量化策略的收益来源与分类 - 主流指增策略赚取Beta+Alpha收益，通过复制市场指数成分股并留出部分仓位增强[6] - 市场中性策略通过做空等值股指期货对冲掉市场Beta，旨在获取纯Alpha收益[6] - 量化择时策略通过模型算法调整仓位获取择时Alpha，有时会叠加股指CTA操作，属于复合策略[8] - 全市场选股策略不明确特定Beta，针对全市场选股增强，可理解为相对于万得全A的指数增强[17] 量化策略的基准选择与表现 - 量化策略主战场在中小盘区域，因股票数量多、主观覆盖不足，存在更多错误定价机会和小市值溢价[9] - 过去5年，小微盘指数年化收益整体较好，部分源于指数编制特点带来的收益增强[12] - 过去5年，平均市值越小的指数波动越大，大盘和微盘指数都曾经历约40%的最大回撤[12] - 从2022年初市场高点持有主流指增策略，经历周期后，指增策略在不同Beta上均有显著超额，且Beta平均市值越小越易做出超额[13] - 指增策略年化波动和最大回撤普遍在20%附近，相比基准指数约40%的最大回撤，持有体验明显更好[14] 量化策略的有效与失灵环境 - 量化策略擅长高波动、高离散、流动性充沛、可选股票数量多的市场环境，这提供了更多捕捉错误定价的机会[18] - 策略同质化拥挤是量化的逆境之一，大量策略争抢相同信号会压缩超额空间，高度一致的持仓可能引发剧烈回撤，如2023年微盘风格共识导致2024年初的踩踏[19] - 陌生风格的极致演绎（如2017年大盘白马行情）可能导致基于历史数据的模型暂时失效[21] - 量化管理人需持续迭代模型以应对不断变化的市场，策略的韧性体现在至暗时刻后，若捕捉Alpha的内核成立，通常能随Beta回升和Alpha累积完成更快修复[23] 量化股票策略在组合配置中的意义 - 量化股多策略提供与主观股多策略本质上不同的收益风险来源，实现真正的分散配置[27] - 主观股多依赖深度研究赚认知差，量化股多依赖统计规律赚规律验证钱，两者底层逻辑互不依赖，表现呈现错位[27] - 根据2022年3月31日至2025年3月31日数据，量化股多与主观股多的相关性为0.71，与市场中性策略相关性为0.50，与债券策略相关性为0.38[28] - 在进攻性组合中，量化股多可作为“更可追踪、更可解释”的进攻仓位；在均衡配置中可补足锐度[28] - 多策略组合通过不同策略的互补与接力应对市场不确定性，避免单一方法论周期性失效，例如在2024年“924行情”前后不同策略的接力表现[29][31]