年内多只量化私募基金业绩受挫,头部机构押注大模型自主挖掘因子技术引发业内热议

2026-11-20 19:09:53未知 作者:徽声在线

2026年,对量化行业而言是极不平静的一年。曾经靠“稳定超额”吸引资金的量化策略,在风格极致切换与成交结构变化中集体遭遇回撤考验。

Wind数据显示,截至11月初,不少量化私募净值遭受重创,有产品在半年内亏成“6毛基”,甚至出现“2毛基”。“量化还能不能持续赚钱”的追问,开始被市场和投资者认真审视。

在行业信心承压的当口,一则来自圈内的消息再度点燃争论。

北京量化投资管理有限公司总经理窦长民向《每日经济新闻》记者(以下简称每经记者)透露,一家头部量化机构在内部交流会上提到:公司通过大模型全程自主挖掘、零人工介入的另类因子,已实盘跑赢基准超18个月,与传统因子相关性不足0.2。这一说法也被认为打破了过去量化因子平均6个月就衰减失效的“行业铁律”。

当“超额能力被质疑”与“大模型自己挖出因子”两件事同时发生,量化行业正站在一个关键的岔路口——这究竟是AI赋能投研的范式跃迁,还是又一次包装过的叙事?大模型自主挖掘量化因子是否具备可行性?其对二级市场、对量化行业有哪些影响?

多家知名私募机构在接受每经记者采访时表达了不同观点:上海某头部量化私募与天算量化(北京)资本管理有限公司(以下简称天算量化)对此消息较为审慎,并对“因子平均6个月失效”“跑赢基准18个月”以及“零人工介入”等说法的前提提出疑问;窦长民则认为,上述实盘数据可信度很高,大模型挖掘因子的关键在于跳出了人类研究员预设的逻辑框架。

不过,分歧之外也有共识——三家机构均认同AI是一种研究工具,但工具普及不等于投资结果趋同。至于AI将带来什么改变,他们均提到了对市场的影响、对行业格局的变化、对人才岗位结构的调整。

大模型自主挖掘因子18个月跑赢基准:大模型真能“零人工”挖掘优质因子吗?

量化行业出现了一个值得注意的发现:大模型开始自己找“赚钱规律”了。

近日,北京量化投资管理有限公司总经理窦长民向每经记者透露,一家头部量化私募机构在内部交流会上表示,由大模型全程自主挖掘、零人工研究员介入的全新另类因子,已完成实盘上线并稳定跑赢基准超18个月,与传统人工因子的相关性不足0.2。这一说法也被认为打破了过去量化因子平均6个月就衰减失效的“行业铁律”。

这则消息在圈内迅速发酵,尤其是这一说法戳中了量化行业最敏感的神经——因子衰减。在一个策略生命周期不断缩短、超额收益被反复拷问的行业里,“打破6个月因子衰减失效”的说法,直接将行业最敏感的问题公之于众。

据了解,量化因子是从历史数据中总结出的、能预测股票涨跌的规律或特征。比如“市盈率低的股票长期更划算”“前期涨得强的股票短期还会涨”——这类能被数学公式衡量、用来批量给股票打分选股的条件,就是因子。量化机构靠成百上千个因子自动决定买卖。而“因子衰减”,是指规律被同行发现后资金一起涌入,套利空间被抹平,交易策略不再有效。

窦长民曾撰文介绍这套大模型自主挖掘因子的运作方式:大模型挖掘因子无需人类预设逻辑框架,它直接对卫星影像、产业链舆情、电商交易流水、物流轨迹等多模态非结构化数据做全维度遍历,挖掘出人类研究员难以触及的隐藏关联。

并且,大模型可以自主完成从原始数据接入、因子生成、回测校验到实盘模拟的全链路流程,研究员只需明确研究目标、划定合规边界。为防把过拟合历史数据的伪关联当成有效因子,机构另设“三层校验”:先过统计显著性校验,再经6个月以上模拟盘跟踪,最后由人工完成收益归因的可解释性排查,全部通关才进入实盘。

窦长民向每经记者表示,上述事件的可信度非常高:“头部机构的渠道路演不会对外披露完全虚假的实盘数据,否则很容易被同行的实盘业绩证伪,直接损害自身品牌信用。”并且,他撰文提到,这类AI原生因子的信息比率达到2.7,远高于传统人工因子平均1.2的信息比率。这些指标,和当前行业公开的AI量化技术进展完全匹配,没有出现明显违背行业常识的夸张数字。

不过,每经记者从其他国内头部量化私募的采访结果来看,“零人工介入的大模型自主挖掘优质因子”仍是一个待检验的判断。它至少依赖三个前提:第一,“6个月衰减”是真实的行业规律;第二,18个月的实盘足以覆盖不同市场环境;第三,“零人工介入”确如其名。而这三点是否成立,正是业内观点分歧的核心。

业内存疑:量化因子失效前提、样本长度与零人工是否具备科学性?

