图片来源@视觉中国
一提起国内的量化投资，人们的第一反应往往是九坤、幻方等私募量化，公募量化一直都是那个相对尴尬的存在。
因为监管制度、交易成本、交易机制等的限制，公募基金的灵活度远远弱于私募，在高频交易上很难与私募同台竞技，整体上净值表现被私募量化吊打。
(资料图片仅供参考)
另一方面，与公募主动管理产品相比，近些年看公募量化也没有表现出太大的优势。特别是，自2017年开始的白马股尤其是2019年之后的机构抱团行情中，公募量化整体大幅跑输公募主观。
公募量化，相对公募主观，对个股的研究没有那么深度，与此同时，相对私募量化，在交易没有又那么灵活。不管从横向对比，还是纵向对比，种种限制都让公募量化看上去是相对平庸的那一个。而“普通投资者的普惠型金融产品”、“机构投资者的底仓配置”的产品定位，也让本就没什么能见度的公募量化产品，听起来多了一丝乏味。
因此，公募量化产品规模也仅有2700亿左右，不敌头部量化私募几家的总量，在整个行业中占比更是不到1%。
尽管环境严苛、纵然束手束脚，整个公募量化行业就着“公募量化，路在何方？”、“公募量化为何做不大”的问题，做了一些细微的探索。
随着今年二季度，招商王平、华夏孙蒙和西部利得盛丰衍相继突破百亿规模。一批公募量化基金经理在公募主观与量化私募的夹缝中撕开了一道裂口。
量化融合主观在过去，一些主观投资大师或多或少对量化投资存在一定的偏见。
彼得·林奇曾说过，“投资股票是一门艺术，而不是一门科学，受过严格量化训练的人有很大的劣势”，查理·芒格的观点则更尖锐，“像高斯曲线和风险价值方法这样的东西是有史以来最愚蠢的想法”。
但在《量化投资策略：如何实现超额收益Alpha》一书中，作者托托里罗提出了一种异样的观点：主观与量化融合，可能会更好。
“鉴于金融市场的复杂性，融合了三种不同投资哲学（基本面分析、量化分析、技术分析）的分析方法也许会产生敏锐的洞察力和高效的投资决策”。其中基本面分析提供了有关经济、行业和特定公司的发展趋势的重要假设，这些是良好的投资决策的基础，而定量分析能够让投资者对各种基本面的趋势进行全面的分析，而其他方法则很难如此兼顾[2]。
事实上，也确实有许多公募量化经理正沿着托托里罗设想的道路探索实践——既然高频上我打不过私募，那就融合公募平台主观研究的优势，在模型研究深度上更进一步。
比如嘉实基金刘斌在传统的底层风险管理和量化因子模型的基础之上，结合了景气细分行业的配置以及系统化的主动投研，从而把框架升级为基本面系统化投资[3]。
听起来很复杂，其实就是让模型吸收各种主观基金经理的思想和能力，规避量化模型抓取历史数据的滞后性。
刘斌发现优秀的主观基金经理超额收益来源无非就两种：一个是他们自身会超配高景气的细分行业，另一个是他们的研究员会对行业发展空间有相对准确的预判以及能够挖掘公司最新的信息。
此时主观基金经理的投资逻辑，就像《赛博朋克2077》中不断植入人体的义体，进而改造和强化刘斌的量化模型。
比如嘉实中证半导体指数增强，作为一个量化指增产品，刘斌却在季报中给出了比主观基金经理更为详细的芯片理解，并点名看好细分领域的半导体设备。所以相较于指数，刘斌的投资组合在芯片设备股做了偏移。
而中欧曲径更复杂地将一些主观行为的边际变化写进量化，最为出名的，就是她看猪的三个层次。
最浅层的看猪价，对应的是生猪养殖下个季度收入情况。再深一层的，会看到猪价变动观点逻辑，例如猪价上涨对应的是10个月前母猪存栏下降，根据“能繁母猪去化”可以推测10个月后猪价上涨，进而提前交易预期。而在第三层，则会看到能繁母猪减少，是因为散养户不赚钱和退出。
