恒泰证券私人财富-寻找明日巨子：中国量化私募管理人报告2023-2022-53正式版

恒泰证券私人财富卷首语FOREWORD纵身入山海  “迭代”是私募市场永恒的主题。  五年前，市场上的量化私募产品策略主要是市场中性，在遭遇净值回撤之前，投资者还未真正了解市场中性不等同于固收。那时，国内量化私募规模还不足两千亿，二十余家百亿私募中还没有量化管理人的身影。2015年末零星面世的指数增强产品，在当时还鲜有人知。在量化私募产品规模已破万亿的今天，指数增强产品至少占据了一半的比重。百亿量化私募增至三十家，策略的变迁同样迅速。  伴随着私募基金行业扩容、金融工具的不断升级，当前证券公司PB业务的实践水平，也已经远超从业者对于该业务的一般认知。问题随之而来——由于私募管理人迭代速度飞快，在沸沸扬扬的准入、排行榜、颁奖活动之外，很少有人记得三年前、五年前名列前茅的选手仍安在否。  面对变化，我们唯有不断地验证和推演私募行业、投资策略、管理人的进化逻辑，孜孜不息。在这份题为“寻找明日巨子”的报告里，我们试图站到更加前沿的位置，去观察量化私募中的“隐形冠军”，为私募基金的规模增长探索“常态化资金引介”的新模式，为其与投资人创造更有价值的连接。  如题，我们的基本观念，是作壁“下”观，置身事“内”，纵身入山海。恒泰证券私人财富2022年11月01寻找明日巨子中国量化私募管理人报告2023目录卷首语纵身入山海第一章04量化投资的起源及发展历程海外量化基金发展历程国内量化私募发展历程

第二章12量化策略的细分迭代策略方法：打开黑箱——机器学习模型的发展与普及股票量化：收益风险特征差异化带动策略线不断丰富商品期货：CTA策略的Alpha与Beta02恒泰证券私人财富第三章第四章2032量化投资专题再出发01.消失的百亿私募02.量化私募的规模是不是越大越好？01.关于量化私募的三点思考03.量化私募是否加剧了市场波动？02.量化私募行业展望04.同为指数增强，05.公募指增与私募指增如何选择？明日巨子——寻找下一个“隐形冠军”03寻找明日巨子中国量化私募管理人报告2023P A R TO N EHISTORYAPTIMS第一章量化投资的起源及发展历程海外量化基金发展历程国内量化私募发展历程04恒泰证券私人财富海外量化基金发展历程  量化投资是指借助计算机技术和数学模型，同时跟踪并处理海量的金融数据，在细微的数据变化中捕捉套利机会，并利用计算机系统快速、自动执行交易。起源于海外市场，量化投资发展至今已有超50年的历史。  海外量化投资的兴起和发展主要可以分三个阶段： 量化投资的萌芽与起步（20世纪60-70年代）：EdwardOakleyThorp爱德华·索普  1969年，数学家爱德华·索普（EdwardOakleyThorp）发明了科学股票市场系统，成立了历史上第一只依靠数学模型和量化算法策略盈利的投资基金，标志着资管行业向定量化和程序化转型升级。索普被誉为量化交易的奠基人，其管理的普林斯顿-纽波特合伙基金业绩优异，年均复合增长率达到19%。1971年，巴克莱全球投资者有限公司发行了世界上第一只被动量化基金，指数化管理技术从此运用于基金管理。1973年，BSM模型的问世为期权定价提供了创新思路以及定价结果。同年，美国芝加哥期权交易所成立，成为第一个上市期权的交易市场，以金融衍生品创新和定价为代表的量化投资逐渐拉开帷幕。StephenRoss斯蒂芬·罗斯  1976年，美国学者斯蒂芬·罗斯在CAPM的基础上提出了套利定价理论（APT），多因子策略模型雏形由此诞生。05寻找明日巨子中国量化私募管理人报告2023量化投资的成长与繁荣（20世纪80-90年代）：MichaelRubensBloomberg迈克尔·布隆伯格  1983年，迈克尔·布隆伯格（MichaelRubensBloomberg）创立了一家名为创新市场系统（InnovativeMarketSystem）的公司，通过一套程序化系统为华尔街金融机构提供实时市场数据、金融计算以及其他金融分析工具。随后，IMS的广泛引用令交易进入全电子化执行的时代。JamesHarrisSimons詹姆斯·西蒙斯  1988年，量化投资界的标杆人物詹姆斯·西蒙斯（JamesHarrisSimons）创立了主要从事高频交易策略的大奖章基金，并引领了全新的量化时代。通过捕捉市场出现的大量异常瞬间的微利机会，依靠在短期内完成的大量交易来获利，该基金自成立以来年均回报率高达35%，远远领先于同期标普500指数的表现。CliffordAsness克里夫·阿斯内斯  1992年，克里夫·阿斯内斯（CliffordAsness）提出了通过价值挖掘和跟随趋势可以持续跑赢市场并取得长期利润的理论并将该理论付诸于实践，他创立的AQR资本也被认为是全球盈利能力最强的量化对冲基金之一。06恒泰证券私人财富  量化投资在波折中走向成熟（21世纪以来）：  2000年，美国对股票价差的最小变化单位下调至一美分，减小了交易成本，增强了流动性，更利于高频交易普及。市场中性策略在2007年遭遇黑天鹅事件，在8月出现集中回撤。随后在2008年的金融危机中，许多量化对冲基金受到重创，资产规模严重缩水。随着政府的监管政策趋严，《多德-弗兰克法案》（Dodd-FrankAct）限制了银行资本在对冲基金上的投资，量化基金的扩张遭遇低潮。不过，随着以云计算、大数据、机器学习为代表的计算机技术的发展与应用，量化投资技术逐渐趋于成熟，各类新的量化策略类型相继出现，量化投资基金逐渐成为全球资产管理领域的重要组成部分。  历经几十年的发展，量化投资已在海外成为一种相对主流的投资方式。自2000年以来，美国量化基金的规模迎来稳定高速的成长，虽然在2008年曾因金融危机而遭受冲击，但随着SmartBeta策略的逐渐流行，量化基金受欢迎程度日渐增长，规模稳步上升。美国量化对冲基金资产的管理规模已占对冲基金行业的三分之一，占美股总市值的比例达到接近9%。截至2022年二季度，在全球对冲基金管理规模排名前十的机构中，有七家为量化对冲基金。图表：全球对冲基金管理规模TOP10（2022Q2）管理人管理规模（亿美元）BridgewaterAssociates1264ManGroup735RenaissanceTechnoologies570MillenniumMgmt.550Citadel530D.E.ShawGroup479TwoSigmaInvestments/Advisers410DavidsonKempnerCapitalMgmt.375FarallonCapitalMgmt.374TCIFundMgmt.362数据来源：InstitutionalInvestors,PensionsandInvestmentSurveys，恒泰证券私人财富07寻找明日巨子中国量化私募管理人报告2023  伴随着金融市场下单指令计算机化和程序化交易的发展，算法交易应运而生。在各种统计套利和趋势交易算法的推广下，算法交易在逐渐复杂化的同时也越来越受到机构投资者的重视。据海外研究测算，2021年全球算法交易市场规模为130.2亿美元，预计到2030年将达到313.0亿美元，2021-2030年的复合年增长率为13.6%。在美股中，广义算法交易的成交额占比达到了75%左右。得益于高效的流程自动化、数据保存和具有成本效益的管理，基于云的细分市场主导了全球算法交易市场的份额，越来越多资管机构使用基于云的解决方案来提高运作效率。