近年来，量化多头尤其是指数增强型产品线受到投资者的关注和认可，目前在量化私募整体规模中占比较高。也正是因为指增产品的深入人心，近两年主流量化私募开始大力推广全市场选股产品线时，不乏有投资者将其简称为“空气指增”：不对标任何指数就如同“对标空气”。

乍一听可能觉得非常形象和好记，但其实不够严谨——因为是先有全市场选股后有指增，“不做约束”才是“最初的模样”。也就是说，全市场量化选股才是最原始、最自然的——量化投资的相对优势在于投资的宽度，自由度越高，仓位越像底层的alpha，长期收益就越高。如果对标到某一宽基指数甚至更窄的行业指数做约束，限制了自由度，也就不能最大程度发挥量化选股模型的Alpha。

其实是先有全市场选股后有指增，“不做约束”才是“最初的模样”，只是早年投资者对量化投资方法论接受度不高，而指增相对更好横向对比和跟踪评估，所以在底层量化选股模型的优化器环节，做相应的指数成分股约束形成不同指增产品线。

在众多股票多头产品线中，投资者如何依据自身需求做好配置？比如主观多头和量化多头之间如何选？全市场选股和指数增强是二选一么？现在买还是等等看？把这些选择焦虑进一步细化拆解总结成《十问全市场选股》，以深刻理解全市场量化选股产品线的配置价值。

《十问全市场选股》

Q1：为什么先有指数增强后有全市场量化选股产品线？

在国内量化发展初期，渠道和投资者对于量化投资比较陌生，对该方法论是否有效还没有足够深的体验，各家量化机构也没有很长的实盘公开业绩，连指数增强产品都花了很长时间让投资者接受，更不用说理解和接受“不对标任何指数”的全市场量化选股产品。

正是因为早年投资者对量化投资方法论接受度不高，而指增横向对比和跟踪评估更为直观，所以在底层量化选股模型的优化器环节做相应的指数跟踪误差约束，形成不同指增产品线。

2021年量化私募管理规模突破万亿，投资者对量化投资方法论的接受和认可逐步提升，市场竞争也更为激烈；而随着A股机构化加深，市场有效性提升，获取超额收益的难度也随之提升，这也是市场竞争的必然结果。

以目前市场上最为主流的中证500指增产品为例，如果要控制跟踪误差，需要选取较高比例的中证500指数成分股，而中证500指数成分股的交易量占整体A股比例在15%左右。随着量化私募管理规模的扩大，500指数成分股中量化私募的交易占比不断提升，逐渐高于其他股票。这使得中证500指数成分股α有效性的下降程度相比其他股票更为明显，也较大影响了中证500指增产品的超额收益表现。

与此同时，具备一定风险承受能力的投资者大多更在意绝对收益。基于大部分客户的需求，近两年多家量化私募力推“全市场选股”产品线，力争在没有额外增加风险和波动的前提下，按照个股alpha（基于全市场选股）及个股流动性（权重配比）灵活构建组合。在底层Alpha相同的情况下，不跟踪指数，放开自由度会带来明显更高的长期绝对收益，而对多头产品带来的波动率和最大回撤未有明显上升，边际的改善是非常显著的。

Q2：全市场选股和指数增强是二选一吗？

一般来讲，“全市场选股”与“指数增强”均不做仓位管理，长期维持近满仓运作，同属于股票“量化多头”产品线大类——即采用量化投资的方式对投资组合进行主动管理，以获得市场收益（Beta）的同时获取超越市场的超额收益（Alpha）。但两者并非二选一，有着不同的配置价值。

投资者为“指数增强 or 全市场选股”纠结时，不妨将自己的风险偏好和倾向纳入主要考量：

· 假设在某一阶段非常看好某一宽基指数（当市场中某种宽基指数阶段性持续特别强势的时候，股票精选一般会弱于该类对标指数产品的收益），或者比较在意超额的波动率，那指增产品的工具意义和配置就比较有价值。

