【文字回顧】量化投資，擁抱更多可能性

特別感謝雪球這一次跟我們一起來聯合做這一場直播。本場直播邀請到了來自於國金基金量化投資事業部的加紅總，所以我們今天直播的主題也是非常的明確，就是跟大家聊聊量化。

今年以來大家可以發現，市場整體輪動的速度還是會比較快的。包括主動權益在今年的行情之下，相對來說也是面臨了一些挑戰。很多投資人這個時候會把目光轉向到量化投資上面。包括像我司為代表的整個的量化公募產品線，也是受到了大家的持續的關注。在這裡也是先向大家表示一下感謝。今天的直播就正式開始。

我們直播的過程當中會針對大家近期比較關注的一些問題，給大家進行解答。包括可能大家也關注到我們八月份整個的公募產品線，三隻主動量化已經有了一個限購的動作。包括上周末大家也可以看到，有監督量化新規的出台。很多投資人可能也會比較關注，對於私募量化，對於公募量化分別都會產生一個什麼樣的影響。這些點我們今天的直播都會跟大家進行一個解答。

同時也歡迎大家在我們的直播間裡，隨時在左下角的評論區進行留言。如果大家有什麼問題，我們也會實時為大家進行解答。現在要把位置給到我們的C位。

先看今天的第一個話題。其實這個問題基本上我們在每一家平台做直播的時候，開場都會跟大家聊到，就是量化投資今年會比較受關注的一個原因。因為我們可以看到，業內不單是我們一家，基本上好幾家相對做的比較出色的量化投資團隊，都受到了無論是零售端還是機構端的一個共同的關注。

姚加紅：準確地說，應該公募量化最近比較受關注。因為私募量化在前幾年市場就已經很關注了，2021年私募量化就已經過了萬億了。公募這幾年增長的還是比較快。公募為什麼相較於私募晚了這幾年，大家對這個問題關注得比較多。第二個就是相較於主動權益，為什麼這幾年比較亮眼。

第一個問題就是相當於量化私募而言，因為量化私募前幾年，主要在2021年之前，在高頻上的收益還是比較高的，做日內高發的這種策略，100倍200倍的這種策略收益很高。但是隨著市場飽和，2021年突破1萬億之後，整個高頻貢獻的超額就比較低。很簡單的道理，因為高頻的容量畢竟有限，比如1000億的資金做，能增長20%。1萬億的資金做，可能就做到2%。2%就不一定能增厚2%，因為畢竟越稀缺過後，它可能越變成特定的小團隊的產品，或者是特定的自營的產品，在資本來看可能增厚就油煙了。

所以在這種背景下，公募基金相對而言就一直做中低頻，前幾年肯定是明顯占劣勢。國金基金也主要是做專戶。因為我們確實覺得高頻的優勢比較顯著，做公募沒太大意義。但是2020年我們開始接公募，市場也發生了一些變化，高頻的收益下降，公募低頻的優勢顯現。

最近這兩年比較靠前的公募和比較靠前的私募，在超額上講並沒有太大的區別，所以公募量化的超額、口碑和規模也都同步的跟上來。所以這個未來空間還是比較大的。因為畢竟從占比還是從規模來講，規模量化目前還不是特別高。因為總體可能就3000億，2700 3000左右。私募量化相比而言到了1萬多億，所以這個空間還是蠻大的。

第二塊就是跟主動權益相比。過去這麼些年，主動權益是一個偏貝塔的市場。拉長了看，靠阿爾法出名或者是做大規模，對於主動管理的公募基金而言其實是挺難的。像被動的純粹指數的或者ETF都能做到上千億，主動管理的、主觀管理的很多也是偏賽道型，賽道型本質上講是一個貝塔。如果我做的風格標籤比較鮮明，那可能大家一想到買哪個賽道，可能就買哪個基金經理，它可能就關聯上。

