财富管理蓝海时代，谁将抢跑智能投顾新赛道？

       在目前巨大的财富管理市场中，智能投顾业务模式所直接产生的规模还不是很大，有较大的成长空间。

——梁昱

       近日，决策者金融研究院、2021“数智”财富决策者蓝皮书编委会与梁昱博士进行深度对话，全方位探讨智能投顾的业务流程、发展现状、评价体系、市场空间及未来前景等。

       精彩提要：● 广义的智能投顾可以扩展到财富管理的各个领域，狭义的智能投顾则可以认为是典型的机器人投顾。● 智能投顾的价值：一是可以促进财富管理领域的转型与升级，二是对于普惠金融的发展有着重要的作用。● 智能投顾发展由需求、机构、产品、客户、技术、资金6个层面共同驱动；整体来看，监管持积极开放态度。● 智能投顾的业务流程主要包括投前、投中和投后3个环节；具体服务内容主要包括客户画像、资产配置、组合构建、交易执行、投资组合再平衡和业绩分析6项。● 目前，各个机构之间单纯在技术上的差异并不十分显著，更多是发展理念和客户服务等方面的差异。● 目前，国内智能投顾行业存在的8大问题及8条具体改善途径。以下为采访实录，经决策者金融研究院编辑整理：

问：智能投顾在中国是一个新兴的行业，包括了技术与金融两个元素，对于智能投顾这一概念现在是否有明确的定义？

       梁昱：目前对于智能投顾这一概念有很多种说法，比如美国证监会对于智能投顾的定义是“基于网络算法的程序、运用现代科技为客户提供全权委托式的账户管理服务的注册投资顾问”；美国金融业监管局将在客户画像、资产配置、投资组合选择、交易执行、投资组合再平衡、税收损失收割等一个或多个环节使用机器替代人工的投资咨询服务定义为智能投顾；我国资管新规中对于智能投顾业务的表述为“运用人工智能技术开展投顾业务”。其他一些例如埃森哲、普华永道的第三方机构，以及兴业证券、东北证券、方正证券等国内金融机构都给出了各自的智能投顾定义。但总体而言，并没有形成统一、明确的对于智能投顾的定义。

基于广泛的调研，我们将智能投顾定义分为广义和狭义两种。

       广义的智能投顾可以扩展到财富管理的各个领域。传统的财富管理模式由人工财富顾问提供服务，主要工作都由人工完成。数字技术可以应用在整个财富管理流程中（包括客户画像、明确客户需求、筛选投资产品等多个环节），为客户提供智能化、自动化和个性化的资产配置、账户咨询、理财规划等与资产管理相关的各类线上服务。

狭义的智能投顾则可以认为是典型的机器人投顾，即通过人工智能、大数据、云计算等技术的应用，根据客户不同的投资需求、风险偏好和风险承受能力，为其提供自动化、智能化、定制化的投资建议，为客户提供自助式的线上证券投资服务。

问：随着财富管理与大资管时代的到来，您认为智能投顾将会为金融市场带来哪些改变？目前智能投顾市场的生态是什么样的？未来智能投顾行业整体是否会拥有很大的规模与发展空间？

       梁昱：我认为智能投顾的价值主要体现在两个方面。

       一是智能投顾可以促进财富管理领域的转型与升级。智能投顾在技术的支持下可以实现对投资者的数字化、个性化服务，深化以客户为中心的投顾服务理念，逐渐摆脱基金销售的主流模式，真正做到为客户的资产实现保值、增值。

       二是智能投顾对于普惠金融的发展有着重要的作用。智能投顾的目标客户主要是中产和低收入群体，门槛极低，无论是起投金额还是管理费用都要低于传统投顾，所推荐的投资组合在一定程度上也能匹配客户自身的风险偏好与财务状况，可以覆盖到长尾客户的投顾服务需求，让投顾服务能够触达更广泛的人群。

        从整个智能投顾市场看，主要的参与者包括银行、券商、基金公司以及第三方机构，他们其实将智能投顾作为财富管理转型的抓手之一。各类机构都有自身的发展禀赋和优势，例如传统的银行、券商都有较为多的分支网点，较强的人工服务能力；而基金公司则在投资研究方面有较强的优势；第三方更多的优势来自于互联网流量。

        就规模与发展空间而言，大部分机构目前在智能投顾上仍然采用基金销售模式，因此体现的更多是销售规模而不是管理规模。而从智能投顾业务模式所直接产生的规模来看，绝大部分机构的规模都没有超过百亿，这在目前巨大的财富管理市场中来看，规模还不是很大，还有较大的成长空间。

问：对于智能投顾，您认为其发展的驱动因素都有哪些？目前国内的市场环境是否有助于智能投顾行业的发展？

       梁昱：我认为智能投顾发展的驱动因素涵盖了多个方面。

        从需求层面，目前国内的资产配置服务需求市场广阔，在传统投顾业务模式存在局限的情况下，智能投顾能够以较低的边际成本服务更多的客户，技术的赋能也能提升投顾业务的整体质量。

       从机构层面，目前机构正在由传统通道业务转向为客户提供综合的金融服务，通过差异化的资产配置和咨询服务实现获客和用户留存，收费模式将从交易佣金逐步转向以资产管理规模作为收费基础。而智能投顾可以帮助机构更快更好地实现财富管理转型，在客户、数据、口碑等方面的积累上抢占先机。

        从产品层面，近年来公募基金产品数量及净值规模持续增加，人们对于投资的需求越来越大。对于投资者来说，基金的筛选是有难度的，而智能投顾实现自动化的资产配置与风险控制，因而有着良好的发展空间。

        从客户层面，在大资管背景下，公众的资产配置结构和思路正在发生转变，并且对于投资收益与风险之间的关系能够有更为充分的认知。公众的理财意识不断增强，并且寻求更为专业的投顾服务，智能投顾业务将越来越受到投资者的青睐。

       从技术层面，机构对于金融科技的投入持续增大，随着数据的积累、算法的升级、软硬件的发展，智能投顾的效能将会不断提升。

       从资金层面，社会整体对于人工智能技术在优化现有业务流程方面寄予厚望，作为人工智能在金融行业可落地的细分领域，智能投顾因其门槛费用低、覆盖范围广等特点会引发资本关注，从而促进智能投顾的发展。

        在国内，智能投顾的发展主要取决于监管环境。2019年《关于做好公开募集证券投资基金投资顾问业务试点工作的通知》的出台，为我国基金投顾，以及智能投顾都做出了极好的监管创新尝试。整体来看，监管对于智能投顾的态度是积极的、开放的，通过试点的形式优先让有一定业务规模的、有监管牌照的、有一定技术能力的机构先行先试，之后再逐步对智能投顾进行推广。目前，从试点开始以来，已有18家机构获得了试点资格，并且不少机构也正在积极申请参与试点。

