从“多因子”到“AI+”
量化进入非线性跃迁时代

主持人：相比于欧美成熟市场，量化在中国的发展速度是否显得较快？从您的经验看，当前中国量化投资处于什么发展阶段？它在这几年的关键迭代点又是什么？

郑耀：中国的量化发展并非线性匀速，而是呈现阶梯式跃迁的特征。目前量化成交在A股的占比约20%-30%，虽仍明显低于欧美成熟市场（50%以上），但发展潜力显著。

回顾技术演进，2018年是一个分水岭。此前的主流是以多因子线性模型为主的“可解释时代”，收益归因清晰。AlphaGo的出现催生了行业第一次范式转换，机器学习成为主流，策略进入“非线性时代”，可解释性开始减弱。

近两三年，行业正经历又一次关键迭代——进入“深度模型时代”。受大模型等技术浪潮驱动，深度神经网络、图神经网络等架构被广泛引入，推动了从策略到组合的全面深化。这也带来了算力军备竞赛和模型可解释性的进一步下降，甚至催生了“端到端”的研发新思路，标志着底层模型的研究能力和资源投入已步入新阶段。

主持人：近两年兴起的ChatGPT等大语言模型正在改变很多行业的业务流程，这类AI工具在贵司的实际渗透率如何？

郑耀：AI的应用在量化行业已相当普及，其使用率自去年9、10月份起显著提升。这一变化主要源于AI自身能力的快速演进：去年年初，AI在代码生成等任务上表现还较为初级，更像一个“玩具”；但到年中，其能力已接近初级开发工程师水平；及至年底，在多种大模型的推动下，AI已成为“95分选手”，在编程任务上接近顶尖人类开发者。

AI虽非完美，但其效率优势明显，尤其对中等水平的研究员和开发人员替代作用显著。这也影响了我们的招聘方向——更看重候选人驾驭AI、精准表达与逻辑交互的能力。除了投研，AI也已深入中后台流程。我们基于内部知识库训练了专用机器人，可协助处理尽调、路演问答甚至合同审批等事务。AI已成为团队中不可或缺的赋能工具，其价值正从技术层面向业务全链条渗透。

阿尔法来源分化
量化策略路在何方？

主持人：当前市场上的alpha来源日趋多元，既有传统的基本面、量价等策略，也出现了端到端大模型这类新范式。这几类策略在收益来源、风险特征（如回撤、波动）以及适用的市场环境上有何本质区别？

郑耀：不同类型阿尔法策略的收益来源与风险特征差异显著，其配置逻辑也应随之区分。

基本面阿尔法的核心在于企业盈利能力的兑现，尤其在财报季（通常为1、4、7、10月）表现最强。这是一个长期有效、穿越周期的策略，其优势在于不易失效，在弱市中防御性突出。但由于基本面因子生效周期长，数据样本相对有限，通常更适合采用逻辑清晰、相对简单的模型进行配置。

价量型阿尔法则依赖于市场交易行为与短期定价偏差。它可进一步细分：短周期（交易型）策略追逐热点爆发，弹性大但容易在情绪退潮后迅速失效；长周期（配置型）策略更注重布局热点扩散与趋势延续，表现更为稳健。整体上，价量策略高度依赖市场活跃度，在成交放量、波动率提升的环境中更容易获取超额收益。

在我们的配置框架中，以长周期的配置型价量阿尔法为核心，因其具备较好的可持续性；以基本面阿尔法为稳定基础，增强组合的长期韧性与跨周期能力；并少量配置交易型价量阿尔法，以捕捉市场短期机会、增强收益弹性。这一多层次结构旨在平衡策略的有效性、稳定性与适应性。

主持人：随着未来AI模型和工具的逐渐普及，是否会引发同质化趋势，我们又该如何避免策略的同质化风险？

郑耀：AI在策略生成上的能力仍在快速进化中。目前，它在编程实现上已是“95分选手”，但在真正创造有效的阿尔法策略上，可能只有“20-30分”。然而，一旦其能力迭代到“60-80分”，便足以自动生成大量有效策略，这将导致市场上大部分同质化、技术含量不高的策略迅速失效。

这将引发行业的深度“内卷”与进化。当AI能够轻松完成基础性研究时，人类研究员的核心价值就必须向上迁移——我们必须比AI更深入、更具洞察力。这类似于将竞争赛场从“普通考试”升级为“超高难度选拔”：只有那些能解决更复杂问题、拥有超越AI认知能力的研究员，才能持续创造超额收益。

主持人：当前市场对量化多头产品的热情似乎高于传统的指数增强产品。从产品演化的角度看，您认为未来国内量化产品的发展趋势，是否会从“指数增强”为主导，逐步转向量化多头策略？此外，海外成熟市场在量化产品的发展路径上，有哪些经验值得我们参考或警惕？

郑耀：从产品定位来看，指数增强策略锚定特定指数，追求稳定超额，其优势在于风格清晰、偏离可控，是长期进行指数投资的优质工具。而量化选股策略虽然常被贴上“绝对收益”标签，但其核心通常并非择时，而是通过放宽行业与风格约束，力求获取更高的阿尔法。它的本质是“更高阿尔法的追求”，而非对市场方向的判断。

因此，未来的发展并非简单的“指增减少、选股增多”，而是策略定位的进一步明晰化。投资者需理解，量化选股提供的是一种更高阿尔法弹性的配置选择，而非自带择时功能的绝对收益保障。

2026
量化策略有哪些挑战与机遇？

主持人：随着量化投资交易规模的扩大，相应的监管政策也在不断完善。有投资者担忧监管政策对量化交易的影响，您如何看待这一问题？

郑耀：监管的核心目标是维护市场公平性，因此会对可能造成不公平交易的行为进行规范，例如对程序化交易在报单速度、流量和机房布局等方面进行必要限制。这对量化行业而言并非打压，而是引导竞争回归本源。

量化的核心竞争力并非技术手段带来的速度优势，而是更深度的研究能力、更广泛的数据处理与更有效的策略模型。因此，监管规范实际上推动行业从“技术套利”走向“研究驱动”。在一个更公平的环境下，量化机构必须依靠扎实的研究能力来获取超额收益，这正是行业长期健康发展的基础。

主持人：您认为普通投资人选择量化产品时，需要关注哪些方面？对于2026年量化超额的表现，稳博又有何预期？

郑耀：为投资者选择量化产品时，我们建议从三个维度进行考量：

一、团队与策略的稳定性：优先考察投研团队的实力、经验与组织架构，判断其策略框架是否具备持续迭代的能力。

二、风险匹配与回撤认知：清楚了解策略的历史表现，特别是其回撤特征与市场环境的关系。从未经历回撤的策略反而更令人担忧，关键是要确认其风险特征是否在你的承受范围内。

三、长期视角与周期适应：量化策略存在周期性，需观察其在不同市场阶段的表现，避免仅基于短期业绩做决策。

量化行业经过2024-2025年的技术积累，尤其在AI融合方面取得了实质性进展，策略能力显著增强。当前市场交投活跃，预计将处于“慢牛”格局，这对量化策略的运行较为有利。尽管外部不确定性始终存在，但市场在经历多轮压力测试后已显得更具韧性，投资者对宏观波动的适应性也在增强。展望2026年，量化策略仍具备较好的配置价值。

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。