史慶盛?嚴佳煒?羅軍?安寧寧

2018年盡管指數(shù)下挫明顯，但公募量化基金發(fā)行數(shù)量及規(guī)模并沒有明顯下滑。在公募對沖、主動量化基金規(guī)模下滑的同時，指數(shù)增強基金規(guī)模逆勢上升30.16%（55.31億元），其中大部分來自存量基金份額增長。

此外，量化基金規(guī)模分布上仍存在“馬太效應(yīng)”，尤其是指數(shù)增強基金，平均規(guī)模 5.68億元，中位數(shù)僅0.95億元。從側(cè)面反映資金方更為偏愛歷史業(yè)績穩(wěn)定的優(yōu)秀產(chǎn)品。

市場結(jié)構(gòu)的變化及對沖工具的缺失，導(dǎo)致傳統(tǒng)的中性策略難以開展，市場缺乏系統(tǒng)性機會，取而代之的是“一九”極端分化的結(jié)構(gòu)性行情，面對量化困境，機構(gòu)積極應(yīng)對，從Alpha策略優(yōu)化到產(chǎn)品布局都在嘗試轉(zhuǎn)型。

策略上，機構(gòu)逐漸重視“風(fēng)險管理”能力：通過低相關(guān)度的多品種或多策略來分散產(chǎn)品風(fēng)險;注重風(fēng)格及策略的靈活性，尋找新環(huán)境下有效的策略模式;探索大數(shù)據(jù)等Alpha源，引入 AI等新技術(shù)構(gòu)造多樣化策略。

產(chǎn)品上，主動量化及指數(shù)增強成為公募機構(gòu)布局的首要選擇。部分機構(gòu)在策略產(chǎn)品設(shè)計過程中，主動加入了對特定風(fēng)格或行業(yè)進行拆解并主動暴露敞口以追求更高的Alpha空間，圍繞一系列特征鮮明且具有差異化的策略，布局Smart Beta產(chǎn)品。

風(fēng)格與策略前瞻

在面臨政策及市場結(jié)構(gòu)調(diào)整的新格局下，投資者在捕捉風(fēng)格方向以及構(gòu)建Alpha策略上都面臨諸多的考驗。

展望未來，隨著市場風(fēng)格重新趨于穩(wěn)健，而機構(gòu)在經(jīng)歷了又一次風(fēng)格大切換之后也增強了策略的適應(yīng)性，風(fēng)格策略將持續(xù)帶來穩(wěn)定的 Alpha 收益。隨著資管新規(guī)的落地，Alpha 策略將長期吸引大量資金進行配置，短期的困境不會改變量化策略不斷提高市場占比的大趨勢。

自2016年以來，在國內(nèi)外多重因素影響下，A股市場風(fēng)格發(fā)生了較大的轉(zhuǎn)變，隨著海外資金持續(xù)流入及養(yǎng)老金的長期布局，A股的投資者結(jié)構(gòu)正在悄然改變，盈利及價值等投資風(fēng)格的有效性將有望持續(xù)，而規(guī)模及價量等風(fēng)格Alpha特性將有所減弱，而風(fēng)險特性則更為凸顯，越來越多機構(gòu)將其作為Alpha模型中的風(fēng)險因素加以控制。

自2016年以來，A股市場整體波動率持續(xù)走低，市場缺乏系統(tǒng)性機會，在監(jiān)管層堅定地去杠桿措施下，市場的風(fēng)格也發(fā)生了顯著的轉(zhuǎn)變，投資者轉(zhuǎn)而追求捕捉結(jié)構(gòu)化行情。自2015年8月以來的股指期貨受限和持續(xù)負基差給Alpha策略帶來的成本損失，使得相關(guān)產(chǎn)品的規(guī)模和盈利空間都受到了較大制約。

機構(gòu)投資者在漫長的等待過程中，也不斷針對新環(huán)境，對各自策略和產(chǎn)品展開了“自適應(yīng)”，實現(xiàn)策略上的“轉(zhuǎn)型”：1.機構(gòu)逐漸重視Alpha策略與產(chǎn)品的“風(fēng)險管理”能力;2.通過低相關(guān)度的多品種或多策略來分散產(chǎn)品風(fēng)險;3.注重風(fēng)格及策略的靈活性，尋找新環(huán)境下有效的策略模式;4.探索大數(shù)據(jù)等新的Alpha源，并嘗試引入AI等新技術(shù)構(gòu)造更多樣化的有效策略。

Alpha產(chǎn)品布局思考?

