2023年底，衍盛和铭量达成了合作意向；在2024年过去的这几个月里，衍盛逐渐完成了对铭量的合并吸纳，铭量团队整体加入衍盛。双方期待，未来以更强大的投研团队和更完善的公司体系，为投资人创造出良好可持续的投资收益。

本次是应中信中证基金研究配置团队的组织和邀请，有幸跟行业内的一些专业机构投资者进行汇报。以下为铭量团队策略负责人魏霄就策略部分进行分享的文字实录。

发言人简介：

魏霄，CFA

北京大学数学科学学院金融数学系硕士，浙江大学数学科学院应用数学系学士；曾就职于中金公司量化团队，牟合投资，2020年加入铭量团队。

主要研究海内外权益类市场多空信号，擅长因子投资、机器学习及组合优化；对市场有较深理解，将WorldQuant、Citadel投研体系融合入A股量化投资策略，具有多年的实盘经验和稳健业绩曲线。

文 | 衍盛铭量PM魏霄

谢谢主办方，谢谢各位参会的领导朋友们。

首先汇报下铭量的情况。我们铭量通过之前三年多的实践，形成了一些策略逻辑、组合框架，以及对今年以来市场环境和未来趋势的思考。简单来说，除了标准化的量化投研流程外，我们在以下三个方面形成了自己的特点：一是数据逻辑在信号上的结合；二是多周期的优化方案；三是自主研发的高效工程架构。

一是信号的部分。我们的信号有两个大的组成部分。一部分是数据驱动的信号，主要是由价量、高频信息，通过深度学习模型，挖掘市场短线交易型的套利空间。这一块信息由于有海量的数据，所以可以在避免过拟合的情况下，充分实现深度学习模型对市场行为的表达，从而获得更高的IC和收益能力。另一部分是由逻辑驱动的信号，这一部分包含的信号主要来自基本面、分析师和量价的有效结合。逻辑驱动的信号追求较强可解释性，在细节的处理上也更加注重精细化。由数据驱动的信号和由逻辑驱动的信号有较低的相关性，所以能在一定程度上实现风险的分散。虽然我们在信号的类型上有这样的区分，但是在因子层面本质上都是对个股收益的预测，所以我们对所有的预测都有一个一致性标准的评估，包括IC IR等一些统计量，从而实现在同一个框架下去衡量信号的好坏。

图片来源于衍盛铭量

二是多周期的优化方案。从频率上讲，我们的信号分成高频的，如每10分钟预测未来1天，和低频的，如每天预测未来5天，这样两个频率。对于高频量价来说，如何和低频结合，如何充分realize两边的收益，就是一个重要的课题。因为两种不同频率的信号的收益分布特征存在很大的差异，A股又有不能做空和不能日内交易的限制，所以简单的叠加不能充分实现收益。衍盛铭量采用自研的多周期优化框架，去优化一个多期的交易路径，简单来说，长周期的信号会决定最后的仓位，短周期的信号决定交易的时点。它是一个综合考虑风险、收益和换手从而实现整体优化的交易方案。

图片来源于衍盛铭量

三是自主研发的高效工程架构。我们铭量团队沉淀了三年，追求高效的研究方式，追求工程的自动化和一体化，所以我们在研究框架的搭建上做了比较多的努力，包括自研的二进制数据格式、图计算网络结构、分布式共享内存、多GPU训练。这样的工程架构使我们可以快速验证idea，提高它的有效性，用多维度的测试去验证它的鲁棒性，这对于需要用海量数据驱动的机器学习模型来说是非常重要的。也是因此，在这三年里面，我们在传统线形因子的基础上，迭代出预测能力较强的机器学习预测模型。

图片来源于衍盛铭量

基于现有的预测能力，我们追求alpha的绝对呈现。前几年的市场环境一直比较稳定，为了实现更充分的alpha收益，我们前两年都是采用一个相对较小的风险限制。从我们的实盘到现在也有2年的时间，应该说表现还是可圈可点的。我们对自己过去形成的体系和方法长期是很有信心的，也希望大家能够持续关注。