国内量化私募发展历程 2010-2015：躺赢的量化1.0时代  2010年4月16日，国内第一个股指期货——沪深300股指期货IF上市，随着市场成交量逐步提升与活跃，一方面为量化对冲策略提供了交易可能，另一方面也为CTA策略提供了股指这一新的交易品种。第一批量化私募管理人及时把握先机，在此阶段诞生，也掀开了中国量化投资的大潮。由于IF对标A股中流通市值最大的300只股票，而当时的权益市场小盘风格更占优，风格暴露的赚钱效应明显，多头权益端持有一篮子小盘股，空头期货端通过IF做空，低换手水平下，策略也能获取丰厚的超额收益。同时，与现在的对冲环境有所不同，当时期货市场中的IF维持着较高的升水状态，量化对冲产品还将额外获得股指期货升水带来的收益。权益市场低迷的2013-2014年，大量对冲产品涌现，很多股票量化私募会通过加杠杆进一步放大收益，量化私募规模迎来第一轮爆发。  但在2015年中的股灾爆发之后，市场环境完全逆转，突如其来的股灾使得股指期货交易受限，不但限制交易手数还大幅提高了保证金比例，股指期货从此由升水转为贴水，大幅提高了对冲成本，使得传统低频策略陷入低迷期，躺赢的量化1.0时代自此落幕。  2016-2019：高频涌现的量化2.0时代  2015年中证500股指期货IC上市，丰富了量化对冲的工具，也极大程度上缓解了风险暴露的问题，同年股指期货交易规则有所修改，市场机制进一步完善。2017年随着IC08恒泰证券私人财富贴水的变小，中国量化私募正式迈入2.0时代，这一阶段主要以中高频量价策略为主，用以捕捉短线的定价偏差，同时更复杂的机器学习、深度学习模型出现，策略的精细度、复杂度显著提升，对量化私募管理人提出了更高的要求和挑战。能够提供更稳定收益、更低回撤的量化管理人突出重围，“量化四大金刚”也在这个阶段登场（九坤投资、幻方量化、锐天投资、致诚卓远），市场对量化私募的认知度进一步提升。    与此前2013-2014年的量化规模爆发类似的是，仍然是在权益相对低迷的2018年至2019年上半年，量化私募尤其是中性策略产品受到市场广泛关注，募集规模在2019年下半年明显提升。但中高频策略的容量较小，对市场成交量的依赖性较强，2019年下半年市场成交量下滑，蜂拥而入的资金使得策略交易愈发拥挤。对中性策略产品寄予厚望的投资者在下半年并未获得期望的结果，投资者在此过程中也在逐渐加深对量化策略的了解。    值得关注的是，在量化产品逐渐被市场接受的过程中，量化私募管理人逐步引导机构渠道与投资者接触指数增强策略，量化产品不再简单等同于类固收替代的中性策略产品，作为以量化投资方法进行权益市场长期投资的重要配置工具，指数增强策略市场占比逐步提升。  2020至今：爆发增长的量化3.0时代  2019年6月，科创板的开板引领着国内资本市场的制度建设，推动了公募基金转融通进程。这一举措大幅增加了市场上融券的规模，融券做空很大程度上缓解了股指期货对冲的高成本，拉升了市场的交易热度，将量化私募带入3.0时代。量化私募之间的角逐也更加激烈，这一阶段的明显特征体现在策略体系的不断丰富以及人工智能的深入应用，头截止2022年9月百亿私募量化投资基金管理人30家09寻找明日巨子中国量化私募管理人报告2023部管理人不断突破策略容量规模限制，量化管理人跻身百亿私募阵营，甚至诞生出千亿私募，中国的量化私募走向成熟。    此外，权益市场的上升趋势也是助推量化私募在3.0时代迅猛发展的重要因素，2019年开启结构牛市行情，量化私募以惹眼的超额收益水平，吸引了众多投资者目光。主观多头不再是权益市场投资最受追捧的策略品种，优质的量化私募产品成为市场上更稀缺的交易资源。一批投研实力强的私募量化投资基金管理人逐渐崭露头角，头部量化私募晋升百亿的速度不输明星基金经理。截至2022年9月，百亿私募量化投资基金管理人已有30家。（百亿量化私募图谱见P42）  量化私募管理规模在2021年迈向“万亿”时代后，受2021年9月以来的指数回调以及超额收益回撤的影响，市场情绪回落，行业规模在2022年出现下滑。规模缩减一部分由量化多头类产品净值回调导致，另一方面，超额回撤叠加基差收敛，投资者从2021年底陆续赎回市场中性策略产品。快速扩张后即刻遭遇市场回调与管理人表现不佳，火热的量化私募热潮阶段性告一段落。  总体来看，投资业绩的提升、居民财富的涌入、资管产品的净值化转型、对冲手段的丰富、策略体系的不断完善，在众多因素的促使下国内量化行业已初具规模，成为国内私募的重要组成部分。未来随着国内量化行业的竞争持续升温，量化产品超额衰减、波动率上升的压力无法避免，量化管理人在发展过程中仍需找好规模扩张与业绩的平衡，量化行业会进入分化、再平衡的关键阶段。1011寻找明日巨子中国量化私募管理人报告2023P A R TT W OINSIGHTAI第二章量化策略的细分迭代策略方法：打开黑箱——机器学习模型的发展与普及股票量化：收益风险特征差异化带动策略线不断丰富商品期货：CTA策略的Alpha与Beta12恒泰证券私人财富策略方法：打开黑箱——机器学习模型的发展与普及  机器学习是人工智能的核心，主要研究如何通过计算机模拟或实现人类的学习行为，以获取新的知识和技能，并通过重新组织已有的知识结构不断改善自身的性能。与传统的定价模型和统计方法相比，机器学习更像是一个黑箱。  机器学习源自“人工智能”，自1956年达特茅斯会议中提出“人工智能”的概念，机器学习的发展经历了早期的推理、研究阶段，开始逐步应用于各个领域。机器学习与量化投资的结合起源于90年代，海外知名的量化对冲基金也多在这个时间段成立。1956年达特茅斯会议中提出“人工智能”的概念  国内的机器学习浪潮来得更晚一些，随着市场机制的日益完善与衍生品工具的不断丰富，2014年起大量海归人才陆续回国投身量化投资领域，为国内量化行业规模化发展奠定了基础，机器学习也开始进入人们的视野。但与海外早期应用阶段类似，机器学习在初期更多以概念的形式存在，实际应用的场景并不多，投资实践仍然以传统定价模型为主。在有足够的数据、算力的基础上，叠加充分的测试准备，2017年起最早一批量化私募管理人开始将机器学习、人工智能加入量化策略中。行业发展至今，机器学习的普及度持续提升，机器学习相关的人员、技术投入已成为量化私募的标配，投资者对于“机器学习”这个词汇也越来越熟悉。  打开黑箱，机器学习在量化投资中的运用过程，我们通过数据、算法、算力三个方面展开。  数据是量化投资的基础，数据处理很大程度上影响着最终模型的效果。尤其金融数据较为复杂，对机器学习来说并不友好。首先，金融数据中的噪音（异常样本数据）较多，由数据驱动的机器学习模型很难识别出有效信号，受到噪音信息的干扰，进而增加过拟合13寻找明日巨子中国量化私募管理人报告2023风险。其次，在全市场的海量信息中，标准化数据样本量相对有限，可以观察到随着量化行业竞争加剧，市场舆情、分析师报告、三方机构信息等非标准化数据应用越来越广泛，这同时也加大了数据的清洗难度。最后是回测训练数据区间的选取，量化模型的目的是在历史数据中寻找规律、预测未来，但金融市场始终在不断演化的过程中，不同时间段可能呈现特定的风格。因此选取不同区间的数据学习后的结果差异较大，尤其在市场风格发生变化时，需要一定样本数据的累积才能跟上变化的速度。为此，各家管理人在数据处理中都形成了自己的差异化方式。  算法模型是量化投资的核心，是与主观投资基金经理相对应的量化投资的“大脑”。在实操过程中，算法模型包括特征提取即因子挖掘、预测模型、组合优化与交易算法四个部分，机器学习在其中均有应用。