所以用量化来描述，首先要输入农民买猪、人工、猪饲料等所有成本，再乘以猪价来算出收入，然后依据历史数据估算出散养农户养猪能够承受亏钱时长大致是两个季度，再把这些写入模型。除此之外，曲径再纳入农业部收储及放储文件里猪粮比的参数，不断完善更新。
头部基金公司庞大的投研平台，在一定程度上为公募量化拆解主观行为和逻辑创造了条件。若主观投资本就不够突出，或者人员配置有限的中小基金公的量化团队，要想依托于主观投研，可能会有适得其反的效果。
AI赋能量化和曲径、刘斌量化深度融合主观不尽相同，博道基金杨梦可以说是更“纯粹”的量化。
虽然她与主观团队也会有紧密沟通，但本质还是站在量化视角，将主观逻辑拆解成量化语言，同时，借鉴主观团队的思路和逻辑，去调整相关基本面因子的迭代方向。基本面因子之外，持续深耕对量价因子的研究，两条腿走路。
基于投资收益来源的底层逻辑，杨梦将量化模型使用的因子分为两大类，一类为基本面趋势动量因子，包括增速类的成长因子，以及盈利、利润率之类的质量因子；另外一大类则是用于预测估值波动，包括估值因子和量价因子，杨梦也把他们统称为反转因子。
在她看来，这两大类因子都是股票定价中不可或缺的维度，只是在周期轮回中可能阶段性表现有差异。
2021年以来这两年多的时间里，许多主观基金经理进入了阵痛期。在杨梦看来，这是很正常的市场现象，“过去当增量资金比较多的时候，大家往往喜欢追逐高弹性，所以会持续进入景气度比较高的行业，基本面因子表现也一直很好。但是反过来说场外资金流入一旦停止，行情后继乏力，基本面因子就很容易失效”。
事实上，杨梦也在市场环境的移易迁变中吃过亏。以杨梦管理的博道中证500增强为例，虽然自产品成立以来相比中证500指数累计创造了50%左右的超额收益，但在21年9月到22年4月底这半年多时间里，产品净值相比业绩基准有约4%的超额回撤。
“当时因子配权是动量加权的模式，所以在基本面因子上有比较多的暴露，因为在那个节点这种策略已经经过两年多时间验证，表现确实很好，这种配权模式天然会向基本面因子倾斜”，杨梦向远川解释。
在这两年来的存量或者说减量行情中，大家更加注重的是资金的周转效率，所以反转因子的赚钱效应明显更强。
而杨梦近年来的转变就是将动量因子与反转因子进行了平权处理，均衡配置，以确保任何一种行情走强时产品都能够及时跟上，在她看来，“因子权重的差异，可能阶段性的决定指增产品排名，但是拉长时间来看，风格此消彼长，底层大类因子本身的有效性差异，是决定各家指增差距更关键的因素。”
根据杨梦介绍，博道从私募时期就一直深耕量价因子，最早是用GP算法挖掘量价因子，这在当时比较超前。等到19、20年，各大卖方都开始推广GP算法的时候，杨梦团队立马警惕起来。
因为历史经验表明，当一种算法成为行业主流时，往往也是其效应衰减的开始，所以必须寻找新的研究方向创造差异化，而这一次杨梦瞄准了AI。
根据九坤创始人王琛的分享，整个量化市场在2018年之后逐渐进入了AI算法的时代。AI预测股价的关键是找到那些影响股价的信息对应的数据。
其中一类做法是运用NLP的算法对不同类型的新闻和公告分类，形成信息归类图谱。这个过程中会发现，很多信息对股价的影响与预想相悖，例如上市公司重大重组是利好，但股价是下跌的。这就涉及如何理解其中因果关系，从而正确建立模型[4]。
图片来源：量化投资与机器学习,九坤投资
杨梦告诉远川：“直到21、22年，AI才在公募引起广泛讨论，我们在这之前就已经把AI算法纳入实盘了。”在杨梦看来，AI可做的差异化非常多，“比如从最源头怎么选feature集合，选好之后如何处理，处理完要搭什么神经网络，后端怎么设置标签，如何设置loss，有太多的细枝末节了，每一个步骤都有几十种可以尝试的方法。”
