量化指增到底怎么了？
做最专业的金融小白
“确定性很强”
有一段时间，投资人和销售端包括FOF都特别喜欢量化指增。
投资人喜欢，是因为19-21年8月之前，量化指增的业绩基本上是非常给力的；
销售端喜欢，是因为量化指增很好评价它目前好还是不好——有超额就是好，没有超额就是不好，而不会像主观多头一样，跌了一年你不知道第二年是会均值回归还是会渐行渐远；
FOF喜欢，我听到最多的一句评论叫“确定性很强”。
这个“确定性很强”，展开来说，就是“做出超额的确定性很强”。
为什么会认为量化指增能“确定性”的做出超额来呢？
没人直说，但我理解的逻辑是这样的：
“现在量化的超额能做到30%，未来就算衰减到20%也还是比主观多头好，等衰减到10%也是和主多打个平手。 而且我会盯着量化机构，超额衰减到一定程度我就调仓。”
量化超额的第一次大回撤
量化超额的第二次大回撤
一直以来，之所以大多数专业机构都相信量化策略的超额应当“逐渐衰减”而非“断崖式回撤”，是因为过去几年里，量化策略一直守着自己几乎不败的阵地——统计套利。
只要有散户的地方，就有超买和超卖，就有可以在分钟级交易上兑现盈利的统计套利逻辑。
而统计套利最大的敌人有三个：
散户离场
同行抢食
交易滑点
散户离场，就没有了超买和超卖，也就没有韭菜割了；
同行多了，一颗韭菜10个人吃，自然能吃到的也就少了；
而交易滑点是什么？就是如果自身规模过大，以及同策略同行过多之后，一次交易换手的冲击成本会越来越高，侵蚀掉这笔交易中韭菜的正贡献。
尽管统计套利有这三大敌人，但是常识告诉我们：
散户不会瞬间离场，同行的增速也没多到狼多肉少的程度。
至于交易滑点，随着规模扩大，点也应该是一点一点滑，而非一口气滑成负超额。
所以即使知道30%的超额不会持久，投资人和机构也都不太担心——慢慢衰减着好了，到时候再跑也来得及。
可惜机器学习策略的出现，为本应在今年逐渐衰减的量化超额续上了一口仙气。
你叫他机器学习也好，叫他smartβ也好，其本质是一种趋势跟踪策略，至少目前为止还没有进化到太复杂的模型上。
小盘好就做多小盘，大盘好就做多大盘，见成长做成长，见价值做价值。
当然这个描述可能过于简单粗暴，不能完整的反应量化策略中的“核心技术”，但作为一篇科普文，我也很难把量化策略中最高级的逻辑完美展现出来，希望在读本文的量化大佬能给予谅解。
总之，不论是基于风格上的，还是行业上的风险因子，机器学习模型通过暴露他们来赚到虽然不稳定，但是绝对值更高的α——
阶段性的
风险暴露所带来的α，并不会像交易滑点那样“渐进式衰减”，而是会随着风格趋势的逐渐累积，在某一个节点上倾泻释放。
而最近的一次风险释放，大约始于2021年8-9月份，几乎是同一时间的，投资人和量化机构都发现一件麻烦事——
机器学习不灵了。
看一眼债券吧！
我就不去描述最近半年的量化超额回撤有多么惨烈了，上一次量化策略这么难受还是在5月时从量化CTA的大回撤开始的。
作为一个债券资管的从业人员，我不希望本文表达出来的是“幸灾乐祸”的态度。
毕竟不论去年底还是今年底，信用债市场都莫名其妙的在陪着量化超额一起回撤
我希望更多投资人能正视一个颠扑不破的真理：
任何一种策略的风险和收益，必须是成正比的。
不能说量化策略就能YYDS，裸多时干爆主多，套上对冲就干爆债券。
那别的赛道都别干了。
量化策略肯定还是有配置价值的，就如同主多、CTA一样，我自己的资产中也各有一定配置权重。
但是债券，老铁们，看一眼好吗？
投资不学债，
资产少一块啊！
债券科普
微信号：zhaiquankepu
长按二维码关注公众号