所以過去主要是以貝塔為主。做貝塔型的產品，需要有一個大環境的支撐。經濟增速比較高，對應的賽道機會也比較多，翻倍的賽道也很多。這樣大家今天買這個，明天買那個，雖然中的機率並不大，但是也有可能。

朱蕭華：抱團，押中就押中了。

姚加紅：押中了可能就翻個倍，還是挺有吸引力的。但是這幾年大家可以看到，因為經濟在平穩增長的階段，翻倍的賽道肯定是越來越少，其次下行的賽道反而越來越多。散戶投資人再繼續按以前那種方式去做，驚喜幾乎就很少了，驚嚇比較多。在這種情況下，以前可能就是阿爾法不太吃香。就算是以前，比如我給一個產品就是指數加10%的一個超額，大家都不太認。但是你如果放在十年的周期，它跑得最好。

那時候貝塔很熱鬧，現在貝塔不是那麼熱鬧的時候，現在基於十幾個點的阿爾法加一個寬基，其實就挺好。無論是機構也好、零售也好、散戶也好，都很認可這種做法。畢竟在下行的時候風險太多了，能增厚十幾個點的阿爾法，肯定是很吸引人的。

所以量化的這種基於寬基不賭賽道做超額的做法，也是慢慢得到投資人認可。

朱蕭華：現在已經有一些朋友陸陸續續在我們的評論區留言了，也有很多投資人直接向我們表達了認可，說是我們的持有人。我看到有一個用戶暱稱是「野兔自由」的朋友，問了一個大家比較關注的問題。我們往期的直播的過程當中，也是跟大家糾偏了很多次，再幫大家做一下解答。而且這個問題我感覺可以讓姚總做一下延伸。

這位朋友問，咱們是做微盤，微盤的成交占比大概有多少？最近市場也會發現，把萬得的指數拉出來，它年化20%多，很高的一個收益了。有一篇文章相信很多資管圈的人也都看過，量化策略太擁擠，它的紅利到底還能持續多久？姚總整體幫大家做一下分析吧。

姚加紅：微盤股容量比較小，我們一般做量化，肯定還是關注本身策略的容量，所以不會做那么小的，那么小的只能做一個補充策略。所以肯定主流的量化產品不會只是做微盤。但是我們在風格上會有一些預算模型，什麼時候偏小票，什麼時候偏大票，我們的持倉大家也看到，風格並不是一成不變的。可能這一期偏小票，下一期可能偏大票。所以是基於一個模型的預測，模型的一個調整。

其次對於微盤股指數，這個指數就是全市場最小的400隻，本質上它是一個小市值因子疊加一個反轉因子，而且反轉因子的風險可能更高一點。所以它是一個反轉效應加上小盤的效應。如果簡單的設置下沉做小票，不會有太大的正貢獻。小票波動也蠻大，就是市值因子的波動挺大。

但是反轉效應就是這樣，都能理解的。因為它是每天取排名靠後的400名，新掉到400名的，肯定是跌幅比較大的，超跌的這種，它本質上是反轉疊加一個小市值的收益。

反轉從交易上講，也會有一些交易上的限制，而且還是等權構建的，所以微盤股指數只能作為一個參考。如果資金量不大，自己也可以嘗試一下。但是對於資管產品，也只能作為一個參考，並不是實際可以取得的一個紙面的收益。

朱蕭華：這一點是幫線上的投資者做了一個我們的觀點的闡述，歡迎大家有什麼問題，繼續在我們的直播間留言，我們也會實時的幫大家進行一個關注。

剛才有跟大家提到，我們拿這幾年主動權益的表現去跟量化的表現做對比，以及包括拿私募量化的表現，跟整個公募量化的表現去做對比。如果我們跟主動量化去比，它在方法論上會有很大的不同。主動量化想要做出超額，很大程度上要提高行業的集中度，以及包括個股的集中度。但是對於量化來說，超額來源肯定是儘可能越廣泛越好。包括大家可以通過產品的半年報、年報中看到，整體的持倉還是比較分散的。