2017年以來，Alpha產(chǎn)品就開始面臨巨大挑戰(zhàn)：其一，股指期貨限制遲遲未能放開，市場缺乏對沖工具;其二，市場風(fēng)格突變，收益二八分化，向頭部集中;其三，海外資金大舉進入A股市場，導(dǎo)致市場微觀結(jié)構(gòu)發(fā)生重大變化;其四，監(jiān)管從嚴，各種制度完善，市場逐漸走向規(guī)范，套利機會收窄;最后，Alpha擠出效應(yīng)明顯，因子收益降低。在這樣的新形勢下，如何布局未來Alpha產(chǎn)品值得我們思考。

首先，繼續(xù)向敞口策略轉(zhuǎn)型。傳統(tǒng)的Alpha策略中，或多或少會對行業(yè)以及大小市值等風(fēng)格的敞口進行約束，加以風(fēng)險模型，從而控制組合相對基準的跟蹤誤差，規(guī)避由于風(fēng)格劇烈變化帶來的Alpha的回撤。

但正如“收益風(fēng)險是硬幣的兩面”，風(fēng)險控制+敞口約束往往會損害Alpha，特別是在當(dāng)前Alpha縮窄的大環(huán)境下，能夠提供Alpha的有效因子個數(shù)變少，過度的控制將會使得策略收益下降。

因此，未來Alpha產(chǎn)品可以考慮：適當(dāng)放開風(fēng)格敞口的約束，向敞口策略轉(zhuǎn)型。這里所述的敞口策略并不是指完全對敞口放任不管，而是用一種“科學(xué)化”的方式控制敞口。例如，可以考慮在敞口控制中輔以行業(yè)輪動+風(fēng)格輪動模型，也即，用行業(yè)輪動或風(fēng)格輪動模型來決定該行業(yè)/風(fēng)格的敞口約束。

另外，由于量化模型中較少考慮政策性變量，因此往往對于市場政策的反應(yīng)有較大的滯后。因此亦可考慮在突發(fā)事件后對模型風(fēng)格敞口進行主動調(diào)整。定性+定量的“Quantamental”產(chǎn)品或受市場青睞。

其次，指數(shù)增強與主動量化雙驅(qū)。2016年以來，指數(shù)增強產(chǎn)品受到了市場的關(guān)注，較多公募機構(gòu)發(fā)行了基于滬深300/中證500的指數(shù)增強基金，成為了熊市中的熱門品種。存量指數(shù)基金規(guī)模也逐步攀升。當(dāng)前市場指數(shù)估值普遍較低，對于長期資金而言，選取合適的Beta，輔以Alpha的指數(shù)增強產(chǎn)品有望獲得穩(wěn)定絕對收益。

相較于指數(shù)增強，主動量化基金限制更少，亦可用各種定性的、定量的手段實現(xiàn)收益，更為靈活。另外，主動量化基金是立足于基本面的量化選股，在使用量化方法拓展投資廣度的同時，也能使用基本面分析方法拓展投資深度。對于機構(gòu)而言，可以考慮在這兩種類型產(chǎn)品上同時進行布局。

再次，Smart Beta或成新風(fēng)口。Smart Beta又被稱為策略指數(shù)，是一種較普通寬基指數(shù)型產(chǎn)品收益更高，較主動量化產(chǎn)品更為透明化的產(chǎn)品。海外Smart Beta產(chǎn)品往往選擇價值、成長、紅利、低波作為方向，國內(nèi)Smart Beta產(chǎn)品在設(shè)計時亦可以考慮以當(dāng)前市場主流風(fēng)格進行布局或未來判斷風(fēng)格作為提前布局。