我们也很高兴在去年底，整个团队，包括人员、策略和产品整体加入了衍盛，并通过过去几个月的磨合，基本实现了平稳的过渡衔接，现在已经配合得比较默契了。当然，今年以来市场环境发生了重大变化，也给我们磨合期的产品运作带来了很大挑战。

接下来给各位分享下我对近期市场情况的一些思考、观点和认知。

大家都知道春节前，量化出现了多年以来的一个非常异常且非常大回撤点。我们当时觉得这是一个一次性的事件，整个阶段中也非常痛苦，每天都有很多的消息传出来，DMA爆仓、雪球爆仓、很多同行对策略的调整、监管的信息等等，各种各样的资金动力都在共同对这个市场起到推波助澜的作用。其实只是一个春节前后的插曲，但是感觉时间线像有一整年。当时我们反思了很多东西，包括如何去刻画这样的风险，人工干预和量化模型要做怎样的结合，但是后来发现反思根本跟不上市场变化的进度，你还在不断探讨说怎么衡量踩踏的风险，还有哪些杠杆性的东西会引发这样的踩踏。然后，小盘股就迎来了一波疯狂的反弹，再然后“国九条”的发布，表示可能要对不分红的股票实施退市手段，后来市场就“泥沙俱下”，市场可能认为“国九条”之后，很多微盘股可能不仅没有投资价值也没有交易价值，当晚我们就开始研究这个微盘股的界限在哪里。而到了上周二的时候，有官方消息说，其实没有这么严重，第二天小盘股又开始了一波疯狂的反弹。

因为我们也在一些产品上配置了全市场的量化选股策略，所以我们也戏称说自己只是“市场的玩物”。

很多人就会说选择大于努力。确实，用后视镜来看，过去一段时间的特殊市场情况下，size risk dominate 了大部分的收益和风险。我们在模型上做出的很多努力，可能都不及在size暴露或者仓位上的干预对产品净值曲线贡献的影响。对风险暴露的选择和对未来市场的判断成为了今年量化无法规避的话题。作为一个量化PM，其实是非常痛苦的，宏观上的判断并不是我们的强项。但越是如此，我们越要分清楚长期的努力方向和短期必须做出的决策。

这两个月的过程中，我们团队一直在努力收集很多市场和政策信息，但其实根本没有一个置信度较高的理由，让我们充分判断说之后的微盘股是会像前几年那样好，还是说会再次迎来大周期的反转持续走弱。预测收益风格这件事是没有持续性的，我们不能说过去这个收益好，未来就收益好，或者过去三个月差之后就会一直差，不能基于这种预判来进行策略的选择。

那我们能跟踪和判断的是什么呢？是波动。

图片来源于衍盛铭量

相比收益率，波动是一个更有持续性的东西。这张图是过去十年，size因子截面收益的波动时序图。我们可以看到，今年以来波动性相较于过去十年都处于非常高的位置，相对于过去两年更是几倍的高度。波动率一旦上去是比较难下来的，因为它有比较高的自相关性，这不仅限于A股，其他各种投资标的数据也大都是这个样子。本质上来说，资金和资金是会相互影响的。一旦波动率因为某个突发事件打到了一个高位，就会引发同质性的交易，所以会市场有一个持续性的过度反应。这种波动率的持续，其实能在策略的配置上面，给我们提供更可靠的信息的。

Black List，就是我们根据公告，筛选出来的一篮子含有可能被ST的股票的黑名单，在实盘组合中我们会把它们从选股域中去除。

图片来源于衍盛铭量

如果我们没有坚定的信念，不清楚我们工作的意义，单纯看上图左边这张走势图。可能就感叹，天呐，我辛辛苦苦做出来的模型，还不如一个垃圾股票List。所以当我们努力追求的东西，对策略的收益贡献不如一些垃圾股票的风险暴露，好像我们的工作突然就变廉价了，好像我们也不知道该往哪个方向上卷。