很多投資人可能會問，我們分散程度已經是一千多隻票了，它的效益是怎麼樣的？如果集中一點，會不會表現更好一些？對這種問題應該怎麼去評判？

姚加紅：這個肯定是一個均衡。一般而言這種規律很簡單，持股越集中，超額波動就會更大一點，但是超額肯定會略高一點，基本上都是這個結果。持倉集中會導致超額變高，同時波動變大，就是這麼個結果。

朱蕭華：剛才這位投資人追問了一個問題，因為剛才我們聊微盤聊的比較多，他追問了一下，微盤指數可能確實有虛高貝塔的收益。但是也不可否認，可能一些做微盤的收益相對來說也會比較好。這個該怎麼解釋？

姚加紅：小市值股票超額比較高，這是一個點。為什麼量化整體而言偏好做小票一點？補充一下，我們從策略上講，如果限制只做大票，比如300成分股，那我們的超額也是挺好的。因為今年公募300指數排名也都是第一名。而且我們300指增就是從滬深300成分股裡面選股。

這說明什麼？就是策略層面需要保證，在各個方向，無論是什麼限制條件，無論是什麼選股範圍，都能獲取超額。第二個層面在各個方面都能獲取超額。但是也有超額好的、超額高的、超額低的。300的超額肯定是相對比較低的，在我們的同類策略里。做偏小票，肯定超額更高一點。這個在量化裡面是個普遍的現象。所以不是做指數增強的，做全市場選股主動量化的這種產品，肯定會偏小票一點。主要是因為小票超額更好做一點。

同時因為你有風格市值的這些預測模型，本身又能控制，一旦市場切換成大盤，大小盤的風格，又能控制住風險，本質上我們做的是這件事。

朱蕭華：剛才關於微盤跟大家講了一些我們的觀點。結合這兩年整體的市場環境去看，因為賽道股差不多在2021年年初經歷了抱團瓦解之後，整個市場可能是一個震盪市，或者有的朋友更偏悲觀一點，認為市場調整了兩年多，將近三年的時間了。

很多朋友可能會想說，因為我們是分散持倉的投資理念，會不會量化在一些市場風格下不是那麼占優，我們應該怎麼去看產品在不同市場風格下的表現？

姚加紅：肯定沒有哪一種是萬能的，因為量化確實也沒法保證在每個市場。但是這也分兩方面，量化追求的是相當於寬基的超額收益。如果風格不適應的時候，我們跑的超額低一點，或者超額率略有回撤，這個都可以接受。

另外一點，如果真的有大貝塔或者大賽道的行情，相較於做貝塔做賽道的這些產品，它的吸引力會下降。同樣是做十個點超額，二十個點超額，在去年、今年就很有吸引力。如果放在賽道很猛的時候，可能大家不一定看得上你一個寬基加上20點的超額，雖然長時間來看絕對是很有吸引力的，但是在特定的時點，大家不一定覺得量化相較於賽道有什麼優勢。這肯定是有相對的問題。

換一個角度來講，基於這種機會，未來隨著經濟企穩，出現大賽道的機率比較少。在過去幾年也可以驗證出這一點，從表現上看，好像是哪個都不成氣候，還沒漲多久就熄火了，但實際上底層的原因，在整個經濟比較下行區間，增速向上的區間裡面，出現這種漲幅很大的賽道的可能性本身是在下降的。這是底層的原因。

其次就算是有這種賽道，有幾個投資人真的能把握住，剛好我選的股票，我選的賽道就是正確的？基金經理本身都沒有太多的選擇賽道的能力，只能是在自己賽道內做好，把更難的選擇賽道的事情，反而交給終端的投資人。其實從長期來看，這肯定是有一點難度的。

朱蕭華：可能很多朋友也會發現，自己買了賽道型的產品之後，自己的組合整體就做了一個對沖。這點剛才幫大家做了一個解答。大家有什麼問題，可以在我們的評論區繼續留言，我們幫大家做解答。

