量化私募AUM突破1万亿 路向何方
由iquant创建，最终由iquant 被浏览 339 用户
中信证券
量化基金跟踪与展望：另类到主流，稳固再出发
基金投资者的认知度提升、以及管理人策略迭代，量化策略基金逐渐从另类品种、发展成为财富管理市场中的主流赛道之一。对比2020年持续的“抱团”行情，2021年市场的结构性机会轮动和扩散，相对有利于量化策略表现。此外，在利率下行风险的背景下，关注股票多空策略对“固收+”策略的编辑替代价值。
截至2021年上半年末，证券类私募中，量化产品规模接近万亿、规模占比约两成；百亿以上量化私募管理人的合计规模约4800亿。公募量化基金（不考虑公募专户）规模约2600亿，在主动权益基金中的规模占比比较低；但部分宽基指数增强、股票多空产品具有亮点。再说投资者对量化基金的认识，逐步从“是什么（策略原理）”向“为什么（策略配置价值）”的维度变化。在此基础上，量化策略基金与基本面主动基金之前的配置比较，成为重要的讨论命题。
2021年上半年，量化策略的业绩表现出量大特征：
一是中证500指数增强策略表现超越主动权益策略。私募基金方面，按照百亿以上私募管理人的可得样本统计，中证500指数增强私募策略收益率为14.3%，同期主动多头策略私募收益率为5.8%。所以正是超额收益吸引更多投资人。我们认为呈现上述特征的主要原因在于：对比2020年，市场结构性机会从“茅指数”向周期、成长等方向的扩散和快速轮动，相对有利于持股分散特征的指数增强类策略。
二是中证500增强基金的超额收益来看，公募基金相对私募基金的收益率差距显著收窄。呈现原因主要是：一方面私募策略规模的快速上升，一定程度上摊薄超额收益空间；另一方面是盈利因子和成分股内个股表现校对，相对有利于公募基金策略。
**配置展望：**量化基金稳固再出发。对比2020年持续的“抱团”行情，2021年市场的结构性机会轮动和扩散，相对有利于量化策略表现。与此同时，类似一季度的市场风格逆转，也是检验管理人风格偏离和风控能力的重要样本窗口，区别管理人中的“持久的明星”与“陨落的流星”。此外，在利率下行风险的背景下，关注股票多空策略对“固收+”策略的编辑替代价值。
中信建投
分析师预期调整事件增强选股策略全攻略
概述：分析师预期调整主要包括三方面信息，分别是盈利预期调整、目标价格调整以及投资评级调整。本文利用这三方面信息构建因子和事件，并基于此构建选股策略，从而实现在充分利用分析师预期调整信息的基础上取得优秀的选股效果。其中，主动上调预期叠加盈利预期调整幅度因子增强策略年化收益33.64%，超额中证500的年化收益29.39%，信息比率2.32，胜率71.43%。总体选股效果是所有增强策略里最好的。
\
天风证券
A-H溢价：揭示A股的低定价效率问题
概述：研究表明，对于在A股和H股双重上市的股票，其A股价格通常高于H股价格，且这种A-H溢价在时序上和横截面上都是持续存在的。作者依据股票A-H溢价的普遍均衡和特有均衡之间的差异提出了两个新的因子，基于这两个因子构建的股票多空组合分别有28.0%和27.1%的年化回报。此外，作者指出，A-H溢价主要是由A股定价的低效率所造成的，而这种的低效率则与以散户为主的A股市场中的特定投资者偏好有关。
国泰君安
技术因子的非线性预测力
概述：在上一篇报告中，我们提出了基本面因子的非对称微笑特征，即基本面因子对股票收益的预测能力主要体现在前20%与后20%，同时因子空头影响大于多头。换言之，上市公司相对中庸的业绩、业绩变化、估值水平、分析师预期等信息对未来股票的影响几乎可以忽略，只有当上市公司在某些维度上表现特别好或者特别差时才会对未来股价产生显著影响，而且市场通常对负面信息更加敏感，负面信息通常会带来下跌，但正面信息没有资金面的支撑或处于预期之内等原因不一定能带来上涨。
自然我们会产生这样的疑问，对于技术因子而言，是否同样能发现上述特征？我们知道从IC或者多空收益来看，低频技术类因子表现优异，但是如何将具有统计显著性的技术因子转换为超额收益的难度却在不断加大，近年来技术因子的多头收益大幅收窄，偏量价模型的量化基金开始采用大量AI算法。产生上述现象的原因在于技术类因子对于股票预期收益的影响相对于基本面因子更加非线性，从而导致了技术类因子在传统线性回归算法中无法发挥出其应有的作用，因此采用能够契合技术因子非线性特征的选股模型必然是大势所趋。
本篇报告承接上一篇报告《从多因子到多信号20210417》，总结技术因子的非线性特征原因及规律，并将特征离散化技术应用至技术因子，以期减少因子信息噪音，增强策略鲁棒性，从而更好地获得技术因子的非线性收益。
目录
1.技术因子的非线性特征规律探索
1.1.余弦特征曲线
1.2.其他特殊特征
1.3.由于非线性特征被忽视的ALPHA
1.4.小结
2.基于技术因子非线性特征的选股策略
2.1.技术因子的选择与中性化
2.2.技术因子的离散化
2.3.回测框架
2.4.模型概况
2.5.策略表现
3.总结与展望
4.附录 技术因子库
4.1.日间量价因子
4.2.日内量价因子
4.3.AI因子