点击图片即可免费领书哦👆
风险提示：本文为转载文章，所提到的观点仅代表个人意见，所涉及标的不作推荐，据此买卖，风险自负。
作者：散装基精经理
来源：雪球
最近一年听了N多公募量化基金经理路演，也有幸和几位私募量化基金经理聊过，只能说在全球经济的下行阶段，对财富的强大主观能动性可以把所有产业的利润都卷成制造业，包括当下超额越来越低的量化投资。
我在前面的文章中写过，当前量化投资主要有两种模式，一种是多因子，另一种是机器学习。而随着量化投资的不断发展，以上两种模式并没有谁消灭谁，反而呈现出差异化的发展路径。
一、沪深300与多因子
国内量化刚兴起时也是从全市场选股，但由于当时的算力限制，很多因子无法被计算，许多模型也无法被归纳，最终，量化只能向因子稳定性相对比较高的大市值方向集中。
有趣的是，由于外资，以及当时并不强势的公募、险资等偏长线的资金（所谓的价投派）同样追求财报数据确定性，所以在当时混乱的A股环境中，以上资金开始在某些板块抱团，反而强化了部分财务数据的有效性，最终导致多因子模型在长线选股上非常有效（比如红利因子，比如ROE因子）。
于是，2015年左右，“因子选股”工具在国内快速流行，同花顺（中的因子选股功能）、米筐、聚宽等网站都在那段时间获得了极高的关注度。
国内最早做量化的基金经理是谁（包括公、私募）我不知道，但第一批国内量化基金经理中目前还在职的，我知道有中信保诚基金提云涛，其在申银万国证券研究所（具有时代感的名字……）任职期间，就参与了申万系列指数的编撰与发布，而申万系列指数，就是典型的因子选股或者叫多因子量化的具体应用。
2016年以后，多因子量化的范围开始从沪深300向外拓展，市值范围接近的中证500显然首当其冲，甚至部分基金经理将其大胆应用至中证1000、国证2000等小市值个股中（比如大成基金苏秉毅的小市值+反转因子框架）。
我个人认为，造成多因子量化范围扩张的原因有二，一是2017年白洋淀大捷后，柚子主导A股的现象被打破，机构资金开始掌握市场话语权，中证500做为大盘股和小盘股之间的“夹心地带”，显然是首先需要被占领的地盘；二是以2016年天风证券研究所成立为标志，卖方研究所的人员数量、业务范围、吹票方法都开始快速更新，而伴随着A股IPO速度的指数级增加（2015年至2023年间，A股存量上市公司数接近翻倍），卖方不得不逼迫自己增加对A股上市公司的覆盖度。
当然，目前看，多因子量化向小市值的扩张并不非常成功，毕竟成立于2021年底的首批中证500公募指增产品的业绩表现只能说差强人意，甚至其中表现比较好的部分，其实或多或少都采用了一点机器学习框架。
二、中证1000与机器学习
机器学习在量化投资上的应用在全世界都比较迟，毕竟算力是很严重的限制。国内的实盘应用大致开始于2018、19年，但真正推出面向普通个人投资者的成熟公募产品，大概也要延后至2021年左右，至于真正爆发，则开始于2022年下半年。
机器学习量化为什么火？因为在2022年的大熊市中，大部分权益基金经理都在亏钱，但这一流派总体在挣钱，或者接近不亏钱。
为什么机器学习量化能逆势挣钱？并且更擅长小市值个股？我觉得和柚子的衰落有较强关系。
众所周知，2017年以前的A股主打一个炒，不管股票有多烂，只要柚子愿意炒，股价就能飙，所以也衍生出了龙虎榜之类的玩法。而柚子这么挣钱，自然也迎来了新的镰刀——一批私募通过研究技术面指标，预判柚子的预判，博弈柚子的博弈，并为国内最初的机器学习量化奠定了“技术面”调性。
至于柚子为什么偏好“炒小”？因为市值小，拉涨停需要耗费的资金也少；况且，大家对小市值股票的研究同样不够，博弈的核心点不就是“预期差”么？A股现在5300多只股票，接近一半是最近2015年大牛市结束以后上市的，谁能完全搞清它们的主营业务、财务情况？而只要有人搞不懂，就可以骗进来接盘。
其实大家可以观察下，目前控诉“量化榨干市场流动性”的那批人，是不是就是原来做事件驱动、主题投资的那批柚子，以及跟随他们的仆从资金。
当然，公募机构不能纯靠骗，各种限制使得公募量化必须加入一定的基本面因子，但这反而也为近两年的公募量化提供了另一层优势——相对超额并不稳定的私募量化，公募量化居然成功在超额收益和超额稳定性上取得了非常好的平衡，其中典型就是国金基金姚加红、马芳团队，以及国泰君安资管胡崇海团队。
至于招商基金王平和华夏基金孙蒙，我个人感觉并非完全的机器学习思路，可能加入了少许多因子量化（线性）思路；而国海资管石雨萌，线性思维的程度显然更高一些。
三、公募量化的未来
很多人说量化是归纳法，主动是演绎法，但我认为不是——不管量化还是主动，其实都是归纳法（总结过去规律并将其应用于未来投资），两者的唯一区别在于，会在多长时间维度上坚定执行归纳出来的规律。
比如机器学习量化，因为加入了大量的技术面指标，所以在用过去“规律”预判未来投资方向时，对时效性的容忍度很低——一旦模型结果效果不及预期，就立刻替换新的因子或者调整权重，重新计算结果；但主动往往不一样，同样是用过去“规律”预判未来投资方向，其对时效性的容忍度很高，甚至在一些数据被证伪的时刻，主动反而会自我安慰“这是加仓机会”、“短期利空不改长线趋势”……
实际上，根据我的观察，多因子量化和主动权益有不断融合的趋势，比如中欧基金曲径团队就提倡量化要与主动多交流、多接触，其起到的作用实际类似于将主动权益的投资策略“数据化”，而这又回到了文章第一章节的内容——因为沪深300等大市值股票非常透明，资金和量化因子会不断互相强化，最终可能“弃短盼长”，追求在长线投资上的超额收益。
而机器学习显然走向了另一个方向，即不断探索“未知”，在小市值这片混乱地带和柚子残余进行博弈，最终依靠远超人脑的运算速度，从交易层面获得稳定alpha收益。
我个人有个感觉，多因子量化最终会走向长线smart beta指数产品，成为普通个人投资者的主要配置类别；而机器学习天然受制于策略容量（毕竟主打一个博弈，你要是自己成为了画K线的主力资金，还能和谁博弈？），最终只能起到收益增强的作用。
一个人是座孤岛，投资过程漫长难免寂寞无助。
欢迎加入雪球官方出品的雪球基金第1课！小雪1对1亲密陪伴式教学，教你一套系统的基金投资方法！让所有雪球用户能够明明白白地认识投资！
还有长期的社群可以交流心得，让我们共同等待市场的反转！长按下方二维码即可报名！
风险提示：基金有风险，投资需谨慎。本课程为雪球基金发起，仅作为投教科普，不构成投资建议。雪球基金是获证监会核准的持牌基金销售机构，提供安全高效的基金投资服务
