今年以来，“量化投资”遭遇了一场信任危机。事实上，公募量化和私募量化完全不同，有着严格的监管和内部风控约束，大多数公募基金对微盘市值因子的暴露约束更加严格，换手率显著低于私募量化，尤其是指数增强基金，对成分股持仓比例还有最低80%的硬性要求。而近期出台的量化交易监管组合拳，有助于营造公平的市场环境，对于更加看重企业基本面、追求价值回归的公募量化策略而言，也是有利的。
在公募量化投资人看来，量化的世界，其实很“简单”。
公募界的量化投资名将雷俊，将量化的事情，条分缕析地给讲清楚了。雷俊现任长城基金总经理助理、量化与指数投资部总经理，是北京大学数字学士和智能科学硕士，也是公募基金领域最早开展大数据和人工智能量化投研的基金经理之一。

了解市场，才能战胜市场
“想要战胜市场，先要了解市场。”数学和智能科学双重学历背景，再加上人工智能领域的深度研究经历，雷俊对事物的认知，总是构建在严密的逻辑之上，他看待投资亦是如此。
“在我的投资坐标系中有两个关键变量，一个是Beta，一个是Alpha。”雷俊这样说。
从这个角度出发，投资的世界，脱离混沌与纠缠，变得一目了然。
对于Beta而言，普通投资人的感受就是上证综指、深证成指、沪深300等大型指数，其中权重股的占比更高，它们代表A股总体市场的表现。
Alpha则是很多投资人追求的圣杯，不管是普通投资人还是专业投资人。投资者总是希望在不同的市场环境下，不管股市是好是差，都能寻找到超越市场的标的，超越的收益就是Alpha。
从Beta和Alpha的属性出发，市场上的投资机会，就被清晰地划分成了两大类。
以指数为例，按照其标的市值从大到小进行划分，比如沪深300、中证500、中证1000、中证2000等指数。
对大型指数来说，其成长性、收益更多来自于盈利所创造的回报，它们的估值有一个锚，不会波动特别大，因此，投资者看待大型指数的投资价值，更多是看其中企业内生盈利的增长情况。
相对小型指数，其投资价值会比较均衡，比如500指数，有一半来自于企业盈利增长，还有一半来自于交易性机会，往后看，越小型的指数或股票交易性机会越多，估值博弈性会更强，Alpha属性也会更明显。“小市值股票更多的投资机会来自于交易定价，它的内生盈利性、稳健性跟大股票相比其实是偏弱的，因为没有大股票那么好的现金流、利润去应对经济周期，但是它的博弈性很强，所以在投资的过程中就产生了波动。”雷俊说。
在这样的两分世界中，雷俊的投资策略和产品体系，也就清晰明了。
据雷俊介绍，长城基金量化团队对大多数产品投资策略的设计与研究都是围绕Beta和Alpha展开的。具体来讲，如果一个指数的被动性更强，会基于Beta去定制设计投资策略；如果一个指数的Alpha属性带来的投资机会更多，则会围绕Alpha设计针对性策略。
“我们的量化团队在构建产品投资体系时，会把这两个属性结合起来考虑。对于Alpha属性更强的产品，我们更多关注Alpha的回报率，对于Beta导向更强的产品，我们更关注Beta部分的收益，但也会辅加一小部分Alpha。”雷俊介绍称。

量化投资做什么？
那么，在两分世界中，量化投资又怎样做到独辟蹊径？
雷俊介绍称，简单来说，量化投资其实就是两大基本步骤：因子挖掘和因子合成。
因子的挖掘和合成，都经历了持续的发展和进化，特别是人工智能技术的引进，让因子挖掘和因子合成，有了更多、更高的维度。
“市场上有大量的股票样本，股票还有很多基本面数据、价量数据，这些都提供了很好的信息源，帮助我们去挖掘因子。这是第一步：因子挖掘。”雷俊说。
因子的合成领域，则是逻辑梳理和建构的过程。
在传统的多因子模型中，看待一个公司，会从多个角度来评估它的投资价值，比如估值是否足够便宜、分红率是不是足够高、盈利质量或者成长性好不好，等等。“传统多因子的合成过程，是将指标分门别类并赋予不同的权重，比如有估值、成长、盈利、预期，还有交易、波动性等指标，把它加起来去做综合评价。就好像我们去超市买苹果，要看大小、色泽、水分、甜度、重量，这些在股市里面都有对应的指标。”雷俊形象地介绍称。
而人工智能技术的引进，则为传统的因子挖掘和因子合成，在深度和高度上，都带来了创新和突破。
AI的赋能，在长城基金量化团队，打开的是一片新世界——处理更多的数据，发现更多传统方法难以发现的规律。前者拓展了量化因子的广度和深度，例如以往难以挖掘到的情绪、交易、信息等因子，都开始被纳入量化投资；后者更是量化投资的维度突破。
“在以AI为驱动的新研究体系中，我们更多是结果导向，不会先验式地说必须要做什么，而是根据市场情况动态地学习和调整因子和因子之间组合的方式，可能是以非线性的结构进行组合，这样就使得我们原来的研究框架、边界从线性的空间延伸到非线性的空间，甚至是高维的。另外，在AI挖掘体系下，感知到的因子可能成百上千倍增长，因子体系也变得非常复杂，使用与之匹配的AI合成模式，可以更好地帮助我们去平滑市场波动所带来的因子变化的风险。简而言之，这套AI投资框架能够帮助我们最大限度发挥现在的数据生产力。”AI与量化的结合，对雷俊来讲，无异于发现了“新大陆”。

2024年寻找新均衡
雷俊复盘A股这些年的风格周期：2013-2016年小盘股牛市，2017年是“漂亮50”行情，大盘股遥遥领先于小盘股和微盘股，2017年到2021年初，是机构投资者占主导的市场，大中型股票有着很强的趋势；2021年一季度之后，随着蓝筹股的回调，市场宽度开始起作用，市场又进入中小市值投资周期，资金开始向中小盘股蔓延；2023年小盘股行情最终演绎为微盘股博弈。
“在大、中、小市值股票的投资收益来源中，股票市值越大，投资收益更多来自于盈利，和经济周期波动的相关性更高，股票市值越小，投资收益更多来自于交易或博弈。”雷俊介绍。
在雷俊看来，2024年，市场将走向一个相对的新均衡。
“从长期来看，监管对于信息披露的管理、对于投资者的保护机制越来越成熟，市场总体还是会回归均衡。在小盘股内部，也会有分化，需要更多关注小企业的现金流、利润、成长性等等。”雷俊说。
雷俊表示，作为量化投资人，还是希望稳扎稳打。“目前这个时点来看，我们认为中证500指数可能会是一个相对比较均衡的选择。中证500指数的成分股市值，更偏中盘，在这个指数里面有一部分是偏周期性的品种，估值比较低，我们也可以利用AI量化模型去捕捉一些交易性机会，这样就可以在这个指数的投资上叠加两部分收益，基金业绩可能也会更加稳健一些。”雷俊表示。