部分量化机构已经提前布局降频 量化交易新规7日正式实施。今年4月，沪深北交易所发布《程序化交易管理实施细则》（下称《实施细 则》），对程序化交易报告管理、交易行为管理、信息系统管理、高频交易管理等作出细化规定。 其中，新规重点加强了对高频交易的监管，明确了高频交易认定情形，在报告内容、交易收费、交易监 管等方面提出差异化管理要求等，还对程序化交易可能出现的瞬时申报速率异常、频繁瞬时撤单、频繁 拉抬打压以及短时间大额成交等四类异常交易行为作了进一步细化。 重点加强高频交易监管 程序化交易（俗称"量化交易"）是信息技术进步与资本市场融合发展的产物，在我国市场起步较晚但发 展较快，已成为证券市场重要的交易方式，有助于为市场提供流动性，促进价格发现。 但程序化交易特别是高频交易相对中小投资者存在明显的技术、信息和速度优势，一些时点也存在策略 趋同、交易共振等问题，加大市场波动。 近年来，为促进行业规范发展，监管部门加强了对程序化交易的监管。2024年5月，证监会发布《证券 市场程序化交易管理规定 (试行)》，对程序化交易监管作出总体性、框架性制度安排，并授权交易所细 化业务规则和具体举措。 今年4月，沪深北交易所同步 ...

程序化交易监管新规实施 - 沪深北交易所程序化交易管理实施细则正式施行 推动量化行业向更规范高效方向发展 [1] - 监管全面细化 明确四类异常交易行为构成要件 包括瞬时申报速率异常 频繁瞬时撤单 频繁拉抬打压 短时间大额成交 [1] - 高频交易认定标准为单账户每秒申报撤单合计300笔以上 或全日申报撤单合计20000笔以上 [1] 高频交易差异化监管 - 对高频交易实施差异化监管安排 包括额外报告要求 从严管理异常交易行为 实行差异化收费标准 [1] - 量化私募已从交易模型 风控管理 合规培训等多方面改进 调整因子参数 控制最大买卖量 [1] - 执行24小时实时预警及人工监督 重点加强盘中实时监测 严格监控每日交易笔数避免触发异常 [1] 行业整改现状 - 国内大中型量化私募普遍完成整改 头部机构设立专人专岗进行管理评估确保合规 [2] - 依赖极高报撤单频率的策略产品被大幅调整或淘汰 截至去年6月末全市场高频交易账户1600余个 年内下降超20% [2] - 触及异常交易监控标准的行为过去3个月下降近60% 截至今年6月底高频策略产品已难觅踪迹 [2] 监管长期影响 - 新规细化算法 交易频率 风控指标要求 有助于遏制非理性交易行为 压缩灰色空间 [2] - 头部机构更有能力快速适应监管变化 推动良性竞争 [2] - 长期有助于行业完成"挤水分""清风险" 促进健康发展 [2]

程序化交易新规实施影响分析 - 《程序化交易管理实施细则》正式实施 推动量化行业从"速度竞争"转向"深度竞争" [1] - 新规主要针对不规范高频交易行为 对量化投资核心逻辑影响有限 [1][3] - 业内已做好设备和系统适配 总体影响不大 [3] 高频交易监管标准 - 高频交易认定标准：单账户每秒申报/撤单300笔以上 单日累计2万笔以上 [3] - 标准从2023年9月首次提出 已有一年多过渡期 [3] - 大机构阿尔法策略换手率普遍不高 年化换手率200倍以上策略占比很低 [3] 量化行业降频趋势 - 全行业平均频率适度下移 中高频策略仍是阿尔法核心来源 [3] - 高频因子受限 中低频量价因子重要性显著提升 [5] - 部分高频交易资金将向中低频迁移 [5] 行业竞争格局变化 - 新规加速行业优胜劣汰 依赖极高报撤单策略的机构面临挑战 [7] - 头部机构优势明显 但"小而美"团队仍可凭垂直领域创新突围 [7] - 行业集中度将进一步提升 [8] 策略转型方向 - 策略多样化成为趋势 "高频+中频+低频"组合将更普遍 [8] - 需要持续优化交易算法 构建更多样化低相关性策略组合 [8] - 深耕特色策略 提升有效性和差异化水平成为中小机构核心任务 [9][10] 量化行业发展展望 - 国内量化管理规模将持续扩大 但超额收益将随规模增长下行 [10] - 衍生品丰富将带来策略类型多样化 缓解同质化问题 [10] - 行业难以形成真正寡头垄断 大小机构将并存发展 [10]