问：在国内，各家机构采取怎样的服务模式来开展智能投顾业务？您认为智能投顾当前的发展现状如何？

       梁昱：总体而言，智能投顾的业务流程主要包括投前、投中和投后三个环节。

       在投前环节，智能投顾平台通过调查问卷等方式收集客户风险承受能力、资产收入情况、持有期限预期等方面的情况，结合客户行为等大数据及平台自有的客户信息，对客户情况及财富管理需求进行分析，形成相应客户画像；在投中环节，智能投顾平台设置大类资产配置逻辑，对全市场资产进行分类优化和指数化编制，从中筛选出合适标的，并根据客户风险承受能力和持有期限预期等情况智能匹配相应的资产配置；在投后环节，智能投顾平台持续对市场行情及投资组合风险收益情况进行监控并实时预警，结合调仓申赎交易成本计算确定是否有调仓必要，并形成相应的投资组合调整建议。

       此外，智能投顾平台也实时结合市场行情及投资者行为，根据情绪监控情况智能推送投资者教育内容，以起到陪伴的作用，引导投资者理性投资。

       从具体服务内容看，国内智能投顾主要包括客户画像、资产配置、组合构建、交易执行、投资组合再平衡和业绩分析六项内容。

       目前，智能投顾在国内还处在发展初期，各平台在客户渠道、技术经验、数据体量、用户管理、组合管理、投资分析等方面存在较大差异性。无论是国内还是国外，智能投顾服务主要可以分为纯人工投顾、纯机器人投顾（智能投顾），以及“人+机器”的模式，客户群体以30-45岁、有一定经济基础、对新事物接受度较高的人群为主，各平台数字化水平差异性较大，存在主动管理与被动管理两种投资理念，全权委托与投资建议模式并存，信息披露水平和持牌情况有待完善，用户体验、智能化水平以及投资者教育也是重要的发展方向。

问：随着智能投顾行业的发展，行业中不同机构或平台的发展程度各有不同，您认为对于普通投资者而言，如何在众多智能投顾平台与产品中进行选择？

        梁昱：虽然智能投顾能够触达更广泛的客户群体，但由于行业标准和监管政策有待完善，目前各平台和客户之间存在较为明显的信息不对称。对于金融知识匮乏的普通投资者而言，很难在众多平台中选出合规且匹配自身需求的平台与产品。基于此，我们研究设计了一套智能投顾评测体系，目的就是为了消除投资者与智能投顾平台之间的信息不对称，通过综合展示企业的各项指标水平，提供从不同维度分析得出的智能投顾平台画像，让投资者更清晰地对比各企业的优势及劣势，了解行业内不同公司的经营现状，从而帮助有理财需求的使用者更准确地匹配到符合自己需求的投顾平台。

问：您认为技术水平是不是智能投顾平台生存发展的最关键因素？

       梁昱：目前，从我们调研的行业情况来看，算力、底层技术并不是制约智能投顾发展的主要因素，或者可以这么说，各个机构之间单纯在技术上的差异并不十分显著，而更多是发展理念和客户服务等方面的差异。一些行业内智能投顾做的比较好的机构，大多是在该领域专注深耕的第三方独立机构，或者是大型的银行或基金公司，或者是在基金销售领域排名靠前的机构。因此在智能投顾行业，除了技术研发，拥有基金管理能力、销售获客能力等先发优势也较为重要。

问：您认为目前国内智能投顾行业存在哪些问题，需要如何进行改善？

       梁昱：我认为目前智能投顾存在的问题主要有以下几点。

       一是客户数据的来源较为单一，主要通过问卷的形式获得，数据的全面性有待提高；二是智能化场景还需要进一步丰富，智能化水平还需继续提高；三是以基金销售佣金为主的盈利模式需要尽快转变；四是投资者教育还需进一步加强；五是智能投顾行业的人才储备稍显不足；六是当前所需的牌照对于智能投顾业务的开展存在限制；七是技术监管还需完善；八是信息披露还未标准化，信息披露水平有待提升。

具体的改善途径：

        一是要建立多种数据获取渠道，丰富客户画像；二是要设置多种投资场景，丰富智能投顾服务类别；三是要继续引导行业向以客户为中心的盈利模式进行转变；四是要通过平台有针对性地对客户进行教育与引导，改变投资者存在的投资认识误区；五是要着重培养具备金融与技术背景的复合型人才，持续为智能投顾行业输送新鲜血液；六是要继续稳步推进基金投顾业务牌照试点工作，为建立良好的智能投顾监管体系积累经验；七是要细化技术监管的相关政策，将技术问题给行业带来的负面影响降到最低；八是要建立标准化的信息披露机制，规范各平台的信息披露内容与格式。

来源：搜狐网

量化投资的缺点是什么？

       最近量化基金是市场的宠儿，本月初，不少公募机构不仅表示今年不会发行新的量化基金，而且现有产品也将采取暂停或限额管理，反映出国内量化机构对于策略与规模的匹配持更加理性的态度。

       在 A 股市场，每次量化基金的高光时刻，几乎都是市场风格切换到中小盘时，也就是主动基金抱团标的尚未出现的空档期，换言之，量化基金能火多久，多半取决于空档期的持续时间，公募机构主动缩减基金规模不仅是对量化策略容量的考虑，更是对基金业绩持续时间的考虑。

一、什么是量化投资？

       量化投资是根据资本市场的内在逻辑，运用机器学习、模式识别、数据挖掘等方法建立数学模型，形成投资策略并做成计算机程序，进行自动化交易的一种投资方式。

二、量化投资与高频交易、对冲基金是一回事吗？

       量化投资既不是高频交易，也不是对冲基金，更不是简单的数据挖掘：

       量化投资和高频交易的区别。量化投资可以是高频的，也可以是低频的，取决于具体的量化策略。

       量化投资与对冲基金的区别。量化投资可以采取风险对冲措施，也可以不采取。此外，量化投资也不一定是市场中性策略，后者往往是买入一揽子股票，同时通过卖空对应的股指期货合约，对冲掉市场的系统性风险，从而追求买入的股票组合跑赢股指的收益。在 A 股市场，由于投资工具的缺乏，很难做到 100% 的市场中性。

       量化投资不是简单的数据挖掘。量化投资是通过历史数据发现规律，强调的是投资逻辑，核心是对市场的理解，不能等同于数据的挖掘，例如一波涨势的背后可能有多个因子，如何确定是哪些因子在起作用，这些起作用因子的内在逻辑以及适合的市场环境，比单纯的批量挖掘数据要重要的多。在理解市场的基础上，再去探讨算法的精确度、编程的速度等才有意义。

