量化对冲策略是什么意思(量化对冲)

到底什么是量化对冲

一、基础篇

1、在市场不稳定的情况下如何稳健套利？

套利，本就是很稳健的一种盈利方式。套利和盈利不同，相信您问的是在市场不稳定的情况下稳健“盈利”。先明确量化和对冲的概念，可下载OA系统中“量化对冲 产品基础知识学习手册”进行详细学习。量化对冲产品在构建股票多头的同时，也构建期货空头。这种操作在市场不稳定时，可以对冲市场的系统风险，从而留下股 票多头特有的盈利。

2、量化对冲产品的操作流程是怎样的？

先用量化投资的方式构建股票多头组合，然后空头股指期货对冲市场风险，最终获取稳定的超额收益。

3、收益方面、安全性方面哪个更有优势?

量化对冲产品在收益方面和安全性方面都有优势，属于风险和收益高度匹配的高性价比产品。

4、量化对冲程序化交易的对象是什么？

股票、债券、期货、现货、期权等等。

5、通过期货对冲的那部分资金是不是一定加杠杆的？

是 的。期货是保证金交易，本身就带有杠杆性质。但这部分的杠杆不是为了博取高收益而主动加杠杆，而是为了“等市值对冲”。比如2个亿的基金，1.6个亿买股 票，剩余0.4亿做股指期货空头（这0.4个亿为保证金，相当于做了市值1.6个亿的股指期货空头），这样下来整个基金几乎无风险敞口。

6、针对目前的市场，量化对冲策略是不是以市场中性为主要策略点？

是的。

7、量化对冲类产品收益大概在什么范围内？

我国主流的市场中性策略的量化对冲产品，年化收益大概在10%-20%。

8、如何确定准确的贝塔因子系数，来安全的对冲掉系统风险？

国内主流的市场中性策略量化对冲基金是等市值对冲，比如2个亿的基金，1.6个亿买股票，剩余0.4亿做股指期货空头（这0.4个亿为保证金，相当于做了市值1.6个亿的股指期货空头），这样下来整个基金几乎无风险敞口。

9、量化对冲选股范围都是哪些？大概选择多少支股票呢？

目前国内的量化对冲产品选股范围主要在A股内。股票的数量取决于量化对冲基金中对选股的量化要求，达标即入池，但是大多数量化对冲基金选股都达上百只。

10、量化选股的具体方法是什么？如何判断量化模型选出来的股票就是能赚钱的股票？

量 化选股的具体方法：量化投资一般会选出几百支股票进行投资分析来分散风险，适合风险偏好低，追求稳定收入的投资者。量化分析师们在制定规则之后建立某个模 型，先用历史数据对其进行回测，看是否能赚钱；如果可以，就再注入小额资金，积累样板外的实盘交易。实盘后如有盈利，就扩大资金量判断其是否对投资结果带 来影响。最后运行的模型，都是经过千锤百炼的。

11、国内量化对冲使用的策略有哪些？

（1）主流：股票市场中性策略又称alpha策略，是当前国内私募证券投资基金最常用的策略之一。它从消除市场系统性风险（Beta）的维度出发，通过同时构建 多头和空头头寸对冲市场风险，以期获得较稳定的绝对收益。国内通常的操作方式为：买入股票同时卖空与股票等市值的股指期货（也可以采取融券方式），盈利模 式为所买股票超越大盘的涨跌幅。特点：较为稳健的策略，收益不高但稳定，回撤较小，适用于震荡市场，但是我国现在面临的问题在于，市场对于对冲策略日趋上 涨的需求与实际对冲工具不足的矛盾（如2014年下半年多数运用市场中性策略的机构因为持有成长股，但是当时没有可以对冲成长股系统风险的股指期货，所以 他们只能选择可以对冲大盘蓝筹股风险的沪深300股指期货，结果在大盘上涨、创业板下跌的行情中遭受了惨败），多种股指期货推出、股票期权上市以及融券业 务的扩充能够缓解此类问题。