· 对绝大部分投资者来说，如果目标是取得更好的长期收益表现，可以侧重配置全市场选股。

Q3：不对标数，又该如何跟踪评估全市场选股业绩表现？

全市场选股不对标指数，那借助什么指标进行业绩评估？

投资范围虽不做约束，但仍然可以给全市场量化选股产品设置业绩基准，一般可设定万得全A指数为业绩参考基准；而考虑到“全市场选股”持仓1000-1500只个股，其中小票占比不低，为了跟踪观察更方便、横向对比更直观，也可将中证500或中证1000设为业绩参考基准。

目前，市场上各家全市场选股产品线实盘业绩并不长。一般来讲，量化多头（包括指数增强、全市场选股）、量化对冲等产品线底层的量化选股模型是完全一样的，是在同一套“量化选股”模型基础上做不同的选股限制及是否采取对冲等构建差异化产品线，以满足不同投资者的风险偏好。

也就是说，全市场量化选股才是最原始、最自然的——如果仓位越接近底层的Alpha,长期收益就越高，如果对标到某一宽基指数甚至更窄的行业指数做约束，反而限制了自由度，也就不能最大程度发挥量化选股模型的Alpha。

Q4：既然放开约束，与主观多头相比又有哪些区别？

无论是量化多头还是主观多头，作为股票多头产品其收益来源均为市场涨跌+超额收益，Beta部分是外在客观环境，应重点关注私募管理人获取超额收益的投资能力：即跑赢市场的部分。

在不确定的市场环境中，量化多头产品力争给风险偏好较高的投资者提供相对安心和极简的投资体验。

①投资者不用关注准确率不高的市场和行业相关预判，而是聚焦于超额本身，由于现阶段模型超额夏普率较高，客户能获得相对安心和极简的投资体验。

②管理人放弃胜率低的投资维度，通过长期复利收获可观收益，积小胜而厚积薄发，努力提供可预期可持续的超额。

Q5：与ETF等被动型投资工具不同，持续获取Alpha恰恰是主动管理型投资机构的立身之本，那超额的影响因素有哪些？

一般来讲，当市场处于成交量大、波动率高、行情偏中小盘、高流动性股票表现更好的环境中，量化管理人的超额往往表现更突出；而当市场处于“风格急剧转换的阶段”或“一九行情”时，对量化投资来说相对不太友好，获取超额会比较艰难。

受到外部环境影响，超额收益也存在天然波动，呈现一定的周期性

· Alpha的周期大致在季度级别，股票量化模型出现几个月的超额回撤也属于正常范围。

· Beta的周期约为2-3年，所以一般建议股票多头的投资者持有三年以上的时间，淡化市场短期波动影响。

这也是为何我们更多关注管理人自身的综合投资能力，毕竟内在因素才是核心，也是管理人可以发力的方向，管理人需要动态调整、持续迭代，力求不断提升超额收益的确定性。

Q6：既然超额收益逐渐衰减长期看是不可逆趋势，如何才能延缓衰减速度以保持相对优势？

虽然超额存在衰减的趋势——随着A股机构化加深、市场有效性提升，每一类市场参与者都发现跑赢市场的难度越来越大，但量化私募管理人还是整体稳住了自身在超额上的相对优势，这两年主流量化管理人的阿尔法仍然维持在平均15%~20%，尤其是在Beta表现并不顺遂、宏观波动此起彼伏的2022年，百亿量化私募的超额表现比2021年更优异。