二、量化投资的特点

       量化投资可以集百家之长。成功的基金经理几乎有其独特的投资风格，比如巴菲特的价值投资、彼得林奇的成长投资、安东尼波顿的小盘股投资、索罗斯的全球宏观策略、西蒙斯的技术投资等，每种投资逻辑都有其内在的规律，虽然在某一种具体策略上，量化投资比不过这些投资大师，但可以把这种策略的投资逻辑纳入量化投资的框架，在选股上，可以实现使用不同人的方法。

       量化投资的标的覆盖范围可以很大。量化投资几乎都需要利用程序去处理大量的历史数据，借助这一特点，可以在短时间内把沪深 300、中证 500 ，甚至整个市场的股票全部筛选一遍，这就让量化投资具备了全面性、系统性、及时性、准确性和分散性的特点。尤其是分散性，量化投资可以根据各种因子进行批量筛选、批量建仓，从而限制单一标的的仓位规模，分散风险，控制回撤。

       量化投资可以避免情绪化操作。量化投资有自己的建仓与平仓的逻辑，不会因为消息面、市场波动而有所改变。在 2008 年，金融危机中，量化投资基金在止损方面做得比较好，但并不是说量化基金在危机中没有亏损。而有些时候，量化基金可能会损失更大，比如投资逻辑不太适合市场环境时，量化基金开仓平仓操作频繁，不仅容易增加交易费用，而且容易增加亏损的概率。

三、量化投资的缺点

1、策略的市场容量

       以我们常见的 CTA 为例，几乎每个 CTA 策略的市场容量都是有限的，现在不少 CTA 策略改为做长线的趋势跟踪也是这个原因。尤其是在中国，由于各个商品期货策略的相关性高，100 个期货品种里面差不多能分成 3-5 个大类，并且均由人民币定价，规模上限比较明显。虽然过去几年 CTA 策略在国内表现很好，但从国外的经验来看，Barclay CTA Index 自 1980 年以来的年化收益率在 10% 左右。

       市场容量约束往往还会引发策略共振的负作用。在 2008 年初，长期资本系的基金就发生了策略共振，这是一帮由长期资本管理公司出来的一群天才二次创办的多家基金公司，交易标的和策略非常类似，在 2007 年下半年，他们都看到了在日本债券收益率的机会，建立了相似的头寸，结果这个机会容纳不了这么多头寸，一起把桥震垮了，大部分长期资本系公司在金融危机之前就已经倒掉了。

       此外，像 2014 年 11 月，在沪港通政策出台和加息的背景下，存在高度同质化却有隐藏着 " 错位对冲 " 的阿尔法策略受到了致命打击。

2、存在大量无法量化的情形

真实市场中不是每个因素都可以被量化的，主要有三类：

       （1）宏观的事件。宏观事件的因素不是太少，而是太多，多到难以量化，或者量化的性价比不高。

       （2）过去出现次数太少的事件。比如某个事件只出现过一次，那么很难知道这个事件具体受到什么因素的影响。

       （3）未知事件。在量化策略设计时，对已经发生过的事件考虑的比较充分，每个突发事件都会有相应的处理方法，但是对于没有发生过的事件，几乎没有办法考虑，往往会做出错误的决定。

3、过度拟合的策略

       过度拟合指的是量化策略的开发者，通过不断增加或优化参数，找到表现最好的股票，注意这个最好往往没有之一。过度拟合的策略往往有以下特征：

       （1）回撤很小，甚至几乎没有回撤；

       （2）交易次数很低；

       （3）参数很多；

       （4）符合条件的标的很少。

       过度拟合策略是在追求低回撤且稳健回报的目标导向下，添加了太多的参数，对历史行情进行了过多的拟合，尤其是考虑了很多偶然的参数，比如公司重组，以致于难以刻画出下一个符合策略标准的股票。

        过度拟合的一种表现形式是幸存者偏差，比如量化策略的开发者都倾向于用指数的当前成分股来做回测，但这些留在成分股中，且有足够多的过往数据做回测的股票，其本身质地就很不错，这将导致回测的效果比实际情况更好，举例而言，像美国的罗素 3000 指数，从 1980 年到现在，仅剩下不到 500 只股票留在成分股中。

4、基金经理对策略的信任度

       量化基金并不是完全不受人为因素的影响，有时反而更加考验人性。每个基金经理都清楚，每个量化策略都有适合其生存的环境，以及会受到同类策略会对手策略的影响。

       此前，就有新闻爆出国内某知名量化基金，在市场好的时候，为了赚的的更多，动了凡心，改了策略，这还是赚钱的时候，尚且难以完全信任模型，如果处于较大亏损的情形之下，基金经理很难不怀疑自己的模型。

5、量化投资对基本面的研究深度不足

       主动管理型基金会对个股有着深入的研究，每个拟投资的标的一般都会有估值的上下限，但量化投资往往很难做到类似的深度，导致一些优质标的的买入时机不好，或者仓位太小。

来源：ZAKER

量化私募5年暴增10倍！百亿公募量化老总暴露危机感！

       过去5年，整个主动权益公募规模增长了5倍，但私募量化增长速度更快，达到10倍之多。相比之下，公募量化落后了，最近5年增长连2倍都不到！

　　在最近某券商主办的秋季策略会的量化论坛上，汇安基金指数与量化投资部总经理陈欣抛出这样一组数据。作为公募行业少有的量化投资团队负责人，他目前管理的资产规模超100亿元。

　　“今天我的演讲题目是——《与主动基金经理赛跑——公募量化的革命》。这里我用了革命两个字，其实意味着，对我们公募量化而言，已经到了非常的严峻的局面。”几天前，陈欣毫不讳言自己的危机感。

　　A股连续43个交易日“万亿成交”，已经追平2015年。陈欣认为，量化私募对成交量的贡献度非常大，这不是2015年能比的。尴尬的是，公募量化基本就是“净值贡献”，实际持有份额基本没有增长。

公募量化局面“非常严峻”

　　在2016年加入汇安基金后，陈欣搭建了汇安指数与量化投资平台，带领团队从零做起，目前管理资产近100亿，投资策略涵盖主动量化，指数增强、量化对冲、被动投资等。

　　不过，陈欣这一看似“高、大、上”身份，面对渠道也会遇到一些非常难堪的事情。有一次，他去一家渠道路演交流，排在他前面的是一家曾经以量化为特色的基金公司。

　　这家基金公司的销售负责人介绍，这几年权益除量化以外，业绩如何如何，规模增长如何如何。陈欣在台下很“汗颜”，为什么一个主流投资策略要放在“除了”之后？他上去又该怎么说，压力很大。

