隨著量化在國(guó)內(nèi)的飛速發(fā)展，當(dāng)量化指增產(chǎn)品從滬深300、中證500等傳統(tǒng)寬基賽道，裂變?yōu)橹凶CA500指增、小市值指增、紅利指增等多個(gè)細(xì)分品類(lèi)時(shí)，投資者的選擇焦慮正從“找不到Alpha”，演化為“掉進(jìn)基準(zhǔn)陷阱”——既要忍受同質(zhì)化競(jìng)爭(zhēng)下的超額衰減，又被迫在風(fēng)格/行業(yè)輪動(dòng)中押注。
那么在當(dāng)前時(shí)代，有沒(méi)有能同時(shí)間解決以上兩種焦慮的方法？
量化多頭異軍突起
量化多頭策略，又稱(chēng)“空氣指增”，指產(chǎn)品投資決策過(guò)程中基于量化模型在全市場(chǎng)范圍內(nèi)進(jìn)行選股操作，不跟蹤任何指數(shù)或不受任何指數(shù)成分股、行業(yè)、市值等方面的條件約束。
雖然“空氣指增”這一名稱(chēng)與指數(shù)增強(qiáng)策略看似更為接近，但它更接近于以絕對(duì)收益為目標(biāo)的主動(dòng)管理策略，而不是對(duì)標(biāo)某一特定指數(shù)的指數(shù)增強(qiáng)策略。
國(guó)內(nèi)管理人從2021年陸續(xù)發(fā)行量化多頭策略。早年間，同一個(gè)管理人的量化多頭和指增的差異基本都集中在組合優(yōu)化模塊上，即量化多頭策略和指增共用了一套信號(hào)預(yù)測(cè)模型，而這套模型的選股域一般是全市場(chǎng)剔除流動(dòng)性末尾、ST后剩余的股票集合，因此信號(hào)天然的對(duì)標(biāo)基準(zhǔn)是選股域內(nèi)個(gè)股的等權(quán)組合，進(jìn)入組合優(yōu)化模塊，指增會(huì)在優(yōu)化中額外加入對(duì)標(biāo)基準(zhǔn)組合的風(fēng)格暴露約束、行業(yè)偏離約束、跟蹤誤差約束等等，優(yōu)化約束的差異得到了不同的策略持倉(cāng)。
隨著市場(chǎng)擴(kuò)容，以500指增為例，在2021年，全市場(chǎng)股票數(shù)量3000多支，管理人做流動(dòng)性剔除后的可選池一般在3000支左右。不做任何約束下，多頭組合的市值中樞在市值1500名左右；而隨著A股市場(chǎng)的不斷擴(kuò)容，當(dāng)前A股已有逾5400支個(gè)股，選股域也從2021年的3000+擴(kuò)展到了4500-5000左右，中證500的加權(quán)市值分位不斷上移，全市場(chǎng)信號(hào)組合的市值中樞和500指數(shù)的差異逐漸累積：
數(shù)據(jù)來(lái)源：好買(mǎi)基金研究中心
數(shù)據(jù)區(qū)間：2020/12/31 – 2025/4/25
這也就意味著信號(hào)為了對(duì)齊500所需要做的“犧牲”越來(lái)越多，對(duì)標(biāo)指數(shù)優(yōu)化過(guò)程中的阿爾法損耗越來(lái)越大；不僅如此，指增由于嚴(yán)格約束了對(duì)標(biāo)基準(zhǔn)的風(fēng)格敞口，無(wú)法獲取風(fēng)格的增益，國(guó)內(nèi)主流的量化模型雖然不會(huì)對(duì)風(fēng)格做專(zhuān)門(mén)的預(yù)測(cè)，但模型對(duì)于風(fēng)格仍有一定的捕捉能力，即使是相對(duì)嚴(yán)格風(fēng)控的指增策略，風(fēng)格上長(zhǎng)期的累積收益也是正的。
我們選取了好買(mǎi)代銷(xiāo)產(chǎn)線上同時(shí)有500指增和量化多頭產(chǎn)品的管理人的平均統(tǒng)計(jì)如下：
數(shù)據(jù)來(lái)源：好買(mǎi)基金研究中心
數(shù)據(jù)區(qū)間：2022/3/11 – 2025/4/18
近三年量化多頭相對(duì)500指增的累積優(yōu)勢(shì)接近20%。理論上，指增相對(duì)于量化多頭，既損耗了部分pure_alpha，又缺少了風(fēng)格的增益，在拉長(zhǎng)周期后，實(shí)際的收益風(fēng)險(xiǎn)表現(xiàn)弱于量化多頭。
量化多頭：完美無(wú)瑕？
那是否應(yīng)該拋棄指增投向量化多頭的懷抱？
并非絕對(duì)，量化多頭放松了在選股和風(fēng)格上的約束，相應(yīng)的波動(dòng)和回撤也會(huì)放大，為了滿足統(tǒng)計(jì)的有效性，以好買(mǎi)研究跟蹤池的500指增和量化多頭策略的波動(dòng)和回撤為例：
