Alpha策略從“迷茫”到“轉型”：機構積極應對量化困境?

史慶盛?嚴佳煒?羅軍?安寧寧

2018年盡管指數下挫明顯，但公募量化基金發行數量及規模并沒有明顯下滑。在公募對沖、主動量化基金規模下滑的同時，指數增強基金規模逆勢上升30.16%（55.31億元），其中大部分來自存量基金份額增長。

此外，量化基金規模分布上仍存在“馬太效應”，尤其是指數增強基金，平均規模 5.68億元，中位數僅0.95億元。從側面反映資金方更為偏愛歷史業績穩定的優秀產品。

市場結構的變化及對沖工具的缺失，導致傳統的中性策略難以開展，市場缺乏系統性機會，取而代之的是“一九”極端分化的結構性行情，面對量化困境，機構積極應對，從Alpha策略優化到產品布局都在嘗試轉型。

策略上，機構逐漸重視“風險管理”能力：通過低相關度的多品種或多策略來分散產品風險;注重風格及策略的靈活性，尋找新環境下有效的策略模式;探索大數據等Alpha源，引入 AI等新技術構造多樣化策略。

產品上，主動量化及指數增強成為公募機構布局的首要選擇。部分機構在策略產品設計過程中，主動加入了對特定風格或行業進行拆解并主動暴露敞口以追求更高的Alpha空間，圍繞一系列特征鮮明且具有差異化的策略，布局Smart Beta產品。

風格與策略前瞻

在面臨政策及市場結構調整的新格局下，投資者在捕捉風格方向以及構建Alpha策略上都面臨諸多的考驗。

展望未來，隨著市場風格重新趨于穩健，而機構在經歷了又一次風格大切換之后也增強了策略的適應性，風格策略將持續帶來穩定的 Alpha 收益。隨著資管新規的落地，Alpha 策略將長期吸引大量資金進行配置，短期的困境不會改變量化策略不斷提高市場占比的大趨勢。

自2016年以來，在國內外多重因素影響下，A股市場風格發生了較大的轉變，隨著海外資金持續流入及養老金的長期布局，A股的投資者結構正在悄然改變，盈利及價值等投資風格的有效性將有望持續，而規模及價量等風格Alpha特性將有所減弱，而風險特性則更為凸顯，越來越多機構將其作為Alpha模型中的風險因素加以控制。

自2016年以來，A股市場整體波動率持續走低，市場缺乏系統性機會，在監管層堅定地去杠桿措施下，市場的風格也發生了顯著的轉變，投資者轉而追求捕捉結構化行情。自2015年8月以來的股指期貨受限和持續負基差給Alpha策略帶來的成本損失，使得相關產品的規模和盈利空間都受到了較大制約。

機構投資者在漫長的等待過程中，也不斷針對新環境，對各自策略和產品展開了“自適應”，實現策略上的“轉型”：1.機構逐漸重視Alpha策略與產品的“風險管理”能力;2.通過低相關度的多品種或多策略來分散產品風險;3.注重風格及策略的靈活性，尋找新環境下有效的策略模式;4.探索大數據等新的Alpha源，并嘗試引入AI等新技術構造更多樣化的有效策略。

Alpha產品布局思考?

2017年以來，Alpha產品就開始面臨巨大挑戰：其一，股指期貨限制遲遲未能放開，市場缺乏對沖工具;其二，市場風格突變，收益二八分化，向頭部集中;其三，海外資金大舉進入A股市場，導致市場微觀結構發生重大變化;其四，監管從嚴，各種制度完善，市場逐漸走向規范，套利機會收窄;最后，Alpha擠出效應明顯，因子收益降低。在這樣的新形勢下，如何布局未來Alpha產品值得我們思考。

首先，繼續向敞口策略轉型。傳統的Alpha策略中，或多或少會對行業以及大小市值等風格的敞口進行約束，加以風險模型，從而控制組合相對基準的跟蹤誤差，規避由于風格劇烈變化帶來的Alpha的回撤。

但正如“收益風險是硬幣的兩面”，風險控制+敞口約束往往會損害Alpha，特別是在當前Alpha縮窄的大環境下，能夠提供Alpha的有效因子個數變少，過度的控制將會使得策略收益下降。

因此，未來Alpha產品可以考慮：適當放開風格敞口的約束，向敞口策略轉型。這里所述的敞口策略并不是指完全對敞口放任不管，而是用一種“科學化”的方式控制敞口。例如，可以考慮在敞口控制中輔以行業輪動+風格輪動模型，也即，用行業輪動或風格輪動模型來決定該行業/風格的敞口約束。

