锐联集团许仲翔:中国量化或反向演进,高频策略转向自营后基本面量化有望迎来窗口
锐联集团创始人许仲翔:中美量化或反向演进,基本面量化静待高频转自营
锐联集团创始人许仲翔称,美国量化行业从基本面量化走向高频量化,中国则可能反向演进:高频策略先扩张,待逐步转为自营后,基本面量化才有望迎来发展窗口。美国基本面量化规模约8万亿美元,高频量化约1000亿美元;许仲翔认为,量化的核心价值在于把投资经验沉淀为模型资产,并通过绩效归因区分稳定能力与随机运气。
财联社11月16日讯(记者 封其娟)11月12日,2026私募业高质量发展论坛暨“华源星耀·第二届私募华尊奖”颁奖典礼在上海举行。本次活动由财联社与华源证券共同主办,秩汇科技联合主办,东方证券特别支持。
在《欧美量化发展路径 中国量化的未来》的主题演讲中,锐联集团创始人、首席投资官许仲翔,围绕海外量化行业演进、收益表现、估值逻辑与底层价值展开分享。他介绍,美国量化行业呈现“先基本面量化、后高频量化”的发展路径,二者存量规模差距显著,基本面量化体量约8万亿美元,高频量化仅约1000亿美元;而国内或走出反向演进路线,当前高频策略率先扩容,在渠道端更受青睐,待高频策略逐步转为自营业务后,基本面量化才有望迎来发展窗口。

许仲翔援引样本数据称,美国量化多头信息比率优于头部主观多头。历经数十年变迁,美国资管市场份额持续向量化多头、被动Smart Beta产品迁移。同时海外资管机构估值形成清晰分层:被动资管机构估值最高,其次为量化主动管理人,传统主观管理人估值垫底。
在他看来,量化投资的核心价值体现在两大层面:一是将投资IP沉淀为模型资产,弱化机构对单一投研人员的依赖;二是能够完成超额收益归因,区分业绩来源于管理人能力还是运气,实现策略可复制、绩效可评估。量化的本质是挖掘市场中可复现的规律,优势在于识别风险特征,而非预判危机发生的时点。
量化产业的演化:中美路径次序倒置
美国量化行业的演进,是一条从基本面量化走向高频量化的路径。早期以基本面因子模型为主,市场认可度有限;待到算力瓶颈突破,高频策略才逐步兴起。与之同步的是费率的持续压缩,从2%管理费+20%业绩报酬,到1%+10%。当前美国量化多头费率已降至约30BP(0.3%),已低于传统公募。
许仲翔认为,高频策略的长期终局大多走向自营。海外高频量化早期同样采用“2%+20%”的费率框架,但成熟策略之后大多转为自营交易。背后逻辑并不复杂,这一套策略若盈利能力足够强,管理人便不再对外募资,改用自有资金运作。这一演化直接反映在规模结构上:美国基本面量化存量约8万亿美元,高频可统计规模仅千亿美元级别,量级悬殊。
反观国内,高频策略当前规模或已接近千亿美元量级,且仍有扩张空间:高频Alpha很大程度上依托非专业资金贡献的交易流,这类流量在中国并不稀缺。渠道端的反馈更为直白:国内更倾向主推高频产品,基本面量化销售承压。
由此,中美量化行业的发展节奏或将正好相反。按照这条路径推演,国内低频基本面量化的发展窗口期,大概率要等到高频策略陆续转为自营、不再对外募资之后才会打开。至于因子、模型、数据获取这类底层能力的价值兑现,恰恰落在当下。
产业演化的最终落脚点,需要由收益表现验证:量化能否持续为投资者创造更优回报?许仲翔用信息比率(IR)作直观对比:美国量化多头、传统主观多头的IR分别为0.29、0.22。值得留意的是,这一样本仅覆盖存活机构中的前25分位,已同时叠加幸存者偏差与头部筛选,全行业真实水平应该更低。
这0.07的微弱领先,并非投入不足所致,而是行业竞争充分、策略拥挤带来的结果:同类策略彼此挤压,超额相互抵消,谁都难以建立持续优势。但正是这种微弱却稳定的超额,在数十年间被资金反复识别、持续再配置,最终重塑资管格局。约50年前,美国资管市场几乎由主动多头主导;如今传统主动多头占比回落至 55%,余下份额由量化多头与被动 / Smart Beta 承接。主动份额的收缩,并非被某一类策略击败,而是超额在密集竞争中彼此抵消、被逐步摊薄的结果。
综上所述,国内市场已显现相似结构演化特征:高频量化规模快速扩张,主观选股策略占比同步收缩,但发展次序与美国相反。美国先从基本面量化起步,再逐步向高频、被动迁移;国内则是高频先行、主观先退,低频基本面量化的补位,仍等待高频策略自营化之后。收益端的结构变迁,正是这一节奏差异的印证。

量化的底层逻辑:投资科学化与能力边界
在许仲翔看来,更深层的定价逻辑,来自资本市场对资管机构商业模式的估值定价。
美国多家资管机构上市后,估值倍数形成明确梯队:纯被动资管估值中枢最高,量化主动次之,传统主观主动估值最低。他解释,三者并非按短期业绩排序,而是沿“现金流可预测性”与“对个体的依赖度”排序:被动产品的费率与规模最稳定,且不承载Alpha判断,确定性最高;量化主动把超额沉淀在系统与流程里,可复制、可外推;主观主动的业绩绑定基金经理个人,容量边界与费率结构都难以事前约定。
这也回应了此前持续探讨的命题:量化的核心优势究竟是什么、解决了资管行业哪类痛点?