　　这当中原因是什么？陈欣认为。第一，就是主动权益基金在营销的时候，煽动性比较强。比如前两年比较流行的“做时间的朋友”，“时间的玫瑰”，或者今年盛行的“长长的坡，厚厚的雪”。

　　第二，就是目前量化公募，指数增强仍占有重要地位。数据显示，过去5年沪深300和中证500和主动权益公募相比，沪深300在2017年占优；中证500在2021年占优，占优的概率均只有20%。

　　“这和市场风格有关，无论是大盘价值还是大盘成长，量化之于主动权益，总是逆风。这个逻辑也很简单啊，大盘股龙头股数量少，主动研究的深度是容易战胜量化研究的广度。”陈欣说。

　　第三，就是公募量化本身的问题了。这几年，传统依赖的“多因子”，遇到了很多这样、那样的挑战——交易者数量这么多，外资也纷纷涌入，公募量化经常采用的财务数据滞后性非常严重。

　　此外，高频量化的不断涌现，低频量化的价量因子失效非常快。由于机构占比提高，估值的合理性在提升。反映到主动量化和主动权益的比较，最近5年的胜率依然也就20%，非常困难。

如何向主动权益学习？

　　主动权益投资与量化投资有何区别？主动权益的基金经理比较喜欢看长期，有的甚至看未来10年的现金流，短期的基金经理的也要看2-3年。但公募量化投资，每个月都会有换仓，更多看短逻辑。

　　主动基金经理更看重一笔投资赔率有多高，他们追求高的“阿尔法”，为此可以忍受更高的波动，但是量化投资经理厌恶“高波动”，更喜欢稳定的收益，对股票的胜率比较看重，为此可以更广泛搜索股票。

　　目前，主动权益正在向量化靠拢。比如，深圳某基金公司将某主动基金经理和量化基金经理合成一个组，利用量化分散投资的方法来优化组合。又如某上海中型基金公司，主动投资团队在招募量化研究员。

　　陈欣认为，量化投资的纪律性，能够很大程度改善一个主动基金的投资心态，投资是反人性的，基金经理受的折磨非常大。既然主动权益已经向量化靠拢，那公募量化是否也应该做出相应的改变呢？

　　公募量化有两条看似“变革”的道路——一条是高频因子的低频化，尽管没有私募做得那么极致，但却是一条妥协之道；还有一条是，借鉴主动基金经理的思考逻辑，从多因子模型到多模型之路。

　　“要重塑量化基金的市场形象，就需要把主动基金的思考逻辑模型化，同时发挥量化投资广度的优势。主动基金经理的思考逻辑相对独立，且与传统多因子来自不同维度，我们也开始从事多模型之路。”他称。

　　比如，挖掘主动基金经理的思考逻辑，主动基金经理的行为轨迹，开发出一批相互独立的模型——有追求第一时效的加强版分析师预期模型；有基金公司独门重仓股模型；也有优秀基金经理的持股模型等。

　　“这些研究，打开了一片新的天地，让我们更加相信，低频量化仍然大有可为之处。”陈欣相信，量化投资和主动权益并非“水火不可交融”，而是可以做到“交相辉映”的。

来源：金融界

A股交易连续突破1万亿元 量化投资是主要推手吗

　　近期，A股成交连续突破1万亿元，随着市场交易升温，量化交易量在A股交易量占比情况成为市场关注的话题，有观点认为“量化交易占A股交易额比例约为一半，高频量化就等于‘薅市场羊毛’”。

　　我国的量化投资基金行业已走过10余年历程。量化投资本质上是一种依托计算机构建模型再进行投资的策略，其投资逻辑在于从海量的历史数据中寻找能够带来超额收益的多种“大概率”事件，并严格按照这些策略所构建的数量化模型来投资。本质上，量化投资是利用计算机和数据运算寻找市场定价偏差的一种“投机”策略。

　　华泰柏瑞副总经理、量化与海外投资部负责人田汉卿介绍，在量化投资模型中，每个模型由很多因子组成，每个因子本质上都是基金经理眼中的一个赚钱的观点。例如，投资者情绪因子是将投资者情绪变化进行量化统计，作为筛选股票进行投资的决策依据。定性投资和定量投资的具体做法有些差异，如同中医和西医的差异，定性投资更像中医，依靠经验和感觉判断。而定量投资更像是西医，依靠模型判断，模型对于定量投资基金经理的作用就像CT机对于医生的作用。在每天的投资运作前，基金经理先用模型对市场进行全面“扫描”，然后据此做出决策。

　　华安基金指数与量化投资部基金经理张序表示，量化基金与传统基金相比最大的相同之处是投资目的都是为了选择“战胜市场”的优质股票。相比而言，量化策略利用计算机模型集中、批量地筛选股票，“分层”投资的味道更浓，而不是像主动管理类基金那样对个股投入更多调研精力。

　　万得资讯统计显示，截至9月13日，全市场共有593只公募量化投资基金，分为主动量化型、指数量化型、对冲量化型三种，总规模合计2355.78亿元。其中，规模最大的易方达上证50增强A份额为230.52亿元，与主动管理类基金动辄数百亿元的体量相比差距明显。

　　张序认为，“量化投资的交易额占A股一半”的说法不准确。目前，据估算量化投资的交易额约占10％。部分投资者对于量化投资的看法仅停留在高频交易一种策略上，将量化投资等同于高频投资，这是认识误区。

　　量化投资是一揽子投资策略的集合，主要包括三个分支：一是主要应用金融衍生品的量化套利策略；二是高频交易的投资策略，这一策略主要是通过高换手率和快速买卖捕捉微小的投资机会，目前公募基金不参与高频交易策略，也不可能通过高频交易“薅羊毛”，主要是少数量化私募基金在应用高频交易；三是公募量化投资基金策略，主要是综合基本面因素、投资者因素、投资频率等诸多因素来制定投资模型，再依据投资模型进行选股和择时。

　　张序介绍，交易频率和换手率的问题本质上与基金经理自身的投资风格密切相关，与是否是量化基金关系不大。今年的量化投资基金交易投资比较活跃，成交额确实有所放大。张序认为，这与市场中小盘股受欢迎的投资风格有一定关系。今年以来，中小盘市值的股票更受投资者青睐，行业之间的股价表现差异较小，没有出现资金涌入极少数个股或板块的极端行情，使得量化基金更容易捕捉到震荡市场的投资机会。另外，随着宏观经济预期的持续改善，传统低估值赛道和新兴科技类行业的赛道均开始出现更多机会，市场新热点和新投资主题不断涌现。

　　千象资产相关部门负责人表示，“量化交易占比一半”在私募证券投资基金领域也不成立。量化私募基金中真正应用高频交易策略的基金数量和规模占比很小。在换手率方面，随着管理规模的增加，规模较大的量化私募管理人主动调低交易频率是必然趋势之一，否则交易成本会大幅增加。

