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