两轮量化回撤，风险来源有何不同？

来源：兴证全球基金

2026年7月，伴随市场及科技板块的快速下行，不少量化产品表现集中承压，超额收益出现明显回撤。看起来像是2024年春节前行情重演，但相似的回撤曲线，背后可能是完全不同的风险。

本篇文章，我们把量化分析日常使用的Barra因子模型摆到台面上，用同一套口径去拆解这两场历史上相对极端的超额收益回撤区间，回答两个问题：7月的市场究竟发生了什么？为什么我们认为它和2024年的机制并不相同？

一、Barra模型是什么？

以一只中证500指数增强产品举例，会需要做好两件事情：一是贴着中证500走，市值、行业、风格都要与基准保持相似，偏离幅度受跟踪误差约束；二是要在这个约束之内跑出超额。超额的来源并不止一种，可以来自个股层面的判断，可以来自日内交易的执行，也可以来源于某一风格特征的偏离。

而Barra的作用便是用来识别一只产品的收益和风险来源的模型：把一组股票看似复杂的涨跌，拆成市场、行业、风格和个股特异部分。研究者通常关心超额波动来自哪些共同风险，以及在控制这些风险后，组合还剩下多少无法被模型解释的收益。

通常来看，Barra模型会把产品收益和风险拆解成以下几个方面：

产品收益 ＝ 市场贡献 ＋ 行业贡献 ＋ 风格贡献 ＋ 个股特异收益

以上仅为示意图，用于说明Barra的收益分解逻辑，风格因子定义参照Barra CNE5/CNE6体系，不同版本的因子口径存在差异，不代表任何具体产品的实际归因结果。

其中，常见的风格因子包括市值、动量、贝塔、残差波动率、流动性、价值、盈利质量等。

以上仅为示意图，风格因子定义参照Barra CNE5/CNE6体系，不同版本的因子口径存在差异。

为了便于理解，我们做一个纯粹的举例。假设某产品一个季度获得 8% 的超额收益，拆解后发现：行业贡献 1.5%，风格贡献 5%，个股特异收益 1.5%。这说明过去的收益有相当部分伴随着行业和风格暴露，而不能把 8% 全部解释为独立选股能力。

风格收益当然也是真实收益，但它与相应的风险暴露一体两面：风格顺风时贡献超额，风格反转时，过去赚到的一部分也可能被回吐。

二、2026年7月：动量反转，因子的同向共振

2026年上半年，市场呈现K型分化，收益和成交高度集中在AI、算力、半导体等少数科技方向，多数股票表现相较弱势。这一轮行情的关键词，是动量和拥挤。

我们跟踪了一个简单的指标：按过去60个交易日的累计收益给全市场股票排序，看涨幅前20%的股票占了多少成交额。

这个比例从4月初的约39%，一路升到6月最后一周的约64%，6月30日单日一度触及67.8%。约五分之一的股票，吸走了接近三分之二的成交。 同期，头部20%与其余80%的等权收益差，在6月下旬一度拉大到约36个百分点。

2026年抱团行情与收益分化情况

数据来源：Wind，兴证全球基金多元资产配置部测算；区间2026/4/1—2026/7/31，周频展示；股票按滞后60个交易日累计收益排序以避免前视偏差；成交额＝价格×成交量。历史数据不代表未来。

需要注意的是，这批强势股绝大多数本来就在中证500、中证1000乃至沪深300的权重之内。这与2024年资金主动向指数外的微盘下沉，是两条完全不同的路径。

进入7月，头部股票由领涨转为领跌，成交占比回落，相对收益优势迅速收窄。持仓层面积累的共同风险被集中释放，在Barra归因里，表现为多个因子同时承压。

动量因子在6月一度累计上涨约4.19%，7月快速回落，从高点回撤超过7%。这意味着此前表现最强的股票转为主要的下跌方向，量化策略前期依靠趋势延续获得的收益随之集中回吐。

其他因子放大了这个压力。Beta因子6月一度上涨超过4%，最终降到约−1.84%；残差波动率累计下跌约4.74%，说明高波动股票在整个阶段持续跑输，策略的获利空间被压缩。

Barra因子收益（2026/6/1-2026/7/31)

数据来源：Wind，兴证全球基金多元资产配置部测算；区间2026/6/1—2026/7/31；因子收益为纯因子组合的累计收益，正负号方向依模型口径设定。历史数据不代表未来。

更值得关注的问题，是风险因子之间的共振。

正常情况下，动量、Beta、波动率和流动性并不完全同步，一个因子失效时，其他因子还能提供一定的分散。但这一轮，高Beta、高波动、高换手和强动量越来越集中在同一批科技与小盘成长股票上。当这些股票下跌，多个因子同时承压，原本可以相互对冲的风格因子同向回撤，多因子模型的分散效果被削弱。