　　私募排排网财富管理合伙人荣浩表示，随着近年来量化交易占比逐步提高，量化交易的换手率较之前已明显下降。近期市场交易量活跃主因并非来自量化私募，更有可能是增量投资者入场、多路资金加仓以及机构调仓行为等综合因素作用的结果。

来源：金融界

量化投资太火了！全球巨头出手：在中国又有新动作！

　　中国证券投资基金业协会登记备案信息显示，全球量化投资巨头Two Sigma日前在中国备案第二只私募基金。第一只私募基金备案一年半之后，量化巨头Two Sigma再度出手。

　　来自中国证券投资基金业协会的信息显示，腾胜中国瀚量多元资产1号私募证券投资基金于8月31日成立，9月9日完成备案。管理人为Two Sigma的上海子公司“腾胜投资管理（上海）有限公司”， 托管人为国泰君安证券股份有限公司。

　　基金业协会信息显示，目前腾胜投资管理（上海）的管理规模在10亿到20亿元人民币之间。这一数据或许有一定的滞后性，记者从业内了解到，最新公司管理规模已超过20亿元了。

　　了解情况的人士介绍，Two Sigma的第二只产品是多资产类产品，投资范围包括股、债、商品等，是一款低频策略产品。第一只基金-“腾胜中国聚量宏观策略1号私募证劵投资基金”也是一只低频策略产品。这只产品在渠道反响很不错。

　　Two Sigma第二只境内私募基金备案信息来源：基金业协会

　　创始人之一曾为“天才少年”

　　Two Sigma 是一家“科技感满满”的公司。官网信息显示，Two Sigma最新管理规模580亿美元。公司使用包括人工智能、机器学习等方法管理投资策略，创始人是约翰．欧文德克和大卫．赛格。

　　Two Sigma两位创始人右侧为欧文德克

　　其中，约翰·欧文德克曾是一名天才少年。16岁考上斯坦福大学。他拥有数学学士和统计学的硕士学位。1992年他被另一量化巨头德邵基金 （D.E． Shaw）招募到麾下。工作7年之后，他跳槽到另一位前德劭员工，杰夫．贝索斯的麾下。对！就是当今全球首富亚马逊创始人“杰夫．贝索斯”。2001年他离开亚马逊与大卫．赛格创立自己的对冲基金。

　　在公司内部，欧文德克负责模型开发，大卫．赛格担任的管理职能更多。

　　Two Sigma目前除了对冲基金还从事风险投资，最近又开始进军地产投资。

　　量化巨头适应中国市场能力强

　　整体来看，进军中国的外资机构中，量化机构体现出了较强的“适应能力”。另一家量化投资机构德劭集团，虽然仅在境内仅发行一只产品德劭锐哲，但基金业协会信息显示，公司管理规模已经跻身20亿元-50亿元一档，在外资私募中属于规模较大的。

　　而三方平台的消息显示，全球最大上市对冲基金英仕曼集团在国内发行的私募产品，宏量1号也逐渐赢得投资者认可。一位投资者介绍，宏量1号的特点是回撤较小，且与A股相关性低，具有较好的资产配置价值。这几年逐渐在渠道赢得了认可。

　　宏量1号在国内的备案记录

　　基金君从一位投资者那里了解到，宏量1号在2018年依然录得了正收益。不过，A股火热的2019年基金却略微亏损。长期来看，基金的回撤显著低于沪深300等指数。

　　为什么量化投资机构能较快地适应中国市场？基金君此前与一位量化巨头中国负责人讨论时，他表示，量化投资以算法驱动。这套方法天然更能适应不同市场。而非算法驱动的投资，可能要求投资团队更了解本地公司等。此外，国内头部的量化私募的核心团队很多也有海外背景。渠道对海外量化巨头品牌认可度较高。

　　那么量化巨头在中国展业目前面临的主要挑战是什么？他介绍，当前全球性的量化巨头在招徕人才上还是有一定的品牌优势。对于年轻人来说，全球性量化巨头提供的人才培养方案等具有吸引力。不过，随着国内量化机构发展壮大。他坦承全球性公司拓展中国业务也将面临人才挑战。

　　全球知名投资机构纷纷布局中国

　　2020年以来，随着合格境内投资有限合伙机制（QDLP）铺开，青岛、海南试点纷纷上线。不少，外资巨头选择以这一方式切入中国市场。QDLP机制下，机构从境内募资投资海外市场。这种机制给了外资机构向国内渠道“介绍”自己投资能力的途径，也往往成为机构进军中国初期的选择。

　　基金业协会备案信息显示，2021年以来，不少外资机构选择QDLP方式切入中国。

　　基金业协会备案信息

　　MSCI 董事总经理、亚太区指数解决方案研究部主管魏震日前接受中国基金报采访时指出，中国市场持续推进金融市场开放，市场准入不断改善，海外投资者看到这一点。

　　而从外资展业行动来看，抓住机遇，分享中国发展果实也是众多外资机构的选择。这一点，并未因为外围环境等因素变化出现变化。

来源：中国基金报

年内私募产品备案近2万只 量化类约占三成

       今年以来，私募基金保持着较快的增长态势。《证券日报》记者根据私募排排网最新数据统计，2021年以来，截至目前，合计有19969只私募证券基金完成备案。其中，量化产品有5681只，占比28.45%。与此同时，20家百亿元级量化私募备案了1930只私募证券基金，占到量化类总量的33.97%。 

       多位私募人士对《证券日报》记者表示，今年以来，私募业维持较快发展态势的原因一方面在于全市场管理规模再上新台阶；另一方面在于基金数量得到了较大扩容。值得注意的是，量化私募发展势头明显。可以预期，未来将诞生更多百亿元级私募和更加优秀的基金经理。 

       距离20万亿元关口 仅一步之遥 

       据中国证券投资基金业协会最新数据显示，截至7月末，存续私募基金管理人已达到2.4万家，管理基金数量11.18万只，管理基金规模18.99万亿元，距离20万亿元“关口”仅一步之遥。其中，私募证券投资基金管理人为8863家，私募股权、创业投资基金管理人14886家，私募资产配置类基金管理人9家。 

       安爵资产董事长刘岩对《证券日报》记者表示，目前，私募证券投资基金、股权和创投基金规模较2016年年底分别增长1倍和2倍。从投资回报率来看，5年至10年中长期私募基金收益率普遍表现较佳，这缘于我国资本市场国际化水平的提高。可以预见，未来A股市场中，私募基金必将成为重要投资力量，而短期高风险高收益类的私募产品将会逐渐消失。 

