在投资过程中我一直在想，有没有那种能蹭上时代、制度、客观环境的红利，躺着就能把钱赚到的机会。
就像吴军在他的《浪潮之巅》中说的那样，一个人最幸运的成功或许就是站在了浪潮之巅，这样就可以轻松的顺着海浪的势自动前行，比单纯的埋头苦干效率高上千百倍。就像过去几十年的房地产、互联网行业，如果早早的就搭上了这波时代的浪潮，就可以减少很多年的辛苦。
资本市场是否存在这样的机会呢?一直以来，我深知国内股票市场由于散户占比过多而导致的“无效性”，相比于很多成熟的资本市场这是国内独有的，这部分“无效性”可以为投资提供不少“阿尔法收益”。
但是苦于没有直接利用的工具，我也只能践行在股市低估时越跌越买的策略，算是间接利用了市场的无效性。不过随着最近投资视野逐渐放开，有一个能够主动利用市场无效性赚钱的金融产品进入了我的视野，他就是今天文章的主题“私募量化基金”。
最初我是被这样一只产品震撼到的。
这只产品从2018下半年成立以来，累计收益82%，同期沪深300指数上涨34%。单纯看收益可能没有达到令人惊艳的地步，但是在已经提供令人足够满意的收益的基础上，这只基金的风险控制能力让我叹为观止。
这只基金成立的2年内最大回撤，也就是最大的下跌幅度仅为4.1%。也就是说买入这只产品持有过程中，你所面临的最大的浮亏最多只有-4%。而同期沪深300指数最多下跌了14.4%。
看2年的时间可能缺少戏剧性，大家一定还记得春节后的第一个交易日，受新冠疫情的影响，两市几千只股票跌停，大盘下跌超过8%，而这只基金只下跌了0.08%。不仅如此，就在这一周，这只基金在大盘累计下跌3%的背景下，还录得1.2%的涨幅。
单纯从最大回撤的角度来看，这只基金与债券型基金类似，其实有很多债券型基金的最大回撤也远超过4%。而就是这样一只具有债券风险特征的基金，却提供了股票的收益。究竟是怎么做到的呢？
普通投资者平时投资的时候几乎都是纯多头的，也就是单纯的的持有股票，很少采用卖空股指期货的方式对冲。这样的结果就是：我们手中的投资表现与市场整体的涨跌有很大的关系。市场上涨，我们的投资也会上涨，市场下跌，我们的投资也下跌。
而之前在这篇文章：不亏损、收益还高，有了这只基金，还要什么银行理财？为大家介绍过这样一只绝对收益基金。别看他持有50%仓位的股票，但是他的风险特征与股票市场整体走势没有一点关系。因为他通过做空股指期货，对冲掉了市场波动带来的影响。也就是全市场一起上涨、下跌的那部分收益、亏损，全部被相反的股指期货头寸完全对冲掉了。
全市场上涨时，做空的股指期货那部分头寸就下跌，反之亦然。这样将整个市场波动的风险都剥离了，只留下了个股他自己独有的“α收益”，也就是不受市场整体影响的那部分涨跌。
风险被剥离了，代价也是惨痛的，市场上涨时，绝对收益基金则享受不到市场整体上涨带来的收益。
大家看上图中蓝色线代表沪深300指数走势，暂且用它代表市场整体的涨跌，投资它获得的收益因为是市场整体的涨跌，这个就是“β收益”。
而灰色的线则是采取绝对收益策略的基金的走势，他对冲掉了市场的波动，因此净值宛如一条直线，几乎没有任何波动。当然代价就是他牺牲了市场整体上涨的收益，涨幅不太大。
而橙色线也就是上述提到的基金采取的是“股票多空”策略。他是“纯多头策略”与“绝对收益策略”之间的折中。策略的理念很好理解，就是在认为市场要下跌时，增加组合的对冲头寸，对冲掉下跌的风险，而在认为市场不会下跌的时候，降低组合的对冲头寸，从而享受到市场整体上涨的收益。
例如，在2020年春节前的最后一个交易日，基金的模型识别出后续有下跌风险，因此大幅增加了做空股指期货的头寸，从而避免了2月3日开盘的大跌。
这个策略的理念简直彻头彻尾俘获了我，毕竟投资者不可能一点波动也承受不了，如果只为降低波动而牺牲了市场整体上涨时的涨幅，有点可惜；但是如果波动太大投资人又无法安心持有，那么做个折中岂不是很好。
以下就是这三种策略的投资逻辑。
策略介绍完了，但是这套策略是通过何种手段实现的呢？他如何识别出市场的涨跌趋势从而为调整组合提供依据呢？这个问题的答案隐藏在这类基金当中“量化”两字。
我们购买的传统意义上的基金，都是基金经理主观判断作出的投资决策，即便依靠的是客观的数据、事实，最终也是基金经理结合这些数据加以分析主观作出的决策。
量化基金则是将你能想象到的所有能为投资决策提供依据的海量历史数据输入模型，并通过数理统计分析等方法，找到这些数据与股价之间的关系来指导投资，并借助计算机实现交易的程序化。
说白了他们就是寻找历史当中能够推动股价上涨的规律，并找到那些持续且非随机的规律，从而利用这些规律来指导未来的投资。现在行业已经发展到利用人工智能，机器深度学习来让计算机自己寻找行之有效的规律模式。
其实想来我们平时做投资也是一样的，抛开规律的有效性不提，技术流派中那些信奉出现怎样K线搭配组合就预示着股价要上涨的，基本面流派中认为宏观经济指标回暖，企业生产经营向好会推动股价上涨的，其实都在应用规律。
