尚未看到小盤股的極端風險
黑天鵝難以預知，但應做好預案

主持人：今年A股市場的活躍度和成交量提升，波動也非常大，這樣的市場行情是否更加適合量化策略發揮？哪一類型的策略會更匹配當前的市場環境？

吳敵：我們以中高頻策略為主，A股每天萬億以上的成交量比較利于我們策略發揮。今年以來我們很多的指增產品也取得了不錯的超額，比去年同期好很多，比2023年也好。我們也具體分析了模型中各類因子的表現，今年量價類的因子表現更好，不管是中頻還是高頻。去年上半年表現較好的基本面類的因子今年表現就沒有那么亮眼。這也再次體現了管理人保持因子多元多樣的重要性，基本面和量價都要做好，否則很難適應不同的市場環境。量化管理人既要有自己的特色，也要在投研上保持全面。我們的特點是把量價策略做好，同時保持各類策略的全面發展。

顧小軍：我們賺的錢，一個是長期持有的錢，一個是交易的錢。A股交易量處于萬億水平，交易機會就更多一些。

我們的特點是CTA策略方面更有優勢，也就是在股指期貨的交易中我們有更深厚的積累。今年我們會更加關注擇時對沖策略的機會，股票端的中高頻量價類策略會受益于高波動高成交的市場環境。除此之外，股指CTA方面，中高頻的股指CTA策略也會有更多機會。將這兩者結合起來的擇時對沖類策略，會是我們今年較為看好的方向。

主持人：今年第一季度小盤股更加強勢。但是我們知道2024年初，小微盤股的行情過后也發生了嚴重的踩踏事件。請問今年有沒有可能再次出現類似2024年初的超額極端風險？

吳敵：首先，量化管理人也在不斷總結經驗并迭代策略。像2021年中吃過虧，2022年底吃過虧，去年2月份吃過虧，大家會對策略有所調整。

2023年底的時候大家會更注重小微盤股的交易機會，因為那時候市場成交量低迷，小盤股的超額機會更多一些。今年的情況與2023年底不同，各量化管理人吸取了去年的教訓，在市值風格上的暴露比較保守。所以今年多數量化管理人不會像2023年底的時候那樣通過暴露小市值風格獲取超額。

另外一個重大的變化是，現在自營的DMA產品規模也很小了。去年極端風險爆發的一個主要原因是DMA產品爆倉導致了流動性風險，現在這個情況不存在了，目前來看我們覺得小盤股上的擁擠風險沒有那么大。

黑天鵝的可怕在于它難以預知。這時候關鍵的是量化機構有沒有很好的風險管理團隊，有沒有很好的應急管理制度去處理黑天鵝事件。我們公司的風控制度與措施還是很完備的，經歷過2021年、2022年、2024年的各種事件后，我們已經有了一整套應急機制，即使出現黑天鵝事件，我們也有足夠的能力與經驗去應對。

顧小軍：以前看塔勒布的《黑天鵝》的時候，有這樣的表述，一個黑天鵝事件發生之后，大家往往會在這個方向過度防御，這個方向往往不太會出現第二次這樣的問題。回過頭來看，我們開始做交易的時間很早，經歷過的極端風險也不少，1998年長期資本倒閉，2015年的A股波動，2020年的負油價事件，2024年的小盤股踩踏，可以看到當大家發現一類資產或一類策略賺錢了，更多的錢涌進來，使得交易不斷擁擠，熱度不斷升高之后，就很可能出現嚴重的風險事件。

針對極端風險事件，我們也不斷迭代和優化風控體系。另外我們會更加追求策略的多樣化。再好的策略，一旦擁擠了，就可能出問題。所以我們會盡量做好多元策略的組合，即使一個策略出問題，整體投資組合受到的影響也會相對較小一些。

量化正擁抱AI發展的新變化
量化產品的配置要注重多樣性

主持人：今年以來DeepSeek非常火，DeepSeek背后也有量化機構的身影。量化投資在人工智能、機器學習相關領域的研究非常深入。想請問兩位，如何看待量化行業目前在AI模型、機器學習模型上的運用程度和研究程度？