       目前，我国存续私募证券投资基金有67062只，存续规模5.45万亿元;存续私募股权投资基金有30072只，存续规模10.48万亿元;存续创业投资基金为12421只，存续规模2.10万亿元。 

       刘岩表示，目前，我国私募基金在产品发行、清算、留存等方面均有很高的自主权，但也存在过度发行的情况，持有人更加青睐净值为1的新基金。因此，很多私募基金管理人在短时间内发行的产品多达几十只，甚至上百只，这并不利于获得较高的投资收益。 

       玄甲金融CEO林佳义对《证券日报》记者表示，目前，私募业处于快速扩张阶段，随着近两年储蓄搬家加速，全市场管理规模激增，行业规范和监管导向应该以长效机制建立为目标，更好保护投资者权益。 

7家百亿元级量化私募 

备案超百只 

       记者梳理发现，有7家百亿元级量化私募年内产品备案数量均超过100只，分别是灵均投资（304只），九坤投资（301只），明汯投资（208只），宁波幻方量化（187只），启林投资（167只），衍复投资（144只），诚奇资产（109只）。 

       同时，数据显示，今年以来，有业绩记录的2264只量化私募基金整体平均收益率为14.27%，其中，有1915只基金实现正收益，占比高达84.58%。在实现正收益的量化基金中，59只基金收益率超过50%、668只基金收益率保持在20%-50%之间。 

       无量资本副总经理李德安表示，近两年，国内量化私募不断得到投资者认可，整体管理规模上升较快。目前，总管理规模已达到万亿元，且不少产品取得了超额收益。整体来看，国内量化行业的技术与人才发展可与国际量化行业相比：一方面，行业整体规模稳步提升，越来越向成熟市场看齐，且策略日益多样化；另一方面，国内量化从业者在金融科技领域的应用走在国际市场前列，例如，人工智能技术在量化投资领域不断应用给行业注入了新动能。 

       北京某百亿元级量化私募相关人士表示，近两年，量化私募得到了长足发展，量化基金管理人已逐渐发展成为专业资管机构，尤其是头部量化私募经历了不同的市场环境，投研能力得到了进一步提升，策略迭代能力加强。对标国外量化行业，国内量化发展已经进入到专业化阶段，规模、团队、品牌、业绩之间形成了正循环。此外，量化机构的策略和技术加速迭代，进一步带动收益提升。同时，量化产品赚钱效应显著，得到了投资人的认可，带动资金加速流入。 

       中信建投（601066）证券基金研究员认为，量化私募最主要的核心竞争力是管理人对市场的认知，以及加速策略的迭代升级。当前，市场主流策略或许还是基于对市场认知的逻辑和算法，而由机器自主产生的想法目前应用场景还较少，而“算力”与速度在某些策略中会构成重要的竞争力。

来源：财经网

机器比人“强”，可你真的适合做量化投资吗？

      若论最近投资领域的当红辣子鸡，“量化投资”恐怕无出其右。

       一方面，持续破万亿的交易量一把将量化投资推到聚光灯下，各种话题层出不穷。另一方面，业绩出彩也确实带来了人气——中国基金报的统计显示，截至9月10日，今年以来纳入统计的337只主动量化基金（各类型分开计算）的算术平均收益率为10.78%，表现要好于同期主动权益类基金的9.5%左右的平均收益。

       机器比人“强”，是不是应该赶紧调转枪头拥抱量化投资？

       别急着下结论，因为任何一个投资的决策前提，是了解。

       虽然被统称为量化投资，但其实量化投资也有不同的收益来源（策略）。我们在之前的天团稿件中曾和大家讨论过，单以指数增强策略为例，就至少可以分为“多因子增强策略”和“高频（短线量价）增强策略”这两大类，且每一种策略都有自己的收益来源和逻辑，也都有短期失灵的背景和可能（揭秘指数增强策略的“黑匣子”）。实实在在地弄懂收益来源，永远是拿出真金白银做投资前的第一步。

       当然，除了弄懂收益来源，拥抱量化投资前还要问自己另一个问题：我能不能接受它的平淡时光（甚至黯淡时刻）？

       眼下之所以有越来越多的投资者关注到量化基金，主要还是被其今年以来的靓丽业绩所吸引。不过任何一种投资都不可能只有高光时刻，量化投资自然也不例外。

       以今年备受关注的高频量化投资为例，至少在以下两种情况下可能会收益黯然失色的情况：一是当两市成交量低迷的时候。如果量化交易没有足够的对手盘，冲击成本就会比较高，此时要想做出收益就比较难（如2019年四季度）。二是只有少部分股票上涨的时候。因为量化基金的持仓标的较为分散，一旦出现市场上只有少数股票上涨的情况，收益就会相对比较平淡。比如查阅2020年四季度的报道，就不难找到在当时只有龙头大涨的格局下、一部分量化产品净值出现震荡甚至亏钱的情况。

       此外，千万别站在投资后视镜视角中简单做决策。

       所谓后视镜视角，是指用刚刚过去的市场数据作为未来投资依据。要知道，虽然今年以来主动量化基金高达10.78%的平均收益率确实要好于主动权益类基金，但同期中证500指数的涨幅却是19.5%。既然我们不会因此得出指数基金（中证500）最值得买的决定，又何以得出量化投资就比主动投资更香的结论？

       说到底，无论是主动型基金，还是量化基金、指数基金，各有各的优点，也各有各的局限性。而我们对于投资产品所谓“好”与“不好”的界定，不止需要参考中长期业绩，还要匹配自己的认知水平与个性。因为所有的投资都会经历“熬”的时间，只有基于认可的坚守，才能拥抱时间的绽放。

来源：晨财经

散户干翻百亿基金 美量化投资遭遇危机

       美国市场量化基金发展较早，其带来的成交早已在市场占比最高，但近两年来，量化基金却正在经历前所未有的挑战。

　　散户干翻百亿量化基金

　　量化基金最近的麻烦来自散户抱团。去年以来，随着大量流动性注入和补贴发放到个人手中，加上论坛等网络媒体的崛起，散户奇妙地凝聚在带头大哥的周围，以前所未有之势买入那些华尔街看空的个股。

　　ETF成交量占比是衡量美股散户成交兴趣的一个重要指标，在市场总成交占比稳定在15%至20%水平，但今年却掉到12%，最大的一个原因就是散户现在更爱炒作个股。

　　由于散户做决策时的冲动和盲目，改变了市场原有的模式，极大地影响了原有量价数据的有效性，使很多原有的量化模型失效。

　　木星资管旗下的全球股票绝对回报基金就是受害者之一，它经历了成立以来的最大缩水，规模从巅峰时期的160亿美元缩水至十来亿。

　　这只量化共同基金所选取的策略是动量，即研究股票的上涨趋势来买入卖出，这种依赖交易趋势的做法在市场还在“沉寂”之时也还算有迹可寻，但大量散户涌入市场后，这一切都发生了改变。