不过为什么说量化基金现在是躺着赚钱的时代呢？机器真的就比人类主观投资来的香么？
我所说的量化基金躺着赚的钱，与人类主动投资选股赚取的不是一类钱。
量化基金收益的来源中，很大一部分是通过挖掘市场“无效性”来赚取超额收益的。
国内股票交易中散户占比高，导致的市场的“有效性”差，散户在交易过程中更容易受到情绪上的影响，他们在交易过程中不知不觉就提供了一些被“割”的机会。而他们还非常喜欢短线交易，频繁的操作就提供了更多被“割”的机会。
举一个最简单的例子，国内股市超跌反弹的现象非常明显。我统计了历史以来所有大盘出现4%以上跌幅的日子共有151个交易日，发现这当中有100次下一交易日都是上涨的，胜率高达66%。
如果我们用1元钱，从第一次出现大盘下跌4%以上时，按照收盘价买入，在次一交易日按照收盘涨幅卖出，执行完这151次操作后，初始投资的1元变成了1.44元。
这44%的收益就是散户对信息过度反应的非理性，从而导致的市场“无效性”白送的。当然如果能通过某些辅助指标，将第一个交易下跌4%，此一个交易日继续暴跌的情况剔除（例如2015年频发的情况，图中曲线快速下降的阶段就是2015年连续两日均暴跌导致的），超额收益会更高。
我随便一想都能发现这样的规律，专业的量化基金经理们每天在分析海量的数据，会发现更多胜率更高的规律。因为国内股票市场散户占比更高，这样的机会非常多。引述一位量化基金经理的话“国内因为市场无效性提供的交易机会简直就是一片蓝海”
大家可以发现很多私募量化基金近几年都能提供超过市场20%-30%的涨幅，而且持续性非常好。
市场的无效性给量化基金提供了躺着赚钱的环境，量化基金行业规模的大小，则是限制这部分利润持续性的重要因素。
就拿上述我提到的超跌反弹策略来说，一旦有投资者发现这一规律的有效性，就会采取超跌日收盘时买入、次一日卖出的策略。如果非常多的人都采取这一策略，大家都在超跌日买入，本该超跌的交易日跌幅会减少。在次日上涨时卖出，本该上涨的次日涨幅会缩小，直到策略失效。
所以如果当量化基金的规模非常大，大到发现了市场中所有的无效性，那么这个市场就会变的“有效”起来了。也就没有躺着赚钱的机会了。
然而可喜的是，国内的量化基金仍处于起步发展阶段。剔除2017年之前几年的萌芽期，国内量化基金步入正轨也只有3-4年的时间。目前量化基金的市场规模在2000亿元左右，相较于A股接近60万亿的市值还有很大的发展空间。
这一点在美国有很好的体现。其实量化基金也是舶来品，在美国已经有近60年的历史。在美国量化基金发展初期，也属于躺着赚钱的时代，每年跑赢市场30%都不是梦。但是机构投资者越来越多，市场越来越有效，目前量化基金躺着赚钱的时代一去不复返，这也是为什么对冲基金经理与巴菲特打赌输了的原因。
这一点也告诉我们，我们的投资策略要依据市场的特点而定。美国市场就是一个“β收益”明显的市场，投资大盘指数基金就能获得丰厚的投资回报。而国内A股目前仍熊长牛短，是一个“α收益”明显的市场，那么我们投资策略中聚焦于收割“α收益”的产品就不能缺少。
不过这种机会可能越来越少了，从下图大家可以看到，虽然个人投资者在A股仍占大多数，但是比重已经逐渐下降了，相信在不远的未来，当机构投资者成为主流，这种机会就消失不见了。这就是我所说的时代红利，大家且赚且珍惜吧。
那么为什么我说的是私募量化基金，而没有提公募呢？
大家看下图，同样采取量化策略的中证500指数增强基金近三年的收益表现。
公募基金中所有的中证500指数增强型基金，表现最好的是申万菱信的中证500优选增强，2018年-2020年分别较中证500指数有8%、24%、8%的超额收益。但是我挑选的一只私募量化中证500增强近三年相较中证500指数的超额收益高达20%、58%、26%，即便扣除20%的给管理人的业绩提成，也秒杀了公募基金的回报。
这个现象是由两个方面原因导致的。一是私募量化基金经理更有动力优化投资模型，因为他们可以从赚取利润中提取20%的业绩报酬，就有动力持续更新、优化投资模型，挖掘新的规律（学术上叫“因子”）。因为一个因子被越来越多人知道后逐渐就会失效，所以基金经理们必须马不停蹄的寻找新的“因子”。
而公募基金经理没有业绩提成，赚多少都跟他没有太大关系，投入的精力可能就是工作上班的那段时间，私募基金经理可能没日没夜都在研究，毕竟直接影响自己的收入。
二是私募基金有100万的投资门槛，这个门槛其实把很多人拦在了门外，这样基金的规模不会变的特别大，策略有效的时间就可以持续相对更久。而公募基金买入没有门槛，大家发现赚钱效应以后一窝蜂都买入，就导致原来赚钱的模型失效了。我对有钱人越来越有钱的理解进一步加深了。
其实量化基金模型失效还是很常见的，所以就对管理人的投研能力提出了很高的要求，他们是否能够保持模型的不断更新迭代，挖掘新的因子。从这个角度，规模更大、研究团队更多的管理人可能更值得信赖。
联系客服