他认为,答案根植于底层商业模式。前面所提IR仅相差0.07,但估值差距接近一倍,说明市场定价的对象不是单期超额收益,而是收入的可预测性与Alpha的可持续性:策略具备可复制性、业绩不绑定单一基金经理、容量边界与费率结构可预期,共同支撑量化主动获得显著高于传统主观主动的估值溢价。
更优的业绩表现与估值水平,底层内核可以归纳为投资流程的科学化。这一点已有充分实践佐证:营销曾长期被视作经验艺术,但谷歌、亚马逊、阿里、腾讯、美团等平台的实践证明,它本质上是一套可数据化、持续迭代优化的体系,投放效果依托数据驱动,而非个体经验直觉。
投资领域对这一逻辑的约束更强:评判标准不在于单次收益的亮眼程度,而在于收益能否稳定复现;无法重复的收益,本质等同于运气。当投资走向科学化,研究资源的重心就从追逐偶然的正确判断,转向挖掘可重复、可统计验证的规律,降低对不稳定、难以复现因子的依赖。这也是估值分层的本源:市场为之定价的,不是某一期超额,而是将超额收益从偶然事件转化为标准化流程的能力。
许仲翔谈及,市场普遍存在一个误区:认为量化模型的目标是预测未来。实则相反,量化模型的核心是识别稳定存在的条件概率规律。典型场景:个股受非理性、非基本面冲击快速下跌后,短期价格会延续动量惯性,随后发生反转,价格最终向基本面中枢回归。模型并不预判冲击发生的时点,而是从这类反复出现的价格路径中捕捉超额。
他指出,凡是落地过择时模型、参与过实盘建模的从业者不难体会,无论选取何种统计口径与数据维度,都无法精准预判危机的触发时点。危机是概率意义上的必然事件,但发生时刻不可预测。量化体系能够刻画的,是危机后的修复路径:修复周期的分布特征、分批建仓的节奏规则、基于信号确认的梯度加仓方案。数据的价值不在于预言黑天鹅,而在于提升资本与仓位的配置精度,和前述营销科学化的底层逻辑一脉相承。
更深层的约束来自统计估计精度的非对称性:预期收益属于一阶统计量,估计噪声极高;即便收益方向判断正确,估计误差也可能让组合优化失效,实务中不少场景只能退而采用等权组合。而风险对应的二阶统计量,也就是波动率与协方差矩阵,估计可靠度明显更高。由此,量化体系的能力边界清晰可见:不把重心押注在收益预测上,而是聚焦风险刻画、仓位约束与危机后的交易布局,这也是“收益可重复”在技术层面的落地方式。
在此基础上,量化框架形成研究资源分配准则:对于不确定性极高的决策,例如收益预测、危机时点预判,即便精细打磨,对组合的边际贡献也有限,不宜持续倾斜资源;单次收益贡献微小、但可以稳定兑现的条件概率优势,则适合长期投入,在反复执行中沉淀为可观超额。两类机会的取舍,依靠数据检验,而非主观叙事。
许仲翔直言,人对叙事的天然偏好,恰是超额收益容易被交易拥挤稀释的来源。地缘冲突爆发后黄金不涨反跌,就打破了“乱世买金”的通俗叙事。回溯同类历史冲突样本统计,冲突发生后黄金平均回撤约15%。进一步拆解传导链条:这类冲突多发生在中东产油区域,和平时期原油出口形成美元现金流,其中一部分配置为黄金储备;冲突爆发后原油出口受限、美元收入断流,相关主体反而需要抛售黄金换取美元,用以补给物资,进而压制金价。
关键在于,模型沉淀的不是 “战争即触发金价下跌” 这条简单经验口诀,而是可复现的资金传导机制:现金流收缩、储备资产变现、计价资产承压。机制具备可解释性,规律才有重复的基础。这也回到前面的核心判断:量化研究的对象,是具备稳定基础的条件概率,而非事件标签本身。

