美國市場量化基金發展較早,其帶來的成交早已在市場占比最高，但近兩年來，量化基金卻正在經歷前所未有的挑戰。

散戶干翻百億量化基金

量化基金最近的麻煩來自散戶抱團。去年以來，隨著大量流動性注入和補貼發放到個人手中，加上論壇等網絡媒體的崛起，散戶奇妙地凝聚在帶頭大哥的周圍，以前所未有之勢買入那些華爾街看空的個股。

ETF成交量占比是衡量美股散戶成交興趣的一個重要指標，在市場總成交占比穩定在15%至20%水平，但今年卻掉到12%，最大的一個原因就是散戶現在更愛炒作個股。

由于散戶做決策時的沖動和盲目，改變了市場原有的模式，極大地影響了原有量價數據的有效性，使很多原有的量化模型失效。

木星資管旗下的全球股票絕對回報基金就是受害者之一，它經歷了成立以來的最大縮水，規模從巔峰時期的160億美元縮水至十來億。

這只量化共同基金所選取的策略是動量，即研究股票的上漲趨勢來買入賣出，這種依賴交易趨勢的做法在市場還在“沉寂”之時也還算有跡可尋，但大量散戶涌入市場后，這一切都發生了改變。

公司系統股票主管表示，這種波動很難用連貫的宏觀參數來解釋，這種散戶推動的交易不全然是風險，但也必然更難以預測。

瑞士信貸的數據也證實了這一點，2020年后，對沖基金的持倉股票出現的大幅異常波動，為近十年之最。如果散戶所帶來的羊群效應破壞了量化信號，那依據量化信號選股的整個理念都可能被顛覆。

新冠疫情

顛覆基金運作模式

另一沖擊業界的就是肇始自新冠疫情的深V波動行情。量化基金也不是沒有見識過大型波瀾，只是這次的波動似乎又證明了歷史不見得都是相同重復，快速下跌和快速反彈的幅度都是前所未見。

這次行情中大批量化基金沒有能夠提前預測，在恐慌性下跌中遭受嚴重損失;而隨后反思現有模型缺乏對未知風險的考量，甚至將危機視為2008年重現時，倉位降下來后市場卻又出現了快速的上漲，踏空了市場。與更加靈活和前矚性的主動管理基金相比，量化敗下陣來。

2020年3月，美國股市在連續8個交易日內4次熔斷，隨后，橋水基金被傳出遭到沙特等主權基金大額贖回的消息，兩者疊加引起負面效應，這則謠傳頓時在風聲鶴唳的資本市場中，引發了巨大的波瀾，股票、外匯、債券甚至黃金再度下挫。

橋水基金創始人、聯席首席投資官達里奧在向投資者發送的《每日觀察》中的報告內容作出了回應，稱采用風險平價策略的全天候基金和完全對沖的中性策略基金出現了不同程度的下跌，但流動性充足。雖然后續也證明橋水的確沒有爆倉，橋水當年的業績卻也著實不好看， 一年虧損了120億美元。

總有一類特定資產在特定的經濟環境下表現更好，這是橋水基金量化手段所信奉的基本投資原則，其旗艦基金的策略是衡量每一種資產的風險，并按照其經濟量化模型，在特定經濟環境下進行動態調整。

通常情況下，股票和債券收益存在反向關系，黃金和現金都是避險資產，但市場在恐慌情緒籠罩之下，股票債券齊跌，黃金遭拋售，只有現金成為最為靠譜的資產，橋水基金所依賴的基礎邏輯被完全破壞。在2020年3月這樣一個極端的月份，基金策略全不奏效。

不僅是新冠疫情導致的股市下跌，即使疫苗帶來的利好也會讓量化基金猝不及防：

2020年11月，規模40億美元的量化基金奎格利忽遇利空：美國知名節目《60分鐘》播出了輝瑞疫苗的預防效果，市場出現了疫情以來最為樂觀的情緒，但對于奎格利卻不是什么好消息：一時間，看多經濟的周期股和小盤股雞犬升天，而不少依賴動量策略的量化基金卻陷入窘迫境地。這家基金甚至表示：從統計學上，這種幅度的市場變動絕不會發生。

量化基金多是通過歷史數據來計算可能存在的風險，并由此來決定頭寸，如果價格出現了過去沒有的大幅波動，歷史數據就不再是可靠的指標。用專業數據來解釋，這一現象代表價格數據分布產生“肥尾效應”，即數據在概率分布上偏向于小概念的一端。

這種市場的周期輪動之突然，就像市場沒有預期到新冠疫情的風險一樣，整個量化對沖基金再度出現大跌。有量化基金經理感慨：現在市場的極端波動動輒就達到6個標準差，市場早已不是上一代人的市場了。

量化基金在市場急劇波動的場景下已經被再次證明不靠譜，量化大神文藝復興基金去年業績跌出榜單前20。

量化的根本在于歷史重現

量化最直觀的理解是通過一切可以數量化的手段將交易轉為對數據變化的使用，在投資的思想根源上，卻是一種系統化投資策略的體現，即選擇歷史統計上獲勝概率更高的交易：即使偶爾出現幾次失敗的交易也不要緊，只要總體的勝率夠高或者數次交易的贏面夠大，就可以構成總體盈利的策略。這樣的策略允許基金出現失敗的交易，但前提是失敗的概率是被歷史驗證不過爾爾，持之以恒總有機會能反轉甚至更好。簡言之，大數定律一定會奏效。