接下來我們還是想要就公募量化，私募量化的這樣一個對比，跟大家做一個比較。剛才我們也有提到，2020年的9月份是一個比較重要的時間節點，當時整個量化私募的規模也是經歷了一個比較急劇的膨脹，隨後超額出現了一個比較明顯的回撤。這兩年大家也可以發現，公募量化當中也是留下了很多具有代表性的團隊和產品。

目前這個時點如果我們再去跟私募量化進行對比，它的優勢是什麼樣的？包括它在投資獲取超額的方式上，跟私募很大的一些區別有哪些？

姚加紅：從交易頻率上講，私募量化雖然經過一輪降倉，但是普遍的平均換手率，年化雙邊可能是60、50大概是這樣的。公募量化交易頻率會更低一點，雙邊可能就在20倍以內。20倍以內就意味著就是接近一個多月的周期里，能夠換一遍股票。所以相對而言公募的換手率會更低一點。

一般而言，換手率高低體現的就是超額的穩定性和波動性上，一般換手率高，波動會小一點。換手率低，波動率會稍微大一點。但是從超高的水平來講，倒沒有太顯著的差異。從策略的角度而言，公募量化相較於傳統的公募主動管理的換手率，相當於是加了一點，現在私募量化是從傳統的高頻量化私募，高換手的策略慢慢降了一點，兩個方向是接近的。

公募量化主要的優勢就在於，比如傳統的公募基金的好處，比如門檻低，申贖很靈活，操作上、策略上，投資上更加透明一點。

朱蕭華：接下來今年大家會比較關注科技上的一些疊代和創新。因為大家也都看到今年上半年，包括ChatGPT，大語言模型這樣一些技術的橫空出世或者落地，很多朋友也會好奇，因為我們之前路演的時候也跟大家提過，ChatGPT一些底層的機制，或者它的一些技術，我們的策略本身也是有用到。

我們之前來路演的時候，也跟大家提到過這個點。因為主動權益，更多的是做深度的研究。姚總提到過一個觀點，量化更多是科技創新的驅動。這一點是如何能體現在策略或體現在產品運作上的呢？

姚加紅：這個可以看得很明顯，也是剛好補充一下關於主觀跟量化的缺點。主觀的比如哪幾年業績不好，大家還是會有一些期待。

朱蕭華：可能風水輪流轉。

姚加紅：風水輪流轉，會輪到的。但是量化很殘忍，因為它是在升級的，它不像主觀的，很多時候是在轉圈，就是方法論、水平，當然肯定是有提升，但是提升的速度可能慢一點。量化疊代很快，就會導致前面的，如果量化一旦超額做不出來了，後面就很難有機會再重新起來，重新等到下一波，換個風口到它頭上。

所以量化就是…

朱蕭華：開弓沒有回頭箭。

姚加紅：就是一路在升級。如果不好了，那就是被市場淘汰了，就是水平不夠，不會說等一等，同樣的做法我過一段時間又能做好了。我是做量化的，這樣對我而言是很殘忍的一件事。因為過幾年說不定也會被新的這些取代，這對量化而言是很正常的事情。

但是對於量化投資而言，對整個投資的水平而言，它是個好事。因為它就說明，你相較於十年前，相較於五年前，肯定這一波是有明確的進步的。他就是可以衡量你的一些進步，這就說明量化投資一直是在進化的。

進化卷的基礎，目前主要的影響就是技術的影響。早先的大數據，最早大家可能買個資料庫都買不到。沒有資料庫，有數據就已經不錯了。後面數據量越來越大，數據處理的技術越先進越好。再後來人工智慧，機器學習出來了，你要掌握這些方法論，掌握這些機器學習的方法，就會有進步。

這幾年我看到表現不錯的，基本上都是多多少少涉及了人工智慧，而且用得比較充分。其實業內現在確實也有很多都在往這個方向上轉。所以技術對於量化的提升，我們作為從業者，看到是很顯著的。