量化的商业模式价值:解决资管两大难题
量化常被视作一种投资方法论,但资本市场赋予量化资管机构显著高于传统主观主动管理人的估值溢价,并非源于IR上0.07的小幅差异。这一差异几乎不足以支撑投资人做出差异化决策。估值定价的核心不在收益表现层面,而在机构经营底层:量化模式破解了资管行业两大结构性痛点。
其一,核心资产(IP)不归属公司。主动管理的核心资产是基金经理与投研团队。业绩兑现后,价值创造便被归于个人,随之产生股权诉求。一旦诉求无法达成,核心人员流失,机构价值同步折损,难以构筑长期护城河。
仅有的例外是“创始人即 IP”的组织形态,但该架构存在内生的规模约束。量化的破局思路,是将核心资产从个体迁移至系统化平台:研究员的工作是持续迭代优化模型,迭代完成后,系统能力超越单一研究者。多名研究者的智力沉淀共同形成模型资产,权属归于机构、无法随人员带走,并受到知识产权保护。人可流动,资产不流失。
其二,绩效归因不可靠。行业较少向客户坦诚的是:即便产品实现正向 Alpha、业绩亮眼,也很难剥离收益当中运气与真实能力的贡献。经典组织管理思路倾向留存绩优人员、下放权限、倾斜资源以强化决策优势;但倘若无法甄别收益里有多少属于外生随机馈赠,组织机制容易简单滑向 “出现超额即归因于个体、随即启动渠道扩张募资”,难以沉淀可复用的组织能力。
仅依靠业绩时序,无法判断主观管理人的 Alpha 能否持续、多大比例具备可复制与可扩容属性。
许仲翔介绍,量化方案的底层逻辑,在于一阶统计量估计噪声高、二阶统计量估计稳健这一统计特性:预期收益很难被精确估计,但在样本充足的条件下,回撤、波动率等风险指标具备更高的估计置信度。基于该特性,机构能够锚定模型的长期超额中枢,进而把实际业绩拆解为由基线代表的稳定能力项,以及偏离基线的随机扰动项。
剥离风格与持仓暴露、扣除全部成本后,假设模型相对沪深300的常态超额中枢为3%:某期录得5%,多出的2%应归为正向随机扰动,不等于投研能力提升;反之某期超额接近归零,也不能推导出团队退化——人没变,只是样本落在分布的不利尾部。依托这套分解,组织得以区分基准实力与偶然运气,人才评价不再被短期业绩裹挟,考核、授权与资源排布随之稳定;归因重心也从“个体单次判断正确”转向“哪条流程经统计验证可复现”,偶发收益才得以沉淀为机构可复用的资产。统计上的可拆分,由此变成组织上的可评估。
于是,费率下行、体量分化、IR 微差、估值分层、“一阶不可估而二阶可估”、薄优势经长期定价成结构分化等,所有线索最终收敛至同一内核:资产从个体沉淀至系统,解决 IP 流失难题;绩效归因从单点结果锚定至标准化流程,厘清真实能力与随机侥幸的边界。量化带给资管机构的,并非更高精度的市场预测,而是可沉淀的专有资产与可校验归因的组织能力。
回到最初的估值之问:市场给予估值溢价的核心,从来不是IR层面0.07的微弱领先,而是这套组织模式能够抵御人员流失带来的价值损耗、避免因短期业绩扰动造成资源错配。可沉淀的资产决定机构的规模化空间,可归因的能力决定资本市场的定价意愿。收益端近乎难以识别的细微差异,在公司经营维度被放大为显著的估值分层,这正是量化为资管机构构筑的核心价值底座。

来源:财联社深度 · cls.cn