因子挖掘可以分为人工和机器学习两种方式，人工挖因子更多从逻辑出发，寻找可能影响价格波动的因素并加以验证；机器挖因子通过学习数据，找出能帮助预测的特征和算法因子。预测模型阶段体现如何从因子到预测结果，不同机器学习模型均被广泛运用，机器学习的加入一定程度上提升了模型的复杂度与预测能力。与此同时，模型的过拟合风险也相应提升，管理人会在组合优化阶段进行调整。交易算法对应策略的交易执行，模型的主要目的在于降低市场冲击与交易成本，提升策略容量。  算力为量化模型研发提供支撑，机器学习的数据量与运算量显著多于传统模型，对管理人的算力水平提出更高要求。头部量化私募也从早期的CPU服务器配备，逐步进化为高性能计算集群。算力投入是除人员成本之外，占量化私募支出比重较高的部分。整体来说，机器学习的策略门槛会高于其他传统策略。  相较于传统量化模型，机器学习的优势体现在，能够突破人的主观认知能力局限，在海量数据中发掘出更复杂的联系，扩宽策略收益来源。但机器学习模型与传统量化模型相比，并没有孰优孰劣之分，机器学习也有自己的困境和挑战。除去前面提到的数据处理难度高、算力投入大的问题之外，机器学习还面临模型解释力低的挑战。从因子到预测结果的过程通常不是线性可归因的，尤其对于一些高维度、非线性的复杂关系。这对管理人的模型优化与投资者服务都带来挑战。收益较好时，投资者并不会过多关注原因，但在策略出现回撤时，可能出现难以归因解释的情况。  量化模型不断迭代进化的过程中，人工智能是重要的延展方向，极大地推动了量化行业的发展，并已渗透在量化框架中的每一个环节。但值得关注的是，现阶段的机器学习仍然只是管理人进行量化投资的工具之一，并不能完全取代人类实现量化投资策略的构建。管理人在面对机器学习的优势与不足，也在各自取舍与应对。14恒泰证券私人财富股票量化：收益风险特征差异化带动策略线不断丰富  股票量化产品线的核心是选股模型，主流的股票量化策略是指数增强与市场中性。基金业协会发布的《2021年私募基金统计分析简报》中显示，“截至2021年末，在协会备案且勾选量化的私募基金数量16850只，规模1.08万亿元。私募量化投资基金主要以指数增强策略和市场中性策略为主，两类策略产品规模超过8400亿元，占比约71%。”难以与投资者交流市场观点与个股基本面的量化投资，想要触动客户往往依赖于直观的投资结果。量化私募基金占比约指数增强策略16850只71%市场中性策略规模两类策略产品规模1.08万亿元超过8400亿元  最早以“类固收替代”身份登场的绝对收益型策略市场中性，和有对标指数、如同赛马般每周都可以PK管理人超额收益的指数增强策略，产品线具备清晰的收益风险特征，进而成为最快被投资者认知的两类量化策略类型。尤其近两年，权益市场中小盘风格更为强势，主要以中证500、中证1000为跟踪指数的量化指增策略，相较主观多头的比较优势显著，产品规模与占比不断提升。  随着量化私募规模的不断攀升，股票量化策略围绕量化选股模型，在指数增强与市场中性的基础上衍生出新的策略线。指数增强的基础上，放开对标指数限制，诞生了量化选15寻找明日巨子中国量化私募管理人报告2023图表：股票量化策略类型风控与跟踪指数严格对标 指数增强（沪深300、中证500、中证1000）放开风控，无对标指数 量化选股（空气指增）量化选股模型 +股指期货空头 市场中性+股指期货CTA 择时对冲+个股融券对冲 股票多空数据来源：恒泰证券私人财富股策略（市场上也称为“空气指增”）。市场中性的基础上，放开完全对冲的要求，衍生出择时对冲策略。管理人通常使用股指CTA来实现做空的目标，择时对冲策略根据管理人不同的敞口控制计划，呈现出不同的结果。  管理人站在完全对冲的市场中性与完全不对冲的量化多头策略之间，如果期望呈现出更稳健的产品曲线，往往股指CTA部分仅可做空，做空后的整体多头敞口在0-100%。更有甚者，如果长期敞口在50%以下的较低水平，择时对冲策略曲线会与市场中性表现更相近。如果期望呈现出更灵活的收益风险特征，股指CTA部分不仅可以做空也可以做多，敞口区间也更加宽泛，极端情况下策略整体会呈现净空头或是多头敞口超过100%的状态。  股票量化策略的衍生离不开市场整体对量化认知度的提升。指数增强策略以其稳定可观的超额收益水平，让投资者认可并接受了通过量化策略参与权益市场投资的方式。对于已经用过往业绩证明超额收益获取能力的管理人，投资者相信摆脱指数的“约束”后，管理人能够更加专注于获取优异的产品业绩。择时对冲同样可以看作指增策略的升级，策略线的设计初衷是引入择时。在权益市场长期增长红利叠加量化超额增厚的基础上，当市场出现系统性风险时，可以通过对冲适度降低净值出现大幅波动的风险，而投资者对这类降低风险、平滑波动的策略有着天然的好感。16恒泰证券私人财富  另一方面，管理人与财富管理机构也有强烈的产品线衍生需求。对于管理人，指数增强尤其是中证500指增的赛道已较为拥挤，量化策略的衍生有利于管理人提升容量规模。站在代销机构的角度，主观基金经理的投资逻辑与持仓风格有着显著的个体差异，而不同管理人的指增策略区别并不明显。比起上线不同管理人的中证500指增产品，扩宽量化产品的策略类型对丰富产品货架、提升业务规模有着更重要的意义。  股票量化策略线的丰富，表面上是管理人通过调整部分策略参数、开发出不同收益风险特征的金融产品，在一定程度上是量化行业发展的必然。商品期货：CTA策略的Alpha与Beta  在经历多次权益市场遭遇大幅回撤过程中，国内逐渐形成了对CTA策略“危机Alpha”的认知。在基差处于较深的贴水状态、量化对冲也并未全面走向高频化的2016年，CTA策略在供给侧改革驱动下全年大幅盈利，迎来第一波发展高潮，逐渐受到市场关注。从近几年的表现来看，在2020年初新冠病毒爆发引起全球股市回调、以及2022年俄乌冲突引起股债波动加剧的情况下，CTA策略都取得了不错的收益。在市场发生危机的时候，CTA策略在不同程度上都起到了对冲股债资产下跌风险的作用。  不过，今年年中以来CTA策略出现了较大幅度的回撤，多数产品基本回吐了今年前期积累的收益，一时间CTA策略“危机Alpha”的能力遭到质疑，亦引发了市场的广泛探讨。  首先，我们需要对“危机Alpha”概念有较为全面的认知，不能单以标签中Alpha一词来进行投资价值的推断。目前我们讨论CTA策略的“危机Alpha”主要是指策略分类下的趋势追踪策略。趋势追踪策略本身是一种基于时序动量、追逐市场趋势的Beta型策略，呈现出“微笑曲线”的收益特征，厌弃短期波动，喜于趋势。策略呈现的“危机Alpha”特征来源于商品价格波动与股债的低相关性。其次，我们需要思考是否应该持续追逐策略本身独立的Alpha收益。从学术研究到现实环境，我们所观察到的现象一直在向我们证明：依赖于Alpha因子挖掘带来的收益从长期来看并不稳定。当信息与能力壁垒带来的垄断逐17寻找明日巨子中国量化私募管理人报告2023图表：CTA策略的“危机Alpha”时刻管理期货指数沪深300100%80%60%40%20%0--20%2016/042018/012019/102021/072022/11数据来源：私募排排网，恒泰证券私人财富截止日期：2022年11月18日步瓦解后，Alpha最终的归宿便是Beta，这一部分的收益可以被他人成功了解、复制和赚取，不再独一无二。比如在CTA策略的历史中很简单的均线策略，曾经也带来可观的超额收益，但是随着市场结构和技术水平发生变化后，这种通过简单方法来捕捉历史规律的做法很难再获取到稳定的收益，也就逐渐变成了CTA的Beta收益。  