财经新闻网消息：
今年以来，A股市场持续震荡，个股极度分化，进一步加大了市场赚钱难度。 作为顶级量化私募的重点研发，选股更加灵活的全市场量化选股策略也交出了今年上半年的成绩单。 整体来看，上半年该战略基本实现了“开门红”。 不过，业内人士建议，投资者应该对该策略的优缺点以及超额收益有理性的认识和合理的预期。 总体而言，在行业竞争加剧和投资者需求日益丰富的背景下，未来量化策略的研发和创新有望在广度和深度上不断拓展。
全市场量化选股策略适应性更强
“今年上半年可以说是顶级量化私募普遍推出全市场量化选股策略后的上半年全面实盘。从行业来看，今年该策略的整体表现轨迹优于中证500指数，增强了策略的表现。” 上海某券商渠道人士告诉中国证券报记者，从投资者角度来看，整个市场对量化选股策略的市场认可度较2022年有所提升。
据第三方机构统计，朝阳可持续监测数据显示，截至6月底，上半年市场主流量化选股私募产品绝对收益率普遍在7%以上，平均为 13%，明显更好。 A股主要股指同期表现。
对于上半年的成绩单，千祥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相对较好。 总体来看，上半年行业轮动频繁，市场环境复杂，大部分全市场量化选股策略的表现优于传统指数增强策略，表现出更好的市场适应性。
念控投资董事长王晓表示，今年上半年，市场上大部分量化选股策略都取得了正收益，为投资者提供了更好的持有体验。 从机构的战略操作来看，3月中旬以后，随着市场波动加剧，行业和热点有序轮动，公司量化选股产品净值迎来一轮良好表现。
此外，蝶威资产研究总监濮元凯进一步强调，今年上半年A股市场整体较2022年有所复苏。相比中证500指数增强策略，全行业中证1000指数强化策略表现更为突出。 市场选股的灵活性优势可以更好地把握市场成长风格的机会。
优点和缺点同样明显
值得注意的是，虽然上半年全市场量化选股策略表现相对较好，但多位一线量化私募受访者也强调，该策略的优劣势较为明显，其策略性优势不宜过分放大或片面化。 给它贴上更高产量的标签。
王潇表示，全市场量化选股策略模式的优点是持仓分散，各个行业都会买入，而且通常仓位都是满的，不会出现空头或押注某个风格或行业的情况。 ，因此会更善于捕捉产业轮动带来的结构性市场。 但该类策略的缺点也不可回避，尤其是在市场风险偏好较低、交投清淡、市场波动性持续下降的环境下，表现可能会相对平淡。
富聚投资首席投资官唐涛表示，全市场量化选股策略主要有两大优势：一是放宽了对行业和市值的约束，可以灵活调整仓位组合风格；二是放宽了对行业和市值的限制，可以灵活调整仓位组合的风格。 其次，赛道容量更大，与主流广基指数的量化指数增强策略相比，竞争程度更低，超额收益来源更丰富。 但总体上存在两个潜在的缺点：一是偏离基准指数的程度放宽，产品净值在某些市场条件下可能会出现较大的波动和回撤； 其次，不同基金产品的业绩可能出现分化，头尾产品的业绩差距往往较大。
此外，千祥资产认为，全市场量化选股策略的优势在于放宽了后端选股的约束，使得超额收购的来源更加多元化，从长远来看，获得的可能性更大。超额收益越高，越大。 另外，由于后端行业和风格的约束更广泛，理论上对不同市场环境的适应性会更高。 从缺点来看，该策略最突出的缺点是，长期来看，超额收益的波动性会更大，策略风格会显得更加激进。
战略创新仍有空间
从聚焦中证500指数增强策略的竞争，到各个策略赛道的竞争，去年以来，头部量化私募在量化策略的创新上进行了更多的研发。 在量化指数增强策略的超额收益可能逐渐下降的背景下，目前国内量化投资策略的研发正在酝酿更多的创新。 整体来看，针对投资者不同投资需求的策略线进一步丰富。 如何拓宽收入来源，进行精细化量化模型研发成为业界关注的焦点。
王晓表示，目前国内量化策略的创新呈现出二维创新趋势，即从客户风险偏好（高波动性和低波动性）和产品配置要求（加强对不同指数的对标）两个维度进行创新。 。 未来，随着投资者对量化策略认识的加深以及金融衍生品的不断推出，量化策略的发展可能会逐渐演化为多维度的三维创新。
唐涛认为，量化投资策略的创新总体呈现四个趋势。 一是在整体投资方面逐步放宽指数偏差、行业权重、市值的限制； 二是利用衍生品结构改变收益风险曲线，获得资产回撤的安全缓冲； 三是挖掘更复杂的另类数据和另类因素，拓宽收入来源； 四是在量化选股领域快速“工程”人工智能（AI）等新技术。
蒲元凯还表示，随着国内量化投资逐渐从小众走向大众，未来的战略创新可能会偏向于更灵活的选股，中小市值股票的整体占比可能会被推高。 目前，他的机构正在积极量化中小市值。 选股模型准备。
千祥资产进一步指出，从机构目前的研发实践来看，当前国内量化投资创新正呈现出更加复杂化、精细化的趋势。 目前，更多的数据应用，关键趋势之一是“数据更细粒度”，而机器学习的应用也更广泛。 尤其是今年各方关注的人工智能领域，只有用海量多维数据训练人工智能算法，才能逻辑捕捉高质量数据，挖掘市场真实规律。
免责声明 ① 本网所刊登文章均来自网络转载;文章观点不代表本网立场,其真实性由作者或稿源方负责 ② 如果您对稿件和图片等有版权及其他争议,请及时与我们联系,我们将核实情况后进行相关删除 ③ 联系邮箱:215858170@qq.com
Copyright © 2017-2018