私募量化对冲：百舸争流，高频当道

一、量化对冲多因子模型构建原理

对于主流的量化对冲策略，其核心在于多因子选股模型，包括基本面因子及价量因子两大类。其最本质的目标是挖掘出能够有效区分个股的因子，使得因子值对于个股未来的未来收益有一定的预测能力。当前市场的风格轮动速度较快，不确定性在增加，且影响个股表现的因子众多，如何构建适应市场变化的因子组合，筛选出大概率获得正Alpha收益的股票组合，也是一个挑战。多因子模型主要分为数据处理、因子挖掘、单因子有效性检验、因子筛选、因子组合和组合优化等标准化流程。

图 1：多因子选股策略流程图

资料来源：华泰证券金融产品部

1、数据处理

因子的数据源主要分为基本面、价量和舆情数据三部分，其中基本面主要包括公司估值、盈利、成长、资本结构等方面数据；价量在之前以日频为主，目前高频Alpha策略已采用日内数据；舆情数据主要包括微信公众号、雪球、股吧论坛等一类非标准数据。由于因子数据源的多样性，在数据处理方面首先要将各类因子值进行标准化处理，一般都是计算各类因子的Z-Score得分，在数据处理过程中需要注意的问题是异常值的处理，异常值处理不好会对Z-Score得分造成影响，进而影响该因子在整个多因子模型中的贡献。

2、因子挖掘与有效性检验

基本面因子挖掘主要采用先人为寻找具备经济学和行为金融逻辑的因子，然后再进行数据检验的方式。随着越来越多的因子被开发出来，如何寻找更多的低相关性因子成为一个挑战，因此众多的私募管理人采用机器学习等算法挖掘因子，此方法的优势是因子产出高，劣势是无法保证新开发出的因子与已开发因子保持低相关性，且此类方法挖掘出的因子其背后的逻辑很难解释，因此因子的有效性持续时间可能较短。

除因子挖掘外，单因子的有效性检验也是构建股票组合之前必不可少的一个环节，主要包括分组检验法、截面显著性检验和IC检验三个方法相辅相成。通过因子收益序列绝对值均值和方差，可以将所有的因子分为Alpha因子、风险因子、Alpha及风险双属性因子以及低效因子四类。其中Alpha因子可以用来选股，且可以获得稳定且显著的超额收益；Alpha及风险双属性因子的收益也比较显著，但是稳定性不佳，需要投资者自己来选择中性化还是主动暴露该类因子，这类因子中比较典型的就是市值因子；低效因子在投资中使用价值不大；风险因子需要在投资过程中将其中性化或者进行一定控制来抵御相关风险。

3、因子筛选、因子组合构建与组合优化

因子筛选是指将相关性较低的因子和新增因子的增量部分做分步显著性检验，来将因子包含的有效信息筛选出来。因子筛选后，下一步是比较重要的因子组合环节。通用做法有两种：大类因子的等权合成、最大化合成因子的IC_IR值来确定权重。此外，也有很多私募管理人采用机器学习自适应合成和资产配置得方法来配置因子，形成因子组合。组合优化是一个最优化问题，比较重要的是风险因子设定、约束条件设定及预期收益率的确定。

二、量化对冲策略收益来源分析

1、Alpha收益

多因子选股策略可分为基本面因子为主的低频策略、基本面与价量因子相结合的中高频策略以及价量因子为主的高频策略，策略构建上传统Barra模型框架下因子组合方式是线性的，而高频策略在因子挖掘和组合采用非线性算法。当前私募量化对冲产品主流的选股模型以价量因子为主，且会辅以T0和算法交易来增强收益，因此其换手率普遍较高，收益率好于公募量化对冲产品。

基本面因子的超额收益主要源自低估股票的估值回复、企业优良的盈利能力及基本面成长等带来的收益。价量因子的超额收益本质上来讲，是源自市场的非有效性，有的公司做日内或日间的统计套利交易，还有部分公司通过研究行为金融理论来进行交易，其核心逻辑为行为金融学中市场的行为偏离。