數(shù)據(jù)來(lái)源：好買(mǎi)基金研究中心
數(shù)據(jù)區(qū)間：2022/12/30 – 2025/4/18
從散點(diǎn)的分布上來(lái)看，量化多頭策略的波動(dòng)和回撤高于500指增，平均的回撤幅度也高于500指增，在2024年2月極端行情下，部分量化多頭的回撤超過(guò)30%，而500指增的平均最大回撤幅度僅有23%左右，風(fēng)格不僅帶來(lái)收益，波動(dòng)和回撤維度的放大同樣顯著。
這還衍生了另外一個(gè)問(wèn)題：量化多頭策略的分化比500指增更大，量化多頭的選擇相比指增的選擇，難度更高。
尤其是在經(jīng)歷了去年2月和9月的極端波動(dòng)后，越來(lái)越多的量化多頭策略中開(kāi)始加入風(fēng)格、行業(yè)輪動(dòng)模型，通過(guò)對(duì)常見(jiàn)風(fēng)格例如市值風(fēng)格的自適應(yīng)切換來(lái)降低風(fēng)格切換對(duì)策略的影響；而在去年下半年Beta的大波動(dòng)行情下，帶有倉(cāng)位擇時(shí)策略的擇時(shí)多頭的熱度也空前高，量化多頭策略正在逐步擴(kuò)展收益來(lái)源，而不同來(lái)源的收益都是投資者選擇標(biāo)的需要考慮的因素，隨著收益來(lái)源的豐富化，對(duì)于投資者而言，量化多頭策略的挑選難度日漸提高。
量化多頭FOF
后指增時(shí)代的破局之道
量化多頭策略對(duì)于投資者的風(fēng)險(xiǎn)偏好和選基能力都提出了更高的要求，而量化多頭FOF通過(guò)組合構(gòu)建邏輯和風(fēng)險(xiǎn)收益再平衡機(jī)制，有效化解了傳統(tǒng)量化多頭策略對(duì)投資者風(fēng)險(xiǎn)偏好與選基能力的雙重挑戰(zhàn)，實(shí)現(xiàn)1+1>2的效果，其核心優(yōu)勢(shì)主要有三點(diǎn)：
● 篩選難度更高？專(zhuān)業(yè)篩選降低配置門(mén)檻
量化多頭更多元化的收益來(lái)源對(duì)于選基提出了更高的要求，而量化多頭FOF依托專(zhuān)業(yè)管理人的評(píng)估體系，通過(guò)定量化標(biāo)簽篩選與定性盡調(diào)結(jié)合，實(shí)現(xiàn)底層精選，提高底層配置勝率；
● 波動(dòng)更高？策略分散化化解單一管理人風(fēng)險(xiǎn)
量化多頭產(chǎn)品要求投資者精準(zhǔn)識(shí)別管理人能力，而量化多頭FOF通過(guò)配置多個(gè)低相關(guān)性量化多頭組合（如高頻量?jī)r(jià)、基本面等），將單策略失效風(fēng)險(xiǎn)分散化，相比指增FOF，底層量化多頭的分化度更顯著，分散配置的優(yōu)勢(shì)更大；
● FOF調(diào)倉(cāng)流動(dòng)性劣勢(shì)？多頭自適應(yīng)調(diào)整應(yīng)對(duì)市場(chǎng)切換
FOF調(diào)倉(cāng)的靈活度弱于單一策略，而量化多頭恰好能發(fā)揮其靈活性?xún)?yōu)勢(shì)，在市場(chǎng)出現(xiàn)風(fēng)格切換或者極端波動(dòng)時(shí)，通過(guò)底層的調(diào)整來(lái)降低FOF的波動(dòng)，彌補(bǔ)FOF的流動(dòng)性劣勢(shì)。
結(jié)論
量化多頭FOF可以通過(guò)放開(kāi)基準(zhǔn)約束和分散配置，將投資者從指增單品盲選，進(jìn)化到專(zhuān)業(yè)量化多頭FOF的組合配置，將單一指增的“押注式博弈”，升級(jí)為全域阿爾法網(wǎng)羅，打破指增選擇焦慮，或?qū)⒊蔀楹笾冈鰰r(shí)代的配置新范式。
風(fēng)險(xiǎn)提示：
投資有風(fēng)險(xiǎn)?；鸬倪^(guò)往業(yè)績(jī)并不預(yù)示其未來(lái)表現(xiàn)?；鸸芾砣斯芾淼钠渌鸬臉I(yè)績(jī)并不構(gòu)成基金業(yè)績(jī)表現(xiàn)的保證。相關(guān)數(shù)據(jù)僅供參考，不構(gòu)成投資建議。投資人請(qǐng)?jiān)旈喕鸷贤确晌募?，了解產(chǎn)品風(fēng)險(xiǎn)收益特征，根據(jù)自身資產(chǎn)狀況、風(fēng)險(xiǎn)承受能力審慎決策，獨(dú)立承擔(dān)投資風(fēng)險(xiǎn)。
重要提醒：
本文版權(quán)為新方程所有，未經(jīng)許可任何機(jī)構(gòu)和個(gè)人不得以任何形式轉(zhuǎn)載和發(fā)表。