量化私募管理人可结合自身对市场的深刻理解，往“全周期、多策略、多品种”持续发力，做到：

A. 股票量化模型多周期覆盖：包含高频、短周期、中周期和长周期等不同预测周期。在当前的量化规模下，中周期占比较高；

B. 储备更丰富的底层因子：覆盖微观结构、价量因子、基本面因子、事件驱动因子等。当前，基本面因子虽占比不高，但容量更大，未来有望贡献更高的超额收益，所以会持续深入研究；

C. 积极推进产品布局和创新：搭建低中高不同风险等级的产品线，以满足不同风险偏好的客户需求。

持续对智力和算力的高投入，始终保持业内顶级配置。

通过专业化分工、多项目协作，构筑有终身学习能力的国际一流人才梯队；明汯一直非常重视基础设施、投研框架、交易系统等软硬件上的投入。

Q7：追求高超额还是可预期的超额？

在可持续的前提下追求更高的超额，所以这个选择可以演变为：在可持续和可预期的前提下尽可能选择较高的超额，随着持有周期的拉长，超额的确定性显得尤为重要。

再往下拆解：建议选择综合投研能力较强、历经各种市场环境考验且超额修复能力突出的量化私募管理人，大概率不会出现大的偏差。

超额收益是主动管理型机构的安身立命之本，如何在不同的市场环境下跑赢市场，为客户提供长期价值是各家资管机构面临的课题，对于明汯来说未来在宽度和深度两个方面持续发力，力争不断提升超额的确定性：

1、宽度：不断提升品种和策略的丰富性

结合自身对市场的深刻理解，围绕“全周期、多策略、多品种”持续投入研究力量，储备更多低相关策略实现超额收益来源多元化，明汯拥有自上而下的投研体系，除依据当下的需求做深入研究外，还会根据公司中长期的战略目标做前瞻性布局。目前明汯量化选股模型以中周期价量因子为主。还将持续对基本面因子深入研究，为将来做储备。另外另类数据因子在海外较为成熟，但在国内目前仍属蓝海。除了与多家数据第三方保持联动外，明汯自己也在收集并持续探索以获得更多突破。

2、深度：全流程的系统化、精细化

持续提升投研流程系统化和精细化程度。国内量化行业已进入高质量发展的新阶段，更加考验量化机构全方位的能力，在投资流程、运营服务、客户沟通、品牌建设等各个环节都要不断优化。

Q8：当前是布局全市场选股的好时点吗？

投资者对量化多头产品的朴素愿望往往是：在市场上涨时能大幅盈利，在市场下行时能不亏损。

但实际上投资环境瞬息万变，预测中等周期的Beta几乎不可能，我们追求α，希望给投资者提供极简的投资体验：

· 量化多头产品如有上涨的Beta助力，叠加不错的Alpha，业绩相对表现更好。

· Beta或锦上添花或成为拖累，长期下来绝对收益的核心还是看超额表现。

· 今年大概率不会出现去年的极端情况，即较大的负向Beta抵消了Alpha的贡献。

考察市场上的量化多头产品，不难发现：时间越长，收益和指数表现的曲线距离越拉越大——股票多头长期收益的核心在于超额，即跑赢市场的部分。所以对于短期内指数的表现，投资者可以不用过多在意，持有时间一旦拉长到2年甚至3年以上，投资回报核心仍然聚焦于Alpha的水平。

在布局的过程中，市场绝对低点极难预测和把握。对于普通投资者，为最大可能地获得投资收益，应当追求“模糊的正确”并长期持有，获取Alpha和Beta的双重回报。

Q9：在A股，满仓还是择时？

从理论和实践上看，长期平均收益率越低且波动越大的资产越有利于择时，如商品期货市场——长期持有多头仓位的收益约等于通胀收益，并未增加额外收益，最终到手收益或不如银行理财，且期货市场波动较大，预测模型可获取较高的择时收益，同时长期持仓收益也几乎未有损失。比如CTA时序类的策略侧重预测中短期价格的变化，CTA宏观策略则侧重预测中长期价格的变化，由此获取一定收益。实践上来看，两类策略都有长期成功的案例。

在早期的A股市场上，择时也曾起到很好的效果。2001-2010年A股市场年化波动率高达60%左右，当时市场巨大波动性带来的择时机会确实可以降低风险的同时增加收益。

但在当前的A股市场，择时的性价比并不高：

（1）作为最直接参与和分享经济发展红利的投资工具，拉长投资期限来看，股票是最为优质的投资品种：

· 上证指数自1990年上市至今，年化复合收益率11%左右。更具代表性的万得全A指数，在2006-2022期间年化复合收益率也超过12%——均未包含分红收益——A股的beta收益本身就已较为可观。另外从风险角度而言，近六年A股的年化波动率也已经下降到20%左右，指数择时的收益风险比由此也大幅下降。