（2） 股票多空策略，类似于alpha策略，但不同于alpha策略的是其会有多头敞口或者空头敞口，股票多空策略的操作难度大，因为除了要进行标的选择外，还 需对大盘多空进行判断即择时。正因为如此，目前的量化多空策略，往往是以动量策略为主，即市场已经出现较为明显的趋势性上涨或者下跌行情时，再做相应的调 整。

（3）CTA(期 货管理)策略，侧重于期货市场的投资，投资于股指期货、外汇期货、国债期货等期货/期权品种及相应的现货品种。量化对冲类的管理期货产品，就是用量化手段 判断买卖时点、用计算机程序化实现期货的投资策略。由于期货为T+0 方式，因而采用程序化的高频交易比手动交易具有天然优势。从程序化交易这块，期货领域其实较为领先于股票领域，而且现在的期货高频策略已经由比拼策略思想 提升到了比拼系统配置和下单速度等方面。特点：具有杠杆属性，收益率较高，但在无趋势的震荡行情中，由于杠杆特性会产生较大的回撤，受限于交易品种的成交 量及活跃程度。

（4） 套利复合策略，套利策略中最常见的是二级市场套利，包括商品跨期、跨品种套利，股指期货跨期、期现套利、ETF 跨市场、事件套利、延时套利等。由于国内的金融工具和金融品种都不多，国内的套利策略多为方向性套利，即依赖于价格的上涨下跌而寻找套利机会，国外的期权 可以对波动率预测进行套利。由于在市场行情不温不火，波动较小时，这类策略往往找不到套利机会，因而国内的套利对冲基金往往会在无套利机会时，增加一些另 外的小策略，构成套利复合策略。例如在套利机会较少时，套利基金会增加一小部分的趋势投机或者股票市场中性等。长期来看，这种方式更利于产品的发展。特 点：在我国是一类性价比较高的策略，但是资金容量有限，机会有限，需要不断开发新的策略；股票-期货套利在震荡市场中随着套利机会的增加而如鱼得水，但在 稳定、波动小的市场中表现欠佳；分级基金套利在单边上涨市场中可以取得较高的收益，但是震荡市场中变现欠佳；目前主要问题是可套利品种不多、分级基金的活 跃基金数不够多难以承受较大资金进出、可用金融工具仅有股指期货对冲性能不够。

（5） 宏观对冲策略，宏观策略是一种基于宏观经济周期理论对经济增长趋势、资金流动、政策变化等因素进行自上而下的分析，预期其对股票、债券、货币、商品、衍生 品等各类投资品价格的影响，运用量化、定性分析方法作出投资决策并在不同大类资产之间甚至是不同国家之间进行轮动配置，以期获得稳定收益。例如当对冲基金 更看好未来美国经济的复苏，就可以逐步做多美股资产，同时将资金撤出新兴市场并做空新兴市场资产来构建组合。该策略的成功取决于对全球宏观经济趋势的判 断，判断越准确，策略的效果越好。

12、量化对冲是否保本，风险多大？上下浮动多大？

量化对冲基金的合同与固定收益类信托、大部分银行理财产品一样，写的是不保本。市场中性策略量化对冲产品（国内主流），短期内最大回撤在5%，长期内都是稳增值的。而且部分量化对冲产品还采取分级结构，通过劣后级的资金对优先级投资者进行本金的保证。

13、风险收益方面跟阳光私募和信托有啥区别？

量化对冲产品也是一种阳光私募，相信您说的阳光私募指的是国内纯做主动管理股票多头的阳光私募基金，国内主流量化对冲产品的风险、收益介于主动管理股票多头阳光私募和固定收益信托之间，但是夏普率（投资性价比）普遍高于其他两种类型产品。