窦长民在文章中表示,前述的大模型自主挖掘因子的方法之所以能横空出世,是因为人工挖因子的模式已遇到瓶颈。

他认为,十年前,一款优质的量价因子可以稳定贡献超额收益2~3年,到2025年,全行业人工挖掘的量价因子平均生命周期已骤缩至6个月,不少热门的小市值、动量类因子甚至上线仅3个月就彻底失效。为对抗衰减,行业只能持续堆高算力、扩招研究员,边际成本持续攀升,平均超额却越摊越薄。

不过,有业内同行对这套叙事的两个前提提出了不同观点。

上海某头部量化私募在接受每经记者采访时指出,量化因子平均6个月就会失效并没有充分的科学依据;而拿这样一个未经证实的平均数,去衡量某因子据称持续18个月的实盘表现,就更加站不住脚。

天算量化对此持相同意见。公司向每经记者表示,6个月并不是因子有效期的统一标准,行业中也不存在这样的铁律。衰减确实普遍存在,但它是竞争与市场变化共同作用的结果,部分看似衰减的情况,实际上源于研究阶段的过拟合,因子在样本外本就缺乏稳定的预测能力。

同时,天算量化认为,AI正在拓展量化研究的边界,这一趋势值得重视;但就这则尚待核实的消息而言,仅凭“实盘跑赢基准18个月”,还不足以得出“因子不再衰减”的结论。公司表示,对这一现象需要关注三个问题:一是“跑赢基准”的收益来源是什么,是该因子本身贡献的超额,还是市场风格、行业配置等其他因素带来的;二是18个月是否覆盖了足够多样的市场环境,例如今年下半年的风格切换;三是“零人工介入”具体指哪些环节,数据选择、目标设定和风险控制通常仍离不开人的判断——判断一项方法是否有效,扎实的证据比技术标签更重要。

这三个问题中,最核心的还是对“零人工”的定义。

上海某头部量化私募表示,AI可以完成给定的因子挖掘任务,但如果抛开结果的质量和可靠性,单谈任务是否完成,意义有限。前沿研究依然离不开人,研究员提出什么问题、沿什么方向探索、为什么相信一项发现,都会影响最终成果。天算量化同样认为,AI本身并不会带来独占性的信号,差异最终仍来自数据、问题定义和对市场的理解,速度领先确有价值,但难以构成长期壁垒。

AI工具普及不等于结果趋同:AI摊薄的是信号,不是机构差距

尽管业内对“零人工自主挖掘”“6个月因子衰减”观点不一,但受访的三家机构在“AI会改变什么”上几乎趋于一致。

上海某头部量化私募认为,AI首先是一种研究工具,其普及会让信息更快反映进价格,提升定价效率,同时加剧投研竞争。

天算量化认为,信号从稀缺走向普及是大概率路径,容易被复制的因子会被竞争压缩、超额变薄,但工具的普及并不意味着投资结果趋同。

把视角拉回到今年下半年A股这轮大幅回撤:在定价偏差、流动性补偿、行为统计规律这三类阿尔法来源中,哪一类超额受损最重?主打AI挖掘因子的机构,其收益又主要建立在哪一类来源之上?

天算量化表示,分析这轮超额回撤,应重点考察风格反转、交易拥挤和成交变化等因素。公司更倾向于从具体的风险暴露和交易机制来分析,而不是简单地为不同数据源策略的收益排出受损次序。AI本身并不是一类独立的收益来源,基于量价、基本面或文本数据构建的模型,承担的风险各不相同。仅凭公开信息,难以判断哪类收益受损最重,也难以笼统认定AI策略整体更抗跌或更脆弱。

天算量化强调,如果模型在训练中不知不觉吸收了前期占优的市场风格,平时不易察觉,风格切换时就可能放大回撤,这也是其风险控制中重点关注的方面。更有意义的观察维度,是策略的实际风险暴露、拥挤程度、换手水平、杠杆和执行能力。

上海某头部量化私募认为,就今年下半年的行情看,成长型企业股价大幅回撤,市场持续处于超卖状态,短期反转也未能带来有力修复。公司倾向于从这样的市场环境理解这轮回撤,它与是否使用AI开展研发应该没有直接关系。

还有一个值得思考的问题是,如果在量化机构的AI因子普遍有效之后,要如何避免被同行同步发现?会不会重演“人工因子”从稀缺到内卷的路径?