在策略本身的Alpha收益向Beta收益转化这一动态均衡过程基本不可逆的情况下，管理人拥有认知和配置Beta因子的能力尤为关键。Beta因子自身是可以获取超额收益的，这源于承担系统性风险带来的风险溢价，市场投资者的各种非理性行为，机构投资者因监管条例导致投资动作变形等。因子投资是一种兼顾被动与主动的投资形式。在赚取因Beta收益的基础上，驾驭Beta因子获得正收益的能力也可以被视作一种源于主动管理技能和经验的Alpha收益，这种复杂环境下个人经历带来的收益很难复制，因此衰减的速度相对较慢。这或许是未来随着进一步的研究、信息接近完全透明环境下，管理人凸显自身优势、吸引投资者的关键所在。  对于投资者来说，为策略本身独立的Alpha收益长期支付相对高昂的申购和管理费用可能并不划算，因子的Beta收益也许是性价比更高且稳定的选项。但从资产配置的角度来理解，在市场遭遇某些极端的情形下，权益、商品等大类资产波动加剧，容易形成趋势性机会，为CTA策略带来较大的盈利空间，从而贡献属于配置角度的Alpha。18寻找明日巨子中国量化私募管理人报告2023P A R TT H R E EOUTLOOK第三章量化投资再出发01.关于量化私募的三点思考02.量化私募行业展望20恒泰证券私人财富关于量化私募的三点思考  一、超额收益的周期性波动是否趋向常态化？  今年8月下旬起，量化私募再一次经历超额收益的低迷期，这已经是至少连续第三年的三、四季度超额收益出现下滑。超额收益是否开始呈现常态化的周期性波动？图表：百亿量化私募中证500指增的超额收益表现百亿量化私募拟合净值 超额收益 中证5002.221.81.61.41.210.82020/012020/082021/012021/062021/122022/052022/11数据来源：火富牛，恒泰证券私人财富截止日期：2022年11月18日注：数据选自2020年前成立的百亿量化私募代表产品21寻找明日巨子中国量化私募管理人报告2023  从结果上看，每一次的超额回撤都有各自的原因，但也存在相同之处。通常来说，当市场风格出现快速切换时，很多量化模型没有办法快速适应，容易造成超额回撤。市场严重分化时，也会出现超额表现不佳的情况，典型的市场环境是急跌时的一九分化，在仅有小部分权重股上涨、大多数股票表现弱于指数时，量化策略的一篮子股票不会全部集中在小部分权重股中，所以会出现跑输指数的情况。在此基础上，市场波动率与成交量也会影响超额收益表现。  拆解2020年以来的月度超额贡献率可以观察到几个特征：1、2020年全年超额在不同月度之间的分布较为均匀，仅在1月与11月表现较差，而此后的2021年与2022年，超额在月度之间的波动幅度不断扩大，负超额的月度有增加的趋势，超额在自然年度内呈现出的周期性波动的特征也越来越明显。2、超额收益在年中阶段表现较好，尤其近两年的超额收益主要集中在5月至7月，贡献率超过80%。3、超额收益在年初与年末相对较弱，尤其在年末阶段容易出现超额回撤的情况。  超额收益的周期性波动可能存在以下几点原因：图表：代表量化私募超额收益的周期性变化2020年2021年2022年50%40%30%20%10%0-10%-20%一月二月三月四月五月六月数据来源：火富牛，恒泰证券私人财富截止日期：2022年11月18日注：月度超额贡献率=当月超额÷全年超额×100%22恒泰证券私人财富  ·市场风格的切换呈现周期性  当一类市场风格显著强势或显著弱势时，市场会有均值回归的趋势。从过往情况来看，年底机构投资者通常会有调仓换股的计划，这可能是四季度普遍会出现风格切换的原因。市场的博弈存在较多不确定性，不能以此推演未来市场的变化。  ·风格敞口强化了超额收益周期性波动的风格  当策略风格敞口较大时，模型对近期持续强势的风格依赖较高，该风格占优时，超额收益显著；市场风格切换时，超额收益相应出现回撤。风格敞口会放大超额收益波动幅度，强化周期性波动的风格。  ·行业规模的周期性变化  量化私募的超额收益具有零和博弈的特征，行业规模提升，大量资金涌入造成策略拥挤，也可能导致超额收益表现不佳。募集规模受当期产品表现的影响，也会与超额收益的周期性波动方向保持一致，形成相互强化的状态。七月 八月 九月 十月 十一月 十二月23寻找明日巨子中国量化私募管理人报告2023  值得注意的是，超额收益的周期性波动并不意味着超额收益的未来表现是可预知的。重点关注量化管理人的策略迭代能力，在超额收益低谷期时积极布局，持有期间理性看待超额收益的波动，才是理解超额收益周期性波动的意义。  二、股票量化衍生策略线的定位与配置价值  私募的股票量化策略线早期以量化对冲（市场中性）为主，2016年起指数增强产品陆续面世，并在2020年以来实现规模与占比的快速提升。近年来出现的衍生策略线量化选股和择时对冲产品最早由头部管理人创设，时间可以追溯到2018年。截至目前，量化私募产品规模仍然以指增策略、市场中性为主，量化选股与择时对冲的占比较小。早期参与此类产品配置的投资者多数抱着尝试的态度，在经历不同市场环境的洗练之后，市场对于这些策略线的定位与评价也逐渐清晰。  衍生策略线其实在主流的市场中性、指数增强基础上提出了新的要求。  以量化选股为例，量化选股与指数增强、主观多头都属于做多权益资产的策略。与指数增强不同，量化选股并不对标某一特定的指数。投资者在配置指增产品时，需要对跟踪指数有基础的判断，评估其是否具备长期投资价值；而管理人的职责在于跑赢指数，提供尽可能稳定可观的超额收益。量化选股实则把指数投资价值的评估、市场风格的判断转嫁给了管理人自身，理想的量化选股策略在不同市场环境中均能够跑赢沪深300、中证500、中证1000指数，并实现绝对收益。  实际情况中，目前市场上的量化选股产品多数与中小盘指数相关性较高，其原因与私募量化策略在量价类因子方面更具优势有关。所以即使产品类型为量化选股，投资者仍习惯将产品表现与中证500指增作对标。  量化选股的另一个对比维度是主观多头，2021年2月以来权益市场转变过往几年以大为美的风格，中小盘指数相对强势，量化选股整体优于股票主观。当市场风格切换至以大盘股为主的沪深300时，量化选股是否还能保持优势有待验证。此外，另一个被掩盖的问题是仓位管理，管理人在量化选股策略中实现了全市场选股，但在仓位管理上与灵活调仓的主观基金经理不同，多数量化选股产品仍然保持着满仓运作的风格。当中小盘指数出现持续回调时，量化选股策略是否会降仓应对，也是亟待回答的问题。脱离了对标指数，管理人如何应对市场风格的变化，量化选股策略真正的考验可能还没有来临。  择时对冲在量化多头类策略的基础上更进一步，正面应对仓位管理的问题。理想的择时对冲策略在市场上涨时最大化获取收益，在市场下跌时通过对冲规避净值回撤的风险。24恒泰证券私人财富  择时在主观投资领域中也是被广泛讨论的问题，是投资中最难的课题之一。主观多头中具备择时能力的基金经理屈指可数，择时依赖于基金经理的“盘感”，而且难以长期保持高胜率。量化管理人主要通过股指CTA策略实现仓位择时，量化策略强调统计规律与执行纪律，在一定胜率的支撑下，设置相应的风控规则，程序化执行模型指令。  实际情况中，多数择时对冲产品并不会常常呈现出满仓或空仓的状态，更多表现为在一定的敞口区间内浮动。择时对冲作为绝对收益型策略，降低波动与回撤是策略在量化多头基础上的“进化”，但投资者并不希望产品收益也被同比例摊薄。如果择时对冲在量化多头的基础上同步调降了波动与收益，那么从结果上看，择时对冲类似于降低了仓位的量化多头产品，投资者的资金使用效率也将受到影响。