央广网北京5月25日消息(记者蔡军)据中央广播电视总台经济之声报道，数据显示，量化基金近一年平均收益近40%，在业绩与规模双双爆发的表象之下，策略同质化、超额收益可持续性等也成为投资者深层焦虑所在。量化基金有哪些隐秘风险？经济之声交易实况《基金观察》采访了国泰基金量化投资部总监梁杏。
基金观察：投资者对于量化基金不是特别了解，可能会因为收益确实很好而忽视风险，量化基金一般都有哪些风险？
梁杏：最容易忽视的风险可能就是“量化”两个字——不知道是什么策略，不知道它是靠什么去赚钱的，也不知道能够承载多大的规模，模型什么情况下可能会失效。我归纳有四方面风险：
第一，策略容量风险。规模越大，超额收益就越低，蛋糕就这么多，吃的人多了，能吃到的就少了；人再多一点，可能连蛋糕都吃不着。
第二，风格暴露风险。很多产品靠主动暴露风格赚钱。打个不那么恰当的比方：某基金经理成名，可能是因为在组合里买了非常多的新能源（850101）股票，于是业绩一飞冲天。如果第二年是红利走好，那他此前的风格策略可能就不灵了——在量化里有类似场景，这就是量化风格暴露的问题。
第三，模型失效风险。市场环境变了或市场风格变了，旧因子就会突然失灵，这种情况也很常见。
第四，黑箱和不可解释的风险。机器学习和人工智能（885728）的选股本身学出来什么，没有明确可以解释的内容。丢进去数据、方法论，它学完了之后，吐出来选股的名单。好不好只有做测算后才知道，但等上到实盘过一段时间，也会出现模型失效的可能。但机器学习和大模型、人工智能（885728）都是黑箱，它是自己学出来的，根本不知道问题在哪里，这是可能普遍出现的风险。
基金观察：非量化基金经理的超额收益有来自选股，也有来自择时等，量化基金的超额收益也会来自这些吗？
梁杏：量化基金靠量取胜，靠股票广度取胜，主动基金经理收益来源主要是个股深度的研究和挖掘，是通过主观判断来进行投资，量化基金经理可能做量化择时的模型，然后通过模型的判断取胜。量化模型择时没有100%准确，胜率能到50%至60%就已经非常高了，不能保证每次都对。
所以市场上规模特别大的量化基金没有靠择时取胜的。指数增强量化基本满仓在贝塔里，战胜贝塔方式是阿尔法策略来弥补。如果是牛市，阿尔法、贝塔共振向上。如果是熊市，阿尔法弥补贝塔的下跌。
基金观察：最近AI硬件端涨势较好，机构资金都扎堆买光模块、半导体（881121）等。这里是不是也有很多量化基金，它是基于什么样的逻辑去买？
梁杏：量化基金不是基于行业向好的逻辑，要么是比如模型里纳入成长因子，这几年成长性非常好的有可能被筛选进去。或者动量因子，这些行业持续强势，就大概率会被选进去。还有高频交易的因子，这些行业交易活跃度较好，也会有量化资金进入。
基金观察：前段时间美伊冲突比较剧烈时，不少量化基金回撤幅度也较大，是什么原因？
梁杏：好多指数增强型基金是不择时的，贝塔回撤它也跟着回撤。这时候看它的阿尔法强不强，如果阿尔法短时间失效，这种可能性也有。因为说打就打的战争，要看模型是不是能够学习或预测到，没有办法提前预测就只能先承受短期的回撤，然后模型再重新调整，这个过程中慢慢把阿尔法的损失追回来，这种情况比较普遍。
基金观察：所以有观点说，量化模型都是基于历史规律建模，一旦历史表现失效了，这个模型就会失效。这个风险是不可控的吗？
梁杏：量化模型失效有三种比较典型，一种是风格切换非常快，第二种是缺乏历史样本，模型没办法从过去数据里学习有效应对方式。比如之前英国脱欧事件，没有案例，模型就没有办法学习。第三是因子生命周期（883436）走到衰减阶段，传统量价因子也进入了红海，有效半衰期在缩短。尤其规模大了之后，非常拥挤的情况下，吃蛋糕的人多，分到的蛋糕就变少。
当模型失效后，基金经理有两种办法，一种办法是迭代，但迭代后就一定能追上吗？因为风格变化，刚迭代完可能市场风格又跑了，要考虑迭代后能不能适应市场。第二个办法是，模型本身跑的数据、时间周期（883436）足够，已经学了足够多的东西，短期回撤后会回来。这种情况下，没有什么更好的办法。就是熬过去。
基金观察：假如外部冲击下导致模型失效，有没有可能基金经理大幅减仓，等风暴过去后，再重新加仓投资？
梁杏：不太会，规模大的量化基金很少有择时策略叠加在里面。有择时策略叠加的基金一定是小众的量化产品；规模大的量化基金做的是阿尔法不是贝塔。当然阿尔法可能出现短期回撤，像上半年的美伊冲突，3月3日后不少量化基金出现了短期暴跌，但暴跌了之后，市场慢慢也在平复，在这个过程中，它的阿尔法就会慢慢追回来。
基金观察：规模过大对于量化策略有哪些影响？投资者怎么判断规模临界点在哪里？
梁杏：规模对量化策略的影响，主要是通过三个链条侵蚀超额收益，一是冲击成本上升，二是策略容量触顶，三是边际策略质量下降。
判断临界点看三组信号，其一，超额收益是不是伴随规模扩张持续下滑，规模上去超额收益下来，策略大概率有容量上限。其二，看换手率和交易的滑点，当然交易滑点数据不一定能够拿到，但可以问销售人员要换手率数据，看是不是在显著上升。其三，持仓是不是从小盘阿尔法标的迁移到大盘，因为小盘容量有限，规模上去了就不得不做大盘股（883417）的超额，大盘如果策略比较有效，超额收益就可能下滑，但也有可能会持续稳定。这种相当于策略切换，需要投资者形成新的预期。
但头部量化机构可以通过更大的研发投入去抵消部分规模的负效应。所以规模本身不是原罪，主要还是看策略的容量和团队的能力是不是匹配上。
基金观察：量化私募里推出的指数增强产品中，中证1000（399852）特别多。如果大家做的都是同样的指数，会不会有策略同质化，模型差不多，导致引发一些风险？
梁杏：会的，2024年微盘股（883418）踩踏就是典型案例。策略同质化、多模型共振已经是量化行业最需要防范的系统性风险之一。
大量资金涌入相似多因子，量价策略交易信号就会趋同，一旦市场在某个风格上剧烈反转，同向持仓就会同时调仓造成流动性挤兑。现在更深层次的风险来自AI时代的数据平权和算法开源。另类数据的获取门槛现在比较低，基金都有相似的模型，信号撞车的概率比较大。一家、两家做，是阿尔法，但是100家、1000家做就变成了贝塔，所以头部量化团队比较在乎独家数据。
