暴力反弹的量化股多，谁在领跑？

#量化超额

上周，很多量化投资人终于松了一口气。

大概率看到了一个久违的量化净值曲线——不只是跟着指数涨，超额也在同步修复。

不过投资人的体感可能会大不相同——各家的修复幅度差的不止一丁半点。即使是子策略内部，也有10个点以上的差距。

这种分化，值得拆一拆。

上周净值出来后，风云君也整理了各子策略中表现比较突出的。

某500指增

属于中低频多因子路线，量价占约50%，其余为基本面、另类因子，因子结构均衡。收益贡献和因子占比相似。4000+因子，均为人工挖掘。

这种因子结构的深度均衡，在极端行情中就有着两面性。

7月市场出现“高切低”的风格切换，量价因子受到较大冲击，高频信号被短期反转走势打乱，量价因子明显跑输。但基本面因子由于偏重估值和盈利质量，变动频率较低，在风格剧烈波动中没有跟随市场情绪过度反应，一定程度上起到了稳定组合净值的作用，控制了回撤幅度。

到了8月反弹，市场情绪回暖，赚钱效应逐步扩散。此前被忽略的基本面逻辑重新得到市场关注，业绩确定性和估值安全边际成为资金考量的因素。叠加量价因子的集中修复，反弹弹性得以充分释放。

说白了，这类策略赚的不是单一信号的钱，而是多因子共振的钱。

在单边趋势明显的行情中，它的表现可能不如极致偏配的纯量价策略；但在风格切换频繁、市场震荡修复的阶段，均衡结构带来的稳定性反而是优势。

某1000指增

策略以量价因子为主，占比80-90%，换手50-60倍，持仓集中度控制严格（单票不超0.5%）。具体风控标准上来看，行业偏离不超过3%，将市值因子约束在0.6个标准差，基本是比较严格的限制。

严格的风控，也正是它上周超额表现突出的主要原因。

通过对行业、市值等中性约束，本质上是用约束条件剥离掉对风格因子的方向性暴露，使得策略更专注在选股本身。

反弹行情往往伴随风格和行业的快速轮动，组合的收益锚定在指数贝塔上，风格因子层面的扰动被有效过滤，也不会因过度押注某一方向而在轮动中遭受额外损失。

更重要的是，当市场情绪回暖、流动性改善时，个股层面的定价效率有所提升。基本面良好、估值合理的成分股更容易获得资金关注。

由于收益核心来自个股选择而非风格暴露，在反弹阶段选股逻辑的有效性得以更纯粹地转化为超额收益，不需要额外判断市场风格是否配合当前的轮动节奏，从而能充分享受指数的反弹。

某2000指增

中低频基本面量化策略，量价因子为主，占比60%，基本面+另类占比约40%。收益贡献上，基本面+另类占比约30-40%，量价占比约60-70%。因子人工挖掘后，通过机器学习选股模型进行因子组合。

这类策略的底层逻辑具有较为明确的经济学支撑——估值回归、盈利质量等因子对应的是长期定价效率的修复过程，因此更适合基本面驱动的市场环境。

上周的反弹就属于这类情形：市场在前期调整后重新聚焦于业绩和估值，基本面信息开始主导个股的价格修复路径，而非短期情绪或资金博弈。

在这样的环境中，策略的选股信号与市场定价方向趋于一致，被低估的资产更容易被资金识别和回补。

换手率低、持仓周期长的特征，使策略能够有效捕捉由基本面改善驱动的中期价格趋势，避免频繁调仓错失修复空间。同时，基本面因子在流动性改善阶段定价效率有所提升，选股逻辑的超额收益兑现更为顺畅。

某量化选股

100%量价高频策略，底层完全采用端到端机器学习模型，对个股进行短周期的Alpha做预测，预测周期最长不超过1天。信号追求更高效的预测，同时换手灵活。

之前我们也提到，机器学习的优势，就是能更快识别出市场环境的变化，从而调整持仓风格，适应市场风格的快速变化。

这轮反弹它能表现突出，也算是再次验证了这类模型的优势。

在7月下跌过程中，模型一直在不断调仓捕捉有潜力的持仓，这部分持仓上周修复较多。

其实与多因子选股不同，端到端的机器学习并不强调可解释性，整个过程就是模型决定的去追求更纯粹、精准的预测。一方面体现在对超额的挖掘上，再就是对市场的适应能力。

模型在整个自我学习的过程中会进行优化迭代，向预设的目标去优化模型做选股。

因此，模型在信息的统筹和反馈等方面更加灵活，在市场的适应性上相对更高，能更快地识别环境变化并做出判断，整体的超额表现也会更加稳定。

这一周暴力反弹中的分化，其实也是一个很好的观察窗口。

在同一个反弹行情里，不同管理人走出了不同的修复路径。

当然这并不意味着哪种策略"更好"。真正需要看的，是你持有的策略，在什么样的市场环境下会表现突出，在什么样的环境下会承压。

更重要的是，要进一步观察这种超额表现在不同市场环境下的稳定性，而不只是某一周的弹性表现。