收益与波动非对称的调整比例，是衡量择时对冲产品配置价值的重要指标。图表：量化选股、择时对冲、指数增强策略的走势比较中证500500指增量化选股股票多空市场中性1.41.31.21.110.90.82021/042021/082021/112022/032022/062022/112021/01数据来源：私募排排网，恒泰证券私人财富截止日期：2022年11月18日25寻找明日巨子中国量化私募管理人报告2023  以私募排排网跟踪的股票子策略指数表现为例，2021年以来，截至2022年11月18日，中证500指数区间收益为-2.8%，股票多空（择时对冲）策略指数波动与回撤小于中500指数与量化多头，但收益未跑赢指数，区间收益-6.1%。量化选股策略指数与中证500指数走势相近，区间收益4.1%，相较指数超额收益6.8%（减法计算）。中证500指增策略指数区间收益最高，录得正收益14.9%，相较指数超额收益17.6%（减法计算）。鉴于市场上有长期量化选股、择时对冲产品业绩的管理人较少，管理人内部对于具体的策略定位及收益风险特征也有不同的规划。针对具体产品的评估，更多需要因人而异、结合实际情况进行判断。  三、行业快速发展过程中管理人面临的新挑战  金融产品净值化转型、居民财富转移的大背景下，私募证券投资基金规模大幅提升。同时，去年2月以来，沪深300与中证500、中证1000走势分化，量化多头策略整体业绩显著优于主观多头，进一步加速了量化私募规模的提升。量化私募行业自2020年步入快车道，并在2021年中突破万亿规模，量化私募迎来黄金时代。  行业快速发展的另一面并不容乐观。去年9月，多数量化私募出现超额回撤并延续至今年一季度，即使超额收益在4-8月有明显回暖，但近一年市场整体超额收益水平较往年仍呈现明显下滑。与此同时，权益市场大幅回调，今年以来截至11月18日，沪深300区间收益-23.05%，中证500区间收益-15.87%，中证1000区间收益-16.88%。市场低迷叠加超额收益水平下降，去年参与量化私募产品配置的投资者持有体验欠佳，今年的产品发行普遍遇冷。行业长期向好的趋势不变，资管行业与量化私募领域仍然有着巨大的成长空间。但行业快速增长阶段可能暂告一段落，进入内部结构优化的平台期，这对管理人提出了新的挑战，或许会影响下一次爆发期后的行业格局。  1、合理评估策略容量，把握公司发展节奏  规模对量化策略表现的影响程度相较主观策略更为显著，管理人的策略迭代需要先行于规模增长，并且对策略容量进行合理评估。在经历几轮超额收益回撤之后，投资者对于量化策略的规模约束也有了清晰认知，可以观察到头部管理人阵营不断扩大的同时，头部集中度不再提升，甚至有下降趋势。同时，建议管理人针对策略容量与团队情况，把握公司发展节奏。近年来的行业快速发展离不开市场风格的成就，不可简单就近期的行业增速情况做线性外推。26恒泰证券私人财富图表：2018年以来量化多头策略产品表现10%分位数平均值X中位数90%分位数80%60%40%X20%XX0%XX-20%-40%2018年2019年2020年2021年2022年产品数量（个）470704111317592669数据来源：私募排排网，恒泰证券私人财富截止日期：2022年11月18日  2、行业竞争加剧，强化产品线风格特征  行业规模大幅提升加剧了管理人之间的竞争，管理人之间呈现同质化趋势。回顾往年量化多头策略产品的收益情况，在规模提升、产品数量大幅增加的过程中，策略内部的产品收益分化程度并没有进一步加剧。今年以来截至11月18日，量化多头产品居中的50%产品收益首尾差距仅11.1%（前25%分位与前75%分位产品收益率的差值），该数值自2018年以来基本维持在20%以上。一方面，策略拥挤度提升，对管理人策略优化提出了更高要求，管理人结合各自资源禀赋寻找最优解。另一方面，越来越多的机构展开对私募管理人的覆盖跟踪，行业信息透明度大幅提升。主要以策略表现结果为评价依据的量化私募需要强化自身产品线的风格特征，从资管行业产品供应的角度，为投资者提供风险收益特征明晰的产品线。量化私募行业也在此过程中，不断完善着不同策略类型、不同收益风险特征、不同管理人规模体量等多维度的产品版图。27寻找明日巨子中国量化私募管理人报告2023  3、产品管理资管化，渠道服务体系化  量化私募与主观类管理人有所不同，后者多数是有着长期资产管理经验的前辈，通过奔私进入事业发展的新阶段。量化私募多是年轻的面孔，对于多数量化人而言，加入私募是职业生涯的首站。在竞争进入精细化阶段时，对于资管公司而言，策略表现即产品力是基石，运营管理与客户维护的重要性同样不容小觑。尤其今年行情遇冷，客户持有产品盈利情况不佳。现阶段更加考验管理人的运营服务能力，产品线规划需要更多从资管化角度出发，同时建立体系化的渠道服务流程。  私募管理人既是资产管理公司，也是成长中的企业。把握行业发展机遇的同时，量化私募需要更多立足自身情况，审时度势，制定属于自己的发展之路。量化私募行业展望  一、量化投资边界不断拓展  相比于海外对冲基金，国内量化私募起步较晚，但近十年来发展势头迅猛，量化私募的管理规模已迈向了万亿新时代。策略体系的不断丰富、衍生品工具的多样化以及量化管理人的自我迭代都在推动着量化投资的边界不断扩展。  2010年，中国第一个股指期货沪深300股指期货IF挂牌上市，为量化投资提供了较为理想的对冲工具，市场中性策略得以小试牛刀。随着2015年上证50股指期货IH、中500股指期货IC的相继推出，对冲工具更加丰富。2017-2019年股指期货渐进式松绑，交易制度和市场环境的不断完善亦逐步给量化管理人打开了发挥的空间。2022年，金融衍生品领域时隔多年后迎来创新品种，中证1000股指期货和期权的上市为A股市场宽基指数衍生工具版图填补了一块重要的拼图。随着多层次市场体系的逐渐完善和各类衍生品工具不断丰富，未来也能够给量化投资打造更加成熟多元的交易环境。  除了交易制度和工具的不断优化，量化私募的自我迭代也在不断发生。2010年前后，一批曾就职于海外量化对冲基金的人才纷纷归国，先后投身于国内量化投资领域。彼时国内的量化策略较为单一、模型简单、整体还处在依靠风格暴露的“躺赢时代”。2015年后，量化私募主流策略由中低频转向中高频，策略的精细程度和复杂程度均有明显提升。在指28恒泰证券私人财富数增强、市场中性策略、CTA策略等基础上，包括期权策略、量化选股、量化多策略等在内的一些新的量化策略类型不断成熟。近年来，随着计算机算力和AI技术大幅发展，因子挖掘和模型迭代效率变得更高，一些具备完善的策略体系、长期历史业绩和投资经验的管理人也在不断涌现。  从模型简单、依靠风格暴露的“躺赢年代”到策略更加精细化、内卷化的“高频时代”，再到如今人工智能、机器学习的应用，未来随着市场的进一步成熟完善和量化管理人自身的积累与创新，量化投资边界的进一步拓展值得期待。  二、头部管理人规模分布更均衡  量化私募的管理规模一直是近几年的热议话题。百亿管理规模是一家私募管理人实力的代表，甚至被与“投资能力”划上了等号，规模的扩张也能够为公司吸纳人才、策略迭代提供有力的支持。在财富管理领域，管理规模更大的私募也往往更受到投资者的追捧。  在市场行情以及居民财富涌入的催化下，近年来国内量化私募迎来了爆发式的增长，与此同时国内量化行业的竞争也在持续升温。各类研究流派相继在量化赛道中参与竞争，一些新锐量化管理人借助市场东风快速崛起，在短时间内晋升为百亿私募。