一、量化对冲市场概况
1、量化对冲的概念
量化对冲是量化和对冲两个概念的组合。量化是定性投资的定量处理，一般借助统计方法和数学模型。对冲是将对组合系统性风险，以获得相对稳定的收益。
2、量化对冲策略
量化对冲追求的是绝对收益，对冲基金通过广泛采用各种复杂的量化对冲策略来降低投资风险并获取稳定收益，成为机构投资者主要投资策略之一。
根据专业对冲基金研究机构HFR(Hedge Fund Research)的分类，对冲基金的交易策略可以分为股票对冲(Equity Hedge)、事件驱动(Event Driven)、全球宏观(Macro)、相对价值套利(Relative Value)四种。另一家专业对冲基金研究机构Eurekahedge的分类更细，其将对冲基金策略分为套利(Arbitrage)、管理期货(CTA/Managed Future)、高收益债(Distressed Debt)、事件驱动(Event Driven)、固定收益(Fixed Income)、股票多空策略(Long/Short Equities)、全球宏观(Macro)、相对价值套利(Relative Value)、多策略基金(Multi-Strategy)。任意一只对冲基金既可采取其中某一策略也可同时采取多种投资策略。
从全球来看，根据Eurekahedge统计，截止2013年11月，全球采用各种策略的对冲基金中占比最高的是股票多空策略类，占比达32.5%；其次是多策略类，占比达15.3%；再次为事件驱动类，占比达10.3%。该三类策略占据了所有对冲基金的半边江山。从国内来看，根据国内机构统计，截至2017年10月，国内量化基金的策略主要是管理期货CTA、相对价值和股票策略。
（1）阿尔法对冲策略（量化中性策略，国内主要是股票中性策略）
阿尔法对冲策略仅是阿尔法策略中的一种，又被称为量化中性策略，这是因为该策略在买入现货组合的同时卖空期货，也就是同时构建多头和空头头寸，从而实现对冲市场风险的目的。其中运用在股市就称为股票中性策略。以下是具体分析：
阿尔法：阿尔法是金融常见的名称，另外可以联想到贝塔。其中，阿尔法表示超过某个市场基准的投资回报，也称为超额回报，阿尔法越大，超额收益越高，其对应的风险是非系统性风险；贝塔表示相对某个市场基准的敏感度，可以用波动率来衡量，波动越大，风险越大，对应的风险是系统性风险。阿尔法α和贝塔β之间的关系是α=Rp-[Rf+（Rm-Rf）*β]（其中，Rp表示投资回报，Rf表示无风险回报，Rm表示市场回报）。一个好的投资策略，应该有两个重要指标：一是有正的阿尔法，并且越大越好；二是贝塔要比较低。
阿尔法策略定义和分类：投资风险包括系统性风险（也就是贝塔风险）以及非系统性风险（也就是阿尔法风险），通过对系统性风险进行度量并将其分离，从而获取超额绝对收益（即阿尔法收益）的策投资策略，称为阿尔法策略。从广义上讲，阿尔法策略既包括传统的基本面分析选股策略、估值策略、固定收益策略等，也包括利用衍生工具对冲掉贝塔风险并获取阿尔法收益的可转移阿尔法策略，后者在国内通常称为阿尔法对冲策略。
策略的构建：1）阿尔法策略的构建可以采取基本面“现货多头+期货多头”的策略。阿尔法对冲策略在股市、债市、商品市场等各类市场都有应用，其中目前国内市场上最常见的还是股市阿尔法对冲策略。该策略通常利用选股、择时等方面优势，寻找具有稳定超额收益的现货组合，通过股指期货等衍生工具来分离贝塔，进而获得与市场相关度较低的阿尔法收益。这就是“现货多头获取超额收益+期货空头对冲系统风险”的方法。2）另外，还可以采取统计套利、事件驱动、高频交易等策略来获取阿尔法收益。
策略成功的关键：阿尔法策略成功的关键在于现货组合的超额收益空间以及交易成本，因此在股市阿尔法策略中，最考验策略制定者水平的因素在于选股方法和能力。
