随便翻翻会里的产品申报网站，就能发现近期国内公募机构又申报了一大批量化指增、主动量化产品。
很多朋友认为量化今年能火，是因为小市值策略更容易跑超额，并且量化指增一定程度上融合了主动管理（机器管理？）和被动指数投资，符合当前发展意见。
但我仔细研究了部分国内公募量化团队后，发现他们今年突然受到重视的原因，可能更多是因为风险管理做得好。至于业绩嘛，虽然也不错，但总归不能和梭了AI的基金经理比。
随着国内量化投资产业的蓬勃发展，一个有趣的现象是，国内公募量化团队正在因为自身环境的不同而向不同方向“进化”。虽然当前难言哪个“进化”方向是“正确的”，但我从一个普通个人投资者的角度看，也许当下的细微改变已经为未来的分流埋下了伏笔。
一、三类公募量化策略
多因子策略是国内公募量化的起点，也是当前的主流。这一策略的好处是门槛不高，早在2015年，上一轮A股全面牛市期间，就涌现出了一堆“量化选股”网站，它们实际采用的就是多因子策略。
但门槛不高显然也限制了多因子策略的发展上限，毕竟谁都赚钱就等于谁都不赚钱。这一策略当前的超额收益已经不那么明显，实在是因为“招式”相同的玩家实在太多，大家互相卷，最终只能把超额卷没。
目前国内公募多因子策略正在向两个方向“卷”，一个是更高频的交易数据（但公募先天的交易限制使得这一方向卷的性价比不高），毕竟数据多一点、快一点，原则上就更容易“抢先手”；另一个是挖小市值，因为这一块相对来说还是等待开采的富矿，类似中证500这样的中盘股基本也快被挖透了。
机器学习策略是国内公募量化的当红“炸子鸡”，除了因为听起来酷炫、入门门槛较高外，它的具体策略更不容易被复制，所以理论上很难遇到“招式”相同的对手，自然也就不那么卷。
机器学习的具体流派也很多，有人做价值回归，有人做趋势跟踪，也有人通过配置低相关性资产做“对冲”。严格意义上来说，机器学习属于“用魔法打败魔法”，即希望通过一个不可预测的结果来战胜不可预测的市场。听起来非常“赌运气”，但本质上可以算概率论在投资中的一种运用。
当然，机器学习的结果虽然不太能提前预测，但事后做业绩归因还是可以的，这也是机器学习可以一直提高的原因。我目前最关注的一类公募量化策略就是机器学习。
基本面量化策略听起来是多因子策略的一个分支，但两者的区别很大，因为多因子策略是先有数据，再找结论/逻辑，而基本面量化是先有结论/逻辑，再倒推数据。
简单来说，基本面量化更偏向传统的主动管理类产品，从换手率和持仓集中度看，其甚至很难被归入量化投资范畴。一个不那么准确的理解，大家可以把绝大多数Smart Beta策略指数都看作基本面量化的一部分。
我个人认为基本面量化不太会成为国内公募量化主流，其更类似一种“螺蛳壳里做道场”的过渡形态，属于一种特殊规则下的产物。当然，只要A股各种规则不做大面积修改，基本面量化还是有存在土壤的。
二、量化投资的本质
这一段想了半天，不知道该用什么小标题，最后还是决定用“本质”这个词，虽然可能有点“大”。
我个人认为，2021年国内第一轮公募基金结构性牛市的结束，让大家意识到了均衡分散配置的重要性，毕竟A股在绝大部分时间并非牛市形态，一旦重仓赌错方向，资产的浮亏就会迅速而猛烈。
量化投资的一个特色就是均衡分散，是一种把风险至于收益之上的投资思路，也就是所谓的“反脆弱”、“弱者思维”的具体体现。
作为一名普通个人投资者，我在信息获取、时间分配、圈子人脉方面都不占优势，牺牲一部分收益，采用这种风险前置思路做投资，更有利于我自身资产的长期保值增值。
三、每种量化流派的代表
多因子流派目前最出名的可能就是西部利得基金，盛丰衍总截至2023年一季度末的管理规模已经突破百亿，大约相当于西部利得基金的11.5%。
机器学习流派我个人关注比较多，目前主要有华夏基金孙蒙、国泰君安资管胡崇海、国金基金马芳/姚加红。这一派目前规模起得很快，我比较担心超额收益能不能持续，只能说暂时还没啥问题。
PS，很多朋友认为招商基金王平也属于这一派，但我个人没有过深度调研，暂不评价。
基本面量化流派最出名的就是中欧基金，曲径+钱亚婷两位的管理规模合计也有近百亿。目前在换手率和集中度上，中欧的基本面量化还没有和传统多因子量化拉开明显差距，但未来分道扬镳是必然的，毕竟曲径总对团队的要求就是“离主动更近一些”。
不知道大家注没注意到，机器学习流派有一个明显特征，就是他们大多出身券商资管，或者有券商系背景。我个人认为，券商背景可能导致机器学习流派能在交易系统上获得一些优势，大概也算是对投资体系形成的一种正向激励了。就像中欧基金，因为主动权益更强，并且强调公司内的跨组交流，所以量化团队也更多体现主动权益特征。
$国泰君安中证1000指数增强A(OTCFUND|015867)$ $国金量化多因子股票A(OTCFUND|006195)$ $华夏量化优选股票A(OTCFUND|014187)$
本文作者可以追加内容哦 !