　　公司系统股票主管表示，这种波动很难用连贯的宏观参数来解释，这种散户推动的交易不全然是风险，但也必然更难以预测。

　　瑞士信贷的数据也证实了这一点，2020年后，对冲基金的持仓股票出现的大幅异常波动，为近十年之最。如果散户所带来的羊群效应破坏了量化信号，那依据量化信号选股的整个理念都可能被颠覆。

　　新冠疫情

　　颠覆基金运作模式

　　另一冲击业界的就是肇始自新冠疫情的深V波动行情。量化基金也不是没有见识过大型波澜，只是这次的波动似乎又证明了历史不见得都是相同重复，快速下跌和快速反弹的幅度都是前所未见。

　　这次行情中大批量化基金没有能够提前预测，在恐慌性下跌中遭受严重损失；而随后反思现有模型缺乏对未知风险的考量，甚至将危机视为2008年重现时，仓位降下来后市场却又出现了快速的上涨，踏空了市场。与更加灵活和前瞩性的主动管理基金相比，量化败下阵来。

　　2020年3月，美国股市在连续8个交易日内4次熔断，随后，桥水基金被传出遭到沙特等主权基金大额赎回的消息，两者叠加引起负面效应，这则谣传顿时在风声鹤唳的资本市场中，引发了巨大的波澜，股票、外汇、债券甚至黄金再度下挫。

　　桥水基金创始人、联席首席投资官达里奥在向投资者发送的《每日观察》中的报告内容作出了回应，称采用风险平价策略的全天候基金和完全对冲的中性策略基金出现了不同程度的下跌，但流动性充足。虽然后续也证明桥水的确没有爆仓，桥水当年的业绩却也着实不好看， 一年亏损了120亿美元。

　　总有一类特定资产在特定的经济环境下表现更好，这是桥水基金量化手段所信奉的基本投资原则，其旗舰基金的策略是衡量每一种资产的风险，并按照其经济量化模型，在特定经济环境下进行动态调整。

　　通常情况下，股票和债券收益存在反向关系，黄金和现金都是避险资产，但市场在恐慌情绪笼罩之下，股票债券齐跌，黄金遭抛售，只有现金成为最为靠谱的资产，桥水基金所依赖的基础逻辑被完全破坏。在2020年3月这样一个极端的月份，基金策略全不奏效。

　　不仅是新冠疫情导致的股市下跌，即使疫苗带来的利好也会让量化基金猝不及防：

　　2020年11月，规模40亿美元的量化基金奎格利忽遇利空：美国知名节目《60分钟》播出了辉瑞疫苗的预防效果，市场出现了疫情以来最为乐观的情绪，但对于奎格利却不是什么好消息：一时间，看多经济的周期股和小盘股鸡犬升天，而不少依赖动量策略的量化基金却陷入窘迫境地。这家基金甚至表示：从统计学上，这种幅度的市场变动绝不会发生。

　　量化基金多是通过历史数据来计算可能存在的风险，并由此来决定头寸，如果价格出现了过去没有的大幅波动，历史数据就不再是可靠的指标。用专业数据来解释，这一现象代表价格数据分布产生“肥尾效应”，即数据在概率分布上偏向于小概念的一端。

　　这种市场的周期轮动之突然，就像市场没有预期到新冠疫情的风险一样，整个量化对冲基金再度出现大跌。有量化基金经理感慨：现在市场的极端波动动辄就达到6个标准差，市场早已不是上一代人的市场了。

　　量化基金在市场急剧波动的场景下已经被再次证明不靠谱，量化大神文艺复兴基金去年业绩跌出榜单前20。

　　量化的根本在于历史重现

　　量化最直观的理解是通过一切可以数量化的手段将交易转为对数据变化的使用，在投资的思想根源上，却是一种系统化投资策略的体现，即选择历史统计上获胜概率更高的交易：即使偶尔出现几次失败的交易也不要紧，只要总体的胜率够高或者数次交易的赢面够大，就可以构成总体盈利的策略。这样的策略允许基金出现失败的交易，但前提是失败的概率是被历史验证不过尔尔，持之以恒总有机会能反转甚至更好。简言之，大数定律一定会奏效。

　　尽管量化投资对于许多外部投资者来说是一个神秘莫测的黑箱，其内在的逻辑却与十几年前的毫无二致：不管是加上人工智能、大数据处理，还是引入各种最新的另类数据，加入最新的计量经济学模型，都是希望使用概率上更好的交易策略，通过大量的交易去发掘更多的交易机会。

　　在量化投资中可以发现，使用历史数据进行回测是一个关键的步骤：从统计的概率上被证明能够盈利的策略才会被投入使用，但这就暴露出一个潜在的问题：即量化策略通常只能捕捉被历史验证过的交易。

　　一旦市场中出现了前所未有的局面，包括散户力量的崛起和新冠疫情的出现，面对这些从未面对的“因子”，量化投资就仿佛陷入茫茫荒原之中，一时间显得毫无头绪。

　　投资研究公司伯恩斯坦的员工詹金斯发表的一篇报告就在业界引起了相当争议：“为什么我不再是一名量化分析师。”他指出，量化基金的核心是试图对未来的投资决策进行回溯检验。但如果基础逻辑发生了变化，进行量化研究和运行回测有什么意义？量化分析正面临挑战，新冠疫情已经彻底颠覆量化研究。

　　量化策略失效的原因很多

　　一个经典的量化策略开发过程中，通常只会依赖历史数据验证，在某些市场条件下若某种策略表现良好，研究人员会在市场条件仍然存在的前提下进行调整。通过一次又一次的尝试，增添修改参数，最终产生一个基于历史数据却有望在现在甚至未来一段时间持续成功的策略。

　　对于量化投资，基金经理创建预定义的公式或规则后就会保持持续执行，因此基金经理在日常事件中不会涉及人为的偏见，这些规则在一段时间内不断得到监控和优化。在两个再平衡期之间，基金经理都会专注于复制策略要求的组合、保持低跟踪误差、管理流动性、确保交易执行时影响成本最小。

　　接下来要问的问题是“这种策略在未来会有积极的表现吗，还是仅仅因为偶然的机会而看起来很好？基于历史数据的策略显然是成功的，但如何知道它在未来是否会占上风？”归根到底，量化模型的适用还是要外部的主脑去做判断：决定这种策略在何种市场环境下能够适用，在何种市场条件下已经开始失效。