但由于量化策略有容量的限制，随着量化赛道参与者的快速增加和策略同质化程度加剧，产品超额衰减、收益率下降、波动率上升是每一个量化管理人都无法回避的问题，先后有量化私募在千亿规模折戟。  在经历了超额获取难度上升、净值波动加剧的煎熬后，很多量化管理人对于规模的扩张也有所克制或选择封盘，更专注于策略、技术、人才等层面的迭代升级，更多地使用多框架、多策略、多品种、多市场投资的运作模式，来适应市场与时代的变化，努力为投资者贡献持续稳定的超额。  在容量的紧箍咒下，千亿级别的量化私募或在短时间内将很难再现，头部管理人的规模分布或更加均衡。规模适中、具备策略灵活度优势的量化管理人仍然享有宝贵的发展窗口期，能够在策略创新迭代及差异化、团队管理、品牌建设等层面不断精进，迈入高质量发展的新阶段。 三、投资者对量化策略的认知更深入  不同于主观多头策略那般通俗易懂、风格鲜明，“黑盒”是多数投资者对量化策略的初印象。国内量化私募自2010年前后起步，经过量化管理人十余年的探索，目前国内量29寻找明日巨子中国量化私募管理人报告2023化行业已形成了指数增强、市场中性、宏观对冲、股票多空、量化选股等各类策略类型百花齐放的局面。随着先进的投资理念、前沿算法、人工智能等技术在投资中的深入应用，一批拥有可追溯的长期优异业绩的量化管理人不断涌现，使量化策略从小众类别逐步成为了被广泛认知的投资策略之一。  伴随着规模陡增、交易策略拥挤及监管影响等，量化策略的困境随之而来。从历史更加悠久的海外量化行业的发展经验来看，随着投资者机构化、量化赛道拥挤，超额收益空间将被逐渐压缩是无法回避的事实。投资者也逐渐切身体会到，没有一种策略可以永远在任何一种市场环境中保持强势。  随着投资者对量化策略的理解逐渐深入，投资者评价一家管理人的维度也将更加全面。管理人是否具备持续的迭代能力并根据市场环境进行及时调整、管理规模体量、与同类型策略的相关性等方面都是投资者需要参考的评价维度，不再过分强调短期业绩的胜率，而将更多地集中到长期业绩表现，分阶段地结合市场环境来评价超额收益的表现。  此外，由于不同管理人策略方法及风控体系存在差异，各家管理人的超额收益走势也有所不同。不同风格之间没有绝对的优劣之分，厘清管理人超额收益的风格特征并寻找与自身风险偏好更为匹配的管理人，更有助于提升投资者的投资体验。随着国内量化行业生态的成熟，投资者对于量化策略更加理性深入的认知，也将助力量化行业更加健康地发展。 30(AmazonWebServices1520026 84 824201320169201712201943寻找明日巨子中国量化私募管理人报告2023P A R TF O U RFEATURE专题消失的百亿私募量化私募的规模是不是越大越好？量化私募是否加剧了市场波动？同为指数增强，公募指增与私募指增如何选择？明日巨子——寻找下一个“隐形冠军”32恒泰证券私人财富消失的百亿私募  在居民财富配置需求日益增长以及近年权益市场结构性行情助推资金入场等因素的推动下，证券私募行业在业绩与资金的共同推动下呈现蓬勃的发展，头部私募的力量迅速壮大。2021年11月，证券私募行业正式进入百家百亿私募管理人的“双百时代”。  伴随着证券私募行业的蓬勃发展，私募内部的优胜劣汰也愈发激烈，百亿私募新陈代谢的故事也在年复一年的上演。回顾私募行业发展历程，有一些私募凭借持续稳定的长期业绩成功成长为长期屹立市场的头部私募，但同时亦有很多曾经风光无两的头部私募在市场的起落与风格切换中最终泯然众人。这一现象在2015-2018年的百亿私募梯队变迁中更为明显。2018年，管理规模超百亿的证券私募管理人共26家，相比2015年的22家来说，绝对数量仅增4家。自2015年以来，连续维持在百亿规模以上的管理人仅5家，期间百亿私募的名单大幅变动。  私募管理人缘何会从百亿阵营中掉队？很多管理人曾凭借短期的亮眼业绩实现规模快速扩张，但随后在历次市场调整与风格切换之中折戟沉沙。短期亮眼业绩往往源于管理人风格与市场阶段性的高度契合，规模的陡升必然会对私募管理人的投研水平、运营能力、风控体系带来更大挑战。受益于市场风格的Beta往往来去匆匆，回头看来更像是一场“估值梦”，能否让业绩穿越周期而过，才是成为大浪淘沙中幸存者的关键。此外，私募管理人在业绩高位时募集的资金往往耐心相对较差，一旦发现业绩不达预期，资金会选择寻找下一个“业绩黑马”。  从2020年开始，百亿私募已经明显呈现年轻化态势。从当前百亿私募的策略类型分布来看，股票主观策略仍为主流，维持着整体数量的半壁江山。股票量化策略从过去两年开始异军突起，在经历了规模飙升的高光时刻后也遭遇过超额持续回撤的艰难阶段，目前在百亿梯队中占据了四分之一的席位。除了资管新规加速过渡和权益市场结构性行情的推波助澜，一些具有海外成熟投资经验的基金经理回流都推动着百亿级量化私募的迅速崛起。33寻找明日巨子中国量化私募管理人报告2023图表：2015-2018年百亿私募名单2015年2016年2017年2018年淡水泉投资合晟资产高毅资产合晟资产景林资产星石投资源乐晟资产高毅资产乐瑞资产银叶投资凯丰投资敦和资产星石投资景林资产淡水泉投资永安国富重阳投资映雪投资保银资产映雪投资博道投资*乐瑞资产银叶投资重阳投资鹏扬投资*淡水泉投资友山基金银叶投资朱雀投资*盈峰资本星石投资淡水泉投资鼎峰资产重阳投资重阳投资源乐晟资产鼎萨投资博道投资*乐瑞投资景林资产东源投资朱雀投资*永安国富友山基金和聚投资从容投资敦和资产凯丰投资恒泰华盛大岩资本合晟资产乐瑞投资宏流投资东源投资拾贝投资星石投资千合资本富善投资映雪投资保银资产青沣资产和聚投资朱雀投资*明毅基金青骓投资蓝石资管汇势通投资拾贝投资瑞华投资理成资产蓝石资管蓝石资管盈融达投资六禾投资茂典资产茂典资产佑瑞持投资茂典资产暖流资产明达资产远策投资暖流资产千为资本暖流资产展博投资千合资本三度星和千合资本青骓投资从容投资千为资本耀之资产新价值投资成阳资产佑瑞持投资耀之资产涌峰投资远策投资和聚投资佑瑞持投资展博投资涌峰投资佑瑞持投资数据来源：恒泰证券私人财富注：*已转公募34恒泰证券私人财富图表：不同策略百亿规模管理人数量2019股票主观股票量化37固定收益0组合基金034复合策略01330管理期货036宏观策略4446相对价值0122

2020 20212022.091639545092022889数据来源：中国证券投资基金业协会，恒泰证券私人财富  伴随着量化私募的高速扩张，策略的同质化不可避免，超额收益衰减且波动加剧也是目前头部私募普遍面临的难题。面对日益“拥挤”的投资赛道，市场周期性变化、自身策略的迭代能力、长期业绩的稳定性等因素将持续对私募行业头部机构竞争格局产生深刻影响。头部私募阵营洗牌的情况历史上并不少见，私募市场并不缺少短期的高光时刻，难点在于能否获得稳健的持续增长，为客户创造长期价值。35寻找明日巨子中国量化私募管理人报告2023量化私募的规模是不是越大越好？  对于量化私募来说，规模是把双刃剑。规模、收益、稳定性的不可能三角使得同一策略的规模在扩张过程中，会面临收益缩减、波动增大的困境，为策略研发工作带来巨大挑战。随着量化私募规模的节节攀升，超额收益中枢下移以及超额收益的胜率降低，是难以抗拒的趋势。图表：头部私募业绩比较优势超额收益量化多头指数头部私募拟合净值2.2100%280%1.860%1.650%1.420%1.210%0.82020/012020/092021/032021/092022/012022/072022/1120%数据来源：火富牛，恒泰证券私人财富截止日期：2022年11月18日36恒泰证券私人财富  我们以百亿私募代表产品拟合出一条业绩净值曲线，以量化多头指数刻画市场同类策略的整体表现，从下图中的曲线走势可以看到2021年初至2021年9月中上旬，头部私募的业绩表现相较于市场平均水平优势显著。