“AI在編程上已是‘95分的選手’，但在策略研究上仍只有‘30分’。”
“基本面阿爾法是‘壓艙石’，價量阿爾法是‘發(fā)動機’。”
“量化選股的本質是不錨定指數(shù)，追求阿爾法最大化，而非擇時。”
以上是穩(wěn)博投資創(chuàng)始人鄭耀在好買TV“資配錨點·新時代，新配置”系列直播中發(fā)表的精彩觀點。
回顧2025年，量化私募在股票市場無疑迎來了一場亮眼的“收益盛宴”。
其熱度一方面來源于顯著的賺錢效應：主要寬基指數(shù)去年普遍漲超兩位數(shù)，而頭部量化機構仍能普遍獲取10%以上的穩(wěn)定超額，形成“指數(shù)上漲+超額增強”的雙擊效果。另一方面，投資者歷經(jīng)多輪市場周期，對量化策略的認知與信任逐步加深，疊加“AI時代”帶來的技術變革，共同為行業(yè)注入了新的技術活力與創(chuàng)新動能。
展望2026年，量化指增策略正大步邁向“AI融合”新階段，或將迎來一次“非線性”的發(fā)展躍遷——更智能的模型、更廣闊的研究半徑、更靈活的組合管理，共同構筑起指增策略進化的下一站。
在好買TV資配錨點系列·穩(wěn)博量化專場直播中，創(chuàng)始人鄭耀對量化行業(yè)的格局、量化指增產(chǎn)品策略、AI對量化投資的影響進行了獨到的分析。
以下內容整理自直播實錄：
從“多因子”到“AI+”
量化進入非線性躍遷時代
主持人：相比于歐美成熟市場，量化在中國的發(fā)展速度是否顯得較快？從您的經(jīng)驗看，當前中國量化投資處于什么發(fā)展階段？它在這幾年的關鍵迭代點又是什么？
鄭耀：中國的量化發(fā)展并非線性勻速，而是呈現(xiàn)階梯式躍遷的特征。目前量化成交在A股的占比約20%-30%，雖仍明顯低于歐美成熟市場（50%以上），但發(fā)展?jié)摿︼@著。
回顧技術演進，2018年是一個分水嶺。此前的主流是以多因子線性模型為主的“可解釋時代”，收益歸因清晰。AlphaGo的出現(xiàn)催生了行業(yè)第一次范式轉換，機器學習成為主流，策略進入“非線性時代”，可解釋性開始減弱。
近兩三年，行業(yè)正經(jīng)歷又一次關鍵迭代——進入“深度模型時代”。受大模型等技術浪潮驅動，深度神經(jīng)網(wǎng)絡、圖神經(jīng)網(wǎng)絡等架構被廣泛引入，推動了從策略到組合的全面深化。這也帶來了算力軍備競賽和模型可解釋性的進一步下降，甚至催生了“端到端”的研發(fā)新思路，標志著底層模型的研究能力和資源投入已步入新階段。
主持人：近兩年興起的ChatGPT等大語言模型正在改變很多行業(yè)的業(yè)務流程，這類AI工具在貴司的實際滲透率如何？
鄭耀：AI的應用在量化行業(yè)已相當普及，其使用率自去年9、10月份起顯著提升。這一變化主要源于AI自身能力的快速演進：去年年初，AI在代碼生成等任務上表現(xiàn)還較為初級，更像一個“玩具”；但到年中，其能力已接近初級開發(fā)工程師水平；及至年底，在多種大模型的推動下，AI已成為“95分選手”，在編程任務上接近頂尖人類開發(fā)者。
AI雖非完美，但其效率優(yōu)勢明顯，尤其對中等水平的研究員和開發(fā)人員替代作用顯著。這也影響了我們的招聘方向——更看重候選人駕馭AI、精準表達與邏輯交互的能力。除了投研，AI也已深入中后臺流程。我們基于內部知識庫訓練了專用機器人，可協(xié)助處理盡調、路演問答甚至合同審批等事務。AI已成為團隊中不可或缺的賦能工具，其價值正從技術層面向業(yè)務全鏈條滲透。
阿爾法來源分化
量化策略路在何方？
主持人：當前市場上的alpha來源日趨多元，既有傳統(tǒng)的基本面、量價等策略，也出現(xiàn)了端到端大模型這類新范式。這幾類策略在收益來源、風險特征（如回撤、波動）以及適用的市場環(huán)境上有何本質區(qū)別？
鄭耀：不同類型阿爾法策略的收益來源與風險特征差異顯著，其配置邏輯也應隨之區(qū)分。
基本面阿爾法的核心在于企業(yè)盈利能力的兌現(xiàn)，尤其在財報季（通常為1、4、7、10月）表現(xiàn)最強。這是一個長期有效、穿越周期的策略，其優(yōu)勢在于不易失效，在弱市中防御性突出。但由于基本面因子生效周期長，數(shù)據(jù)樣本相對有限，通常更適合采用邏輯清晰、相對簡單的模型進行配置。
價量型阿爾法則依賴于市場交易行為與短期定價偏差。它可進一步細分：短周期（交易型）策略追逐熱點爆發(fā)，彈性大但容易在情緒退潮后迅速失效；長周期（配置型）策略更注重布局熱點擴散與趨勢延續(xù)，表現(xiàn)更為穩(wěn)健。整體上，價量策略高度依賴市場活躍度，在成交放量、波動率提升的環(huán)境中更容易獲取超額收益。