（2）降低最大回撤意味着对择时胜率的要求极高，而完美躲过每一次市场大跌几乎是不可能完成的目标：

· A股从2000年以来，每隔几年就有一波较大的下跌（包括2001-2005、2007-2008、2010-2013、2015-2016、2018、2022）。只要时间拉到足够长，最大回撤≈最大敞口×满仓策略历史平均最大回撤。和一直保持约定最大敞口的产品相比，带择时的产品波动率虽有所下降，但两类产品线的最大回撤基本可比——而最大回撤恰是大部分投资者最为关心的指标之一。

（3）相比固定敞口产品，股票择时一般需要通过降低敞口实现：

· 直接降低股票仓位：这属于相对较差的方法，降仓期间相当于放弃了这部分仓位的阶段性收益，几乎是与“A股长期向上的贝塔收益+超额收益”做对抗。再加上当前A股选股策略超额还比较高，动态调整股票部分仓位收益损失较大，基本不太可能通过择时来弥补；

· 做空股指以降低敞口暴露：这个方法相对好一些，但由于中证500股指长期贴水，在牺牲了长期向上的贝塔收益的同时，还额外承担了股指对冲的成本，择时也很难弥补掉这部分损失。

对于市场本身的短期波动，预测和判断的难度非常大，而规避此类风险所“付出的代价”与“期望收益”是不匹配的。

“期望收益”有两方面：最理想的是希望通过市场择时来提升收益，但这需要极高的择时胜率，在当前的A股市场不太可能实现；次之的目标是降低风险，但如前文所述，“让渡收益”基本是确定的，但“控波动降回撤”则充满不确定性且效果有限——降低波动率还有一定实现空间，而降低最大回撤较难实现，并非主观意愿所能决定。从实践上看，择时带来的潜在收益是非常不确定的。

“付出的代价”是“放弃收益”，在A股贝塔收益和机构超额收益都较好的情况下其实损失不小。而且大部分择时策略偏右侧交易，而市场在较大跌幅后反而收益风险比更为理想，彼时“放弃收益”，再考虑到还有额外支付的对冲成本，“付出的代价”大概率不能得到有效补偿。

投资者需对当下A股择时的意义和价值重新做深入思考和评估，且需要较长的评估周期。

Q10：为何要多关注规模增速而非规模本身？

1、所谓管理规模半径的背后还是投资能力，超额收益是管理规模和投资能力的函数，管理规模和收益并非负相关、确实有一定相关性，但最核心的还是投资能力。

2、同等的管理规模，投资能力越强超额收益就越高；同等的收益，管理规模越大则投资能力越强。在较大管理规模上仍取得较为稳定的超额收益，考验的是团队整体投研能力和策略完整性。

比如城堡投资的资产规模2022年初大约为400亿美元，但由于团队投资能力强大，覆盖了量化股票、主观多空，固收，信用债，宏观等领域，在全球主要股票市场跌幅较大的环境下为客户赚取了160亿美金的费后收益回报，费后收益达到40%，还有几家较大规模的对冲基金也有这样的优异表现，证明规模并不完全是业绩的敌人，而是要有对应的投资能力来匹配。

3、“规模本身不是问题，只要规模已经体现在净值曲线里。”对于量化多头产品的投资者而言，更重要的还是考察管理人的长期超额收益的可预期性和长期复合的收益率情况。

4、不同的规模量级具备不同的规模优势，都需勤勉尽责全力为投资者创造长期价值

5、2020年年中，明汯投资成为首批规模突破500亿的量化私募，规模增长领先同业一个周期，当时短期内规模一度增速较快，遇到阶段性挑战。

但投研团队迅速做出应对，在模型优化、风格约束，以及对滑点及冲击成本处理上变得更为系统化、精细化。2021年4月初，升级后的模型上线，加之主动控制募资节奏，团队内部及时复盘总结、加强产品线管理和投资者沟通。作为首批突破500亿的量化私募管理人，明汯在管理大资金的时间上最长，积累了管理大规模资金的丰富经验，同时未来在募资节奏上会非常谨慎，更为追求超额的确定性。