朱蕭華：今年大家也可以看到這些熱點，包括很多投資人也會比較關注。這些技術可能在整個量化投資的過程當中，起到什麼樣的賦能的作用。我們也是跟大家闡述了一下我們的觀點。

接下來我們會重點幫大家解答一下最近大家可能會比較關注的兩個話題，一個是八月份開啟的這樣一個限額，第二個就是大家可能會很關註上周末的量化規範，可能對於公共量化產品會有什麼樣的影響。本場直播的後半場，我也會著重針對我們家整體量化投研的策略框架，給大家做一個比較有針對性，比較聚焦的解讀。

先來說第一個問題，近一年整體的量化公募產品線，也是經歷了一個比較大規模的躍升。截止到630的時候，我們的產品加一起整體的規模已經超過140個億，現在也已經開啟了限購。很多投資人可能也會比較關注，這個時間點限購的目的是什麼，包括策略容量到底是一個什麼範圍。

姚加紅：這次限購直接的背景，確實是在於之前包括上半年，包括630過後規模的快速增加。一方面從策略上講，我們確實還是希望能有一個穩定的規模來驗證，不要說因為一直變化，可能會擔心有一些誤判。因為我們做策略容量測算的時候，有一些東西是明確可以算清楚的，有些東西它算不清楚。比如對市場的衝擊，只有真的到了那個規模，你才知道它真實的表現。當然有一部分是可以測出來的。

我們第一個保守的條件，肯定不可能觸發到自己測算的容量都不行，才去限購，肯定不會到這種程度，肯定會打出提前量。從策略上講倒是也還可以，並沒有特別嚴重的瓶頸。

另外一方面也是因為有，確實最近關注量化的比較多的。如果增長太快，可能也會有一些壓力。剛好可以控制一下規模，節奏上也好把控一些。當然確實也是有些投資人說，限制申購會影響公平性的問題。公募基金畢竟是普惠金融。但是1萬塊錢限額對於擴大散戶的參與度，也還是可以保證的，我覺得並沒有太大的問題。

朱蕭華：評論區有用戶問，是國金量化的公司嗎？對，是國金基金，目前正在雪球平台進行直播。本場直播花了將近半個小時的時間，給大家講了一下目前我們針對市場，包括跟主動權益跟私募量化去比，我們整體市場觀點。

本場直播的後半場，會花十幾二十分鐘的時間，給大家講一下我們整個的策略框架，以及包括我們的一些特色。因為之前在路演的時候，有跟大家提到過，我們整個的特色就是不依賴人為的干預，或者人為的選股，而是以機器學習為主。包括剛才我們在路演的時候也有提到，技術的疊代和革新，對於量化整個投資的影響還是會比較深遠的。

接下來想讓姚總給大家介紹一下，我們整體的策略框架，跟傳統的多因子模型，因為傳統多因子模型，我理解它要找最能賺錢，或者是超額最突出的那個因子，相對來說就會好一些。我們跟這種傳統的做法有什麼樣的差異點？

姚加紅：我們的做法，因為底層肯定差不多，從框架上講，量化投資基本上都會說我要做一個信號，做一個因子的，模型的預測信號也好，最後我要基於這些信號，我要做相較於滬深300，相較於中證500，相較於某一個指數，我要做一個相較於它跟蹤誤差又小，又有超額的組合。第二個環節就是組合優化。

這個大的流程，量化肯定都是一樣的思路。細節上的區別是在於，比如多因子方法論是一個用的比較成熟的方法論。從歷史上講，差不多2010年前後從美國帶到中國，而且早期確實很成功。因為畢竟在美國已經驗證成功了，再拿到中國肯定是有很大的效果。而且主要的多因子框架，還有一些成熟的比較有效的因子。

