
量化多种策略受关注 发展核心在研发
近年市场和行情的变化,给量化投资团队带来了巨大的挑战。不少量化私募顺应市场做出调整,从加强风险控制、优化升级策略、开发新策略等角度进行探索。私募表示量化投资最核心竞争力是研发能力,也能最直接地体现在业绩上。
面对波动和风险明显放大的市场,不少私募大力推进相对价值策略和指数增强策略产品。双隆投资总经理马俊告诉记者,相对价值策略回撤小,指数增强策略带有一定杠杆,有望在当前市场环境下取得较好收益。
短周期产品也是量化私募的一个方向。凯纳资本合伙人陈曦介绍,去年做得好的量化私募都会用到T+0策略,结合底仓,把期货的高频策略转到股票的高频策略上。
申毅投资董事长申毅则主要关注量化选股。“如果市场环境没有重大变化,对冲工具没有重大发展,量化选股肯定是以后主要的方向。因为量化选股不管在什么市场环境下都能活下来。”申毅认为,如果说将来量化行业能在规模上取得突破,量化选股最具潜力。
CTA策略也在被不断地优化。淘利资产董事长兼首席投资总监肖辉表示,CTA策略出现了新的演化,在传统的趋势策略基础上进行拓展。“目前的多因子策略不仅包含量价等技术面因子,还有基本面因子,通过多因子体系、多周期、多品种,对策略的稳定性有非常大的帮助。“易善资产也表示在对CTA策略模型本身、风控手段进行优化,已在经典模型的基础上研发出了一套完整的监控体系。
除了传统的股票和商品期货策略外,不少私募还在开发期权市场、非线性等相关策略。肖辉告诉记者,产品创新主要集中在高频、机器学习Alpha策略等方面,期权相关策略等都有不错的收益表现。马俊表示将更多地向以机器学习为代表的非线性策略方向发展。“无论是CTA还是股票多因子类别策略,当前都还停留在线性阶段,在多个维度都面临激烈的竞争。想要胜出就需要在更高更多的维度上保有优势,尤其是在配置能力上的优势。”易善资产表示在积极开发期权市场的相关策略。
量化投资虽然近年来在国内得到了一定的发展,但仍存在不少问题。易善资产表示,对于零售客户来说,量化投资仍存在接受度上的差异。马俊表示,目前国内量化主要的问题在于模型过拟合风险较大,而且策略的同质化严重。
量化行业要出现真正的大爆发,陈曦认为还需要资金和衍生品的配合。“量化私募要发展需要几方面的支持,比如股指期货、衍生品要放开、资金面的推动等。到那时,有核心竞争力、有优势的公司会形成头部效应。在海外也是如此,最终会是市场上前10大的公司垄断一半以上的市场份额,强者恒强。”
而在千象资产创始合伙人陈斌看来,核心竞争力是内部的研发能力。“在量化这样的高科技投资领域,最核心的竞争力是内部的研发能力,也最能直接体现在产品业绩上。除了不断地完善现有策略的丰富度和全面性,在策略的创新性和持续性上也需要投入更多的资源。在行业强监管和私募优胜劣汰的进程中,继续加强研发能力不仅是各家私募的生存之本,更是制胜法宝。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16