策略适合的市场：从国内外的经验来看，阿尔法策略一般运用在市场效率相对较弱的市场，如新兴股票市场、创业板市场等，在这些市场里面可以利用风险对冲来获取较大的超额收益。
策略运用的量化模型：量化模型的优势在于能覆盖全部股票，业绩的稳定性和可复制性高。量化模型包括收益模型和风险模型。1）收益模型：基金公司运用最多的收益量化模型是多因子模型。影响股票收益的因子有多种，大致分为长期因子和短期因子。根据这些因子对每只股票进行打分就可以获得股票的预期收益。2）风险模型：预期风险和预期收益同样重要，专业机构往往会购买商业模型或开发自己的风险模型来预测每一只股票的风险，进而计算组合风险。通过收益模型和风险模型，专业机构就可以根据投资者的收益要求和风险承受能力，量身定制量化模型。
（2）股票多空策略（多头头寸和空头头寸并不同等，属于相对价值策略）
股票多空策略和阿尔法策略有点类似，但不同的地方在于股票多空策略有多头敞口或空头敞口。由于需要对大盘多空进行判断，对“择机”能力有较高要求，因此操作难度比较大。股票多空策略分为统计套利策略和130/30策略等。其中统计套利策略较为常见，它是通过统计学分析两只股票之间的某种相关性，当两个股票出现相对价差并且高于操作成本时构建多头和空头头寸，等相对价差消失时再平仓实现收益。
股票多空策略属于相对价值策略的一种。相对价值策略的本质是套利，除了统计套利之外，还包括市场套利，即某个投资品种在不同市场存在价差，就可以通过一买一卖来赚取收益。比如人民币，但由于市场不同，海外市场的人民币和国内的人民币汇价会有一定的价差，有了价差就有套利空间。
（3）宏观对冲策略
宏观对冲策略是通过对政策因素、经济趋势等多种宏观因素进行全面分析，并由此对股票、债券、货币等各类投资品价格作出预期判断，再以量化、定性分析的方法在不同的大类资产之间进行轮动配置。
（4）事件驱动策略
事件驱动策略，是提前挖掘和深入分析可能造成股价异常波动的事件的基础上，通过充分把握交易时机获取超额的交易策略。一般采取事件明朗化前逢低买入，事件明朗化后逢高卖出。
（5）其他策略
期货管理策略是通过量化手段来判断买卖期货产品的时间节点，并以计算机程序化交易来实现的一种策略。期货的T+0方式决定了程序化高频交易会比手动交易更有优势，因此如今期货高频策略实施过程中已经不止是比策略，系统配置、下单速度都是非常重要的。
3、量化对冲行业发展历程
（1）行业发展初期
2010年4月国内第一个股指期货合约标的——沪深300股指期货正式上市，随之而来的就是量化对冲策略在国内开始崭露头角。
当时的A股持续阴跌，股票多头策略产品遭遇净值的大幅回撤。为了吸引资金，很多私募纷纷推出自己的对冲产品。但对冲产品还是以传统的股票多头策略为主，只是在大盘行情不好的时候选择用股指期货来对冲一下风险；而资产配置上，由于沪深300指数金融板块权重过大，而金融股本身很难有高阿尔法，且股价和日内波动率也很低，因此大部分阿尔法产品比较偏爱中小市值股票。
由于市场适合对冲策略，因此投资者获得非常不错的收益，尤其到了2013年，经过两年多的发展后，阿尔法策略产品迎来一波大爆发，这一阶段创业板指翻倍，而同期沪深300指数则下跌14%。
（2）行业洗牌期
2014年开始A股迎来一*大轮**牛市，同时随着金融股急剧拉升，四季度大小盘开始加速转换，但做量化投资的，很多都是专注于数据、模型、代码等，本身的市场敏感性相对较差，所以大部分并没能意识到市场风格即将突变，因而也未能及时作出防范。当时市场缺乏中小市值股票的对冲工具，因此对冲产品还是以中小市值股票为主，同时做空金融板块权重较大的沪深300股指期货。由于市场风格转换，做空沪深300指数不仅没能对冲掉系统性风险，反而加剧了亏损幅度，因此量化对冲产品在市场大好的时候反而亏损，很多产品仅仅一个月的时间近一年的收益就抹平，成立时间较短的甚至都跌至平仓线附近，面临清盘危机。
