如何评判股票量化策略风险约束的严与松？

作者：浪说量化

题图：浪说量化微信公众号

24年A股市场的极端行情，将不少股票量化策略打回原型。这不仅让投资者对股票组合潜在的风险暴露有了全新认识，也促使量化投资管理人重新审视组合优化的重要性与必要性。

然而，这也滋生出一些不良现象。部分量化管理人在路演过程中，为了迎合投资者需求，不惜信口开河。但凡涉及组合优化的内容，一概声称自己的风险约束极为严格，全然不顾投资组合实际运作情况。

参照胡锡进提出的 “都发钱等于都不发钱” 理论，类比来看，“都约束严格就等于都约束不严格”。在这种情况下，大量专业性欠缺的投资人与理财师深受其害。他们精心挑选的股票量化产品，本宣称风险敞口暴露极小，可实际投资下来，回撤幅度却令人咋舌。

鉴于此，我在与众多同行深入交流后，初步拟定了一套适用于大多数股票量化策略的量化标准，用于判定量化策略风险约束的严格程度，此标准仅供量化投资初学者参考。当然，在实际的尽调交流过程中，还是要具体问题具体分析，切忌盲目生搬硬套。

当然在和同行交流中，也有不少朋友反馈说，这套量化标准定的过于严格。当前很多量化管理人若能达到约束适中的标准，便已实属难得。从行业横向对比来看，这应该归类到风险约束较为严格的范畴。

回顾我刚踏入行业的那几年，大家在构建量化策略时，通常会将年化跟踪误差严格控制在5%以内。但如今，市场环境发生了显著变化，量化策略的风险敞口也逐年呈扩大趋势。

究其原因，一方面，随着市场有效性的逐年提升，获取超额收益的难度与日俱增。量化管理人不得不适当增大风险暴露，以确保股票组合的预期收益能够契合投资人的需求。

另一方面，也有部分量化管理人另辟蹊径，选择避开竞争激烈的 pure alpha “军备竞赛”，转而构建具有独特策略风格特征与配置价值的类 smart beta 产品，例如大家所熟知的微盘、红利等策略。

然而，从投资者的角度来说，我们绝不能因超额收益的获取日益困难，就一味地降低策略的风控底线。

首先，市场中仍存在诸多优秀的量化策略，譬如底仓 T0 策略，它们能够在严格的风险约束条件下，持续创造稳定的超额收益。将这类优质策略与那些质量参差不齐的alpha资管策略混为一谈，显然是不合适的。

其次，大量个人投资者以及投资机构的领导们，其专业知识水平并未随着 A 股市场的快速发展而实现同步提升。以市场中性策略为例，作为低波类策略的主力军，其策略风险往往未能被准确、清晰地揭示。长此以往，这不仅会加剧策略规模的波动，还将为未来市场埋下更大的隐患。

最后，随着特朗普的上台，全球局势将迎来新一轮动荡，地缘政治风险层出不穷，未来A股市场依然面临极大的不确定性。每一次不可预知“黑天鹅”事件的发生，量化策略都将面临一场样本外的“生死考验”。根据历史经验来看，在极端市场环境下，越是风控宽松的策略模型，其潜藏的风险点就越容易暴露无遗，最终给投资人造成超乎预期的惨重损失。

感觉国内量化市场发展了这么多年，大家在闷声发大财的同时，在行业发声，投教普及、回馈社会等方面却有所欠缺。这也导致整个量化行业被污名化严重，每当市场有点风吹草动就被拉出来背锅。

因此，2025年我可能会从整个量化行业的角度出发，多整点正能量的东西，少挑各家的刺（除非我忍不住），为净化行业生态环境、推动行业健康发展、助力初创量化管理人贡献一份力。