　　量化策略适用的市场有一些特征，如小盘股表现更好、市场处于震荡期，市场效率相对较低，相对而言，在主动管理发挥空间不大的时候，量化基金往往都有出人意料的好表现。

　　量化策略失效的原因很多：市场上某种策略存在仅有特定的空间，如果大量同质策略涌入，策略就会很快失效，这是竞争所带来的策略迭代；量化基金的另一大特点就是通过数量手段可以覆盖大量股票，着重分散投资，当市场的热点过于集中在少数热门股票之下，量化基金就会跟不上大盘的步伐。

　　更好应对黑天鹅与灰犀牛

　　考虑到研究人员反复尝试将研究结果与历史进行“匹配”，现在不少机构相信这种策略在长期内使投资者受益的机会明显减少，外部市场环境的改变正给予量化投资最新的挑战。

　　许多人以为，新冠疫情的出现就像黑天鹅事件一样，完全是出乎意料的小概率事件。提出黑天鹅概念的金融业人士塔雷伯却不以为然。实际上，随着人们对于自然界的破坏，许多野生动物离开栖息地并将其所附带的病毒传给人类，从概率上来讲却是越来越大的风险。这更类似于灰犀牛风险，即在人们身边存在却熟视无睹的风险。

　　量化投资除了将历史上已经明确显现的风险计入其考虑，如何更好防范未见风险已经成为了不少量化基金开始思考的新起点，如想要摆脱被散户的干扰去挖掘一些不常用指标并进行更快速的策略迭代，或去更有前瞻性地管理从未发生过的风险。

　　资本市场风险顾问公司在对2020年投资风险回顾的调查中发现，尽管基金管理人会同时使用历史和假设压力测试，但显然对历史压力测试更为上心。而现实是，尽管未来可能和过去有一些相似，但却不等同于重复历史。

　　这家顾问公司建议，假设场景不但要看似可信，更需要至少一个维度上大于历史压力，且需要随着市场条件的变化感知风险变化，有时甚至需要跟随直觉。

　　公司指出，新冠疫情最终开始扩散，最后产生全球风险，但当时市场却明显忽视了，甚至臆测大流行不可能。当然，现在很容易说应该预料到这种传播，但为什么潜在的风险经常被忽视呢？其中一个很重要的原因是对于传染病的大范围传播这类风险难以量化。

　　疫情风险很难量化，但是风险管理不能完全依赖于基于科学的数学计算，它甚至还必须依靠直觉和判断，只是这种判断如何融入到量化决策流程中将是一个新课题。

来源：中国产业经济信息网

机构认为量化投资是市场成熟表现

       近期，量化投资引发热议。在业内人士看来，量化投资是市场不断成熟的表现，可以增强资本市场的流动性，提高定价效率，也丰富了投资者的选择。虽然目前A股的量化私募规模已达到1万亿元规模，但相较于海外成熟市场约3.5万亿美元的体量，仍处于起步阶段，未来发展空间巨大。

       对于量化投资的作用，中信建投证券金融产品及创新业务部一位基金研究员表示，第一，公开数据越来越丰富，数据处理技术越来越先进，才有了量化投资的快速发展，这本身就是市场不断发展成熟的表现；第二，量化投资本身因为交易频率相对较高，为市场提供了流动性，这对市场长期发展很重要；第三，量化投资在获取超额收益的同时，本身也在寻求市场的不合理定价，如果理性发展的话，这个过程可能使得市场更有效，投资者结构更成熟；第四，量化投资给投资者提供了新的投资品种，丰富了投资选择。

       诺亚正行副董事长、诺亚控股执行董事章嘉玉认为，欧美成熟市场中量化交易的占比要远高于国内。根据欧美发展经验，量化会推动股市的去散户化，最终证券交易市场上存在的主要将是机构与机构的博弈以及少数专业投资人的参与，那么股市投资大部分获得的最终会是长期价值发现的钱。在她看来，各种策略的进化，也会吸引更多专业人才进入巿场，加上匹配适宜的监管风控措施，未来量化投资会更加成熟。

       在为市场提供流动性方面，第一创业经纪业务市场研究部金融工程总监杨向阳认为，量化投资覆盖的股票更多，能够覆盖很多主观基本面研究不能覆盖的股票，可以提升市场的流动性。深圳一家头部量化私募也表示，量化投资活跃了市场交易，提供了稳定的基础流动性，使市场中短期定价更加合理，在为很多投资者提供专业投资服务的同时，也为市场带来了长期稳定的投资资金。

       在提升定价效率方面，金斧子对冲基金部负责人分析，目前股票类量化策略主要分为中低频的基本面策略以及中高频的量价交易策略，基本面策略在一定程度上可以通过股票的基本面信息发现其内在的价值，捕捉估值回归的机会；而量价策略则通过股票的价格以及市场信息或者情绪，在一定程度上捕捉市场上短期错误定价带来的套利机会。总体来看，量化有助于市场的价值修复与合理定价。

       杨向阳指出，量化投资利用模型发现个股的潜在机会，从市场的非理性定价中获取收益，可以克服主观情绪的偏差，使得投资品种定价更加有效，从而提高市场的有效性。

       喜岳投资副总经理马肸珣认为，利用计算机的高效率、高覆盖和高纪律性，可以更准确和更迅速地发现投资机会和识别投资风险，及时纠正市场上的错误定价，推动市场规模的稳步发展。

       格上旗下北京金樟投资投研总监付饶认为，在海外市场，大部分投资规模都来自于量化投资，量化投资实际上是成熟金融市场的主流投资方法。在他看来，量化为市场带来了活力和更低的交易磨损，有效促进市场发展，也减少了散户的过度投机行为。

       在丰富投资者的选择方面，杨向阳认为，量化投资可以提供市场中性、套利以及CTA等不同风险收益特征的产品，丰富了投资者的投资选择。明晟东诚投资副总监刘洋认为，资管新规实施之后，产品净值化转型的趋势不可避免，量化策略能够给广大投资人提供新的配置工具，也利于财富管理的转型。

       量化还有助于降低市场波动率。宽投资产指出，量化投资更加客观，结合时下越来越强大的大数据分析技术，能深入挖掘出许多传统信息之外的潜在特性，让A股波动率明显下降，让市场有效性和流动性进一步提高，从而吸引更多资金参与，增加了市场的深度。

       此外，量化管理人在通信、人工智能等技术上竞争激烈，刘洋表示，这一定程度上也能推进这些技术向前发展。宽投资产也表示，量化促进IT与AI技术进步、促进相关人才就业、贡献税费，相关机构在社会公益、慈善、投资者教育上也有可为空间。汇鸿汇升首席投资官张辉称，量化的发展也会导致量化策略收益逐渐下滑，倒逼量化机构不断更新迭代自身策略，促进市场进一步发展。

来源：中国基金报