但仔细想下，我们又会明白自己在做什么，重要的是，一方面获取收益，另一方面知道我们收益对应的风险是什么，以及我们放弃一些东西背后获得的又是什么。一时的主观决策都是有一定的运气成分在里面，但底层的研究却是更长期，也更重要的。

说回到微盘股，如果因为发生了前面几个月的变化，现在就谈微盘就色变，可能也是偏颇的。因为本质上，这是一个风险和收益两个维度下，最优选择的问题。用波动率来表征的风险部分我刚才已经讲过。对于收益的部分，我想和大家分享下我这么多年在A股的一个感受，不管是整个量化行业，还是各种类型的策略，都是有周期的。这种周期体现在，当一个类型的策略涌入大量的资金后，这个类型的策略的收益空间就会被摊薄，然后资金会退出这个策略，从而这个策略又重新恢复了利润空间。其实，模型本身并没有周期，是由于资金交易，在和人的交互过程中才产生了这样的周期性。这种在策略上的周期性，放到更大的视角来看，是整个行业的周期性。

图片来源于衍盛铭量

这是我拿几个传统的因子收益去对整个量化行业每年的收益空间。虽然说这两者并不完全一致，但是大致可以反应一个趋势。

上一个量化很差的年份是2017年，2017年是极端明显的一九行情，同时伴随着反转因子失效、低波动因子失效。当时大家会觉得是不是从此以后这些因子都不再有效了，A股的量化是不是会进入到一个死亡期。但是事实上呢，由于2017年出清了很多小私募。2018年迎来了史上alpha收益最丰厚的一年，18年就是什么普通的因子都赚钱。在最近的几年里，大家担心未来alpha收益是否会变薄，但是如果把时间线拉得更长来看，它不是在decay，而是有这样的周期性。

图片来源于衍盛铭量

导致了我们需要根据周期来做收益和风险的平衡。这次量化危机之后大家都在谈人工干预。对于人工择时这件事，我以前做研究员的时候，经常吐槽老板的负向择时。就觉得老板总在低点平仓策略，总在高点加仓。我以前觉得只有我们老板这样，后来发现每个公司都这么吐槽老板。后来我成为了策略负责人，再经历过几次周期，就会理解，其实是不同角色基于不同目标有不同考虑罢了。

任何风险的控制可能都是对收益的一种折损，做风控到底在防止什么？

风控其实防止的是这个策略自此挂掉，从此一蹶不振。为了防止这样的风险，在低点平仓，错过反弹，都是防止这个策略发生更大回撤所产生的成本。它特别像保险里面的一个概念，我们叫它risk premium，就是定期不断地付保费，为的是防止遭到极大的损失。而风控的前提逻辑基础，其实也是收益周期性的一种现实反馈。

再比如，前几年，基本面因子虽然work，但是收益水平上是远不如量价，远不如机器学习出的这些非线形量价因子的收益的。所以去年基本面的信号占比在持续降低，但是我们可以看到，基本面的信号今年表现又非常好。每个策略都有自己的生命周期。这其实是一个自然而然的事。一个信号好，当它表现好的时候，其实也会有别人开始交易同质性的东西，然后它的收益就开始变薄，甚至会亏钱，这个时候人们就开始逐渐不交易它，然后它的收益空间就又逐渐恢复了。

刚才我不是说我们整个团队去年都在卷深度学习么，也不仅仅是我们团队，我感觉整个量化去年都在卷深度学习。然后我们发现去年下半年的时候，那些以前的线形模型、线形因子收益反而变得非常好。这个现象也让我非常震惊，因为这些已经是鄙视链下端的了。所以我后来意识到，可能任何的策略都逃不开这样的周期。我以前在做研究员的时候，追求的就是做出一个可以在任何时候优于其他任何模型的策略。我对于稳定的高收益是有憧憬的，但是当我成为基金经理后，我发现可能没这种东西。即使是一个量化模型的策略，也要接受他周期性的好，周期性的差。所以对于一个量化基金经理要做的是什么呢。是均衡。

