今年以來，量化基金業(yè)績表現(xiàn)要好于普通股票型基金，但不如普通混合型基金，有些量化基金的凈值波動高達(dá)20%以上。多位業(yè)內(nèi)人士表示，量化基金業(yè)績遜于混合型基金主要原因應(yīng)是倉位較重，部分絕對收益策略也可能在極端市場失靈，量化基金策略仍存在繼續(xù)完善的空間。

　　量化基金業(yè)績遜于混基 高彈性或因倉位重

　　今年以來，量化基金業(yè)績表現(xiàn)要好于普通股票型基金，但卻負(fù)于混合型基金。數(shù)據(jù)顯示，截至3月25日，普通股票型基金平均虧損14.85%，量化基金平均虧損9.25%，而同期混合型基金虧損8.91%。

　　分階段來看，1月1日至2月29日大盤下跌期間，普通股票型基金平均大跌23.86%，量化基金平均跌15.27%，同期混合型基金平均跌幅最小，下跌12.52%。在反彈期間，量化基金也呈現(xiàn)大幅波動的收益特征。3月1日市場反彈以來，量化基金平均反彈8.63%，而同期混基反彈5.81%。

　　從凈值振幅來看，個別量化基金的區(qū)間波動幅度較大，如華富量子生命力振幅高達(dá)26.82%，東吳阿爾法、工銀瑞信量化策略、華泰柏瑞量化先行等十余只量化基金區(qū)間收益振幅都高達(dá)20%以上。

　　多家公募基金人士表示，高倉位應(yīng)是量化基金收益彈性高的主要原因。

　　南方絕對收益基金經(jīng)理朱衛(wèi)華表示，波動幅度較大的量化基金多是買入持有型的量化混合型基金，而以絕對收益為策略的量化基金操作策略是買入量化模型選擇的股票，同時賣空對應(yīng)份額的股指期貨，希望獲取量化模型相對股指的超額收益，該類基金的波動幅度一般會小于普通的混合型基金。

　　長盛電子信息主題、長盛醫(yī)療行業(yè)基金經(jīng)理趙宏宇分析，一是A股市場今年以來波動較大，特別是下行劇烈，多數(shù)基金難以及時有效避險;二是基金的風(fēng)險很大程度上是由基金的倉位決定的，量化基金整體倉位高于混合型基金，也會出現(xiàn)波動幅度較大的現(xiàn)象。

　　南方量化成長基金經(jīng)理雷俊認(rèn)為，市場上的量化產(chǎn)品大多以股票型和舊的股票型(60%~95%)的高倉位產(chǎn)品居多，而0~95%倉位的靈活配置型產(chǎn)品較少。

　　“這種高倉位的硬性約束基本決定了大的漲跌方向?！崩卓》Q，“對于一般量化產(chǎn)品，其傳統(tǒng)的優(yōu)勢在于從市場廣度上篩選股票，通過廣泛選股來彌補(bǔ)個股深度研究的不足，在全市場股票普遍下跌的情形下操作較為困難。但從分散投資的角度看，量化投資的產(chǎn)品還是發(fā)揮了行業(yè)個股分散的優(yōu)勢，在某一些行業(yè)集中下跌時較好地規(guī)避了一定風(fēng)險。”

　　滬上某量化投資研究員稱，今年量化基金在風(fēng)格上沒有優(yōu)勢，基金凈值波動制勝的因素應(yīng)該是倉位大小，以絕對收益為策略的產(chǎn)品之所以業(yè)績不如混合型基金，與倉位管理不如混合型基金更為靈活存在很大關(guān)系，虧損較少的基金主要是得益于倉位較低。

　　量化投資策略仍有完善空間

　　除了業(yè)績的高波動外，部分量化基金的絕對收益策略也可能在極端市場失靈。

　　朱衛(wèi)華表示，由于量化模型都是對過去歷史經(jīng)驗的回測總結(jié)，如果出現(xiàn)極端市場可能會短暫失效，進(jìn)而會造成一定的凈值損失，在基金投資中要及時做好止損的操作，防止凈值出現(xiàn)較大幅度的虧損。

　　趙宏宇也認(rèn)為，絕對收益策略通常是指以實現(xiàn)正收益并控制下行風(fēng)險為目標(biāo)，但在一些特殊的市場環(huán)境下，特別是系統(tǒng)性風(fēng)險較大的市場環(huán)境下，其策略模式及實際效果可能會存在偏差或者失靈的情況，并對短期收益的實現(xiàn)會有顯著的影響。

　　“量化投資本身不是以不變應(yīng)萬變的，而是隨時要調(diào)整變化，以適應(yīng)新的市場環(huán)境和新的投資機(jī)會。” 趙宏宇說，“量化投資過程本身也是在不斷地學(xué)習(xí)總結(jié)并及時改進(jìn)的過程。如果出現(xiàn)策略失靈，基金經(jīng)理通常會對絕對收益策略模型及實現(xiàn)方式動態(tài)調(diào)整和修正，以符合當(dāng)前的市場狀況，或制定新的絕對收益策略，以獲取新發(fā)現(xiàn)的絕對收益機(jī)會?！?/p>

　　雷俊表示，傳統(tǒng)的數(shù)量化模型研究可能也有瓶頸，也可能需要向個股行業(yè)深度研究的角度學(xué)習(xí)，通過交叉學(xué)習(xí)來不斷改進(jìn)量化模型，包括人工智能領(lǐng)域的突破也給量化投資帶來新的啟示，可能需要一些突破性研究嘗試來進(jìn)一步推動量化投資的發(fā)展。