量化新规市场影响分析 - 市场谣言澄清：A股尾盘跳水与7月7日生效的量化新规无关，相关细则已于2024年6月征求意见并于4月正式发布，市场预期充分[2] - 高频交易频率限制谣言被驳斥：所谓"从每秒299次降至30次"被多家机构称为无稽之谈，业内反对将量化与高频交易划等号[3] 高频交易监管细则 - 高频交易定义标准：单个账户每秒申报/撤单≥300笔或单日≥20000笔[9] - 差异化管理要求：交易所可在报告、收费、监管等方面对高频交易实施差异化管理，但具体收费机制尚未完全落定[6] - 机构合规调整：头部量化机构已主动将交易频次调整至监管标准以下，大型机构受影响程度可控[6][7] 量化策略转型趋势 - 降频成为行业关键词：政策引导叠加策略容量限制，机构逐步转向中低频策略[10] - 中低频策略优势：容量大（百亿私募称其贡献超80%超额收益）、多样性强、收益来源广，成为A股量化增长主赛道[11] - 策略转型驱动因素：高频策略获利空间受压缩，另类数据增加推动中低频信号稳定性提升[11] 量化投资本质澄清 - 量化不等于高频交易：程序化执行工具（如VWAP策略）本质是提升交易效率的风险管理手段[11] - 长期价值投资应用：股票回报预测模型可将价值投资理念转化为系统化框架，促进资本市场理性定价[11] 新规实施准备情况 - 行业提前适应：量化机构自2023年起已多次自查，新规对市场实际影响有限[4] - 规模影响分化：单产品规模决定受影响程度，小型产品基本无影响，大型机构通过调整可满足监管要求[7]

时代背景与技术演进 - 全球正处于技术演进与制度转型交汇的关键时点，生成式AI为代表的新技术浪潮正在改变各行各业，为长期价值投资提供新工具[1] - AI正从提升多步推理能力（L2）向具备"感知—计划—执行"闭环能力的AI Agent（L3）发展，2025年被称为"AI Agent元年"[2] - 海外市场AI辅助研究已成为主流，对冲基金采用大模型优化投研流程，共同基金和财富管理机构应用生成式AI于投资摘要、会议纪要等环节[4] 政策导向与市场结构 - 新"国九条"及配套政策体系引导长期资金入市、倡导价值投资、规范程序化交易，管理险资、社保等机构更看重低费率、容量大、结构透明的投资工具[4] - 国家推动科技金融、绿色金融、普惠金融、养老金融、数字金融"五篇大文章"，金融资源配置向五大重点领域倾斜[4] - A股市场信息披露、监管执法和投资者结构持续优化，逐步形成基本面主导、"优胜劣汰"的市场机制[5] 量化投资的作用与定位 - 量化交易在市场中承担"润滑剂"与"稳定器"双重角色，为市场提供流动性和价格发现机制，增强市场结构韧性[6] - 通过机器学习将股票从稀疏高维空间嵌入致密低维空间，利用注意力机制构建图网络，增强整体系统稳定性与韧性[7] - 本土量化行业已建立稳定技术积累、较强研究能力和良好合规文化，面临技术加速发展与制度优化的窗口期[5] 智慧选股（Smart Beta）策略 - 智慧选股策略聚焦服务长期机构资金，强调工具化定位，构建可理解、可复制、可评估的配置工具[10] - 策略以AI为驱动、基本面为核心，回归价值投资本源，容量大、换手低、费率合理，支持机构投资者长期配置[10][11] - 旨在实现"普惠化"目标，接近"长期满仓、长期持有"的理想状态，兼顾商业可持续性与合规性[11] AI研究与技术实践 - 行业AI研究分为基于兴趣驱动的学术性研究和更具挑战性的工业级研发，后者需要长周期、重投入[12] - AI时代机遇分为以应用为导向的现实机会和面向未来的基础能力探索，后者涉及对AI推理能力、通用性等的理解[13] - 公司设立人工智能实验室WILL，开展工业级研发探索AI能力上限，源于量化机构具备组织基础和工程文化[14] 行业展望与结语 - 技术突破、人才流动、思想融合为新一轮发展积蓄动能，人类正以前所未有的方式在科技树上攀登[16] - 行业应积极参与技术革命与产业变革，共建行业，不做伟大时代的旁观者[17] - 真正值得投入的事业以长期信念和实践为依托，不以短期确定性为前提[16]

