顶尖财经网(www.58188.com)2023-7-13 21:08:20讯：

　　在今年A股市场指数起伏不定、个股整体显著分化的市场环境下，作为2022年头部量化私募重点研发推出、个股筛选更灵活的全市场量化选股策略，近日交出了首份全行业半年度成绩单。　　整体来看，上半年全市场量化选股策略基本实现全行业的“开门红”，“基准收益率”达7%。但业内人士同时提示，对于该策略的优劣势和超额收益情况，投资人应当有理性认识和合理预期。　　选股灵活性优势凸显　　来自朝阳永续的不完全统计显示，截至6月末，主流全市场量化选股私募产品今年上半年的绝对收益率普遍在7%以上，平均值达到13%，显著强于A股主要股指的同期表现。　　对于上半年的行业“成绩单”，千象资产相关负责人认为，上半年大部分“规模以上量化管理人”的全市场量化选股策略表现较为亮眼。总体来看，在上半年行业轮动频繁、市场环境复杂的情况下，大部分全市场量化选股运行情况优于传统的指数增强策略，展现了更好的市场适应性。　　念空投资董事长王啸称，今年上半年全市场量化选股策略绝大多数都实现了正收益，对投资人提供了比较好的持有体验。从该机构的策略运行来看，在3月中旬之后，随着市场波动率的放大，行业和热点有序轮动，公司量化选股产品净值也迎来了一轮较好表现。　　此外，蝶威资产研究总监濮元恺进一步补充，今年上半年A股市场整体较2022年有一定复苏，对比中证500指增策略，全行业中证1000指增表现更为突出，这显示出全市场选股的灵活性优势以及对市场成长风格机会能够更好进行把握。该机构的全市场量化选股策略，今年上半年整体表现出了一定程度的领先优势。　　“今年上半年，可以说是头部量化私募普遍推出全市场量化选股之后的‘第一个半年度完整实盘’，从行业层面来看，今年这个策略赛道整体要优于中证500量化指增的阶段性策略表现。”上海某券商渠道人士向记者总结。该业内人士同时表示，从投资人角度来看，今年市场认可度较2022年也有一定提升。　　优缺点同样鲜明　　值得注意的是，尽管上半年全市场量化选股策略表现相对突出，但多家受访的一线量化私募强调，这一策略的优缺点较为鲜明，不应过度放大其策略优势或对其“片面贴上更高收益的标签”。　　王啸表示，“全市场量化选股模型的优势是持股分散，所有行业都会买，而且通常都是满仓，不会出现踏空或者在某一种风格或者某一个行业上有押注式的暴露，因而会更善于捕捉行业轮动带来的结构性行情。”但这类策略的缺点也不应回避，特别是在市场风险偏好较低、交投清淡、市场波动率持续下降的环境下，可能表现会比较平淡。　　富钜投资首席投资官唐弢称，全市场量化选股主要具有两大优点：第一是放宽了对行业、市值的约束，可以灵活调整持仓组合的风格；第二是赛道的容量更大，竞争激烈程度相比主流宽基指数的量化指增策略更低，也有更丰富维度的超额收益来源。但其也存在两方面潜在劣势：一是由于放松了对基准指数的偏离显著，产品净值有可能在某些行情下出现更大的波动和回撤；二是不同基金产品的业绩可能会分化，头部和尾部产品的业绩差距往往更大。　　千象资产方面也认为，全市场量化选股的优势在于放宽了对后端选股的约束，使得超额获取的来源更多样化，拉长时间来看，获取更高超额收益的可能性更大。此外，由于后端行业、风格的约束更为宽泛，从理论上来说，对不同市场环境的适应度也会更高。而从劣势方面看，该策略最突出的缺点主要在于，从长期来看，超额收益的波动性会更大，在策略风格上相比传统量化指增策略会显得更加激进。　　策略创新仍有空间　　自去年以来，头部量化私募在量化策略的创新上，展开了更多研发开拓。整体而言，面向投资人不同投资需求的策略线进一步丰富，拓宽收益来源、精细化的量化模型研发打磨，成为目前业内关注的焦点。　　王啸称，目前国内量化策略的创新呈现二维创新趋势，主要从客户风险偏好(高波动和低波动)和产品配置需求(对标不同指数的增强)两个维度创新。未来随着投资者对量化策略的认知越来越深入以及金融衍生品持续推陈出新，量化策略的发展可能会逐步演变为多维度的立体创新。　　唐弢认为，目前国内量化投资策略创新整体呈现四方面趋势：一是在整体投资上逐步放松对指数偏离度、行业权重和市值的约束；二是通过使用衍生品结构改变收益风险曲线，获得资产回撤的安全垫；三是挖掘更复杂的另类数据和另类因子，拓宽收益来源；四是将AI等新技术在量化选股领域内快速“工程化”。　　濮元恺也表示，随着国内量化投资的发展逐步从小众走向大众，未来策略创新可能会偏向选股更加灵活，同时中小市值股票的数量占比整体可能会被推高，目前其所在机构也在积极为中小市值量化选股模型做准备。从策略研发方面看，基本面量化和另类数据、机器学习等，可能是研发突破的重点。　　此外，千象资产进一步表示，从该机构当前的研发实践来看，国内量化投资创新呈现更复杂、更精细化的趋势。目前更多的数据应用，其一大关键趋势是“数据的颗粒更精细”，同时机器学习应用更广泛。特别是在今年以来各方聚焦的AI领域，只有通过海量多维的数据训练AI算法，才能从中有逻辑地捕捉优质数据，挖掘市场的真实规律。