量化主打“500指增 对冲”，“卷”超额还要“卷”算力

4月以来A股持续下行，但量化机构的超额收益凸显，普遍好于主观多头。据第一财经记者了解，近两个月来，国际量化巨头Two Sigma（腾胜）、内地头部量化思勰等发行中证500指数增强产品（下称“指增”）。还有部分机构为了应对市场下行的压力，开始对指增产品增加了下行保护（期权）。

值得一提的是，对于量化机构来说，目前不仅要“卷”超额收益，还要“卷”算力。最热门的中证500指增超额已经从2018年的30%下滑至11%。随着量化基金规模的不断增加，交易越来越拥挤，因子慢慢失效，量化投资也变得越来越内卷。此前，幻方投入10亿搭建了“萤火二号”深度学习训练平台，搭载了1万张英伟达A100显卡。

近期，由QTF量化科技嘉年华组委会编制的《2023 中国量化科技白皮书》提及，大量的实证研究指出，量化科技的使用其实会降低市场的波动率。未来，在满足监管和合规要求的前提下，量化行业应协同推进数据、算力和算法的进一步发展，从提高交易效率、稳定市场流动性、消除信息不对称、促进市场有效定价，与资本市场共成长。

“500指增 对冲”受到追捧

某头部券商的财富管理部负责人对记者表示，今年以来主观多头表现不如人意，发行规模受限，量化产品尽管不如过去两年火爆，但相对来说更受投资者青睐，今年量化的超额收益相对更为突出。

根据“江湖汇”量化数据周报，在5月22日~26日当周，就私募500指增的超额收益情况而言，合骥为1.63%，稳博为1.35%，天算为1.28%，幻方为1.09%。上述机构的近4周超额收益分别为4.82%、2.7%、3.5%、1.95%。

中证500指增产品是目前的主流。申毅投资方面对记者表示，此前中证500指增并不会进行对冲，但目前考虑市场情况，会用期权策略对产品进行下行保护。据了解，目前对冲的成本在5个点左右；思勰方面也对记者表示，目前机构主打的产品也主要是中证500指增。

值得注意的是，近期Two Sigma在境内发行的第三只私募基金产品腾胜中国鼎量指增1号亦是500指增。这只基金于4月26日成立，5月10日备案。渠道人士对记者表示，基本上额度被客户“秒杀”，各界对于量化的接受度仍然远高于基本面主观多头。腾胜投资成立时间为2018年11月11日，登记时间为2019年9月11日，注册资本为1000万美元。目前全职员工人数为16人，管理规模区间为50亿元~100亿元。

在震荡市场，部分收益稳健的产品也陆续推出。例如，桥水2023年4月、5月也有新产品备案，桥水主打的仍是配置股、债、商品的多资产策略，被称为“全天候策略”。据记者了解，桥水的产品销售在部分渠道也“一号难求”。

增强型指数策略的目的是增强收益，是指在原有跟踪指数的基础上，通过一定的主动选股，追求超越完全被动型基金的收益。指增型基金多为量化基金，一般采用多因子模型以期实现超额收益。虽然背后涉及很多金融工程、量化交易算法，但选择暴露哪些因子往往需要基金经理的主观判断。其中，中证500指增产品广受投资者认可，且为数量与规模最大的指增产品之一。过去几年，中证500指增也是大多数量化私募主打的产品策略，这个系列的产品规模占公司总管理规模的50%以上。

之所以中证500指增最为受欢迎，是其综合创业板和沪深300的优势，比大盘股有更好的成长性，估值也更高。中证500指数和沪深300指数相比，前者的基期至2023年4月21日，收益率525.05 %，同期沪深300收益率仅有301.65%。此外，前者行业分布更平均，工业、材料、信息技术、医疗保健权重相对较高，而金融占比偏低。

蒙玺投资创始人李骧近期在“2023·量化科技嘉年华”期间表示，尽管目前市场波动较大，但对冲产品仍存在性价比的问题，如果是以年为单位来看，目前指数点位比较低，因此指数增强是更有性价比的策略。

量化机构开始“军备竞赛”

事实上，量化机构之间的竞争目前还是算力的竞争。据《财经十一人》数据，国内拥有超过1万枚GPU的企业不超过5家，除了幻方以外都是互联网头部大厂，1万枚英伟达A100芯片已经达到做自训大模型的算力门槛。

一家量化私募，为何花这么大成本搭建媲美互联网大厂的计算平台？有观点认为，这是因为国内量化投资的超额收益衰减特别明显，最热门的中证500指增超额已经从2018年的30%下滑到了现在的11%。可以说，非常容易赚钱的环境已经过去了，早年一个简单的动量因子就很容易赚钱，但随着量化产品规模的不断增加，交易就会越来越拥挤，因子也在慢慢失效，量化投资变的越来越“内卷”。

思勰投资创始合伙人、总经理吴家麒近期也在上述论坛期间表示，“其实对量化来讲，量化机构、卷人、卷数据、卷技术，是为了挽救日益下降的超额，如果你不卷，别人卷，就把你卷走了。”

他称，“我们在技术上的投入也好，在数据上的投入也好，根本目标就是希望通过这些挖掘整个市场的阿尔法（超额收益），逐渐提高市场的有效性，这个是量化持续做的事情。基于这样一个特性，量化机构愿意拥抱这些新的技术，也可以跑一些过去不能跑的模型，这些技术迭代对整个量化行业都是非常有益的。”

量化策略研发大体分为三步：因子挖掘、模型训练、策略回测，每一步都需要使用大量的算力资源。如果用一台小电脑，可能挖掘因子用10天，模型训练用4天，策略回测用1天，最终做出策略。如果用一台超级计算机，半个月的时间压缩成5分钟，别人做一个策略的时间你做了4000个策略，还比人家早实盘运行半个月。于是，各大量化巨头都开始 “军备竞赛”，花费巨资搭建模型训练平台，就像幻方投资10个亿的“大电脑”。

上述白皮书也提及，量化交易利用数学、统计学和计算机技术，通过对金融市场的历史数据和市场现状等进行分析和计算，确定交易规则和交易控制，从而实现自动化的交易过程，数据获取、数据加工、 数据存储、策略研究、策略构建、策略执行和投后分析七个阶段都涉及科技在量化交易中的应用。

在量化领域，GPU（图形处理器） 被广泛应用于加速复杂计算，如高频交易中的量化分析和算法交易、风险管理、投资组合优化等。据悉，目前GPU 服务器市场上的主要厂家包括英伟达、AMD 和英特尔等。其中，英伟达是GPU服务器市场的领导者，其GPU服务器市场份额占据70%以上。

数据显示，2021年全球GPU市场规模为334.7亿美元，预计到2030年将达到4473.7亿美元，期间年均复合增长率达33.3%。根据Jon Peddie Research数据， 2022Q4独立GPU市场中，英伟达、AMD和英特尔三家的份额分别为85%、9%和6%。

公开资料显示，ChatGPT 已经可以完成一些简单的量化策略，例如构建平均回归模型，输出均线策略。理论上甚至可以利用 Scikit-learn 数据库(针对 Python 编程语言的免费机器学习库)建立制作未来利率的预测模型，并使用均方误差(Mean-Square Error，MSE)对其进行评价。