14、加杠杆和不加杠杆的区别在于哪里？

加杠杆可能会带来更多的收益，但是也要承担更多的风险。

15、整个市场上的量化对冲产品如何对比？

从多个方面去比较，看运用的策略、公司成立的时长、看管理团队的风格、看团队旗下同时期管理基金的夏普比率、波动率。

16、量化选股的具体方法是什么？如何判断量化模型选出来的股票就是能赚钱的股票？

二、进阶篇

1、目前管理层在对冲这块有一定的限制，那这个对量化对冲策略会不会产生一些影响？

禁止“做空”是禁止“裸做空”，并没有禁止量化对冲的空单，故以市场中性为主的量化对冲产品并无受影响。政策上完全禁止市场上一切做空动作的概率极小。如果真遇到监管“昏招”，可以做套利策略，比如分级基金套利。

2、怎样才能区别好的量化对冲策略与一般的策略？

好和不好要看和投资者的契合程度，对于追求稳健收益的投资者来说，市场中性策略的量化对冲产品是最合适的。在市场中性策略中，策略跑的时间越长、年化复合收益率相对较高、收益曲线表现越稳定、夏普率越高的产品相对更好。每年也有评测机构对各量化对冲产品进行综合排名。

3、量化对冲是需要写选股程序的，我们怎么知道选股程序是否比较优质呢，并且能为客户赚到正收益呢？

量 化投资一般会选出几百支股票进行投资分析来分散风险，而且加入对冲系统风险的工具，很适合风险偏好低，追求稳定收入的投资者。量化分析师们在制定规则之后 建立某个模型，先用历史数据对其进行回测，看是否能赚钱；如果可以，就再注入小额资金，积累样板外的实盘交易。实盘后如有盈利，就扩大资金量判断其是否对 投资结果带来影响。最后运行的模型，都是经过千锤百炼的。

4、股指期货的金融种类不多怎么办？

现在已经有上证50期货、中证500期货、300期权、500期权、50期权等等，随着未来各类对冲工具越来越多，系统风险能更有效对冲，可选策略会更多，烫平波动的效果更好。

5、过往产品的历史、收益稳定性和回撤？

“对 冲”的概念最早由Alfred W. Jones 于1949年创立第一只对冲基金时提出，他认为“对冲”就是通过管理并降低组合系统风险以应对金融市场变化。全球范围内：截至2014年末，全球量化对冲 基金管理资产规模已从1997年的1182亿美元发展到3万亿美元(近18万亿人名币)，增长20倍，年均复合增速20%。我国范围内： 2014年以前，量化对冲私募发行主要依托信托平台、及券商资管平台；2014年以后，《私募投资基金管理人登记和基金备案办法（试行）》实行，截至 2015年2月7日，国内已完成登记的私募基金管理人为7358家，管理私募基金9156只，管理规模2.38万亿元人名币，如果估计证券投资类私募基金 占比40%、量化对冲占证券投资比为15%，则国内当前量化对冲私募的管理资产规模估计约1500亿元，与全球3万亿美元（近18万亿人名币）的规模相 比，占比约0.9%。我国主流的市场中性量化对冲产品收益稳定性极好。而且据相对完全统计，2015年6-7月（股灾时），已经成立1年的127只市场中 性量化对冲产品中100只逆市上涨，剩下那27只回撤大都控制在5%之内。

补充问题：那这剩下的27只没有上涨什么原因导致的？答：各家量化选股还是有非常小的差异性，少数产品在短期内收益有小幅回撤是很正常的，反观这27只产品一年之中的收益曲线，也都呈现出了“净值稳增长”的态势。

6、量化对冲项目在做对冲时是不是有比例限制，比如是不是只能拿出10%出来做对冲还是没有规定？

国内主流的市场中性策略量化对冲基金是等市值对冲，比如2个亿的基金，1.6个亿买股票，另0.4亿做股指期货空头，无风险敞口。

三、风险应对篇

1、量化对冲的风险点在哪？

最 大的风险在于基金经理构建的股票多头所处的市场的β风险没有得到有效对冲这是2014下半年对冲基金面对的主要矛盾，多种股指期货推出、股票期权上市以及 融券业务的扩充（利好：上证50、中证500股指期货4月16日上市）能够缓解此类问题。遇到这种极端情况，应对方式是：（1）坚持持有，等待市场回归均 衡，量化对冲策略多数是长期有效的。（2）一般此时期货与现货价格会出现大幅偏离，基差套利可以获利或减少损失。（3）现在已经有上证50期货、中证 500期货、300期权、500期权、50期权等等，随着未来各类对冲工具越来越多，系统风险能更有效对冲，可选策略会更多，烫平波动的效果更好。综上， 对于量化对冲，理解产品属性，长期持有是应对风险最好的办法。