2、期货升贴水损益

长期的负基差会抵消较多选股端的Alpha收益，相反升水也有助于进一步增厚量化对冲产品的收益。基差影响该类产品收益的原理为：量化对冲策略在建立股票组合的同时，需开对应的股指期货空单来对冲Beta风险；股指期货合约在到期日会收敛于现货指数，若其长时间深度贴水，合约到期时开的空单需要以较开仓时更高的价格平仓，这样“高买低卖”的操作就造成了对冲端的亏损。当贴水逐渐改善，对冲端亏损逐步下降，产品收益将得到改善。值得注意的是，短期基差急速收敛可能造成短期回撤。股指期货2015年9月受限后大幅贴水，受其影响量化对冲产品表现欠佳。2016年下半年随着贴水逐步收敛，产品表现明显改善。

图 2：期货升贴水与量化对冲策略表现

资料来源：wind，华泰证券金融产品部

3、其他收益

大部分私募量化对冲产品隔日Beta敞口基本中性，但也有少量会做Beta敞口的择时来增厚收益，Beta敞口是把双刃剑，在牛市中会增厚收益，但在熊市中也会增加亏损，要重点关注管理人择时能力。此外，也会通过打新策略（科创打新）、固收投资，或复合CTA策略等方式来增强收益。

三、私募量化对冲产品表现分析

经历几番洗礼后剩余的管理人实力均较强，创始团队背景有海归派、本土派和学院派等，策略上已基本切换至高频。

图 3：2013年以来量化对冲策略收益表现

资料来源：朝阳永续、华泰证券金融产品部

近期高频量化对冲产品收益走平，成交量萎缩和IC贴水加深是两大重要因素。成交量的萎缩代表着市场上非理性投资者的退场，这可能会造成市场短期定价偏离的交易机会减少；且目前不少高频Alpha管理人规模已翻倍，当成交量总体萎缩，这些管理人的策略可能会存在交易拥挤。同时，IC合约的贴水程度加深也是造成高频Alpha表现较弱的原因之一。

四、量化对冲产品评价要点及适应性研究

1、产品评价要点

私募量化对冲产品规模易受制于策略容量的影响，当前越来越多私募在因子挖掘和因子组合上采用了机器学习算法，其具体的选股策略类似于黑匣子，这就给产品评价带来了较大难度，此类产品评价要点于公司的业绩排名及稳定性、核心投研人员稳定性、策略容量、硬件投入及可持续性等方面。

图 4：量化对冲产品评价要点

资料来源：朝阳永续、华泰证券金融产品部  

2、适应性分析

策略适应性包含两个视角，一是从资产配置角度来看与其他策略表现的对比；二是策略本身所适应的市场环境。

从资产配置角度来看，Alpha量化对冲策略在震荡市和下跌市场中抗风险的能力较好，其在牛市上涨阶段也可以获得一定的正收益，但往往会被股票多头产品所掩盖。量化对冲产品若收益不及固收类产品，其竞争力将会明显下降。

从策略本身所适应市场环境出发，量化对冲产品收益受到Alpha收益和对冲端收益的双重影响。Alpha收益方面，价量型Alpha策略在高波动、高成交量、高换手的市场中表现较好，因为在牛市期间个人投资者交易活跃，市场短期定价偏离的机会也较多；而基本面因子为主的Alpha策略在震荡市、熊市市场、牛市中后期中表现较好，因为在这个阶段公司的基本面对股价的影响较大，值得注意的是，在流动性枯竭、股市全面下跌的熊市末期，价量型Alpha策略和基本面因子为主Alpha策略的收益都会受到影响。

2019年以来以价量因子为主的高频量化对冲的私募管理人规模翻倍增长，涌入了很多热钱，需重点考虑在市场成交量有限情况下，交易拥挤对其收益的影响，因此对策略独特性和持续开发能力的考察变得尤为重要。对于量化对冲策略的私募管理人而言，目前的高频Alpha策略产品的收益可能因为市场流动性不佳、交易拥挤而下降，能否开发新的策略来应对失效情况是其能否维持规模的一个重要因素。

来源：网络

拓展阅读：

配对交易——这个股票策略曾年赚5000万美元

揭开日内回转交易策略做“T+0”的面纱

网格交易法，一个不容易亏钱的投资策略