我有一个做了二十年投资的PM朋友前两天跟我说：“魏霄你终于懂了，投资本身是一件很boring的事情，因为你不能说你要追求一个最高的收益，你只能要求自己追求一个均衡的收益。你挑一个过去好的策略，很容易，你挑一个未来最好的策略，很难。”

不知道大家有没有做FOF的经历，就是如果FOF每年都去买过去一年表现最好的基金，大概率未来表现会很差。做投资，做这些子策略的配置，真正要追求的不是最高的收益。而是一个最稳定的sharpe。比高收益更可持续的是均衡。

说回当下，今年一季度这几场大波动下来，大家都已经是惊弓之鸟了，我们了解到，大部分尤其是头部的私募，size控制得都比较严格。所以在这种有一定相关性的策略都集中在大票上的时候，就像我刚才说的策略的周期性，资金有一定程度的出清，其实小盘的pure Alpha空间反倒是放大了。

整体上，今年除开波动，来自于pure alpha的收益空间是可观的。在以前的情况下，小盘股的risk贡献的volatility比较小，我们少做一些对risk的限制，本身是为了追求更多的pure alpha，是一个非常划算的风险最优选择。可能今年size的volatilty 会保持在高位，同时对应的，今年会有一个比较高的pure alpha的收益，策略的优势可能也会在后面三个季度有更加明显的体现。

图片来源于衍盛铭量

相对于以往，我们在指增产品和对冲产品上做了更为严格的关于size的风险控制，那么我们采取了怎样的风险控制方法？

在控制市值的方法方面各家公司有各家公司的做法。比如在优化器里控制size exposure、增大权重股的权重，这些都是比较常规的方法，但这些方法有一个前提假设是IC在不同选股域上分布均匀。

我们并没有简单地采取这样的做法。我们的做法是其他的风险因子过优化器，size这个风险因子单独做配置上的处理。首先，我们觉得A股的size因子相比其他的因子具有独特性，就像这一天的行情，微盘股常常走出一个独立的行情。用一个线形的模型去做表征不够充分，把它和其他的风险因子一起做统一的衡量也有失偏颇，并不能找到一个真正合适的最优解。

其次，衍盛铭量模型的IC在size分布上有一定的独特性，在大盘（沪深300）和全市场的选股域更突出，这一点跟其他家不同。为了充分实现这种特征的收益，我们就指增和中性产品对size进行了配置上的处理，并且加入了Black List，剔除了极端微盘和有退市风险的股票。相对于指增和中性产品，我们的量化选股产品（空气指增）仍旧选择相对宽松的风控限制，整个size的暴露相对于指增产品更大一些，也是为了追求更多全市场域的pure alpha空间。

今年以来，我们也经历了超额的回撤，随着节后市场的稳定，在我们的超额已经基本浮出水面。就当下这个时点往未来看，基于我刚才的逻辑，我们为量化选股和指增/对冲产品选择了有区分性的配置，并不是因为我们对size这个风险因子做了有方向性的择时，更多的是基于不同股票域、pure alpha收益空间和承担的风险的对比，在不同的产品上挑选合适的策略。

最后跟大家分享一句鸡汤。我那天在短视频里刷到一句话，就是“你要允许一切发生”。我觉得这句话也很适合用在投资上。投资就是这样，你要控制风险，你要均衡，你的portfolio要允许一切的市场变化。

经过过去几年团队人员和策略的更新迭代，衍盛已经有了很大的变化。我们也希望随着投研体系的不断完善，几个PM团队合作互补的加深，未来创造出更稳定的业绩。

期待以后跟各位领导伙伴们有更多的交流机会，更深入的合作。