2、量化对冲风险控制是如何做的？

量 化对冲，故名思意，有量化，有对冲，对冲本就是一种风险控制（控制整体市场的风险），量化是一种严格的、利用计算机、利用程序的选股模式（控制的是人性的 贪婪恐慌风险），另外量化对冲产品也设有预警和止损线，而且设置的较高（市场中性策略的量化对冲产品中，触及止损线的产品极少）。

3、量化对冲可能出现亏损现象吗？最大亏损可能是多少？

有可能出现，不同的策略有不同的回撤，阿尔法中性策略年度一般回撤5%-10%，量化对冲产品的止损线一般设置为0.9或者更高，这样在基金出现少量亏损的情况下可以严格止损。

4、目前市场都采用中性策略，如果市场稍微有大的波动会不会加剧大幅振动的可能？

中性策略与市场的涨跌相关性很低，市场波动对策略的影响很低。

5、某些量化对冲产品近期的净值小于1，怎么理解？

各家量化选股还是有差异性，少数产品在短期内收益有小幅回撤是很正常的，反观这些产品一年之中的收益曲线，也都呈现出了“净值稳增长”的态势。

6、可预见的政策性风险、可预见的市场性风险、可预见的操作性风险会有哪些?

这 是一个非常宽泛的问题，虽然量化对冲在风险控制方面有优势，但也面临着各种不同的风险。可预见的政策性风险：因国家宏观政策（如货币政策、财政政策、行业 政策、地区发展政策等）发生变化，导致市场价格波动而产生风险。可预见的市场性风险：如多头一方因持有股票会面对持有股票的一系列风险（价格波动风险、经 济环境风险、上市公司经营风险等），而空头部分因持有空头股指期货会面对期货投资的风险（杠杆风险、基差风险、平仓风险等），但正因为多头风险与空头风险 可以大部分相互对冲，所以整体风险被控制在一个较安全的水平。可预见的操作性风险：相关当事人在业务各环节操作过程中，因内部控制存在缺陷或者人为因素造 成操作失误或违反操作规程等引致的风险，如越权违规交易、会计部门欺诈、交易错误、IT 系统故障等风险。当然这些可预见的风险，管理人都会提前做规避工作，尽全力做到“风险可控”。

四、营销篇

1、客户：相较目前的固收类的产品来说，收益没有太大的优势，同样要承担一定的风险，百分之十几的收益我宁愿选择私募产品。

按照客户风险偏好，对客户资产进行最优配置。客户想享受股票市场的收益，但又不太愿意冒太大风险的可以推荐配置量化对冲。市场中性策略的量化对冲产品是介于固定收益与浮动收益之间的一种产品，称为“类固定收益”，风险收益适中，预期收益10%-20%。

2、客户：产品如遇亏损，止损策略怎么进行，能保证我资金的安全吗？

止 损根据产品不同有不同的止损条件，阿尔法中性策略年度最大回撤一般在5%左右，产品的止损线一般设置为0.9或更高。而且量化对冲基金通过严格的量化选股 操作、等市值构建股指期货空头来对冲系统风险，虽然在合同中跟银行理财、固定收益信托、主动管理型阳光私募产品一样都无法写上“保本”二字，但是您的资金 也是很安全的。

3、客户：对国外这个模型不相信，对于投入到二级市场不抱信心。

模型其实并不复杂，而且都是经过反复的理论和实际验证的，对二级市场不抱信心的客户更加可以推荐量化对冲，量化对冲适合所有行情，不惧股市下跌。

4、倾向固收类客户对政信类等更感兴趣，对量化对冲比较犹豫，偏向高风险客户又觉得收益不能动心。

政 信类产品的收益率正在往下走，对风险厌恶型客户的资产配置可以推荐量化对冲类的阿尔法策略，风险相对较小，收益预期相对比较稳定。而偏向高风险的客户，也 可以进行细致分类。没有人会愿意为了追求一定的收益而承担相对更高的风险，对于量化对冲产品来说，它的收益和风险是高度匹配的，也就是具有高投资性价比。