吳敵：量化對AI的研究和運用，是一個不斷進化和革新的過程。我2010年開始做量化投資，2017年、2018年開始運用AI模型，當時深度學習技術逐步產生并發展。在研發股票Alpha策略的過程中，人工挖掘因子會漸漸遇到瓶頸。2018年谷歌提出Transformer模型，深度學習技術逐步被應用，我也開始在A股的量化投研上應用深度學習模型，效果非常明顯。深度學習可以更廣泛的發現A股市場的量價規律。我們把握住了AI為中國量化投資發展帶來的這一波紅利。

2023年，OpenAI的ChatGPT又讓我們看到一個新趨勢，不僅僅是量價數據，AI現在也能很好的處理另類數據。以前我們對一些新聞、財報、或者分析師的路演都是用比較基礎的語言處理模型去解析。有了ChatGPT或者DeepSeek之后，我們可以更好的解讀這些財報和新聞。而且現在有多模態的AI模型，不僅是針對文字，也包括視頻、音頻和其他結構化的數據，我們都可以通過新一代的大模型去解讀，這可以大幅推動我們對另類數據的研究。

另外一個趨勢是，我們現在逐步開始培育AI量化研究員。以前我們會招很多數理人才，包括很多奧賽金牌獲得者。但是現在我們發現，我們可以自己訓練AI，讓它成為初級量化研究員。AI研究員會自己讀論文，復現一些因子，甚至做推理，用歷史數據進行回測，會自己提交一些因子并告訴你這有沒有效果，應該怎么做。我們可以為每個資深量化研究員配幾個AI量化研究員幫他做研究，這也是一個新趨勢。量化投資不斷在擁抱最新的AI變化。

顧小軍：我們做量化投研有很多年了，最開始的時候是人工挖因子，效率低、速度慢，然后隨著機器學習模型的興起和發展，我們也在不斷搜索。

但我們對AI模型的應用還是會謹慎一些。人工挖掘的因子，基本上我們是可以解釋的。而機器學習涉及的非線性算法，像一個黑箱子，很多東西無法解釋。我們當前的量化模型中，70%左右還是傳統的做法，大概30%左右會涉及到AI創新。

另外機器學習在CTA上的應用會比股票策略上的應用少一些，CTA策略更容易過擬合，因為交易的品種太少。所以我們在這方面會更保守一些，更多的精力會放在過擬合問題的處理上，希望找到更多的有效因子。

主持人：請顧總分享一下，現在時點對于CTA策略的配置有怎樣的建議？

顧小軍：CTA的特征很明顯，產品收益是脈沖式的，不一定什么時候短期內就有一兩次巨大的機會，這樣的前提下，對于任何一個投資者而言，更應該注重CTA的資產配置意義。只配CTA，不配其他資產，如果CTA一段時期內表現一般，投資體驗會較差。另一方面，我們做了十多年的CTA投研，根據我們的經驗，如果CTA產品能拿住，持有三到五年，那大概率會有一個不錯的成果，所以我們覺得應該從一個長期大類配置的角度投CTA。

主持人：最后請吳總也分享一下量化指增產品的投資建議，比如全市場選股、A500指增、中證1000指增產品的選擇上有什么建議嗎？

吳敵：這個問題很難回答，接下來滬深300這樣的大票好，還是中證2000這樣的小票好？很難回答。我覺得還是應該從配置的思路出發，每個指數都有它的特點。像A500指增產品，它更偏大票風格，波動小一些，但超額彈性也不會特別大。偏小票風格的指增，超額彈性很大，但波動可能也會大一些。我覺得大票風格與小票風格的指增均衡配一些，是一個不錯的思路。這樣不同的市場環境中，投資體驗都不會太差，而且長期持有下來，也有機會獲取相應的指數回報與超額回報。

風險提示：投資有風險，決策須謹慎。文中觀點不代表平臺投資意見，內容僅供參考并不構成任何投資及應用建議。未經好買財富授權許可，任何機構和個人不得以任何形式復制、引用本文內容和觀點，包括不得制作鏡像及提供指向鏈接，好買財富就此保留一切法律權利。