2015年牛市中量化中性策略跑不过多头策略，下半年股指期货被限；2016年深度贴水带来高对冲成本，使得量化中性策略几乎不赚钱；2016年底股指期货放开，利好量化中性策略，但2017年4月风格又转换（偏向大盘股），导致知名的FOF轮流倒下。
期间也有利好的政策，包括：2015年4月，中金所相继推出上证50股指期货、中证500股指期货，A股开始有了小市值股票对冲工具；2017年股指期货开始松绑，包括保证金比例降低，开仓数量提高，手续费降低。
经过一轮洗牌后，许多量化对冲策略的基金经理开始反思自己的投资策略，逐渐转向更加注重风控的精细化管理；与此同时，海归的量化团队越来越多，将海外大量已经比较成熟的模型框架引入A股市场，为国内量化私募走向正规化奠定了基础。
这一时期，受市场整体表现较为疲弱的影响，主流的量化对冲策略是高频价量策略，其中主要是日间量价（即T+1交易，占比2/3）和日内回转交易（即T+0交易，占比1/4以上），其特点是处理分笔交易数据、算法交易、高资金周转率和日内交易等，依赖市场短暂的无效单和流动性需求，捕捉超短线的交易机会。但由于高频策略规模快速扩张，也不断逼近市场容量的上限。
同时，随着人工智能的发展，不少专注于量化投资的私募（比如幻方量化、无量资本）将人工智作为量化投资的新工具，以提高数据处理能力和效率、提升投研团队效率和降低投研成本，目前应用主要体现在应用量化策略的改进以及因子的寻找；用纯机器学习的方法进行股市跟踪；通过其他的方法来研究一些有超额收益的产品。
（3）行业恢复期
直到2018年，受市场和政策的各种利好，量化对冲策略再次兴起，其业绩在股票策略中拔得头筹，特别是量化中性策略，也因此2018年被称为量化私募的大年。2018年市场环境、政策等方面均利好量化私募。市场方面，2018年个股的日内振幅较2017年有所好转，众多量化私募在策略中加入更高频的量价因子及“T+0”增厚收益。政策方面，2017年以来股指期货限仓政策多次松绑，2018年底进一步松绑，对资金的利用效率和策略容量均有正面影响。产品方面，在熊市中，量化中性策略可以远跑赢其他类型的对冲基金，因此2018年量化中性策略得到更快发展。
2019年量化私募继续快速发展，行业规模增长约4000亿元，整体业绩上涨约26%，头部量化机构数量和规模双双翻倍。特别是量化多头策略，由于其平均收益达到33.8%，在量化策略中遥遥领先，因此多头产品数量与规模在市场均占优。从地区来看，国内量化对冲产品主要聚集在上海、深圳、北京、杭州等地，分别占比38.9%、14.7%、12.6%和9.0%，累计则达到75%，除了因为身处金融中心外，也与人才分布有关。
2020年A股大幅波动，但未出现流动性问题，反而是流动性过剩，因此同样适合量化投资。
这一时期，由于高频策略市场容量的限制，1）不少量化私募开始着力研究基本面、热点事件方面的量化，也有人在尝试将不少股市高手的主观策略进行程序化的处理。而根据国外经验，高频策略并不是国外量化公司资产配置管理的主流，全球最大的对冲基金桥水是做宏观量化的，全球第二大对冲基金AQR是做股票基本面的。因此，未来国内量化策略大概率也将向多策略发展，更加低频的基本面量化、宏观量化将有望占据越来越多的比重。2）与此同时，监管也在扩大A股量化市场规模。2019年8月，证监会将两融标的扩充到1600只，丰富了融券的券源的种类和规模。这样量化对冲策略就可以通过融券做空来替代股指期货，摆脱了股指期货贴水的束缚，同时还可以获得做空的负阿尔法收益。
4、量化对冲现状
目前全球量化对冲基金占行业总规模的仅3成，其中美国占比约1/3，而欧洲占比也达到20%。
