在国内很少有人做加杠杆的对冲产品。中国的量化规模，主要集中在指数增强、量化多头以及没有杠杆的中性产品上。

与美国市场要考虑流动性冲击因素不同，国内市场不需要在这方面考虑太多，会在风格上有一些暴露，如果像国外一样卡得很紧，带来的超额损失不足以弥补波动率的下降。

 王鸿勇：比较同意裘总的观点，所谓盈亏同源，如果过紧地约束风险，也会损失掉一部分收益。从另一个角度来说，有很多模型本身带有一定的风格属性，如果把风格约束过紧，超额损失就会减小非常多。

因此我们主要是从多策略的角度控制风险，尽量开发一些风格属性不一样的策略，使它们彼此之间低相关，可以在一定程度上平衡风险，而不是单纯把每个策略的风险约束得非常紧，这样会损失比较多的超额。

张锦升：下面这个问题请问吴敌总，世纪前沿之前是以高频策略为核心的，对于世纪前沿来说，未来竞争的领域还是高频吗？还是会往中低频切换？

 吴敌：我们公司以前一直在做高频，但我们觉得未来如果真的要做大收益，要向中低频Alpha投入，比如刚才提到的另类数据、基本面都是我们需要投入的地方，这样当整个超额下降的时候，能够以更低的成本，选择更好的机会。中低频的策略周期性比较强，也会更考验我们组合管理的能力。

张锦升：最后一个问题，三位可以简单和各位好买投资者做一下建议，当下市场环境是否仍然适合配置量化多头的产品？

 裘慧明：这主要看客户的风险偏好，如果投资周期比较长，比如2-3年，买量化多头没有问题，正常情况下可以获得不错的收益。还有一些客户不太能接受较大的波动，可能就比较适合低风险的量化产品，包括多策略和中性的产品，或者是保证金比较低的CTA产品。

 王鸿勇：整体来说A股还是处于超额有红利期的时代，从长期配置的角度来说，现在开始的任何一个时间都是好的入场时机，我一直认为Beta的择时是比较困难的。

 吴敌：同意两位所说的。面对市场波动，其实还是要回归资产配置，把资产的一部分配置绝对收益产品，比如理财、中性产品，另外一部分配到权益市场，本质上就是在中国股市持有一定份额，而在权益类产品中，量化一定是很好的选择。

张锦升：总结来说，市场充满着不确定性，但我们不是为了在市场中消灭不确定性，也消灭不了，我们要做的是拥抱市场的不确定性。量化投资就是非常好的在市场不确定性中博取一定确定性收益的投资方式。还是希望能与三位嘉宾一起，与其他合作的量化管理人一起，让客户在量化这种投资方式上长期持有，获取一定的收益。感谢三位的分享。

风险提示：投资有风险，决策须谨慎。文中观点不代表平台投资意见，内容仅供参考并不构成任何投资及应用建议。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。