尤其在2021年5月之后，两者的收益差距呈现了明显的扩大趋势。不过，这一趋势在9月中下旬后出现了明显的反转。2021年9月初至2022年4月末，头部私募业绩的优势效应不再。目前，头部私募的超额收益还在持续修复的过程中，业绩的比较优势尚未回到去年9月末的水平。  规模的确会对量化私募的业绩产生一定影响。不过，规模大幅上升并不是导致产品净值大幅回撤的唯一因素。自去年9月以来市场成交量高位回落，日内T0策略普遍出现了盈利困难的情况。此外，新股频频破发令网下打新收益明显下滑，也构成了对超额收益的负面影响，对一些规模大的基金尤其具有杀伤力。在指增策略中，不同管理人之间行业与风格上存在着不同程度的风险暴露，9月中旬以后周期股大幅回调令前期盈利有所回吐。    相较于成长期的量化私募来说，头部量化私募具备更丰厚的资金优势和规模效应，有利于吸引优质人才与资金用于策略的迭代与交易系统的提升。与此同时，头部量化管理人也面临着投资边界和策略容量的挑战。日益内卷的行业意味着未来要花费更多精力投入研发，在经历了近几月的盘整后，我们看到量化管理人对策略的打磨愈发精细，业绩表现也逐渐走出阴霾。    对于投资者来说，需要意识到随着行业规模的增长，不可避免会造成收益的衰减或波动的增大，应理性看待超额波动，适度降低收益预期。市场无序波动时，对量化策略影响通常也是负面的。规模、收益、稳定性这“投资不可能三角”是每一家量化管理人都会面临的挑战，各家管理人都在竭尽所能找到最适宜自身发展状态的平衡点。投资者需要更深入地了解管理人的策略风格，选择与自己投资偏好匹配的管理人，理性看待波动，拉长持有周期，而不是想方设法去避开量化策略最差的时候。37寻找明日巨子中国量化私募管理人报告2023量化私募是否加剧了市场波动？  2021年量化基金站上风口浪尖。在2021年权益市场风格的极致分化下，私募量化策略脱颖而出，一路攀升的业绩吸引了大量的资金与关注。国内百亿私募中有四分之一的席位归属量化私募，量化类管理人的资产管理规模也跨入万亿新时代。  不过，快速的成长亦伴随着阵痛。自2021年9月以来，以中证500指数增强策略为代表的头部量化私募产品经历了较为明显的调整。市场行情的跌宕、监管目光的聚焦、头部量化私募的“封盘潮”、产品净值的频频回撤，一时间关于量化策略有效性的质疑甚嚣尘上。  虽然在2010年就有一批量化私募管理人及时把握先机，掀开了中国量化投资的大潮，但市场对量化的关注不断升温主要发生在近三年。自2019年起，量化私募进入了快速发展阶段，在超额收益影响下，量化私募的受托规模如滚雪球般不断壮大。伴随着2021年沪深两市成交放大和市场波动加剧，市场上也出现了一些关于量化“助涨杀跌”的猜测与质疑。  图表：2000年以来美股波动率变化（%）纳斯达克指数IXIC.GI道琼斯工业指数DGI.GI标普500SPX.GI60504030201002000/012004/012008/012012/012016/012020/012022/06数据来源：Wind，恒泰证券私人财富截止日期2022年6月17日38恒泰证券私人财富图表：中证500近10年波动率变化收盘价（左轴）近52周波动率（%，右轴）6014，00012，0005010，000408，000306，000204，000102，000002012/112014/102016/102018/092020/092022/11数据来源：Wind，恒泰证券私人财富截止日期：2022年11月18日  以量化投资发展时间更为久远、成熟度更高的美国市场为例，虽然美国股票量化交易的份额从2011年到2018年持续上涨，但美股的波动率直到疫情前并没有明显上涨的趋势，且随机性较强。对比中证500指数近10年的波动率变化情况来看，中证500指数的波动率也保持了较强的随机性，相较于2016年的高点来说，目前中证500的波动率约下降了60%。此外，与量化成交约占50%市场成交的美国股市相比，据业内数据估算，我国的量化交易量占全市场20%左右。  国内量化机构幻方量化曾对量化盈利进行了拆分，具体来看，量化总盈利约35%来自于企业自身的估值扩张，25%来自市场的非理性波动，25%来自市场定价，最后15%来自于作为准做市商提供的流动性。  量化的决策由于剔除了人为的主观判断，在市场非理性过热、或过于悲观造成股价严重偏离合理价值时，量化交易仍会严格执行策略模型，依据模型的决策大概率会进行逆向交易，在获取这部分错误定价带来的超额收益的同时，也平抑了股价的非理性波动，助推价格回归到合理的价值区间。与主观投资相比，量化产品一般不因未来市场走势预期去进行择时和仓位管理，量化投资的持仓也更加分散。即便为应对客户赎回进行减仓，由于持仓分散，量化投资减仓对市场的冲击相对更小。从海外成熟市场的量化发展经验来看，将市场波动加剧与量化交易挂钩，是对量化投资的一种误解。39寻找明日巨子中国量化私募管理人报告2023同为指数增强，公募指增与私募指增如何选择?  投资策略：公募基金的交易操作由交易员人为操作，因而多以低换手率的基本面因子与中低频量价因子选股策略为主；私募基金则得益于系统优势，更多以交易型策略见长，超额收益中量价因子的收益贡献较高，同时灵活使用日内回转策略，算法交易下单等方式，进一步增厚超额收益，降低交易成本。  投资限制：相较于私募，公募受到的投资限制更多，选股上，至少80%的仓位投向于指数成分股；仓位上，须保持不低于5%的现金头寸，再叠加公募每日可申赎的高流动性设置，预留的现金仓位可能更高，无法满仓运作博取收益。而私募在投资标的选择、指数偏离度、仓位控制等方面受到的限制较少，基金运作更加灵活。  投资门槛：公募基金的投资门槛很低，多数公募基金的申购起点为100元，对个人投资者比较友好。反之，私募基金的投资门槛较高，最低参与金额100万元起，同时需满足合格投资者的要求。  产品费率：私募基金与公募基金产品费率的差异主要体现在业绩报酬，公募基金一般不收取业绩报酬，而私募基金会根据合同条款不同，收取相应比例的业绩报酬，投资者实际收到的收益往往没有看到的多。  流动性：公募基金的流动性较强，一般可以每日申赎，便于投资者及时参与及退出。私募基金的流动性约束较多，多数基金会设置封闭期或份额锁定期。在优质管理人资产稀缺的趋势下，产品封闭期或锁定期的期限也在逐渐拉长。  简而言之，公募指数增强基金优势在于低费率、低投资门槛、高流动性、对标指数类型丰富，劣势在于长期超额收益低于优质私募基金表现，尤其对于成分股交易活跃的指数。适合投资期限较短，拟投资金额偏低，有特定指数投资需求的投资者参与。私募指数增强基金与之相反，产品收取业绩报酬、投资门槛较高、多数产品设置封闭期或锁定期。它比较适合投资期限长，符合私募合格投资者要求，期望通过超额收益提升长期复利效益的投资者。40恒泰证券私人财富图表：百亿量化私募近两年中证500指增产品表现45%40%35%30%25%20%15%10%5%0%

SXJQNKSJCQQYFEKDYFTYZSZCLRLJZYQLBLHYJKABMMH0% 2% 4% 6% 8% 10% 12%