另外，由于量化模型中較少考慮政策性變量，因此往往對于市場政策的反應有較大的滯后。因此亦可考慮在突發事件后對模型風格敞口進行主動調整。定性+定量的“Quantamental”產品或受市場青睞。

其次，指數增強與主動量化雙驅。2016年以來，指數增強產品受到了市場的關注，較多公募機構發行了基于滬深300/中證500的指數增強基金，成為了熊市中的熱門品種。存量指數基金規模也逐步攀升。當前市場指數估值普遍較低，對于長期資金而言，選取合適的Beta，輔以Alpha的指數增強產品有望獲得穩定絕對收益。

相較于指數增強，主動量化基金限制更少，亦可用各種定性的、定量的手段實現收益，更為靈活。另外，主動量化基金是立足于基本面的量化選股，在使用量化方法拓展投資廣度的同時，也能使用基本面分析方法拓展投資深度。對于機構而言，可以考慮在這兩種類型產品上同時進行布局。

再次，Smart Beta或成新風口。Smart Beta又被稱為策略指數，是一種較普通寬基指數型產品收益更高，較主動量化產品更為透明化的產品。海外Smart Beta產品往往選擇價值、成長、紅利、低波作為方向，國內Smart Beta產品在設計時亦可以考慮以當前市場主流風格進行布局或未來判斷風格作為提前布局。

此類產品管理難度相對較低，長期收益較寬基高，換倉頻率低，股票分散度高，能夠容納大資金，或受大型長期資金青睞，有望成為市場新風口。

對于公募而言，由于受到交易風控限制，換倉頻率無法做到高換手，因而產品絕大多數以中低頻策略為主。從個股角度來看，公募基金量化策略需要更注重個股的估值以及長期企業盈利等基本面因素，而非短期波動造成的交易型機會。

傳統量化多因子策略在投資廣度上具有一定優勢，但是比對主動基本面研究，仍缺乏足夠的研究深度。在當前傳統量化因子收益波動加劇、市場風格難以形成趨勢、小市值股票流動性欠佳的情況下，既然無法通過增加換手獲得交易性收益，那就只能通過深挖基本面因子，立足基本面量化，這對于公募量化投資者而言是個較大的挑戰。

我們認為，之前“粗暴”的指標測算式的量化策略將會逐步被淘汰，未來幾年的公募量化策略將更注重因子的基本面邏輯，以及因子之間如何進行科學的結合。

對于私募，較少受到交易風控方面的監管，因此產品交易時效性更強，在Alpha策略角度相對更為靈活。自2014年以來，就有較多私募機構開展了日內回轉交易等高頻交易策略，捕捉個股日內波動的趨勢性交易機會，并且取得了非常高的產品收益。在當前Alpha低迷的大環境下，此類高收益策略尤其吸引投資者，2018年此類策略平均收益可達8%以上，頭部產品年收益可達15%以上。對于量化私募，無論是作為絕對收益產品（通過融券、互換），或是超額收益補充（通過底倉），都是非常不錯的思路，值得進行拓展。

但此類策略亦有不足：資金容量可能較小;如果以絕對收益為目的，則受融券成本所限;在市場個股日內波動收窄時，策略收益也會隨之下降。

大數據技術的興起與成熟，使得量化模型的數據來源不再局限于傳統的基本面與價量數據。通過爬蟲捕捉的數據將是模型的有效補充。市場上業已存在較多大數據基金，無論產品業績如何，我們認為大數據在投研中的應用仍需解決如下問題：1.大數據來源的穩定性、真實性;2.理順大數據背后的投資邏輯;3.大數據對于股票的覆蓋度可能不夠，可能造成選股上的偏離。即便如此，在海量數據的年代，大數據對于投資的指導意義仍然值得探索與嘗試。

另一方面，隨著計算機軟硬件的發展以及學術界業界對于人工智能的推進，在投資中使用人工智能技術的條件已經逐步成熟。據了解，已有公募量化基金、保險資管產品嘗試使用部分倉位配置人工智能策略，私募基金對人工智能算法的應用也較為領先。廣發金融工程團隊亦對深度學習算法的應用進行了前瞻性的研究，相較于傳統的Alpha模型，深度學習Alpha模型的市場普適性更佳，收益更高，風險更小。未來，機構亦可以加強人工智能方面研究的投入，獲取相關性更低的回報源，構建更為多樣化的產品。

作者為2018年賣方分析師評選水晶球獎金融工程及衍生品研究第二名