在我們的配置框架中，以長周期的配置型價量阿爾法為核心，因其具備較好的可持續(xù)性；以基本面阿爾法為穩(wěn)定基礎，增強組合的長期韌性與跨周期能力；并少量配置交易型價量阿爾法，以捕捉市場短期機會、增強收益彈性。這一多層次結構旨在平衡策略的有效性、穩(wěn)定性與適應性。
主持人：隨著未來AI模型和工具的逐漸普及，是否會引發(fā)同質化趨勢，我們又該如何避免策略的同質化風險？
鄭耀：AI在策略生成上的能力仍在快速進化中。目前，它在編程實現(xiàn)上已是“95分選手”，但在真正創(chuàng)造有效的阿爾法策略上，可能只有“20-30分”。然而，一旦其能力迭代到“60-80分”，便足以自動生成大量有效策略，這將導致市場上大部分同質化、技術含量不高的策略迅速失效。
這將引發(fā)行業(yè)的深度“內卷”與進化。當AI能夠輕松完成基礎性研究時，人類研究員的核心價值就必須向上遷移——我們必須比AI更深入、更具洞察力。這類似于將競爭賽場從“普通考試”升級為“超高難度選拔”：只有那些能解決更復雜問題、擁有超越AI認知能力的研究員，才能持續(xù)創(chuàng)造超額收益。
主持人：當前市場對量化多頭產(chǎn)品的熱情似乎高于傳統(tǒng)的指數(shù)增強產(chǎn)品。從產(chǎn)品演化的角度看，您認為未來國內量化產(chǎn)品的發(fā)展趨勢，是否會從“指數(shù)增強”為主導，逐步轉向量化多頭策略？此外，海外成熟市場在量化產(chǎn)品的發(fā)展路徑上，有哪些經(jīng)驗值得我們參考或警惕？
鄭耀：從產(chǎn)品定位來看，指數(shù)增強策略錨定特定指數(shù)，追求穩(wěn)定超額，其優(yōu)勢在于風格清晰、偏離可控，是長期進行指數(shù)投資的優(yōu)質工具。而量化選股策略雖然常被貼上“絕對收益”標簽，但其核心通常并非擇時，而是通過放寬行業(yè)與風格約束，力求獲取更高的阿爾法。它的本質是“更高阿爾法的追求”，而非對市場方向的判斷。
因此，未來的發(fā)展并非簡單的“指增減少、選股增多”，而是策略定位的進一步明晰化。投資者需理解，量化選股提供的是一種更高阿爾法彈性的配置選擇，而非自帶擇時功能的絕對收益保障。
2026
量化策略有哪些挑戰(zhàn)與機遇？
主持人：隨著量化投資交易規(guī)模的擴大，相應的監(jiān)管政策也在不斷完善。有投資者擔憂監(jiān)管政策對量化交易的影響，您如何看待這一問題？
鄭耀：監(jiān)管的核心目標是維護市場公平性，因此會對可能造成不公平交易的行為進行規(guī)范，例如對程序化交易在報單速度、流量和機房布局等方面進行必要限制。這對量化行業(yè)而言并非打壓，而是引導競爭回歸本源。
量化的核心競爭力并非技術手段帶來的速度優(yōu)勢，而是更深度的研究能力、更廣泛的數(shù)據(jù)處理與更有效的策略模型。因此，監(jiān)管規(guī)范實際上推動行業(yè)從“技術套利”走向“研究驅動”。在一個更公平的環(huán)境下，量化機構必須依靠扎實的研究能力來獲取超額收益，這正是行業(yè)長期健康發(fā)展的基礎。
主持人：您認為普通投資人選擇量化產(chǎn)品時，需要關注哪些方面？對于2026年量化超額的表現(xiàn)，穩(wěn)博又有何預期？
鄭耀：為投資者選擇量化產(chǎn)品時，我們建議從三個維度進行考量：
一、團隊與策略的穩(wěn)定性：優(yōu)先考察投研團隊的實力、經(jīng)驗與組織架構，判斷其策略框架是否具備持續(xù)迭代的能力。
二、風險匹配與回撤認知：清楚了解策略的歷史表現(xiàn)，特別是其回撤特征與市場環(huán)境的關系。從未經(jīng)歷回撤的策略反而更令人擔憂，關鍵是要確認其風險特征是否在你的承受范圍內。
三、長期視角與周期適應：量化策略存在周期性，需觀察其在不同市場階段的表現(xiàn)，避免僅基于短期業(yè)績做決策。
量化行業(yè)經(jīng)過2024-2025年的技術積累，尤其在AI融合方面取得了實質性進展，策略能力顯著增強。當前市場交投活躍，預計將處于“慢牛”格局，這對量化策略的運行較為有利。盡管外部不確定性始終存在，但市場在經(jīng)歷多輪壓力測試后已顯得更具韌性，投資者對宏觀波動的適應性也在增強。展望2026年，量化策略仍具備較好的配置價值。
風險提示：投資有風險，決策須謹慎。文中觀點不代表平臺投資意見，內容僅供參考并不構成任何投資及應用建議。未經(jīng)好買財富授權許可，任何機構和個人不得以任何形式復制、引用本文內容和觀點，包括不得制作鏡像及提供指向鏈接，好買財富就此保留一切法律權利。