此類產(chǎn)品管理難度相對較低，長期收益較寬基高，換倉頻率低，股票分散度高，能夠容納大資金，或受大型長期資金青睞，有望成為市場新風(fēng)口。

對于公募而言，由于受到交易風(fēng)控限制，換倉頻率無法做到高換手，因而產(chǎn)品絕大多數(shù)以中低頻策略為主。從個股角度來看，公募基金量化策略需要更注重個股的估值以及長期企業(yè)盈利等基本面因素，而非短期波動造成的交易型機會。

傳統(tǒng)量化多因子策略在投資廣度上具有一定優(yōu)勢，但是比對主動基本面研究，仍缺乏足夠的研究深度。在當(dāng)前傳統(tǒng)量化因子收益波動加劇、市場風(fēng)格難以形成趨勢、小市值股票流動性欠佳的情況下，既然無法通過增加換手獲得交易性收益，那就只能通過深挖基本面因子，立足基本面量化，這對于公募量化投資者而言是個較大的挑戰(zhàn)。

我們認為，之前“粗暴”的指標測算式的量化策略將會逐步被淘汰，未來幾年的公募量化策略將更注重因子的基本面邏輯，以及因子之間如何進行科學(xué)的結(jié)合。

對于私募，較少受到交易風(fēng)控方面的監(jiān)管，因此產(chǎn)品交易時效性更強，在Alpha策略角度相對更為靈活。自2014年以來，就有較多私募機構(gòu)開展了日內(nèi)回轉(zhuǎn)交易等高頻交易策略，捕捉個股日內(nèi)波動的趨勢性交易機會，并且取得了非常高的產(chǎn)品收益。在當(dāng)前Alpha低迷的大環(huán)境下，此類高收益策略尤其吸引投資者，2018年此類策略平均收益可達8%以上，頭部產(chǎn)品年收益可達15%以上。對于量化私募，無論是作為絕對收益產(chǎn)品（通過融券、互換），或是超額收益補充（通過底倉），都是非常不錯的思路，值得進行拓展。

但此類策略亦有不足：資金容量可能較小;如果以絕對收益為目的，則受融券成本所限;在市場個股日內(nèi)波動收窄時，策略收益也會隨之下降。

大數(shù)據(jù)技術(shù)的興起與成熟，使得量化模型的數(shù)據(jù)來源不再局限于傳統(tǒng)的基本面與價量數(shù)據(jù)。通過爬蟲捕捉的數(shù)據(jù)將是模型的有效補充。市場上業(yè)已存在較多大數(shù)據(jù)基金，無論產(chǎn)品業(yè)績?nèi)绾?，我們認為大數(shù)據(jù)在投研中的應(yīng)用仍需解決如下問題：1.大數(shù)據(jù)來源的穩(wěn)定性、真實性;2.理順大數(shù)據(jù)背后的投資邏輯;3.大數(shù)據(jù)對于股票的覆蓋度可能不夠，可能造成選股上的偏離。即便如此，在海量數(shù)據(jù)的年代，大數(shù)據(jù)對于投資的指導(dǎo)意義仍然值得探索與嘗試。

另一方面，隨著計算機軟硬件的發(fā)展以及學(xué)術(shù)界業(yè)界對于人工智能的推進，在投資中使用人工智能技術(shù)的條件已經(jīng)逐步成熟。據(jù)了解，已有公募量化基金、保險資管產(chǎn)品嘗試使用部分倉位配置人工智能策略，私募基金對人工智能算法的應(yīng)用也較為領(lǐng)先。廣發(fā)金融工程團隊亦對深度學(xué)習(xí)算法的應(yīng)用進行了前瞻性的研究，相較于傳統(tǒng)的Alpha模型，深度學(xué)習(xí)Alpha模型的市場普適性更佳，收益更高，風(fēng)險更小。未來，機構(gòu)亦可以加強人工智能方面研究的投入，獲取相關(guān)性更低的回報源，構(gòu)建更為多樣化的產(chǎn)品。

作者為2018年賣方分析師評選水晶球獎金融工程及衍生品研究第二名