5、客户：现在银行和很多私募都准备做量化对冲，国家可能会出不利的政策？

国家对恶意做空以及恶意高频交易操综市场的行为的会进行查处，国内主流的量化对冲产品以市场中性策略为主，做多股票+做空股指期货是同时进行的，而且做多与做空的头寸一致，国家对这类产品干预的可能性极低。

6、客户：具体的净值计算方法，净值创新高部分提取25%后，我的年化收益大概是多少？

扣除管理费、托管费、业绩提成之后，客户的收益在10%-20%区间，业绩提成一般客户80%，机构20%。

7、 客户：操作策略中，期限套利和跨期套利可以认为是无风险套利，但本身收益做不高，年化6-7%已经不错，加了阿尔法套利，主动性加入后，风险就会增大，风 险转化为收益是很好，如果风险削减收益，这会影响净值上升的斜率，本来斜率就很小，这样体现的收益不大，即使波动也在较小范围，我觉得不值。

量化对冲策略很多，无风险套利是其中一种，无风险套利的市场机会不是很多，可以作为基金的安全垫策略，阿尔法策略（也就是市场中性策略）是一种成熟策略，能够长期操作，加入后会增加收益的稳定性，风险变小，阿尔法的收益高于套利的收益，加入后收益变大。

量化对冲策略，具体是在赚什么钱？很多人搞不明白

量化其实是一种方法，而不是具体的目标，或者说不是市场上某一类特定的产品。相对于投资人有明确认知的宏观背景、行业景气度，当话题涉及到因子或者量化模型的诸多细节，投资人就很难获得直观感受。

量化对冲产品在运用哪些投资策略，具体又是在赚什么钱？来看嘉实基金经理金猛是如何解析这个核心问题的。

本文内容节选自《开源金工·量化基金经理对话实录》

受访者为嘉实基金经理金猛，访谈时间2021年6月15日

一、超额收益的本质

假设是做完全的对冲，拆解后很容易发现产品能不能跑赢沪深300。归根结底，要获得超额收益，才能够使得绝对收益产品或者是对冲产品能够赚钱。这里就有问题了，超额收益怎么来？

我对超收益的理解，假设全市场的超额收益之和是0，那就表明我们一定要比平均水平高，才能保证自己有能力拿到这一部分alpha。超额收益的来源，我们认为主要有三个：第一个是超额信息，第二个是超越一般水平的对股票市场的认知。第三个是操作的纪律性，或者说减少犯错的概率。

首先，超额信息很自然，我们要基于信息去预测市场的走势。要想预测要比一般人更准，很直接的方式就是你拥有其他人没有的信息。

第二就是超越一般水平的认知。这是过去绝大多数量化团队希望去琢磨的方向，或者说在业绩遇到困难的时候，大家想要突破的方向。这个超越一般水平的认知途径，既可以是行业专家，也可以是投资模型。投资框架就像我们过去经常去使用的一些量化模型，其实就是我们对股票市场的认知。在过去大家都遇到在特定的时期，我们的投资模型不是那么的犀利，那么面对问题的时候，我们就会想怎么去优化模型，这个过程其实就是在提高我们的认知。

第三个就是减少犯错的概率。这个也很直接，犯错一定是会对组合带来影响的，对于非专业的投资者而言，可能是因为被骗，或者是听了小道消息，不自觉地犯了错误。专业的投资者或者职业投资者，实际上也会因为人性的一些问题而犯错，最典型的就是追涨杀跌的问题。甚至我们一些看似标准的策略，其实也在鼓励我们去追涨杀跌，比如最典型的CPPI策略（注：直接翻译过来，就是固定比例投资组合保险策略）

