原标题：量化策略迎“稳定性”大考；本文自源中国证券报，责任编辑：邵婉云的报道：
受美联储紧缩预期升温、海外股市动荡等因素影响，近期A股市场持续波动，在成交缩量的同时，个股结构性行情也有所转淡。在这样的市场环境下，国内量化投资在超额收益(即跑赢对标指数)获取等方面正面临“策略稳定性”的考验。在当前一段时期，一方面“基本面量化”的细分策略优势有所显现；另一方面，基于“另类数据”、模型高效迭代、多资产配置的“量化研发方案”，成为了不少头部量化机构追求长期稳健收益、塑造量化投资核心竞争力的聚焦方向。
● 本报记者 王辉
量化投资难度提升
“近期A股市场出现个股结构性行情转弱、成交量较前期有所萎缩的迹象。整体来看，量化策略获得超额收益受到了多重因素影响，其中包括市场成交量、波动率等，但其中最大的影响因素则是市场的避险情绪。”念空科技董事长王啸称。
王啸表示，从历史规律来看，当市场避险情绪升温，投资者大量买入银行、地产等低估值板块时，通常伴随着其他板块个股表现欠佳；特别是市场避险情绪显著转浓时，A股市场往往会出现“领先指数的强势个股数量减少”的情形。另外，类似银行股等在过去中长期表现欠佳的板块，量化模型通过对历史数据的学习很难对其“大量超配”，这就造成在股指震荡调整、市场成交缩量、个股结构性行情转淡的市场环境变化中，量化模型选出高收益股票的难度显著增加。
事实上，量化私募指数增强策略在经过5、6月份超额收益的全线回暖之后，近期已呈现出一定阶段性走弱迹象。中国证券报记者从某渠道机构获得的周度业绩数据显示，9月5日至9月9日当周，国内58家一线量化私募的中证500指增产品，仅有18家在当周取得了正超额收益，占比不足1/3。还有多家机构旗下产品在一周内跑输中证500指数超过1个百分点，其中不乏知名的百亿级量化机构。有资深渠道人士向中国证券报记者表示，在风格因子不过度暴露的情况下，近期市场成交量下滑、低估值个股与高景气板块的跷跷板效应，对量化策略获取超额收益带来了明显约束。
基本面量化显露阶段性优势
从近期部分策略表现相对较好的量化机构及细分量化策略来看，不少长期深耕基本面量化的机构，则表现出了一定的阶段性比较优势。
思晔投资的投资总监杨少芬表示，缩量市场对于采用系统化基本面分析方式进行股票投资的量化策略，影响并不明显。“原因在于其并非主要通过追求交易速度、暴露风格敞口等方式获取超额收益，所以在市场交易量下降时不会受到很大相关负面影响，在市场震荡过程中，可能还有更具有性价比的交易机会。”其认为，量化策略适应市场环境的关键要点，应该是更大程度上将策略核心建立在长期底层逻辑的系统化基本面研究上。在最近一个月相对复杂的市场环境下，该机构中证500指增策略仍获得了正超额收益。
作为最早将“Smart Beta”投资概念带入国内的量化投资人，锐联景淳创始人许仲翔分析，当市场交易量萎缩，主题题材炒作热情退潮时，资金可能会更倾向于回归基本面和个股的“底层价值”。更加看重现金流、红利等选股因子的基本面量化策略，投资效率和绩效往往相对更好。在交易量萎缩的市场环境，往往会不利于高频交易量化策略的发挥。另外，市场在短期出现“不理性的轮动”时，基本面量化也相对更能够从中把握到“不合理回归合理”的阿尔法机会。不过，许仲翔也提示，如果市场出现因为投资者情绪过度兴奋带来股价与基本面的持续背离，也存在基本面量化策略短期失效的可能。
策略稳定仍是“系统性工程”
从量化模型捕捉投资收益的效率角度来看，如果市场长期处于震荡格局、成交量能相对不高、风格轮动较快的状态，指增、中性等量化策略适应市场环境显然会面临持续性考验。对此，多家受访的一线私募指出，相关策略优势的研发与积累，是长期的“系统性工程”。
蒙玺投资总经理李骧称，在市场处于长期震荡或成交量能相对清淡时，量化策略适应市场的关键在于资产配置的科学性，风险管理的有效性。前者的难度在于，如何深入挖掘海量数据，分析宏观周期、企业估值等多维信息，再利用多层次的量化模型投资，使各投资环节更灵活有效。后者的难度在于，如何在复杂的市场环境中，严格执行既有投资策略，保证收益和风险的平衡。从该机构过往十几年的投资经验来看，通过前瞻性布局保障投研强度领先管理规模，以及不同策略组的协同尤为重要。该机构还着重挖掘“另类数据”，建立自身的策略优势。此外，李骧还特别强调，量化模型不应当因市场环境的变化，人为设定策略的主要参数，而应当让其根据过往长期投资的积累进行“自适应调整”。
杨少芬介绍，除了基本面量化策略之外，该机构长期专注构建多资产投资的全天候策略，在股市交易规模下滑时期，可以更为灵活地通过配置各类资产满足交易需求以及拓宽收益来源。
此外，王啸进一步总结，所有量化模型并非万能，总有其适应和不适应的市场环境。对于量化机构而言，如果为特定的环境开发模型以及策略，是一件非常危险的事情，很容易导致投资风险。要实现量化策略模型的长期有效和稳定，应该通过对各个环节的细节做持续迭代升级，重点关注模型的“全面预测能力”。
本文介绍到这就结束了，感谢中国证券报责任编辑：邵婉云辛苦分享。