Barra因子相关性（2026/6/1-2026/7/31)

数据来源：Wind，兴证全球基金多元资产配置部测算；区间2026/6/1—2026/7/31，基于因子日收益计算；样本区间较短，相关系数对起止日期较为敏感。历史数据不代表未来。

所以2026年这一轮的完整链条是：上半年市场结构性分化，收益和成交集中到少数科技方向；这些股票同时带有动量、Beta和高波动等多重特征；进入7月后头部集中反转，持仓层面的共同风险被释放，并表现为多个风格因子的共振。也正因为这批股票本身就是指数权重股，它们回撤时对市场指数的影响比2024年那轮微盘回撤更直接，投资者的体感也更强烈。

三、2024年2月：市值下沉叠加流动性负反馈

2024年的市场背景与此明显不同。

2021年到2023年，微盘股持续强势。不少量化产品通过偏向小市值、微盘和非指数成分股获得了可观的超额，好业绩带来更多资金，资金继续流入相似的股票，逐渐形成自我强化。一些指增产品名义上对标中证500或中证1000，实际持仓的平均市值却持续向下漂移，明显低于基准。

小盘占优的时候，这种“市值下沉”能持续贡献超额。但从Barra角度看，其中相当一部分来自市值和非线性市值暴露，本质上仍然是风格Beta，而不是选股能力。

2024年的因子图呈现出一条清晰的主线：大市值与小微盘之间突然出现极端分化。在本文使用的模型口径中，市值因子为正，代表大市值股票相对小市值股票占优。2024年1—2月，市值因子累计收益达到10%，代表着小市值股票大幅跑输大市值股票。

Barra因子收益（2024/1/1-2024/2/29)

数据来源：Wind，兴证全球基金多元资产配置部测算；区间2024/1/1—2024/2/29；因子收益为纯因子组合的累计收益，正负号方向依模型口径设定。历史数据不代表未来。

它之所以演变成“踩踏”，是因为市值风格反转之后，又叠加了资金和交易结构上的负反馈。

中证500、中证1000持续下跌，逼近大量雪球产品的敲入线，券商交易台被迫对冲，股指期货贴水迅速扩大，对中性策略来说，对冲成本瞬间超过了多头端超额收益，产品被迫减仓；而DMA这类带杠杆的产品，在超额转负时亏损被同步放大，强制减仓触发得更早、力度也更大。减仓卖出的正是小微盘个股，又触发下一轮止损，出现恶性循环。

同期指数跌幅的梯度非常直观：2024年1月1日至2月8日，沪深300下跌1.93%，中证500下跌5.14%，中证1000下跌15.19%，中证2000下跌27.49%，万得微盘股指数跌幅超过40%。

从因子相关性看，这一轮并没有出现明显的多因子共振——它是一次集中、快速的“市值＋流动性”冲击。

Barra因子相关性（2024/1/1-2024/2/29)

数据来源：Wind，兴证全球基金多元资产配置部测算；区间2024/1/1—2024/2/29，基于因子日收益计算；样本区间较短，相关系数对起止日期较为敏感。历史数据不代表未来。

它的修复条件也相对清晰：宽基资金的支持范围向中小盘扩散，小微盘重新获得流动性，DMA等杠杆策略完成降仓，股指期货基差趋于稳定，被动卖出压力逐渐减弱。

四、写在最后

2024年的风险更多在指数外的小微盘和市值下沉；此后，不少管理人加强了对市值暴露的约束。但2026年提醒我们，即使持仓在指数范围之内、单个因子看起来没有明显越界，多个风险特征仍可能集中在同一批强势权重股上。

Barra的价值，不是给管理人贴上“好”或“坏”的标签，而是帮助我们判断：一段业绩的盈利模式是什么，它是否稳定、是否可持续。比短期排名更重要的，是风格是否稳定、盈利模式是否能在完整周期中得到验证，短期的回撤并不必然代表着方法论的失灵。

对比量化和主观投资，两者获取收益的方式本就不同：主观更多依赖对公司和行业的深度判断；量化则依靠机器学习、高频选股等模型，能精准捕捉市场细碎的定价偏差。在A股这样波动较高、投资者结构差异较大的市场里，两类方法各有各的价值，我们仍然认为优秀的管理人都有长期获取超额收益的空间。

但是无论量化还是主观，都需要在管理人层面精挑细选，也需要在组合层面做分散配置，尽量让收益来源彼此不同。分散并不能让风险消失，它只是让组合不至于把全部结果押在同一件事情上——而风险总会换一副面孔，这大概就是两次回撤留给我们最实在的一课。

文：陈晓歌（实习）、刘水清