MSYN HF14% 16% 18% 20%数据来源：火富牛，恒泰证券私人财富截止日期2022年11月18日注：横轴为期间超额收益最大回撤，纵轴为期间年化超额收益数据选自百亿量化私募运作时间在两年以上的中证500指增代表产品41寻找明日巨子中国量化私募管理人报告2023图表：百亿量化私募图谱》2012博普投资肖向光麻省理工学院工程及管理学硕士。袁豪上海交通大学计算机学士，美国普渡大学计算机博士。》2014阿巴马资产詹海滔光大证券ETF研究部负责人、量化投资部总经理，广州证券金融工程部总经理。

》2010鸣石投资袁宇沃顿商学院金融学博士，美国联邦储蓄银行研究员。》2012九坤投资王琛清华大学计算机博士，WorldQuant策略研究部。姚齐聪北京大学金融数学硕士，WorldQuant策略研究部。》2014黑翼资产陈泽浩北京大学数学学士，斯坦福大学数量金融学硕士、统计学博士，雷曼兄弟，博时基金，PCAInvestment。邹倚天美国斯坦福大学电子工程系硕士，BarclaysGlobalInvestors，博时基金，PCAInvestments。》2014》2014进化论资产宽德投资王一平张大庆江西财经大学国际金融硕士，2014年创办进化论资产。哥伦比亚大学统计学博士，SACCapital，IVCapital，博时基金。冯鑫哥伦比亚大学统计学博士，SACCapital、法国巴黎银行。42恒泰证券私人财富》2011》2012金锝资产艾方资产任思泓蒋锴北京大学本科，纽约大学MBA，摩根士丹利PDT基南京大学计算机学士，塔夫斯大学计算机硕士，韦氏资金经理。产、德意志银行投资经理，东方证券绝对收益自营投资。叶展南京大学金融系，泽熙投资，中泰资管。》2013》2013诚奇资产凡二投资何文奇郭学文清华大学学士，东京工业大学硕士，Millennium高清华大学毕业，英国东英大学博士，美国Heidrick&级研究员。Struggles合伙人。》2014》2014佳期投资金戈量锐吴霄霄金戈毕业于哈佛大学应用数学系，美国SpotTradingLLC哥伦比亚大学金融数学硕士，波士顿大学生物医学工量化研究员。程博士，LaurionCapitalManagementLP量化交易总监。》2014》2014灵均投资明汯投资马志宇裘慧明斯坦福大学金融数学与电子工程专业双硕士，复旦物理学学士，美国宾夕法尼亚大学物理学博士，WorldQuant全球研究副总监。HAPCapital、Millennium投资经理。蔡枚杰解环宇浙江大学经济管理学硕士，中金公司，鹏华基金，浙商基金。北京大学毕业，Citadel量化分析师。43寻找明日巨子中国量化私募管理人报告2023图表：百亿量化私募图谱

》2014千象资产马科超华盛顿大学金融学硕士，瑞银集团（UBS）。陈斌上海交通大学通信与信息系统硕士，历任全球顶尖商业智能软件公司微策略，大型期货公司金融工程部、资管部策略研究负责人。》2014》2014因诺资产展弘投资徐书楠陈方府清华大学土木工程学士，麻省理工学院交通科学硕士，中国科学院大学信号与信息处理硕士，对冲基金IMC，中信建投证券自营部投资经理。Moody'sInvestorsService，GHF集团。》2015》2015念空念觉启林投资王啸王鸿勇复旦大学物理学博士，国君研究所、中海基金、东海中科大物理学学士，北大物理学博士，德国亥姆霍兹基金任量化基金经理，歌斐量化投资总监。研究所博士后。王丽上海对外经贸大学硕士，朝阳永续财富管理中心研究总监，歌斐诺宝量化基金经理助理、珠池资产基金经理。》2016》2016思勰投资卓识基金陈磐颖张卓北京大学物理学学士，马里兰大学物理博士，高盛银行，清华大学电子工程系学士，普林斯顿大学电子工程系德邵基金（D.E.Shaw）。博士，骑士资本。吴家麒复旦大学数学学士、数学硕士，券商自营部、研究所。李苏苏浙江大学软件工程学士，北卡罗来纳大学计算机硕士，LindenAdvisors基金，法国巴黎银行。44》2014盛泉恒元赵忠东南京大学EMBA，江苏省创业投资有限公司证券投资事业部总经理，2006年创办盛泉资本。》2015白鹭资管张晨樱宾夕法尼亚大学沃顿商学院金融博士，历任某金牛奖百亿私募策略研发负责人。杜旭毕业于南京大学物理学院，历任某量化金牛奖私募CTA核心负责人。》2015世纪前沿吴敌中国科技大学计算机学士，香港中文大学金融工程博士。陈家馨香港中文大学量化金融学士。》2017致诚卓远史帆北京大学物理系本硕，建设银行。

恒泰证券私人财富》2014天演资本谢晓阳伦敦政经学院金融学硕士，TibraCapital投资经理。》2015洛书投资谢冬复旦大学物理系，巴黎综合理工大学应用数学工程师，高盛，法国兴业银行，SACCapitalAdvisors。胡鹏法国INRIA研究所/波尔多第一大学应用数学与科学计算博士，布朗大学博士后研究员，牛津大学OMI研究所。》2016幻方量化陆政哲浙江大学学士，伦敦政经学院硕士，招银资管衍生品投资部门。徐进浙江大学信号与信息处理博士，杭州每日互动网络科技创始人之一，华为上海研究所工程师。》2019衍复投资高亢麻省理工大学物理学和电气工程与计算机科学双学士，DRWTradingGroup，TwoSigma。45寻找明日巨子中国量化私募管理人报告2023明日巨子——寻找下一个“隐形冠军”  近年来，量化私募行业快速发展，诞生了一批又一批优质的量化管理人，也造就了不少业内传奇。回顾量化行业发展历程，量化人不断扩宽策略边界，探索新的知识领域，推动行业持续向前更新迭代。在这浪潮中，我们通过跟踪观察管理人的成长路径，从个体的进化中窥探整个行业演变的方向，为投资人寻找能够行稳致远的明日之星。  基于这样的目标，我们在调研覆盖的成长期私募中筛选了四家值得大家关注的管理人。他们拥有持续迭代发展的能力与决心，积极应对从投资向资管延伸过程中的挑战与转变。定量分析中，我们重点考量了管理人兼顾风险控制目标下的收益获取能力及其持续性、不利环境中的策略表现及回撤修复能力、以及收益与风险的拆解与归因。  这四家管理人分别是仲阳天王星、悦海盈和、量客投资与上海悬铃。仲阳天王星CEO、投资总监孙博  仲阳天王星是一家2014年在成都成立的私募量化基金管理人，秉承着科技驱动投资的理念，以股票Alpha策略和期货高频策略为核心，深度挖掘市场数据，寻找有效因子，构建长期稳健的投资模型，为投资者持续创造超额收益。2021年，仲阳天王星开启上海、成都双总部、双核心的模式，在全频段策略框架搭建、交易执行算法优化、合作伙伴拓展与内部团队建设等全方面升级。截至2022年11月，管理规模已经突破60亿。  基于不同的风险收益需求，仲阳天王星形成了市场中性、指数增强和量化选股三条产品线。指数增强分别对标沪深300、中证500和中证1000，以多因子模型全市场选股46恒泰证券私人财富1000-1500只，在严格限制风险暴露的同时追求回报，超额夏普比率表现出色。未来，仲阳天王星将会继续开发CTA、衍生品等策略，进一步为投资者提供更丰富的产品。  国内量化投资走过了萌芽、起步、发展、扩张的阶段，即将迎来行业的分化再平衡。在相当长一段时间的底部震荡之后，权益市场迎来机遇大于风险的积极预期，更有利于量化策略挖掘超额。未来，量化投资行业必然会出现更丰富的投资策略、更多元的投资标的和更琳琅的产品选择，才能在白热化的竞争格局中博得投资者青睐。  沧海横流，方显英雄本色，我们始终坚定地认为中国是创造量化超额收益的最丰沃的土壤，仲阳天王星将不忘初心、不负信任、步步坚实、行稳致远。有幸能被冠以“明日巨子”的荣誉，这寓意着对我们未来发展的蓬勃期望和殷切期待。仲阳天王星会与恒泰证券一起，在大浪淘沙的大资管时代里，成为投资者把握时代脉搏、实现资产增值的坚强助力，“乘势而上千帆竞，策马扬鞭正当时”。悦海盈和投研合伙人