近期，关于量化交易的讨论成为资本市场的热门话题。 9月13日，记者从业内获得的最新业绩数据显示，并非所有量化交易基金都获得了暴利。 不少量化基金仍遭受大幅亏损，业绩首末差异巨大。 量化交易似乎并不能让每一个入市的人都满载而归。

业内人士认为，量化交易模型的构建是否适应当前市场环境以及量化交易背后的技术和人才支撑是不同量化交易机构业绩差距的重要原因。

业绩差距巨大

量化交易在网络上被贴上“容易赚钱”的标签。 量化交易真的有那么“好吗”？

中国证券报记者从业内相关数据监测机构获得的最新数据显示，并非所有量化交易下的基金都取得了巨大的业绩，不少量化基金甚至遭受了重大损失。 第一支与最后一支量化交易基金最大业绩差距超过190个百分点。 。

以量化私募基金为例，私募排行网最新数据显示，截至9月8日（私募基金数据更新相对滞后），市场上已有超过1400只私募量化多头股票策略基金。 其中，业绩最好的基金今年回报率超过150%，而业绩最差的基金则亏损超过40%，首尾业绩差距超过190个百分点。 两只基金所属公司均为规模在5亿元以下的私募股权公司。 量化CTA基金在期货和衍生品策略下的表现自始至终也有很大差异。 今年表现最好的基金涨幅超过80%，而表现最差的基金则亏损超过80%。 前者所持基金公司规模在20亿元至50亿元之间，后者所持基金公司规模不超过5亿元。

公募行业量化基金业绩差距较小。 如果基金名称中含有“量化”二字，则定义为公募量化基金。 数据显示，截至9月14日，公募量化基金（主码口径）已超过200只。 其中，今年业绩回报最高的是银华全球新能源汽车量化精选，盈利超过15%； 业绩回报最低的是东吴安祥量化，亏损超过30%。 两者之间的差距接近50个百分点。

业内人士认为，与私募量化相比，公募量化交易操作相对有限，多为中低频，可用的对冲工具相对较少。 第一支和最后一支基金的业绩差距比私募更小，可能与此有关。 量化私募业绩差距较大，不排除私募产品和杠杆的影响。

定量模型是关键

中国证券报记者在采访中发现，量化模型及其背后的技术和人才支撑可能是拉大不同量化机构业绩差距的关键因素。

从事量化交易十余年的基金经理林能（化名）认为，不同量化交易机构的主要区别在于alpha选股模型的构建。 选股模型一般是基于数百个底层因素的综合评分模型。 关键的任务是如何用系统、科学的赋权方法对因素进行加权，使模型在尽可能多的市场环境中表现更好。 量化交易模型并不是一成不变的，而是需要不断优化。

业内人士表示，该模型的关键因素及其权重构建可谓量化盈利的重大“商业秘密”。 因此，大多数优质量化私募机构通常都会对模型设置保密。

量化交易模型一般包括选股模型、风险模型、交易模型。 常见的模型因子包括分析师共识预期因子、市值因子、事件因子、基本面因子等，涵盖选股、买卖、回撤控制等投资操作。 包含基本面、新闻、技术面等多个方面的分析。 与个人主观投资相比，量化交易几乎“面面俱到”，加上受情绪干扰较小的优势，使得量化交易广泛流行。

除了模型设置之外，有量化人士认为，市场环境与量化模型的匹配也是不同量化基金业绩差异较大的重要原因。

具有量化基金管理经验的基金经理陈进（化名）表示，以反转因素为例，早些年这个因素在市场上比较有效，但在近几年的“势头”市场下，逆转因子 该模型显然失败了。 某量化私募机构总裁赵乐（化名）认为，量化投资中的各种因素会在不同阶段发挥主导作用。 在某一阶段优势突出的因素并不意味着也适用于其他市场情况。 多策略系统将是量化投资未来的发展趋势之一。

技术与人才构筑双重壁垒

如果说拥有适应市场的量化模型是量化交易机构的核心竞争壁垒，那么技术和人才则是拉大不同量化机构业绩差距的第二个竞争壁垒。

量化交易背后的技术力量博弈，已经成为众多量化机构的战场。 以私募基金为例，市场上量化私募基金与科技公司配对的现象相当普遍。 许多私募股权基金经理同时也是科技公司的负责人。 各类技术人才的招聘也成为量化机构的一大亮点。 不少机构纷纷提出高薪招聘相关人才。 此前，曾出现过量化开发实习生年薪超过百万元的案例，且量化私募招聘薪资没有上限。 “措施。

业内人士表示，技术和人才的支持在量化交易中发挥着“如虎添翼”的作用。 尤其是对于一些秒级操作的量化交易机构来说，量化系统背后的技术支撑能否跟上，将极大影响投资效率。 随着技术迭代不断加速，能够率先构建自身技术和人才优势的组织将引领行业。

但打造这样的优势需要技术硬件、软件等多方面的支持，成本相对较高。 并不是所有的量化交易机构都能承受。 因此，有很多依赖外部技术力量的量化机构。 据了解，目前量化系统主要有基金公司自研系统、嵌入式券商系统、采用第三方技术公司的系统等。

一家科技公司负责人告诉记者，他的公司主要为投资客户提供人工智能交易服务，比如价格预测、反向交易策略生成等。 他认为当前的量化交易正在迎来AI时代。 以往的数据研究、因子挖掘与构建、模型回测等都将被AI+算力所取代，可以用更少的成本和时间实现更大的价值，也可以用来增强现有的量化策略。 AI甚至可以实现自营账户的全程托管，或者开启量化交易的新时代。

搜虎网转载此文目的在于传递更多信息，不代表本网的观点和立场。文章内容仅供参考，不构成投资建议。投资者据此操作，风险自担。