但是從目前來看，隨著做的人太多了過後，多因子框架肯定是個很好的框架，它支撐了量化私募也好、量化公募也好，整個規模肯定都過了多少萬億了。在這種情況下它也有一些弊端。每家挖的因子庫都不太一樣。可能A有1萬個，B有2萬個。大家雖然找出來的因子不一樣，但是你要選哪些因子，在組合因子的時候，它會從一萬個裡面暴露幾十個幾百個，我可能著重做這幾十個幾百個。這樣它會造成一點，雖然大家的因子庫不一樣，但是選出來的重合度會很高。這就會造成因子表現上趨同的效果，就跟抱團差不多。

朱蕭華：大家都把寶押到了同類型的個股身上。

姚加紅：對，同類型的因子上，就導致持倉差不多，也會同漲同跌，就變成很明顯的周期性。這就是基於多因子框架的問題。

我們做機器學習，機器學習更接近端到端，我不會在一萬個因子庫，找一百個最近表現比較好的。接近端到端，基本上就是輸出的信號就是直接可以用來交易。這樣就相當於是把因子組合，因子合成、因子挖掘都鎖定到一起了。這樣相對會好一點。

還有一個優勢，機器學習從目前來講，這個方法論用的還不是那麼擁擠，如果真的做到1萬億，機器學習也做了1萬億，估計也會有很大的壓力。

朱蕭華：這裡想延伸追問一個問題，我們在跟大家做路演的時候，很多投資人對我們的理解也是，認為我們是黑盒策略。如果同樣的一批人，或者幾家機構一起去做機器學習，也會遇到趨同性或重合性的問題嗎？

姚加紅：這也是個優勢，其實機器學習策略表現完全相同的機率是比較小的。同樣的東西，大家做的東西差異還是蠻大的。關於黑盒，我可以補充解釋一下這個事情。機器學習它的優勢就是在於能超越很多人工總結的規律。

比如AlphaGo做圍棋程序，你要是做可解釋，可解釋就是學各種定式，比如跟著高手跟著大師去學定式。你要是寫個圍棋程序也是基於這個思路，我就是根據跟這些大師學的這些定製，我知道這個程序在幹嘛，它識別了這個情況，這個情況我該怎麼走，這是高手的走法，你是確實明明白白，清清楚楚，它這個相當於是白盒子。

但是白盒子你就知道它的上限是什麼。它的上限就是高手的，或者人類頂尖棋手的水平，就是它的上限，這個是很容易理解的事情。但是為什麼AlphaGo能突破人類棋手的上限？就是因為AlphaGo內部走的思路，已經是人類無法理解的，也就是它訓練出來的這些算法，訓練的這些走法，這些棋局，是沒有人類固定的這些定式的這些說法。它就是在某種情況下，人類根本都不知道它為什麼要往這邊下，但是可能最後的結果就證明，它確實應該往這邊下。

如果你要追求可解釋性，那你就限定了你的上限。如果放棄可解釋性，你會發現，你可以做的上限就會更高。

朱蕭華：有想像力一些。

姚加紅：嚴格來講，從特定的技術細節來講也是這樣的。比如做圖像識別，圖像識別很簡單，比如以早期的Photoshop濾鏡，你做垂直線識別、水平線識別，都很簡單。比如3乘3的矩陣，中間一行是1，或者中間一列是1，你就可以識別一個水平線或者垂直線。這時候你都可以理解。

但是要是做一些複雜的識別，你會發現，你只能把這些濾鏡設計成可以訓練的參數。訓練簡單的東西你可以知道，你可以解釋它得到的是個什麼東西。但是設計做得複雜以後，比如自動駕駛或者是圖像識別，你得到的就很難解釋了，前面可能還稍微有些圖像的特徵，到後面就很難識別。

對於我們做模型也是一個思路，我們現在做的跟Photoshop也有點接近。比如一個股票不同的特徵，時間序列上的、橫截面上的，各種基本面的價量。簡單的模型我可以看出來它的特性，比如它就挑出了一個估值比較低，增速比較快什麼的。如果是簡單模型，我是可以人工去分析這些訓練的結果，我都能知道它的結果。