我们一切工作的重点是想获得超额收益，而要获得超额收益，就要在刚才提到的三个方向有超越一般人的积累。

市场上有海量的信息，而个人是没有办法对海量信息进行处理，同时还能够从中提取有价值的信息。所以，我们最后还是要利用计算机处理信息的优势来清洗这些数据，从中间挖出一些大概率有效的信息。甚至这个概率都不是特别大，只要这个概率大于50%我们就可以把它提取出来用在组合里面。

我们要回溯选股策略的收益来源，比如说通过Barra模型，可以把它拆分成风格行业和个股的要素，这是一种很好的拆分方式。

但也发现一些问题，用Barra模型去解释一些主动基金经理的超额收益的时候，并不能解释清楚。比如，某个基金经理在行业和风格上有很大的负超额收益，会认为这个人没有行业配置能力，或是没有风格选择能力，而他产品的超额收益完全归因于个股选择。

但是回头一想，这个基金经理他从来没有去选行业或者选风格这个事，本来就是通过自下而上选股的。这种收益拆分来源于角度的不同，刚才我们提到了基金经理选股的过程，他其实就抓住了两点：

第一，基金经理他知道其他人不知道的东西，也就是超额信息。

第二，他对这个公司更长期的发展脉络有更好有超越市场的把握，有超越市场的认知。

过去包括现在正在使用的多因子模型，其实没有办法做这样的事情。正因如此，我们把多因子模型里面会给我们组合超额收益带来波动的拆成了4个部分。

二、超额收益的来源

第一个就是行业的偏离。我们以前是不做行业偏离的，但是简单想一下就知道，在一些景气度向上的行业去选股票，获胜概率是非常大的，更容易选到好股票。但如果在钢铁这样的夕阳行业中选择，的确需要一些别人没有的东西，比如哪些钢铁厂现在经营状况良好，预计下个季度披露出来的季报特别好。我希望有方法去推算这个东西，但是公开的数据没有办法帮助我们干这个事儿，那么我要选择好股票的难度是极大的。

所以我们其实采取了一种非常简单，但是同时也比较有效的方式，就是在高景气度的行业持续稳定的超配。过去我们的行业中性的框架其实也没有被打破，我们还是会对一级行业做行业中性，这样做的目标是为了控风险，但是每个一级行业里面有欣欣向荣的子板块，也有已经老态龙钟的板块，需要根据具体情况区分。在这一块上我们下了大量的功夫，也和公司其他研究团队定期输出的研究成果进行了结合。最终的结果是比如说在电子这个行业里面，对于一些相对景气度不那么高的细分赛道，我们就尽量不买或者尽量少买，对于景气度非常高的，比如说像半导体等等，我们会多买。整个大框架依然是类似于一级行业中性的框架，但是在细分的赛道或者在细分的beta上进行了有效的偏离，这个能赚一部分钱。第一个比较重要的收益来源就是通过行业偏离得到的beta。

第二个比较重要的是狭义的alpha。我所理解的狭义alpha是我有超额信息，做出来的才是alpha。刚才提到了两个问题，第一个是超额信息，第二个是超额的理解。超额信息这部分我们过去基本上是不涉及的，因为我们所有的数据都是公开数据，并且它得是能够覆盖所有的行业的数据，如果只能覆盖某一两个行业，我们认为它的有效性是不足的。

我们过去使用IC方法去检测覆盖度很低的指标，最后得到的T值会很低，意味着有效性会很弱。（注：指的是T检验，主要用于样本含量较小，总体标准差σ未知的正态分布资料。T检验是用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著）

我们到底有没有用主动选股，或者说用一些另类数据？是的！而且我们认为未来也是必须要去用的，没有这些就没有超额收益，或者说是没有超额收益里面的这最重要的部分。就看你怎么能挖掘到这些厉害的股票，只有你对市场的理解领先于其他人，或者说你的信息比别人要来得早，你才能够赚到钱。