天算量化表示,从稀缺走向普及,是AI研究工具大概率会经历的过程,但工具的普及并不意味着投资结果趋同。容易复制的信号会在竞争中被压缩,机构之间的差异将更多体现在数据理解、组合构建、交易执行和风险控制等环节。同时也要看到,过去一些被视为超额收益的部分,后来被证明实际上是对某类风险的暴露;另一些定价机会则在竞争中逐渐消失。市场参与者结构和信息环境也在持续变化,新的机会与新的风险会同时出现。

价格反映信息更快、超额变薄、岗位重组——大模型或将改写量化规则

除了对市场的影响,三家受访机构还认为AI将加快量化行业格局的分化演变。

窦长民在接受每经记者采访时分析表示,AI承担大量因子挖掘工作后,量化机构的核心竞争力会按重要性依次落在三处:研究员定义问题的能力、私有非结构化数据、算力。在他看来,这个技术壁垒会给头部机构留下至少3~5年的独家红利期。而这一趋势对有深厚技术积累的头部机构是极大利好,对没有数据、没有人才、没有工程能力的中小机构,会形成极强的挤压效应。

上海某头部量化私募表示,对于拥有顶尖研究人才的小机构,AI 在研发上是利好,一支精干的团队就能探索更多问题。但算力上的制约则会更加突出,在需要大规模计算投入的研究方向,小机构面临的竞争压力会更大。

从上述三家机构的采访中可以看出,即使AI将对市场和行业带来深刻变化,对核心人才的要求也只增不减,更多的变化体现在岗位结构的调整,而非某类岗位的简单消失——未来3~5年,编程、回测、数据清洗等重复性环节需求明显收缩,洞察市场、辨别信号真伪、理解产业逻辑的能力愈发稀缺。

天算量化在采访最后提到,AI正在降低提出方案和实现想法的成本,但并没有自动降低辨别投资价值的难度。

换言之,AI改变的是量化的生产方式,而非投资的底层难度。对行业而言,这既是一场效率革命,也是一次重新洗牌;对从业者而言,则是一次能力结构的整体迁移。当更多人用同样的工具去同样的数据里寻找规律,定价效率会更高,超额会更薄,真正决定胜负的仍是对市场的理解与对风险的约束。

点击展开全文
你关注的
从“几年一遇”到“一年几遇”,AI时代网络攻防失衡加剧 奇安信齐向东:主战场转向制造业与服务业从“几年一遇”到“一年几遇”,AI时代网络攻防失衡加剧 奇安信齐向东:主战场转向制造业与服务业 健康管理成全球政策新焦点 外滩热议AI如何引领“主动健康管理”新风尚健康管理成全球政策新焦点 外滩热议AI如何引领“主动健康管理”新风尚 地平线押注车企中“沉默的大多数”地平线押注车企中“沉默的大多数”
相关文章
AIVA首款车型预计将于2027年第一季度上市AIVA首款车型预计将于2027年第一季度上市 31.98万元起!享界首款MPV上市 余承东:我们用料很狠,导致纯电车型成本很高31.98万元起!享界首款MPV上市 余承东:我们用料很狠,导致纯电车型成本很高 余承东纠正发布会言论:享界V8目前仍为L2级辅助驾驶,“开车不能睡觉”余承东纠正发布会言论:享界V8目前仍为L2级辅助驾驶,“开车不能睡觉” 这款“成都造”游戏,登上联合国气候变化大会这款“成都造”游戏,登上联合国气候变化大会 华为星芒首款新机售价公布:5699元起华为星芒首款新机售价公布:5699元起 黄仁勋要“再创业”? 预测:可能筹资500亿美元 创办新半导体公司黄仁勋要“再创业”? 预测:可能筹资500亿美元 创办新半导体公司