但是到後面做得更好的模型，你會發現模型訓練出來的參數越來越複雜，人類是很難識別的。所以對於這個點，我們肯定是願意選擇更高的上限。

朱蕭華：落實到投資，因為可能我理解，黑盒甚至有很多我們作為人類無法理解的這樣的一些規律和邏輯，從投資或者是產品管理的角度，我們該如何去控制這樣的一些風險，包括在實際產品運作的過程當中，我們用什麼非常直觀，非常簡單的指標，就能看出這個策略的有效性？

朱蕭華：投資領域另外一個聖杯，就是通過多個策略，就是根號N，投資的廣度可以降低單個的風險。我們投資策略簡單來講就是機器學習為基礎，加上多策略的框架。多策略的框架就是我不會依賴於單一的黑盒的模型，我的輸出不會基於一個模型的輸出結果。因為畢竟是黑盒，確實有風險。

雖然每個黑盒我們都是回測、建模、驗證是沒問題的，但是它畢竟有風險。這個風險你怎麼分解掉，怎麼降低。無非就是通過很多個不同方向、不同的點不同的預測，最後疊加起來。比如我的持倉是反映了幾十個模型的預測結果，這樣它結果就會很穩定。從實盤上來看，確實也是能證明這一點。

朱蕭華：再問一個大家也會比較關注的問題。很多朋友也會經常關注，我們就是多周期多策略的框架，整體價量和基本面大致的占比是什麼樣？

姚加紅：我們算五五開。

朱蕭華：基本上就是一半一半？

姚加紅：私募一般會傾向於強調自己是絕對價量為主，因為一般而言價量的模型會比較穩定一點。公募一般強調基本面為主。畢竟是偏低頻的策略，如果不關心基本面就不太好做。價量的變化也太大了，所以導致換手率肯定會很高。我們既不是以絕對完全的基本面，也不是完全的價量，只能說是一半對一半。

朱蕭華：很多投資人也會問一個問題，在路演的過程當中，我們也跟大家解答過。因為我們有很多的模型，大概整體有五六十個的樣子。很多朋友會問我們整體的疊代效率是什麼樣，這個模型出現一個什麼樣的信號的時候，我們就判斷說是不是出現衰減了，要做一些優化，這點請姚總給大家做一個解答。

姚加紅：我們每天都會評估它的表現。一般而言單個子策略回撤有半年或者一個季度，很多策略是減緩，它回撤的表現回撤的績效，是慢慢衰減。衰減到一定程度可能就不太想用了，可能就得換，重新做模型或者是放棄。這就是公司的一個好處，單個模型的衰減，在產品上是看不出來的。

朱蕭華：之前姚總在路演的時候有提到過一句話，我一直想追問，今天趁這個機會讓姚總再講一下。之前姚總有提到說，相較在哪些模型上面賺錢，我們更關注在哪些模型上虧錢。這一點也是能理解，你們會比較關注各個子模型獲取超額的有效性，是嗎？

姚加紅：對，無論是從模型的歸因上講，或者是在風格的歸因上講，或者是子策略的歸因上講，我們只能保證，比如我有50個模型，基本上30個是在賺錢。但是你把賺的最多的那個拎出來，沒有意義。因為不是靠這一個賺錢。而且就這一期這個賺得最好，下一期也不一定是它。本質上講你關心最賺錢的個點沒有意義。我們關心的肯定是整體，就是整體上50個，我能做到大部分，30個，一半以上是在賺錢的，在貢獻收益。

作為整體來說如果關注虧錢，無非就是哪些模型失效了。如果持續虧錢，肯定就是失效了，就得做處理。不然的話並不會說哪個收益更高，我就覺得這個模型更好。對於好的並不會格外關注，對於不好的肯定是有問題，那就得重構了。

