2017年度展望我们寄望量化对冲“稳中求进”，总结过去的一年，我们稳中有余而进有不足，背后重要的原因是量化策略环境发生了巨大变化，包括持续一整年的风格分化格局、低迷的资产波动率、对冲工具仍在恢复期等等。

连续两年的“平淡”对量化对冲行业构成巨大挑战，想要生存下去我们需要放下过去的“光环”，全力“拥抱”策略环境正在发生的“变化”，在坚守量化模型宽度优势的同时，积极融合基本面深度研究的精华，持续迭代模型来适应市场环境的变化。 

“高阿尔法时代”渐行渐远

全球经济复苏叠加中国防范金融风险的大背景下，市场收益率中枢出现显著上移，资产的估值中枢受到明显制约，股票价格的核心驱动因素转化为对确定性盈利的追逐，稳定高质量的ROE成为稀缺资源，龙头白马成为众多投资者追求的对象，行情“一九”分化格局使得以宽度制胜的量化选股模型陷入困境。

和2014年底最大的不同在于，2017年这个极端分化格局持续了整整一年，尽管大家做出了极大的努力改进和迭代自己的选股模型，但面对十几年来最极端的超额收益概率环境，我们很难拿出让投资者满意的对冲收益。

如果说10%左右已经是最惨概率情形，那么可以聊以安慰的是2018年的概率环境可能会有所好转，不过由于数据历史、质量、规则等种种原因，阿尔法模型的样本回测多数采用2009到2015年的区间，这段时间刚好是高概率样本区间，结合当前经济和市场环境的判断，我们认为或许未来策略环境可能更接近2002年到2008年的区间，而那些年景超额收益概率空间变得狭窄，因此模型“高阿尔法时代”可能已经渐行渐远。

对于阿尔法模型而言，一些过去有效因子正在变得无效，特别是一些与交易行为紧密相关的因子，这个现象值得我们重视，我们预计2018年散户交易活跃度可能继续减弱，目前以换手率度量的市场交投活跃度仍然处于历史低迷区间之上，从年底中央经济工作会议释放的政策信号来看，2018年我们需要提防更加低迷的市场交易活跃度。因此，阿尔法模型应该全面拥抱“基本面”，更多关注代表“质量”的因子。

从“阿尔法对冲”到“多元贝塔配置”

A股一直以“高波动”著称，因而催生了强烈的平滑和避险需求，而过去的2017年在全球各大资产低波动率共振和国内监管等因素共同驱动下，波动率降到了历史最低，而且持续一年之久，低波动率正在成为权益资产持续特征，权益贝塔的风险收益比提升。

（数据来源：博道投资）

借鉴华泰金工的周期分析模型，我们对股票和债券波动率进行周期分析，发现了几个有意思的结论，国债波动率40个月周期领先股票波动率40个月周期三个季度左右，因此我们可以判断股票波动率40个月周期将继续上行，2018年的股票市场波动率中枢将会上移，极低股票波动率可能不是常态，同时我们观察到股票波动率80个月周期仍处于下行阶段，综合来看，股票市场波动率可能脱离极低波动率区间，但维持中低波动率状态。在这样的波动率环境下，阿尔法对冲需求仍然趋弱，但与今年相比贝塔分散风险的必要提升，多元贝塔配置的性价比将显著提升。

关注对冲工具正常化和AI带来的新策略

节前最重要的消息就是监管层对择机退出股指期货临时性限制措施提案的回复，因此2018年我们将欣喜地看到股指期货的完全正常化，同时也可能有更加丰富的场内衍生工具，包括股指期权等，这将为量化对冲产品创造新策略提供了重要的工具支撑。

对于量化策略内生一个重要的挑战是AI进化带来的冲击。我们国家的互联网基础设施正在产生级数级的大数据，全样本的数据性质将改变传统的抽样模型，这对量化模型的未来产生挑战。

此外，长期而言未来的AI可能是经济和生活各种场景的重要驱动力，AI留下的印记会改变数据结构本身，影响数据的规律，非线性和动态可能是未来量化模型的一个重要特征，很可能我们的量化模型需要进化到AI算法来应对可能发生的变化。

因此，我们需要从策略研发的底层技术框架积极重构并做出迭代升级，来应对未来可能发生的策略内生变化，努力尝试研发升级基于AI算法的新策略。

结束语

2017年对于量化对冲而言是十分艰难的一年，但面对困难的策略环境我们仍然坚持应对。展望2018年，我们将积极拥抱变化，策略进一步完善迭代，争取给投资人交出一份满意的答卷。