【配置认知】梳理量化选股策略（含指数增强）的规律特征

作者：量策组合配置学

题图： 量策组合配置学微信公众号

【上一篇】股票主观多头的规律特征

量策组合配置——

专注“基金配置”研究与买方投顾咨询服务

摘要

1、难点在于，要挖掘出有效的因子，是需要找到不那么拥挤、有一定稀缺性、不内卷的因子，不然竞争优势无法体现。

2、当市场出现小概率的极端分化波动时，偏离基准成分股，追逐热门因子，会面临市场抱团拥挤后的流动性风险与政策干预风险。

最近由于市场的极端波动，使得部分私募基金在机会成本中选择放弃股票中性策略，而只专注于股票量化选股策略，本篇我们重点梳理国内主流量化选股策略的规律特征，供大家参考。

量化选股（含指数增强策略）与主观多头相似，是一种具有高收益潜力和高收益波动的策略，与市场Beta走势高度相关，适合风险偏好较高的投资者，首先我们先纠正几个误解。

来源参考:招商证券金融产品部

量化选股策略本身的容量也非常大，但是不同的量化管理人在底层因子、组合方式以及优化处理上的做法有所差异，所以其呈现出的超额波动特征也有较大的差别。

一、策略风险收益模式特征

1、投向范围

目前几乎国内所有的股票量化选股策略（以下皆含量化指数增强策略）都是仅投向A股的上市标的，但会剔除ST，会剔除上市较短的次新股，也会剔除市值最小或成交量最低的那一批个股。

2、收益特征

股票量化选股策略（含量化指数增强策略）的业绩弹性较大，收益排名最高的年化回报率接近于股票主观多头策略，能实现近一倍左右的回报。

大部分量化基金管理人在对标的贝塔基准指数上，能获得年化5%-30%不等的基准超额收益，但随着市场热点、风格与环境的变化调整，超额表现并不稳定，而且下行回撤的波动也相对较大。

在牛市，股票量化选股策略平均能够实现年化25%以上的回报，比如作为基准的中证500指数一年上涨了15%，而策略的超额表现有10%的增强收益，则合计就有25%的年化回报。

但在非牛市中，各管理人的收益分布与差距就会比较大，与市场偏好与风格环境息息相关。有的策略受益于市场风格匹配，超额就容易获取；反之，可能会受拖累，甚至还有些可能会小幅跑输公认的指数基准。

在国内A股市场，对于指数增强策略，一般市值规模越大的指数，其增强收益越难做，超额收益也越低，比如上证50，沪深300等，按目前市场水平，优秀的量化管理人，对300的指数增强超额收益，也顶多就在5-10%之间，并且换手率也较低；

而市值规模越小的指数，其增强收益相对越好做，超额收益也越高，比如中证1000，中证2000等，按目前市场水平，平均年化超额收益在10-25%不等，并且换手率相对较高。

【小盘股超额较高的原因参考】

1、一个原因是小盘股的平均年化Beta收益从长期统计来看，比大盘股高2%左右；

2、另一个原因是在A股，小盘股相对大盘股更活跃，游资与散户更热衷于参与高波动个股的“投机”，这点与港股市场有所不同。

3、风险敞口

（一）下行回撤风险
股票量化选股策略的下行风险较大，同时面临着极端波动以及肥尾风险（主要是宏观上的系统性风险，比如战争、严重的传染病、重大自然灾害，重大的意外事故、经济萧条等）。

其风险敞口主要暴露在：

1）宏观因子（熊市加快下行期）

2）流动性因子（市场承接力量不足）

3）风格因子（价值/成长、大盘/小盘）

在熊市中，股票量化选股策略的最大回撤可能会超过-25%以上。同时与Beta基准趋势至少80%以上正相关。

与主观多头策略一样，除面临个股的微观经营风险外，主要是受宏观风险因子的影响。不同的是，主观多头持股相对集中，个股微观风险更大，而量化选股持股比较分散，面临的宏观风险更大。

