三元低相关策略：重构量化超额新逻辑

内容来源：中国证券报 魏昭宇

近两年的市场出现了有趣的现象，一场“私奔公”的人才流动正在发生。多位来自千象、灵均等顶尖私募机构的优秀人才，选择加盟中欧基金，参与到公募量化体系的搭建中去。

他们的到来，对中欧基金的交易速度、数据、算力提出了更为严苛的要求，用中欧基金量化投资总监曲径的话来说，这如同要求为一条高铁重铺轨道。深耕公募量化领域多年的曲径在接受中国证券报记者采访时表示，通过对市场与客户的洞察，发现客户对稳健超额的追求，让公募量化无法再仅依赖长周期基本面的维度挖掘超额收益。2023年的“痛苦”反思后，曲径决定系统性地补齐中欧基金量化团队的中短周期超额能力，而这往往是私募量化机构更为擅长的能力。

这场改造结出了硕果。截至2026年一季度末，中欧旗下多只指增产品超额收益显著。这并非偶然，而是一场从策略、人才到基础设施的工业化进阶开始。

招兵买马 构建新策略体系

回忆2023年的心路历程，曲径用“痛苦”这个词来形容。她的策略核心——基于基本面和行业逻辑的长周期阿尔法模型，在当年不奏效了。“市场在收缩风险偏好，不对上市公司的成长和基本面趋势定价。”这意味着，她最擅长的武器阶段性哑火，而客户对超额收益的期望却并没有减弱。

这次挫败促使她进行第一性原理的思考：量化到底赚什么钱？她得出的结论是，自己过去主要赚的是长周期基本面兑现的钱。“这种挖掘超额收益的维度是大部分公募量化机构比较擅长的，但兑现周期也往往比较长，这与追求稳定胜率的客户需求产生了错配。”她意识到，世界上没有永远完美的单一策略，任何模型都可能失效。更好的解决方案，是把不同维度、不同周期的阿尔法来源有机组合起来，形成一个个堡垒，用多元的低相关性来抵御单一方向的冲击。

“我需要想清楚，我有哪些维度的阿尔法没赚到，然后定向去找能补齐这些能力的人。”曲径的蓝图逐渐清晰：在自身擅长的长周期基本面阿尔法之外，必须补齐私募所擅长的两个领域——中周期的因子框架，以及短周期的深度学习。由此，中欧量化“三元低相关”策略体系的构想浮出水面。

搭建新堡垒的第一步是招兵买马。曲径找到了当时在头部私募机构的投资经理宋婷。宋婷的加入，迅速补全了中欧基金在量价因子等方面的短板。由她主导搭建的系统化“因子工厂”框架，将海量的量价数据高效地加工成有效的阿尔法信号，并与原有的基本面阿尔法深度结合，力争提升超额收益的稳定性与胜率。此外，她还推动优化了数据存储与计算架构等底层基础设施，为后续策略迭代和深度学习融入提供了坚实支撑。

紧接着，为了攻克短周期预测的难题，团队又引入了在深度学习端到端模型上拥有深厚经验的杨柳。在担任量化投资部系统化投资组组长后，杨柳不仅带来了新的策略思路，更对中欧基金的数据处理、算力、交易系统等底层基础设施提出了革命性的升级要求。

为何这些头部私募机构的优秀人士愿意加入中欧基金，曲径总结了三点。一是充足的硬件算力支持。近几年，中欧基金将量化投资视为公司的重要战略发展业务之一，并愿意投入充沛的IT资源。二是开放协同的工作氛围。中欧量化采用项目制工作模式，优质人才可以参与不同类型的项目，在交流和挑战中快速成长。三是公募量化大有可为的市场空间。尽管这两年公募量化规模快速发展，但尚未形成有绝对壁垒的龙头。相较于私募量化，公募量化仍是一片蓝海市场，有巨大的业务空间。宋婷的选择代表了很多人的想法：这里存在“从0到1”打造一个顶级平台的历史性机遇。

探索量化投资的“星辰大海”

顶尖的人才带来了先进的策略思想，也放大了原有基础设施的滞后效应。最大的瓶颈之一在于交易系统。曲径透露了一个惊人的数字：改造前，中欧基金某些环节的成交回报耗时可能是某些对冲基金的100倍，这意味着由于交易系统和风控流程的限制，很多阿尔法在成交前就已经流失。