时代背景与技术演进 - AI技术正从提升多步推理能力（L2）向具备"感知—计划—执行"闭环能力的AI Agent（L3）发展，2025年被称为"AI Agent元年"，AI正从工具演变为自主执行复杂任务的参与者[4] - 海外市场AI辅助研究已成为主流，对冲基金采用大模型优化投研流程，共同基金和财富管理机构将生成式AI应用于投资摘要、会议纪要等环节，AI角色从工具向资管流程基础设施演变[5] - 国家政策强化长期导向，新"国九条"及"1+N"配套政策引导长期资金入市、倡导价值投资，管理险资、社保等机构更看重低费率、容量大、结构透明的投资工具，指数化投资获新发展机会[5] 市场结构与量化定位 - A股市场结构发生积极变化，信息披露、监管执法和投资者结构持续优化，逐步形成基本面主导、"优胜劣汰"的市场机制，为长期投资创造发展基础[5] - 量化交易在市场中承担"润滑剂"与"稳定器"双重角色，作为"时刻在线"的基础设施提供流动性和价格发现机制，增强市场结构韧性[10] - 通过机器学习将股票从高维空间嵌入低维空间，构建基于图注意力网络（GAT）的结构表达，实现信息高效传递和流动性共享，分散冲击影响[11] 智慧选股策略与AI探索 - 智慧选股（Smart Beta）策略聚焦服务长期机构资金，强调工具化定位，以AI为驱动、基本面为核心，满足容量大、换手低、费率合理的结构设计原则[13] - 行业中AI研究分为两类：基于兴趣驱动的学术性AI研究推动单点技术突破；工业级AI研发需长周期投入，构建基础设施体系并探索技术路线[17] - AI时代机遇分为应用导向的现实机会（如AI Agent嵌入场景）和面向未来的基础能力探索（如AI推理能力、通用性研究），宽德选择以工业级研发探索AI能力上限[18] 行业实践与长期愿景 - 宽德设立人工智能实验室WILL，定位为"Good WILL Hunter"，开展长期基础性AI研究，回应AI社会价值，需应对计算资源、算法框架、人才招募等挑战[19] - 量化投资行业已建立稳定技术积累、较强研究能力和良好合规文化，当前技术发展与制度优化提供发展窗口，也对规范化和专业化提出更高要求[8] - 行业呼吁在技术革命与产业变革中主动参与建设，不以短期确定性为前提，而以长期信念和实践为依托，共建市场生态[22][23]

核心观点 - 量化投资与长期价值投资正在AI时代融合，智慧选股（Smart Beta）策略成为重要工具，服务于长期资金配置需求[1][6][15] - AI技术演进（如生成式AI、AI Agent）正重塑投资逻辑，为长期投资提供新工具[3][8][10] - 政策导向（如新"国九条"）强化长期资金入市，指数化投资迎来发展机遇[10][11] - 量化交易在市场中扮演"润滑剂"与"稳定器"角色，提升市场效率和韧性[4][12] - 本土量化行业已具备技术积累和研究能力，面临规范化与专业化升级窗口[11][15] 技术演进与AI应用 - AI发展进入L3阶段（AI Agent），2025年成为"AI Agent元年"，AI从工具升级为自主执行复杂任务的参与者[8] - 海外资管机构已广泛应用AI优化投研流程（如对冲基金使用大模型、共同基金应用生成式AI）[10] - 机器学习技术（如图注意力网络/GAT）用于股票关系建模，增强市场流动性共享和稳定性[13] - 行业AI研究分为两类：学术性单点技术突破与工业级长周期基础设施研发[17] 政策与市场生态 - 新"国九条"配套政策引导长期资金入市，推动低费率、透明结构的指数化工具发展[10] - 金融资源配置向科技金融、绿色金融等五大领域倾斜，标准化金融工具助力政策目标[10] - A股市场机制优化（信息披露、监管执法、投资者结构）形成基本面主导的"优胜劣汰"环境[10][11] 量化投资策略创新 - 智慧选股（Smart Beta）策略结合长期主义与工具化理念，聚焦基本面因子系统建模[15][16] - 策略设计原则：大容量、低换手、合理费率，支持机构长期配置需求[16] - 量化机构通过AI驱动的基本面分析回归价值投资本源，强调纪律性与客观性[15] 行业实践与探索 - 宽德投资设立人工智能实验室WILL，开展长周期AI基础能力研究[19] - 行业需平衡应用导向的现实机会（如AI Agent场景嵌入）与基础能力战略探索[18] - 本土量化行业技术积累成熟，需抓住技术发展与制度优化的双重窗口期[11][15]