举个例子，比如北向资金，这个数据绝对能挖出alpha。现在回头看，2016和2017年海外资金流入的趋势非常强，而且持续了很久。以我个人为例，在2017年的时候，一是我当时没有自己做投资，还只是在做研究；二是我在看这个数据的时候，还是很古板的做量化的思路，在2017年初的时候，这个数据只有9个月左右的历史，我觉得使用的时候它覆盖度还很低，因为那个时候的陆股通和现在还不一样，覆盖的股票数量差异较大而且也有很多的限制，比如说每只股票的持仓上限还有要求，我天然就不想用这个数据。

又过了一年，我越来越觉得自己当时的决策有问题，开始去使用这个数据，结果慢慢就发现它的效果越来越差了。其实后来我也进行了反思，这个问题就在于当得到新数据或者结构相对来说不太能满足过去量化的要求的时候，我们应该从本质去理解这个数据到底能不能带来alpha，而不是机械地判断一定要符合我们过去认定的形式才能去用它。等到数据的长度积累了两三年，覆盖度已经有两三千只的时候，再去用它其实就已经晚了。而一些另类数据，或者说一些偏主动的数据，我们是一定要去用它的。

在过去，我们是单纯的做量化组合，而现在我们做的是量化和主动相结合的方式，其实就是我刚才提到的两点，

一是我们会在个别行业中使用一些另类数据，或者说是不太符合过去多因子模型要求的一些数据；

二是我们也会逐渐的参考嘉实的研究团队，他们对于股票的一些推荐以及对于未来盈利的预测信息，我们会用成体系的框架系统化地把它纳进来，我认为这些数据为我们贡献了很多alpha。

第三个方面是，在风控方面还得依赖过去的传统的这样量化的框架，当然我们在这个过程当中也会不断的进步，也会用一些非线性的模型。我们一直在思考，量化模型现在能给我们带来什么？我们还在这个组合里面用了非常大的权重来配置量化的方，而不是抛弃它。简单来说，过去的量化是在赚两方面的钱，第一个是风险的钱，因为很多投资如果没有非常系统性的框架，其实处于性价比不利的位置。

刚才我也提到了这个问题，如果是为了增加一点点收益而承担了过多的风险，或者是为了一点alpha，我放大了很多的风险或者说是跟踪误差，那在市场波动的过程当中一来一回，再平衡的过程就会导致很大的亏损，这就得不偿失了。

在这个时候，我们关注的重点就在于如何在整个投资框架中把我们不同的收益来源，不同的alpha来源，不同的beta收益的来源，有机地整理到组合里。简单来说就是对于每个收益来源，我首先要知道它未来的预期贡献和预期风险是什么，在我优化它的过程中要使得我的风险预算和它带来的潜在alpha成正比。长期来看，这样的过程是可以提高超额收益的。

第四个超额收益的来源是因子溢价。我们用一些比如估值、质量、成长等等这样指标，过去我们觉得是在筛选公司，现在我们认为我们通过因子筛选的不是公司，而是市场的某种风格。这个风格和成长价值简单的二维风格不一样，是市场上某种特有风险的风格，或者是对应的某种风险溢价。我们承担了这种长期来看能够贡献回报，但是短期大家又不想去承担的风险。我们额外承担这一部分风险，长期来看就能获得这样一份回报。因为在我们的因子框架里面有两三百个这样的因子，有的团队用的多有的用的少，我认为大家其实都在干同一件事情，就是承担一些市场主流投资者或者主动交易选手他们不愿意去承担的风险，付出了这部分社会劳动，那就能获得这样一份回报。这块我们也还在做。

刚才提到4个主要的收益来源，alpha、beta、风险和因子，我们还会持续不断的做。我们也认为超额收益只有通过不断的分散，不断的去寻找新的因子并纳进研究框架，通过分散化来来提升持续性或提升风险收益比，才能够在市场不断进化的过程当中始终保有自己在超额收益的竞争力。毕竟市场的有效性会不断提升，以前是超额信息的数据，会渐渐为大众所知，以前觉得是比市场平均水平要强的理解，也许会逐渐趋于平均水平。