朱蕭華：時間關係，今天的直播再讓姚總幫大家解答最後兩個問題，我們的直播也就快要結束了。

第一個問題，因為我們剛才也提到，技術的革新對於整個量化投資會有一個非常大的推動。今年有大模型，包括圖像的一些識別，這樣的一些技術，相信大家可能很多人都已經用到了。我像文心一言，包括阿里的通譯聽悟，我專門還收藏了一下，因為需要讓它幫我寫季報。大家會發現，這些東西慢慢地就進入到我們的工作和生活當中了。

作為量化來講，你們現在可能比較關注的前沿技術有哪些？

姚加紅：我們肯定不可能用聊天這部分的功能，我們未來主要是用語言解析，比如用一些開源的模型。在這個點上，未來的應用主要是在於，我們之前量化處理的數據主要還是一些結構化處理，是比較規整的，對於文本的這種非結構化的數據，處理的能力還是比較弱的，或者根本就沒處理。量化肯定是處理的數據越全越好，在這一塊上，相較於主觀投資經理確實是個很大的劣勢。因為主觀投資經理可以輕易地理解一篇研報的摘要，報告，這些東西他都可以理解得更深入一點。量化理解可能就是廣度上有優勢，但深度上肯定很難追得上。

未來隨著這一部分的進化，我們肯定關心實際落地的難度，我們不會像業內大廠那樣，做單元模型訓練，做這種事情，自己訓練自己的單元訓練模型，這種儘量會少，可能也最多是做個微調。微調用來識別這些語義，再開發新的模型。這個未來我估計在量化投資這個領域，

朱蕭華：圖像的識別，你們會用到嗎？

姚加紅：現在肯定還是語義、文本這種信息量更大一點。未來的趨勢肯定是越全越好，但是文本肯定是短期內的重點。

朱蕭華：最後再讓姚總來做一個總結性的陳述。今天的直播也就正式告一段落了。因為大家也可以看到，整個公募量化，在最近一年多的時間裡頭，持續獲得了廣大投資人的認可和關注。在產品的持有體驗上，也是獲得了大家的一些認可。這點我們提到也是會有一點小小的自豪的。

剛才姚總也有提到，截止到去年年底，整個私募量化整體的規模大概在1.4萬億左右，公募量化整體的規模，主動量化也就不到3000億的盤子。另一邊形成鮮明對比的，就是主動權益的萬億規模的這樣一個盤子。姚總幫大家總結一下，整個公募量化未來的發展前景，您是怎麼看的？

姚加紅：說實話我感覺還沒有發展到發展熱門的時候，現在整個量化面對的壓力就已經比較大了。但是市場肯定是往進化的方向做，現在很多批評量化的都有一些自相矛盾。比如有的說是追漲殺跌，有的又說是高拋低吸，但是追漲殺跌和高拋低吸本來就是反的，所以量化只是一種投資方法。包括T0，以前主流的T0都是人工的。後來確實也有很多量化，而且量化T0和人工T0，在T0好做的時候都並存了很久，而且是各有優缺點，也不是說絕對是秒殺人肉的這種。

對市場對這個行業比較熟悉，也都知道這個發展經歷。其實你很難分清一件事兒跟量化本身有什麼關係，這個關係都不大。從量化本身來講，確實是一直在進步的。在進步過程中，肯定有一部分會對原有的一些有一些競爭。如果一味地說因為被競爭了，所以說它不好，這並不是一個明智的態度，因為畢竟技術進步肯定是難以改變的方向，還不如去擁抱它。

無論是自己去擁抱這些量化的技術也好，還是支持這些量化的產品也好，都是一些比較好的方法。

朱蕭華：特別感謝姚總參與本次雪球基金的直播節。我們花了一個比較長的篇幅，針對近期大家比較關注的熱點事件，包括量化投資的一些最本質的邏輯，給大家做了這樣的一個分享。

今天的直播就進行到這裡，現場的同學直接可以關麥了。

作者：雪球路演

來源：雪球

著作權歸作者所有。商業轉載請聯繫作者獲得授權，非商業轉載請註明出處。

風險提示：本文所提到的觀點僅代表個人的意見，所涉及標的不作推薦，據此買賣，風險自負。