今年以來A股市場持續震蕩，個股的極致分化表現進一步推升了市場的賺錢難度。作為頭部量化私募重點研發推出、個股篩選更靈活的全市場量化選股策略，也交出了今年上半年的成績單。整體來看，上半年該策略基本實現“開門紅”。不過，業內人士提示，對于該策略的優劣勢和超額收益情況，投資者應當有理性認識和合理預期。整體而言，在行業競爭加劇、投資者需求趨于豐富的背景下，未來量化策略的研發創新預計將繼續向廣度和深度擴展。

　　全市場量化選股策略適應性較好

　　“今年上半年整體可以說是頭部量化私募普遍推出全市場量化選股策略之后的第一個半年度完整實盤，從行業層面來看，今年這個策略賽道整體表現要優于中證500指數增強策略表現。”上海某券商渠道人士向中國證券報記者介紹說，從投資者角度來看，全市場量化選股策略的市場認可度較2022年有一定提升。

　　從第三方機構的數據統計來看，來自朝陽永續的監測數據顯示，截至6月末，主流全市場量化選股私募產品上半年的絕對收益普遍在7%以上，平均值達到13%，顯著好于A股主要股指的同期表現。

　　對于上半年的成績單，千象資產相關負責人認為，上半年大部分“規模以上量化管理人”的全市場量化選股策略表現較為亮眼�？傮w來看，在上半年行業輪動頻繁、市場環境復雜的情況下，大部分全市場量化選股策略運行情況優于傳統的指數增強策略，展現了更好的市場適應性。

　　念空投資董事長王嘯稱，今年上半年全市場量化選股策略絕大多數實現了正收益，對投資者提供了比較好的持有體驗。從該機構的策略運行來看，在3月中旬之后，隨著市場波動率的放大，行業和熱點有序輪動，公司量化選股產品凈值迎來了一輪較好表現。

　　此外，蝶威資產研究總監濮元愷進一步強調，今年上半年A股市場整體較2022年出現復蘇，對比中證500指數增強策略，全行業中證1000指數增強策略表現更為突出，這也顯示出全市場選股的靈活性優勢，對市場成長風格機會能夠更好進行把握。

　　優缺點同樣鮮明

　　值得注意的是，盡管上半年全市場量化選股策略表現相對突出，但多家受訪的一線量化私募也強調，這一策略的優缺點較為鮮明，不應過度放大其策略優勢或對其片面貼上更高收益的標簽。

　　王嘯表示，全市場量化選股策略模型的優勢是持股分散，所有行業都會買，而且通常都是滿倉，不會出現踏空或者在某一種風格或某一個行業上有押注式的暴露，因而會更善于捕捉行業輪動帶來的結構性行情。但這類策略的缺點也不應回避，特別是在市場風險偏好較低、交投清淡、市場波動率持續下降的環境下，可能表現就會比較平淡。

　　富鉅投資首席投資官唐弢稱，全市場量化選股策略主要具有兩大優點：一是放寬了對行業、市值的約束，可以靈活調整持倉組合的風格；二是賽道的容量更大，競爭激烈程度相比主流寬基指數的量化指數增強策略更低，也有更豐富維度的超額收益來源。但其總體也存在兩方面潛在劣勢：一是放松了對基準指數的偏離度，產品凈值有可能在某些行情下出現更大的波動和回撤；二是不同基金產品的業績可能會分化，頭部和尾部產品的業績差距往往更大。

　　此外，千象資產認為，全市場量化選股策略的優勢在于放寬了對后端選股的約束，使得超額獲取的來源更多樣化，拉長時間來看，獲取更高超額收益的可能性更大。此外，由于后端行業、風格的約束更為寬泛，從理論上來說，對不同市場環境的適應度也會更高。從劣勢方面看，該策略最突出的缺點主要在于，從長期來看，超額收益的波動性會更大，在策略風格上會顯得比較激進。

　　策略創新仍有空間

　　從聚焦中證500指數增強策略的比拼，到各個策略賽道的競逐，去年以來，頭部量化私募在量化策略的創新上，展開了更多研發開拓。而在量化指數增強策略的超額收益可能逐步下降的背景下，目前國內量化投資的策略研發也有更多創新在醞釀之中。整體而言，面向投資者不同投資需求的策略線進一步豐富，如何拓寬收益來源，進行精細化的量化模型研發打磨，成為目前業內關注的焦點。

　　王嘯稱，目前國內量化策略的創新呈現二維創新趨勢，分別是從客戶風險偏好（高波動和低波動）和產品配置需求（對標不同指數的增強）兩個維度。未來隨著投資者對量化策略的認知越來越深入，以及金融衍生品持續推出，量化策略的發展可能會逐步演變為多維度的立體創新。

　　唐弢認為，量化投資策略創新整體呈現四方面趨勢。一是在整體投資上逐步放松對指數偏離度、行業權重和市值的約束；二是通過使用衍生品結構改變收益風險曲線，獲得資產回撤的安全墊；三是挖掘更復雜的另類數據和另類因子，拓寬收益來源；四是將人工智能（AI）等新技術在量化選股領域內快速“工程化”。

　　濮元愷也表示，隨著國內量化投資逐步從小眾走向大眾，未來策略創新可能會偏向于選股更加靈活，中小市值股票的占比水平整體可能被推高，目前其所在機構正在積極為中小市值量化選股模型做準備。

　　千象資產進一步指出，從該機構當前的研發實踐來看，目前國內量化投資創新呈現更復雜、更精細化的趨勢。目前更多的數據應用，其一大關鍵趨勢是“數據的顆粒更精細”，同時機器學習應用更廣泛。特別是在今年以來各方聚焦的AI領域，只有通過海量多維的數據訓練AI算法，才能從中有邏輯的捕捉優質數據，挖掘市場的真實規律。