公募引入AI，就像华夏基金孙蒙所说，“可以把它理解成我们希望通过算法来训练一个基金经理。”至于这个“机器基金经理”呈现什么样的特征，如何快速寻找到定价错误的标的，以后不同机构间的差异会非常大。
主观"掌舵"量化无论是AI抑或量化，本质上都属于人类智慧的延伸，也就是先从普遍现象中归纳出一般规律，然后再根据一般规律对个别现象进行演绎推理。
其中，量化采用的更多的是胜率思维。假设我们从历史现象中总结出“当A信号出现时，事件B或C发生的概率分别是53%和47%”，那么A信号出现的越频繁，最终发生事件B的比例就越接近于“53%”。
量化相比主观的优势正在于此。因为量化可以借助计算机捕捉海量信号，并广撒网押注胜率更高或者预期收益为正的一侧，从而让投资组合整体实现盈利。
但是，在一些低频事件上量化模型就未必优于主观研判，比如预测市场风格切换。在2017年小市值因子失灵的过程中，西部利得基金的盛丰衍就发现纯量化模型的反应比较迟钝。
“2017年出现太多利空小市值的事情，比如监管对游资的监管，又比如限制小公司的并购重组等等，这些事件影响了小市值板块的基本面。非量化基金经理可能在2017年会更早地洞察到政策面对市场影响，并且转去拥抱核心资产，量化基金经理则相对后知后觉。”[4]。
面对这种情况，盛丰衍更希望通过主观去弥补量化的这一短板，即量化为舟，主观为舵。
其中，不同于刘斌或者曲径将主观的作用发挥在行业中观的逻辑分析上，盛丰衍的“主观为舵”更倾向于从偏宏观的维度把握大方向。
市场聊得较多的，是他的“分域建模”和“子策略选择”理论。具体来说，就是“根据A股不同板块和行业，通过不同因子针对性地制定策略”[5]，而“当市场变化时，主观会认识到，历史有效的逻辑却可能在当下市场失效，此时，盛丰衍就会把相关的子策略停掉，替换为当下逻辑更有效的子策略[6]”。
就比如2021年初，盛丰衍判断公募基金的天量发行让龙头风格演绎到极致，大票由于没有增量资金的推动终将盛极而衰，因此小票将迎来春天。于是盛丰衍在西部利得量化成长中，对高成长行业不做估值约束，虽然持仓分散，但也不难发现他在半导体和新能源原材料领域做了相对的集中。
从产品发行上看也不乏“主观为舵”的特征。2021年年初，盛丰衍非常看好AI和芯片行业，发了西部利得CES芯片指数增强和西部利得人工智能主题指数增强两只基金，并认为科技奇点将至。不曾想，如今不仅AI奇点已至，科技界层出不穷的新论文，都把“工业革命”变成了一个高频词汇。
除了这些，盛丰衍偶尔也会扮演宏观分析师的角色，对未来宏观大势定调。比如“站在未来三年的维度里，全面牛市的概率非常大”，再比如站在李蓓的对立面，“坚定看好中小市值股票，并建议投资者远离抱团股”。
如果公募量化的未来是smart-beta方向，那么盛丰衍确实做出了前瞻性的实践，他化身为一个产品经理的角色，依据自己的“大势研判“选择多设立几条smart-beta产品线，就算东边不亮，西边也能亮。
尾声杨梦告诉远川：“公募量化之间的差异，基本上从因子库和因子配权两个维度来做区分。”
像刘斌和曲径这样量化融合主观的流派，是借助主观研究在基本面因子库上有一定创新，然后在配权时也更加侧重于基本面因子；而杨梦等人用AI赋能量化，则是在量价因子库上做出了一定差异化；盛丰衍更多的是在源头上不将各类因子划分的太过仔细，而是直接进行一定的排列组合，然后把它们变成各种类型的策略。
他们都在制度的束缚中，根据自身的条件做出了力所能及的探索，显然都未达到绝对的完美，所以很难断言孰优孰劣，也很难断言哪家的方式一定是公募量化未来的出路。
就像主观的研究没有尽头，量化的世界里永远也没有普适的终极答案。
关键词：