而中国的量化私募产品占比仅为13%（包括股票策略和复合策略中的量化产品、管理期货策略中程序化CTA产品、相对价值与宏观策略产品，截至2017年10月，量化产品占全部产品的13%），如果统计以量化策略为主的私募机构则占比不到4%（截至2019年9月，国内以量化策略为主的私募机构大约有300家，在全国9000家二级市场私募中占比不到4%）。
5、典型的量化对冲模型
（1）日间量价模型
一般来说，股票ALPHA模型可以分解为三部分：不定期基本面模型、日间量价模型、日内回转模型。其中，不定期基本面模型主要是基于公司的基本面状况进行组合换仓的，因此换仓频率和公司财报及其他公开报告的发布时间紧密相关，一般换手率较低；日间量价模型更多的是使用股票的量价信息，而量价信息是随着股票在市场上的交易不断产生的，因此信息更迭更快，从而该模型换仓更频繁，换手率更高，也即所谓的T+1交易；最后，日内回转模型又称为T+0模型，投资者根据股票日内的价格、盘口、挂单等信息做出投资决策，在有底仓的前提下，在当日进行买入卖出。（国盛证券）
日间量价模型的主要内容包括：1）日间量价因子的主要来源：交易逻辑和算法逻辑。
2）找大量有效因子的方法：算法挖掘，优势在于因子数量众多，可以通过优化挖掘算法不断迭代，但容易过拟合，为了避免则采取每半年进行一次因子库的完全轮动，即抛弃原来所有因子，加入最近半年的新数据重新挖掘因子；有效因子需要两两正交，两相关性为0。
3）遗传规划算法构建日间量价因子体系构建：因子挖掘的核心步骤是合法因子数的生成与检验，换做程序就是因子表达式的生成，这样就可以构建公式数，树的层数可以很多层；随着挖掘到的有效因子增多，因子的挖掘效率急剧降低。
4）构建组合：相对低频多因子模型，日间量价模型换手率高，因此做回测分析时需要考虑以什么价格回测（考虑了交易价格不可得，采用成交量加强平均价，即VWAP价格）、交易买入卖出的限制问题（限定风格中性、行业中性，比如2015年股灾时无法卖出，2018年也有交易拥挤的情况）、滑点问题（指下单的点位和最后成交的点位有差距，因此要考虑交易成本，采用双边千三，另外还要考虑负基差（现货价格低于期货价格）和对冲成本（即对冲风险的成本），比如规模100亿的策略，有高换手率，导致阿尔法收益几乎完全被交易成本吞噬，因此策略有极限容量，比如10亿）。
（2）低频基本面多因子模型
低频基本面多因子模型也就是上面说的不定期基本面模型，包括多因子选股系统（包括原始数据库（外加批量更新程序和在线更新程序）和因子数据库；风险模型、阿尔法模型、组合管理三大系统）；传统风险模型对风险的估计（实现的风险总是高于预设风险）；组合优化和回测（进一步思考成本、可成交性等问题，使回测能更加贴近实盘交易）；因子测试；收益归因（即分解影响收益的项），风险归因。
二、量化对冲市场机遇和需求
量化对冲基金机遇：市场波动较大；资管新规打破刚兑、固收产品收益下降并有违约现象，追求稳健收益且低波动的产品受到市场追捧；场内衍生工具更加丰富。这些条件都非常适合量化策略的运作。
量化对冲基金表现：百亿级量化私募收益均为正，稳健收益得到充分体现；300家以量化为主的私募管理人，占比不到4%；管理规模2800亿，在二级市场私募管理规模中占比不到11%，头部管理规模在100-200亿之间。
量化对冲基金的金融需求：头部私募资产规模超过其策略和容量不得不分盘、其他私募产品的托管以及服务。
三、相关金融服务的条件及内容
量化产品需达到以下三个以上条件：（1）年换手率30倍；（2）持股30只以上的产品；（3）投资组合含有衍生产品；（4）通过客户定制系统或CTP期货交易端口等进行程序化交易。
相关金融服务：客户定制化交易系统、机构交易平台（自主研发的投易通，提供投资研究分析、专业交易、树交易、估值的等一体化服务）、融券服务（券源支持，包括储备，以及提供专项融券服务）、场外衍生品（定制化场外衍生品、收益互换为载体的借券、指数增强交易等）。
欢迎有需求的朋友与我们联系！（广发证券深圳前海营业部）