【宏观因子风险敞口说明】

1、利率（衡量市场资金成本高低）

2、通胀（通胀过高或过低都不利）

3、流动性（多空参与度的意愿）

4、信用（警惕债务风险的传导）

5、经济增长（实体经济基本面）

（二）基准偏离风险（超额回撤）

当市场风格明显两极分化时，比如在2024年1-2月的量化踩踏事件中，GJD下场拯救流动性时，护盘沪深300、中证500等中大盘，而中证1000、2000无力承接市场抛盘，迅速下挫。

此时股票量化选股策略（含指数增强策略）分化明显，凡是底层更多配置小盘股（较大偏离基准成分的），超额回撤巨大；而主要在基准成分股里进行量化选股的策略则超额回撤较小，影响相对可控。

所以经验教训就是：

当市场出现小概率的极端分化波动时，偏离基准成分股，追逐热门因子，会面临市场抱团拥挤后的流动性风险与政策干预风险。

4、细分策略模式

从当前市场上主流的股票量化选股策略来看，我们主要可分成以下四种：

【1】第一种是大盘股指数增强策略

主要是上证50、沪深300，中证500的指数增强策略，即大部分的成分股在中证800内，交易上偏中低频，因子上偏价值，策略容量较大，一般可容纳上百亿。

【说明】私募基金在股票指增策略上，相对于公募基金，换手率更高，迭代速度更快，超额收益相对更高一些，但后端收费也更高一些。（公募基金不收后端提成）

【2】第二种是中小盘指数增强策略

主要是类似于中证1000、中证2000、科创板，创业板等中小宽基指数或定向基准的量化指增策略，交易上更偏中高频，因子上更偏动量，偏技术面因子。策略相对于大盘股指增而言，策略容量较为有限，一般不超过30亿。

【3】第三种是空气指增

又名全市场选股，即没有任何约束的量化选股，不受对标宽基在行业，市值等分布上的比重约束，可根据行情环境的变化，随时调整底层的因子组合，尽可能及时跟上“市场的偏好热点”，实现较高的超额收益，但与此同时，其超额回撤的波动弹性也相对更大一些。

【4】第四种是基本面量化

即偏财务因子为主的量化选股策略，由于大多基本面因子的数据更新频率不高，所以交易频率相对最低。其类似于主观多头策略中的价值投资，但差异主要在于基本面量化策略在持股上相对更分散，交易执行上更系统。

【基本面因子来源参考】

1、上市公司财报每季度披露1次

2、行业的增速数据每月披露1次

3、电商营收数据最多每周披露1次

4、及其他基本面相关的另类因子

......

二、策略对比评价经验参考（一）筛选对比重点

评价股票量化选股策略优劣的参考维度主要包括这4大能力：因子挖掘能力，因子组合能力，细节优化能力，以及策略迭代能力。

1、因子挖掘能力

不管用人工挖掘，还是用AI挖掘，只要能持续挖掘出符合当前市场有效匹配的因子，就证明拥有优秀的因子挖掘能力。

当然因子种类众多，主要分为三大类：基本面因子，量价类因子，与另类因子。有些因子长期有效，短期无效；而有些因子正好相反，是短期有效，长期无效。当然我们需要保留的是更持续，更稳定的因子。

不管什么因子，都是基于历史统计规律得出的相对最优选择，不过当市场过于拥挤到同类因子上时，超额收益会明显收窄，甚至没有超额。所以难点在于，要挖掘出有效的因子，是需要找到不那么拥挤、有一定稀缺性、不内卷的因子，不然竞争优势无法体现。

来源：Datayes

2、因子组合能力

因子多，不稀奇，不少量化基金管理人少则拥有上千因子库，多则拥有上万因子库，而真正在实盘能同时使用的因子也是几十个，上百个而已，所以因子组合能力相比于因子挖掘，可能更为重要。

