当我们谈论量化基金时，到底在谈论什么？
在2022-2023年，量化基金似乎成了魔法一般的存在，当身边大多数权益基金经理都在经历痛苦且难熬的熊市的时候，量化基金经理好像生活在另外一个世界，用着神秘的计算机模型和交易程序，在存量博弈的股市中活生生拼杀出了一片自己的天地。
而转眼进入2024年，随着年初中小盘股在短期内巨大而快速的下挫，使得众多量化基金也不可避免地遭遇了较大回撤，此前抱着诺亚方舟心态买入量化基金的投资者开始对量化闻风色变，投资者的情绪也跟随基金短期的业绩而发生来回大幅的波动。
对于量化基金，我们不需要像1年前那般对它圣名化，也不需要像现在这般对它污名化。
如主观权益基金一样，量化基金是一个整体的概念，但在其中，不同的基金经理，不同的投资模型，都可能会带来截然不同的收益体验，在一次次市场冲击之后，它反而是给了我们更多的历史样本去更好地认识不同基金的特点。
量化基金相比于传统的大众所认知的权益基金，最大的特点可能在于对定量的重视。
假如同样研究一家公司，传统的主观权益基金的角度更多是从定性的角度出发，比如它的护城河和竞争优势是什么，它短期的景气度怎样，它未来的增长来源于哪，到最后形成对于一家公司偏向主观性的结论。
而对于一个量化权益基金来说，它更像是一个翻译家，通过不同的量化模型，把护城河/景气度/增长等等略显模糊的言论翻译成一个个具体的清晰的变量，并且将这些变量在全市场不同的公司之前进行对比，最后根据客观的数据结果选出目标的公司。
其实主观和量化之间也并不是非此即彼的，就如同你不可能只要求定性而不要求定量。
当我们在说一家公司竞争优势强的时候，那它怎么去和另外一家不同行业的公司去进行对比，如果没有客观的定量的标准，就很容易陷入鸡同鸭讲的争吵之中，而通过量化模型的思路就可以在不同事物之间通过客观而理性的标准进行更好的对比，所以其实现在也有越来越多的主观基金经理开始采纳量化模型的方法，尤其在最近各类AI技术的普及之下，量化策略的发展也不断加速。
在国内权益市场的量化策略主要包含两类，一类是针对某些特定指数做特定增强，另一类则更多是对全市场进行选股的策略。
前者的约束要求更大，需要先选定某个特定指数，比如中证500或者中证1000；
而后者的投资范围会更大，并不局限于某个指数范围内，在这里我们主要对后者做一个综合的对比：
首先我们选取出全市场所有的除去特定指数增强以外的主动型量化基金，同时综合考虑基金经理任职时间和历史业绩长度，我们在这里选取在2021年以前基金经理便开始连续任职的基金产品，从而考察它们从2021年以来至今的表现。
而从这段区间的市场环境来看，2021年至今A股市场经历了许多重大的变化，整体的投资管理难度较大，是一个很好的历史区间让我们考察不同特点的基金的业绩表现。
在2021年以前基金经理便开始连续任职的主动量化基金一共有86只，它们从2021年至今的年化收益率的平均值为-7.26%，取得正收益的仅有8只基金，并不是大家印象中的量化基金在过去的2-3年赚得盆满钵满，优秀的基金产品其实依然是少数。
由于在过去3年获得正收益的量化基金其实是极少数，同时也受限于篇幅空间，我们按照收益排名选取前5名基金列示如下。
同时绝对收益率也并不是量化基金的全部，获取收益的稳健性和连续性可能更为重要，也就是波动率/回撤和胜率指标，我们同时也把这些指标列示如下：
如上表所示，我们在年化收益率之后，同时纳入波动率/回撤和胜率指标，可以看到基金的排序也会发生一些变化，比如其中的华夏智胜价值成长，在过去3年多取得了6.55%的年化收益的表现，大幅领先于万得全A所代表的全市场平均表现，在所有主动量化基金中排名第三。
如果我们再综合考虑它的风险指标，这只基金的波动率/最大回撤指标表现更为优秀，胜率指标更是超过70%，它们都代表着这只基金获取收益的稳定性更好，并不是以短期过大的波动来换取更高的收益回报，而是在收益和风险等指标综合考量之下获取更好的投资体验。
在观察一个基金历史业绩表现的时候，年化收益仅仅是第一步而已，更多的则是它是如何取得这样的收益表现的。
比如最大回撤指标，如果这个指标过大，表明这个基金可能更多是以高波动和风格过度偏离来实现的，而这样便很难保证未来业绩的稳定性。
再比如相对于全市场指数的胜率指标，它代表在过去一段时间在不同的阶段跑赢市场平均值的概率，如果胜率指标过低，则表明这个基金的业绩更多是在某一个较短区间内取得的，而在其余区间却并不能跑赢市场，这样也是需要我们重点观察的。
知其然，更要知其所以然。
在一个量化基金优秀业绩表现的背后，我们更需要直到它们是如何做到这一点的，它们的特点是什么，而不是单纯以历史业绩作为唯一决策依据。
比如我们以刚才提到的华夏基金的量化产品为例：一只量化基金背后更多需要一整个团队的支持，从数据到算法到交易，共同促成了一个个量化基金的运作。华夏基金对量化投资的布局很有前瞻性，在2017年便在业内开展“AI+”投资团队的组建，包括华夏智胜价值成长的基金经理孙蒙也是在那时加入华夏基金团队。
而华夏基金在量化策略上也是有自己的特色所在，不做太多的行业轮动和短期择时，而是更多利用多因子选股模型去实现选股的超额收益。背后的原因在于对风险控制的重视以及对历史数据的谨慎，如果把过多精力花费在行业轮动和市场择时上，就会面临数据样本不足的问题，也就会导致模型策略的不稳定。而这一点我们从华夏的量化产品过往的收益风险特征上也能看出来，比如上文提到的华夏智胜价值成长，在优秀的年化收益背后，是更为稳健的波动率/回撤指标和更高的胜率指标。
量化基金，从来都不应该人为去美化或者丑化它，它只是一种更强调定量的投资策略而已，并且相信在可见的未来，传统的更侧重定性的主观基金，在各类AI工具的帮助下，也会逐渐向量化策略靠拢，取长补短。
在过去3年多的市场中，真正实现正收益的量化基金其实也是极少数，优秀的基金产品依然是稀缺品，同时在关注收益的同时，更重要的是关注它背后的风险指标，以及基金管理人和基金公司的投资理念和企业文化。过去的历史表现并不会简单重演，但我们依然可以尽力从历史中学习到一些对于未来有价值的启发。
---
往期量化主题相关播客推荐：
---
⚠️ 风险提示：「老钱日日谈」只是机械地记录作者每天的胡思乱想，因此每篇文章可能会同时说好几个完全不相干的事。所有内容皆仅以交流个人想法和分享知识为目的，完全不构成任何投资建议或参考。请读者注意判断其中风险，结合个人投资目标、财务状况和需求，独立思考，谨慎决策。your money your decision.