“我们要让提速的高铁在更丝滑的轨道上驰骋起来。”曲径形象地比喻。于是，一场由量化部门牵头，跨越量化、IT、交易、运营、风控等多个部门的“轨道更新”工程启动了。经过改造，实现了从程序生成交易指令、自动拆单到算法交易执行的全流程自动化，成交回报时间被缩短了数个量级。“这打开了我们阿尔法和规模的上限。”曲径表示。

与此同时，在策略的前沿，杨柳正带领团队探索量化投资的“星辰大海”——深度学习端到端模型。与传统“因子工程”思路不同，端到端模型试图将海量的原始市场数据直接输入，让AI自己学习并输出交易信号。

但这把“牛刀”用来处理金融数据这种“小数据集”和“低信噪比”数据时，极易误入歧途。杨柳总结了过去行业的两大弯路：一是模型可能仅仅学会了某个风险因子（比如市值因子），一旦风格逆转便全面崩溃；二是因搜索空间太大，在有限数据下学到的规律缺乏泛化能力，无法适应市场变化。

“我们现在的思路，不是粗暴地让模型为所欲为，而是给它加上约束。”杨柳表示，团队通过特征工程和模型设计，将传统金融逻辑和经验作为“护栏”引入AI的学习过程，控制其搜索空间。在杨柳看来，向投资者解释清楚端到端的运作可能不是最重要的，最重要的是为模型定义清晰的能力边界——在何种市场环境下可能胜出，何种环境下可能失效，并严格控制风险。“知道边界在哪里，比完全打开黑箱更重要。”杨柳说。

当然，规模增长后的复杂管理亦是挑战。当管理规模迈入百亿级，多个产品、多种策略同时运行时，如何公平、高效地交易，最小化市场冲击，成为棘手的优化问题。中欧基金将目光投向了学术界的顶尖力量——上海交通大学智能计算研究院。中国证券报记者了解到，该团队为中欧基金量化团队提供优化器技术支持，根据测算，投资组合优化速度可提升百倍。

“过去主要靠经验直觉和简单的公式对交易细节进行优化调整。但当约束越来越多——同时要考虑跨账户、跨周期的公平交易、控制冲击成本——人力很难快速求出最优解。”杨柳解释。与上交智算的合作，正是要将这些复杂的业务逻辑，转化为数学上的优化问题，通过高性能计算求解。

曲径举了一个例子：两个产品可能都需要买入同一只小盘股。传统的做法可能是两个基金经理各自下单，对于流通盘较小的股票，这有可能推高交易成本。而优化器可以在下单前就统筹计算，规划出一条对整体组合冲击成本最小、阿尔法损失最少的最优交易路径。这不仅关乎收益，更决定了策略的容量天花板。“只有这样，规模才有继续往上扩的空间。”曲径说。

激发高密度人才的创造力

在曲径看来，量化投资的护城河，除了前文提到的技术，还有人才。中欧基金量化团队采用了“中央化账簿”（Central Book）模式，并非各自为战，而是像一条高度专业化的工业流水线，从数据处理、因子挖掘、模型预测到优化交易，每个环节都有专岗专人。团队成员以“项目制”动态组合，资深研究员带领年轻人攻坚特定课题，项目结束即解散，以此激发高密度人才的创造力。

特别值得注意的是，在AIGC技术爆发的2026年春节前后，团队选人的标准发生了显著变化。“我们更看重的不再是静态的知识储备，而是逻辑能力、学习新工具的意愿，以及交付高质量工作的责任心。”杨柳说，AI编程副手已将策略复现时间大幅缩减，这带来了范式革命。因此，团队鼓励每个人用AI重构自己的工作流，甚至在IT项目中尝试用会议纪要直接生成技术代码，实现“端到端”开发。能用AI提升效率的人，才是团队更青睐的人才。

在地缘事件频发的当下，杨柳认为，量化模型需要关注的并非宏观事件本身，而是事件引发的市场结构性变化，如流动性、投资者交易习惯等关键指标。在市场流动性尚维持充裕的情况下，量化策略仍有可为。

谈及未来的产品布局思路，曲径向中国证券报记者透露，在现有宽基指数增强的基础上，团队将向更精细化的风格与策略赛道进行拓展。同时，团队会根据不同的产品的投资领域来调整三元策略的配比。例如，在中小盘产品上，端到端模型捕捉高维异质性阿尔法的能力更强，权重就会更高；而在对标偏股混合的基金中，各类策略阿尔法差异不大，则会均衡配置，最大化低相关性的优势。

在采访的最后，曲径也分享了她对公募量化价值的思考：“优秀的量化产品，追求其阿尔法在长期覆盖甚至超越基准指数的波动，从而为客户提供一种具有时间复利价值的、更可预期的回报体验。”