公募量化进入3.0时代：当私募人才开始“反向流动”

内容来源：中国基金报 曹雯璟

编辑 | 高山

“主观研究没有尽头，量化迭代同样没有尽头。”

在私募量化长期占据市场话语权、公募量化随之获得更多关注的背景下，中欧基金量化投资团队正走出一条颇具差异化的发展路径：通过引入私募顶尖人才、重构技术底座与交易体系、打造三元低相关策略组合，推动公募量化从争取“长周期单一Alpha”向“多周期多元Alpha协同”的跃迁。

在中欧基金量化投资总监曲径看来，公募量化的真正机会，正来自这一轮系统性重构——当技术、人才与机制逐步到位，行业格局仍未固化，谁能率先完成数智化升级，谁就有机会在这片“蓝海”中占据先机。

补齐“短周期能力”

从追求单一Alpha到多元策略框架

回顾整个发展路径，曲径将团队演进概括为三个阶段：1.0：单一基本面Alpha驱动；2.0：因子工厂与基本面融合；3.0：多周期、多模型、低相关组合体系。曲径表示，这一过程中最核心的转变，是从“寻找单一最优策略”，转向追求“构建稳健的Alpha组合”。

“世界上不存在永远有效的模型。”曲径强调，“任何模型都会失效，唯一的办法是不断迭代、不断补齐工具箱。”

曲径坦言，过去公募量化的核心问题，在于过度依赖中长期基本面Alpha，而忽视中短周期策略的补充。“我们以前追求的是中长期Alpha，但它的兑现是脉冲式的。”她表示，尤其在2022年、2023年市场风险偏好持续收缩的阶段，基本面因子长期“失效”，导致策略超额收益与投资者希望“月月跑赢”的需求出现错配。

这种反思，直接推动了中欧量化团队的策略重构。

在曲径的框架中，量化策略可以按照时间维度划分为四类：日内策略、短周期策略（Level-2数据驱动）、中周期因子工厂、长周期基本面Alpha。她坦言，传统私募擅长前三类，公募过去擅长最后一类。

因此，中欧量化的核心动作，是追求补齐中短周期的超额能力，并构建低相关甚至负相关的Alpha来源。2024年，来自百亿量化私募的宋婷加入，补全了中欧量化的因子工厂，中长期基本面Alpha与量价因子体系呈现负相关，二者融合追求提升组合稳定性；2025年，曾在高盛、Capula等海外顶尖机构的杨柳带来了深度学习端到端模型，从更高维度预测股价，与前两者呈现低相关，量化策略的丰富程度进一步增强。

“我们最终实现了从传统公募‘长周期Alpha’向‘三元低相关策略’的进化，所谓‘三元’，即基本面因子、量价因子、与深度学习端到端。”曲径总结道。

项目制协同

量化人才的“工业化”协作方式

在公募行业中，大规模引入私募量化人才并不常见。曲径直言，这一结果并非刻意选择，而是能力筛选后的自然结果：“在因子框架和技术能力上，公募和私募之间确实有可以互相借鉴的地方。”

对于私募顶尖人才愿意选择进入公募的原因，曲径归结为三点：

一是硬件算力支撑。中欧量化在算力资源、IT系统建设上持续加大投入；

二是高水平同僚的协作氛围。顶尖研究员不想成为流水线上的“螺丝钉”，他们在中欧能获得开放、平等的交流和成长空间；

三是公募量化的“蓝海”机遇。目前公募量化规模相对私募仍较小，且尚未形成像私募那样的绝对龙头，这为追求职业成就感的人才提供了巨大的发展空间。

面对高密度技术人才，团队如何高效协同，是另一个关键问题。

据曲径介绍，目前中欧量化核心投研团队仅10人，但每个岗位的人才画像都极为清晰，且岗位对人才均要求处于行业前列的水平。中欧量化团队采用的是典型的“科技公司式”项目制管理：每个研究方向以项目形式推进；由资深投研人员带领年轻研究员组成小组；明确目标、周期与评价标准；项目完成后动态重组等等。