1 海外量化动态 1.1 关税事件影响下量化对冲基金普遍有明显回撤 - 2025年4月关税事件导致量化对冲基金普遍回撤 文艺复兴 Institutional Equities Fund 规模200亿美元 2024年上涨22.7% 但4月上半月回撤8% 为疫情以来最大冲击 [1] - Man Group趋势跟踪策略回撤超10% 公司要求研究员恢复现场办公以增加人工干预 [1] - Systematica Investments采用趋势跟踪策略 4月上半月回撤20% 管理资产200亿美元 [1] - 法国兴业银行编制的趋势跟踪策略指数显示 截至4月10日此类策略跌幅超10% 美国量化对冲基金在突发事件中表现波动较大 [2] 1.2 AQR开始"拥抱AI" - AQR创始人Cliff Asness承认已"投降"AI 在投资决策中增加AI算法使用 虽存在解释难题但多数时间提供更高回报 [3] - 境内私募量化机构如倍漾量化(Baiont Quant)已全面采用AI算法 构建分钟至小时级别收益预测 团队完全计算机背景 [3] 1.3 德州教师退休基金量化团队集体加入独立资管机构 - 德州教师退休基金TRS量化团队负责人Mohan Balachandran携4名员工加入独立资管机构NISA 此前管理超160亿美元量化策略 [4] 2 海外量化观点 2.1 量化如何应对宏观不确定性冲击 - 贝莱德认为当前不确定性包括目标、政策规模和时间轴三方面 策略中更多使用对冲思想 保持大类资产、股票风格和债券久期中性 [6] - 贝莱德风险因子数量已达上千个 如日本出口因子、内需股因子等 因子构建方式随宏观环境动态调整 在高不确定性环境下收紧多数因子敞口 [7] - 贝莱德信号观察周期从月度升级至小时/分钟级 疫情期间表现证明广数据维度和精确风控比复杂模型更重要 [7] - 贝莱德主打策略为在市场密集交易中捕捉短期反转机会 建议增配宏观对冲类基金 因其与其他策略相关性低(HFRI macro相关性0.51) [8][9] 2.2 桥水："现代重商主义"的影响 - 桥水认为现代重商主义导致美联储应对经济放缓难度加大 美国资产面临特殊风险 但当前资产价格尚未实质性调整 后续变化蕴含重大机会 [10] - AI可抵消现代重商主义对生产力的抑制 市场预期已极高但实际可能超预期 桥水建议关注潜在资本流动并配置黄金 [11] 2.3 AQR：关注高波动因子、新兴市场小盘投资机会 - AQR研究发现高波动因子(如债务、应收项目、盈利类)长期夏普率更高 方差比率中位数1.4-1.8 建议量化管理人接受并分散化 [12][13] - AQR最看好新兴市场小盘股 因其估值低(本土收入占比72%)、分析师覆盖率低(平均1.3份研报) 能抵御全球政策风险 [16][19] 3 主要量化产品与因子表现跟踪 3.1 因子轮动类产品 - 贝莱德因子轮动ETF和景顺动态多因子ETF今年均跑赢指数 景顺因低波因子暴露表现更优 但超额收益集中在1-4月 [21][24] - 贝莱德因子轮动框架含宏观、因子动量、估值三维度 成长因子择时信号信息比率1.06 2024年下半年转向中等波动 [31][33] 3.2 综合量化产品 - 贝莱德Advantage系列和富达指数增强系列跟踪误差小 贝莱德产品4月表现突出 富达产品3-5月有增强 [34][37] 3.3 机器学习选股 - QRFT在1、4月表现突出 AIEQ回撤较大 [39] 3.4 全天候策略 - 桥水全天候ETF 3月成立后4月回撤但已修复 规模升至2亿美元 [40] 3.5 因子表现跟踪 - 2-4月美国选股因子表现反转 低波因子持续强势 成长因子5月反弹成为最强势因子 [43]