不同量化管理人的能力差距大多不在因子挖掘上（除少量另类因子较强的管理人），而在因子组合能力上，这需要对底层因子，对市场行情，对交易规则，对博弈行为，都有较深的理解。

根据基金经理的历史交易经验，用开发的因子组合模型，或因子组合优化器而生成最适合当前市场环境的因子组合。这其中会遇到一个普遍棘手的难题，就是模型回测中的过拟合，这考验着投研团队的综合能力。

【参考】行业轮动因子体系

3、细节优化能力

量化交易需要设置不少交易参数，包括买卖时间点，买卖执行价等交易细节需要明确，部分中小管理人自己开发策略，但交易执行交给拥有更好交易算法的第三方机构，比如卡方，非凸等量化科技服务公司，让他们来更好得优化算法，实现交易成本与执行的良好控制。

4、策略迭代能力

市场信息越来越透明，内外部环境变化也越来越快，量化竞争也越来越卷，因子的有效期越来越短，考验着基金管理人在交易策略开发上的迭代效率，跟不上市场变迁的，就要被淘汰。

【备注说明】

一般而言，人才密度越高，研发投入越大的管理人其策略迭代能力较强，但是否能在绩效表现上体现出来，还是需要看公司核心人物的整合决断能力。

（二）适宜管理规模

一般而言，基本面量化的策略容量最大，一家管理人适宜的规模上限约在200亿左右，其次是大盘股指增，策略适宜的规模上限约在100亿左右，再次是空气指增，策略适宜的规模上限在60亿，而中小盘指增，策略适宜的规模上限在30亿左右。

（三）投研团队背景

1、所读专业

量化基金经理不少都是计算机专业的，其次是数学、物理、统计、金融工程等专业，当然也有金融专业，以及其他一些专业。（研究团队的专业相对更多元一些）

2、从业背景

量化基金经理最常见的是曾在海外资管机构任职投研的海归人才，以及在国内资管机构任职投资经理或在金融机构任职投研的本土科班选手。当然也有一些是从国内外知名投行自营部门出来的投研人才，以及国内草根出身的民间交易高手。

【历史经验参考】

整体来看，目前：

1、有海外知名对冲基金任职经验的基金经理相对较优。

2、有复合型专业背景的量化基金经理相对较优，特别是计算机、物理、数学等专业的。

3、产品业绩优劣与人才密度有关但不太大，核心还是看是否有顶尖人才主导管控。

（四）基金评价侧重

我们一般会从基金经理的以下4个方面来综合考量股票量化选股策略的基金优劣：

1）过往的资产管理经验

是否有多年量化资产管理交易经验（经历过多个牛熊周期），团队是否在因子挖掘，因子组合，参数设置等细节处理上，有较丰富的交易实践经验。

2）策略迭代能力

重点考查投研团队在：

1-在管理流程、制度、机制是否合理？

2-在因子组合上的整合能力是否较强？

3-过往因子库的质量与积累是否较深？

4-过往策略迭代的开发效率是否较高？

3）代表产品的长期业绩表现

重点可对比四个核心参考指标：

1-超额绝对回报率（越高越好）

2-超额波动率大小（越小越好）

3-对风格依赖程度（越小越好）

4-依赖程度变化（最好依赖在减弱）

4）备选基金产品的流动性商务条款

股票量化选股策略的净值波动弹性非常大，回撤大时要能及时申购进去，明显涨得过多时，也要能及时止盈出来，所以拟投产品的流动性条款就非常重要。

相对私募而言，公募的申购就很灵活，日度开放，随时可以进出。但如果拟投产品的申赎不太灵活，就要考虑是否因为流动性条款较差而已潜在损失掉一部分的利益。

。。。。。。

以上水平有限，仅供参考

更多组合配置经验

欢迎与我们交流

版权声明：文章版权归原作者所有，部分文章由作者授权本平台发布，若有其他不妥之处的可与小编联系。