“我们不是独立PM模式，我们更强调协同与共享。”她表示，这种机制的优势在于：通过专业化分工，避免重复劳动，提高资源利用效率；促进跨模块知识融合；在团队扩张过程中减少“内卷”摩擦。“我们希望做增量，而不是存量竞争，所以冲突反而更少。”她谈道。

数智化提效

让“高速列车”在中欧跑起来

“如果研究员拥有‘高铁’级别的技术能力，但公司只有一条老旧的铁路，那是跑不起来的。”曲径形象地描述了量化投研与底层系统之间的关系。在公司内部的协作下，中欧量化启动了一场看不见的“工业革命”，目标是将底层设施修成“高速轨道”。

过去，受制于交易系统和流程的限制，传统公募量化的成交速度慢，甚至需要通过Excel手动导入指令。曲径回忆称，这让很多高频策略难以落地。

为了解决这一痛点，中欧量化通过梳理流程节点，优化了底层的一体化平台，将成交速度大幅提升。现在，量化基金经理只需要保证程序正常运转，系统就可自动生成指令，并自动拆单进入交易所，大幅降低了交易损耗。

此外，中欧量化还积极运用AI技术，提升投研效率和决策准确度。这种“数智化”思维贯穿了量化投资的核心步骤：数据处理、因子生成、收益率预测模型、组合优化及算法交易。曲径认为，量化是一个乘法过程，如果其中六个步骤是100分，但有一个步骤只有60分，那么最终可能完全没有Alpha。只有每一个环节都达到80分以上，才能最大限度地争取产品的超额收益。

此外，当中欧公募量化迈入更大规模边界，如何解决多账户公平交易和冲击成本问题，成为摆在团队面前最紧迫的挑战。“历史上公募基金很难解决策略容量的问题，因为缺乏科学的办法来进行多周期、跨账户的优化。”中欧量化系统化投资组长杨柳直言，只有在底层技术上实现突破，团队才敢进一步打开容量上限。

为此，中欧量化选择与上海交通大学智能计算研究院深度合作，上交智算为中欧量化团队提供优化器技术支持，根据中欧测算，投资组合优化速度可提升百倍。据杨柳介绍，优化器是量化“精耕细作”的关键。在早年因子红利肥沃的时代，专注挖掘因子即可获取超额，但随着因子拥挤度上升，必须通过更科学的优化算法来寻找最优解。例如，当多个基金同时买入同一只流动性有限的小盘股时，优化器能通过交易冲击成本模型，计算出损失Alpha最少的跨产品下单策略，从而辅助基金经理争取超额收益。

随着市场有效性提高，更加考验量化团队精细挖掘Alpha的能力。曲径坚信，通过顶尖量化人才的专业化分工、投研流程的AI数智化提效，未来，中欧量化将在公募量化的赛道上，依靠工业化投研体系构建起不可逾越的护城河。

基金有风险，投资须谨慎。以上内容仅供参考，不预示未来表现也不作为任何投资建议。其中的观点和预测仅代表当时观点，今后可能发生改变。未经同意请勿引用或转载。基金管理人承诺以诚实信用、勤勉尽责的原则管理和运用基金资产，但不保证基金一定盈利，也不保证最低收益。基金的过往业绩并不预示其未来表现，基金管理人管理的其他基金的业绩并不构成其他基金业绩表现的保证。您在做出投资决策之前，请仔细阅读基金合同、基金招募说明书和基金产品资料概要等产品法律文件和风险揭示书，充分认识基金的风险收益特征和产品特性，认真考虑基金存在的各项风险因素，并根据自身的投资目的、投资期限、投资经验、资产状况等因素充分考虑自身的风险承受能力，在了解产品情况及销售适当性意见的基础上，理性判断并谨慎做出投资决策。