科技创新板块投资价值 - 政策驱动的高成长性与国家战略长期确定性：从"国九条"到"科创板八条"再到即将推出的改革措施，创业板和科创板是国家创新经济的重要引擎[2] - 科技创新企业成长潜力：deepseek、机器人、军工、创新药等领域持续突破，双创板块最可能获得技术红利[2] - 市场表现提供上行空间：截至6月13日科创50指数下跌1.62%，创业板下跌4.57%，当前估值具备吸引力[2] 量化投资与双创板块适配性 - 交易规则优势：科创板/创业板涨跌幅限制更宽松，波动显著高于主板[5] - 行业结构适合量化：科创板电子/医药生物/计算机占比高，创业板电力设备/医药生物/电子活跃，换手率较高[5] - 因子适应性突出：成长类因子、专利因子、研发投入等另类因子在双创板块超额收益显著[7] 龙旗科技产品表现 - 科技创新精选1号成立6个月收益率达***%，超越同期量化多头1号（***%）和中证2000指增1号（***%）[4] - 产品线全面领先：量化多头1号和中证2000指增1号包揽百亿私募近半年收益前两名[4] 公司长期竞争力 - 投研体系优势：14年持续技术调优和策略升级，强化人才储备与专业化架构[11] - 产品创新方向：推出科技创新精选1号填补高收益预期投资者的差异化配置需求[14] - 经营理念核心：坚持"投资者至上"，构建多元低相关产品线[14] 行业数据与结构 - 百亿量化私募增至39家，龙旗近一年收益夺冠[1][15] - 双创板块流动性充足：含宁德时代、寒武纪等大市值权重股，非纯小盘股特征[7]

量化模型与构建方式 1 模型名称：贝莱德因子轮动模型 模型构建思路：通过宏观经济周期、因子动量、因子估值等多维度信号动态调整因子暴露，以应对不确定性环境[15] 模型具体构建过程： - 经济周期信号：根据GDP、通胀等宏观指标划分经济阶段，对应不同因子偏好（如复苏期侧重价值因子）[40] - 因子动量信号：计算各因子过去12个月滚动收益，超配持续强势因子 - 因子估值信号：采用因子Z-score衡量历史分位数，低估值因子优先配置 - 成长因子择时子模型：额外引入企业盈利指标（如ROE变化率）作为辅助信号 模型评价：在2024年市场集中度提升时通过质量/成长因子暴露获得超额收益，2025年转向中性配置后有效控制回撤[40] 2 模型名称：AQR高波动因子筛选模型 模型构建思路：通过方差比率指标识别长期波动性显著的因子，结合夏普率优选高波动高收益因子[23] 模型具体构建过程： - 计算因子方差比率：$$ VR = \frac{\sigma_{annual}^2}{12 \times \sigma_{monthly}^2} $$ 其中VR>1.5定义为高波动因子（如债务因子VR中位数1.8）[24] - 构建因子夏普率回归方程：验证高VR因子与夏普率正相关性（R²=0.32）[25] - 组合优化：在财务类因子（债务/应收/盈利）上超配，通过多因子分散降低组合波动[24] 量化因子与构建方式 1 因子名称：财务高波动因子组 因子构建思路：筛选财务报表中波动性显著且具备超额收益的指标[23] 因子具体构建过程： - 债务因子：净债务发行额/总资产滚动3年标准差 - 应收因子：应收账款周转率行业偏离值 - 盈利因子：ROIC波动率与同业差值[24] 2 因子名称：新兴市场小盘因子 因子构建思路：捕捉新兴市场小盘股估值洼地与本土化优势[28] 因子具体构建过程： - 市值筛选：选择MSCI新兴市场指数后30%成分股 - 本土化指标：计算公司收入国内占比（新兴小盘股平均72%） - 分析师覆盖调整：剔除近6个月有2份以上研报覆盖的股票[28] 模型的回测效果 1 贝莱德因子轮动模型：年化超额收益8.2%，IR 1.83，最大回撤1.9%（2013年）[40] 2 AQR高波动因子模型：年化夏普率0.7，月度胜率58%[24] 因子的回测效果 1 财务高波动因子组：年度波动率18.6%，5年累计收益142%[24] 2 新兴市场小盘因子：2025年1-5月超额收益9.8%，相对大盘股Beta 0.6[28]