盡管量化投資對于許多外部投資者來說是一個神秘莫測的黑箱，其內在的邏輯卻與十幾年前的毫無二致：不管是加上人工智能、大數據處理，還是引入各種最新的另類數據，加入最新的計量經濟學模型，都是希望使用概率上更好的交易策略，通過大量的交易去發掘更多的交易機會。

在量化投資中可以發現，使用歷史數據進行回測是一個關鍵的步驟：從統計的概率上被證明能夠盈利的策略才會被投入使用，但這就暴露出一個潛在的問題：即量化策略通常只能捕捉被歷史驗證過的交易。

一旦市場中出現了前所未有的局面，包括散戶力量的崛起和新冠疫情的出現，面對這些從未面對的“因子”，量化投資就仿佛陷入茫茫荒原之中，一時間顯得毫無頭緒。

投資研究公司伯恩斯坦的員工詹金斯發表的一篇報告就在業界引起了相當爭議：“為什么我不再是一名量化分析師。”他指出，量化基金的核心是試圖對未來的投資決策進行回溯檢驗。但如果基礎邏輯發生了變化，進行量化研究和運行回測有什么意義?量化分析正面臨挑戰，新冠疫情已經徹底顛覆量化研究。

量化策略失效的原因很多

一個經典的量化策略開發過程中，通常只會依賴歷史數據驗證，在某些市場條件下若某種策略表現良好，研究人員會在市場條件仍然存在的前提下進行調整。通過一次又一次的嘗試，增添修改參數，最終產生一個基于歷史數據卻有望在現在甚至未來一段時間持續成功的策略。

對于量化投資，基金經理創建預定義的公式或規則后就會保持持續執行，因此基金經理在日常事件中不會涉及人為的偏見，這些規則在一段時間內不斷得到監控和優化。在兩個再平衡期之間，基金經理都會專注于復制策略要求的組合、保持低跟蹤誤差、管理流動性、確保交易執行時影響成本最小。

接下來要問的問題是“這種策略在未來會有積極的表現嗎，還是僅僅因為偶然的機會而看起來很好?基于歷史數據的策略顯然是成功的，但如何知道它在未來是否會占上風?”歸根到底，量化模型的適用還是要外部的主腦去做判斷：決定這種策略在何種市場環境下能夠適用，在何種市場條件下已經開始失效。

量化策略適用的市場有一些特征，如小盤股表現更好、市場處于震蕩期，市場效率相對較低，相對而言，在主動管理發揮空間不大的時候，量化基金往往都有出人意料的好表現。

量化策略失效的原因很多：市場上某種策略存在僅有特定的空間，如果大量同質策略涌入，策略就會很快失效，這是競爭所帶來的策略迭代;量化基金的另一大特點就是通過數量手段可以覆蓋大量股票，著重分散投資，當市場的熱點過于集中在少數熱門股票之下，量化基金就會跟不上大盤的步伐。

更好應對黑天鵝與灰犀牛

考慮到研究人員反復嘗試將研究結果與歷史進行“匹配”，現在不少機構相信這種策略在長期內使投資者受益的機會明顯減少，外部市場環境的改變正給予量化投資最新的挑戰。

許多人以為，新冠疫情的出現就像黑天鵝事件一樣，完全是出乎意料的小概率事件。提出黑天鵝概念的金融業人士塔雷伯卻不以為然。實際上，隨著人們對于自然界的破壞，許多野生動物離開棲息地并將其所附帶的病毒傳給人類，從概率上來講卻是越來越大的風險。這更類似于灰犀牛風險，即在人們身邊存在卻熟視無睹的風險。

量化投資除了將歷史上已經明確顯現的風險計入其考慮，如何更好防范未見風險已經成為了不少量化基金開始思考的新起點，如想要擺脫被散戶的干擾去挖掘一些不常用指標并進行更快速的策略迭代，或去更有前瞻性地管理從未發生過的風險。

資本市場風險顧問公司在對2020年投資風險回顧的調查中發現，盡管基金管理人會同時使用歷史和假設壓力測試，但顯然對歷史壓力測試更為上心。而現實是，盡管未來可能和過去有一些相似，但卻不等同于重復歷史。

這家顧問公司建議，假設場景不但要看似可信，更需要至少一個維度上大于歷史壓力，且需要隨著市場條件的變化感知風險變化，有時甚至需要跟隨直覺。

公司指出，新冠疫情最終開始擴散，最后產生全球風險，但當時市場卻明顯忽視了，甚至臆測大流行不可能。當然，現在很容易說應該預料到這種傳播，但為什么潛在的風險經常被忽視呢?其中一個很重要的原因是對于傳染病的大范圍傳播這類風險難以量化。

疫情風險很難量化，但是風險管理不能完全依賴于基于科學的數學計算，它甚至還必須依靠直覺和判斷，只是這種判斷如何融入到量化決策流程中將是一個新課題。(中國基金報記者 姚波)

關鍵詞： 新冠疫情 顛覆 基金運作 散戶