编者按：2021年量化私募管理人整体管理规模突破万亿，随着未来逐渐发展壮大，量化私募将逐渐成长为A股市场的重要参与者和居民财富管理的重要力量。为了更系统阐述量化投资的特点，特推出《汯观量化》栏目，欢迎大家留言互动。
上一期《汯观量化》文章提到，评价量化多头重要指标之一是超额收益，即“跑赢市场”。影响超额收益表现有哪些外部和内在因素？为何超额收益的确定性尤为重要？
Q1：如何理解“超额收益”？
A1：在上一期《汯观量化》文章提到，量化指数增强产品的收益可拆分为跟踪对标的指数收益即系统性收益（Beta）和在其基础上创造的超额收益（Alpha）。简单来说，指数上涨时，量化指增产品争取比指数涨得多；指数下跌时，指增产品争取比指数跌得少。
1、关于业绩比较基准（Benchmark）
■ “超额收益”指的是在投资基金的一个时间段之内所产生的实际收益超过该基金的业绩比较基准。
指数增强产品线的benchmark比较直接，300指增、500指增、1000指增均以相应的沪深300、中证500、中证1000等指数为benchmark。
“全市场选股”产品线一般可设定万得全A指数为benchmark，考虑到“全市场选股”持仓1000-1500只个股，其中小票占比不低，为了跟踪观察更方便、横向对比更直观，也可将中证500或中证1000设为业绩参考基准。
2、关于超额收益的计算：
■ “超额收益率 = 基金收益率 - 基准收益率”，这个方法是通过相减运算得出的，是目前较为常见的一种计算方法，但严谨度不够——在牛市时会出现高估，在熊市时则有所低估。
■ “超额收益率 = 基金收益率/基准收益率-1”，又称为“相对收益”。
假设你年初买入1万元基金A，当前价值1.1万；又假设你年初没有买基金A，而是直接买对标指数，当前价值为1.05万，此时相对收益为1.1/1.05 - 1 = 4.76% ，这种算法相对更为公允，也是我们目前采用的方法。
Q2：量化选股的收益来源？
A2：量化投资的本质还是属于价格发现，在不同周期上找到投资标的的均衡价格。量化选股模型的超额收益来源主要包含两大类：提供市场流动性（中短周期）和提升定价效率（全周期）。
比如，当市场有投资者因各种需要计划调仓卖出某个股票，但如果短期卖出较多，则会对股价形成短期冲击，进而造成股价偏离。量化投资机构通过对市场交易数据及股票微观结构的分析，如果认为导致短期股价低于股票合理价格主要是受流动性冲击而非基本面变化，则会在一定的价格开始买入，从而使交易对手方能以更好的交易价格完成交易，为市场提供一定流动性的同时也平滑了股价的大幅波动。
量化投资机构通过买入股票并持有直到股价回到均衡价格，在实现盈利的同时也提升了市场的定价效率——这类投资策略持仓时间不会太长，分析数据也以价量为主，一般称为“统计套利策略”。目前A股量化私募整体规模并不大，“统计套利策略”占比仍较高，预估70%以上——该类策略也是多家海外著名量化对冲基金如文艺复兴、D.E.Shaw、Two Sigma，Citadel等采用的主要策略。
更准确评估和定价股票基本面信息，既是大部分主观选股策略的超额收益来源，也是量化选股策略超额收益的重要来源。根据引发股价反应的时间跨度差异，又可以分为偏短周期的“事件驱动因子”与偏长周期的“基本面因子”——前者包括财报发布、盈利预增、预计扭亏、突发事件等等，后者一般包括估值、成长性、盈利质量等。
Q3：量化选股策略可分为阿尔法因子和风险因子两大类，应如何理解及区分？
A3：追根溯源，风险因子早期也属于阿尔法因子，只不过很早就被学术界挖掘并公开发表论文，收益风险比快速下降（尤其在美股）——但这些因子还是能够解释很多收益，只是预测能力几乎消失，所以被称为“风险因子”，常见的风险因子包括市值、市盈率、市净率、流动性、残差波动率等。
“阿尔法因子”一般指能较为稳定贡献超额收益的这类因子，其构建相对较为复杂，或数据来源比较独特，一般来说每家机构的阿尔法因子都有所不同，呈现低相关性。阿尔法因子按数据来源可分为价量因子、基本面因子、事件驱动、另类数据等——其中价量因子又可按照预测周期分为短周期和中长周期，短周期多指高频和日内因子，中长周期一般持仓周期在1-20天左右。目前，中周期价量因子在A股的配置占比较高。
上一期《汯观量化》文章提到，评价量化多头重要指标之一是超额收益，即“跑赢市场”。影响超额收益表现有哪些外部和内在因素？为何超额收益的确定性尤为重要？
Q1：如何理解“超额收益”？
A1：在上一期《汯观量化》文章提到，量化指数增强产品的收益可拆分为跟踪对标的指数收益即系统性收益（Beta）和在其基础上创造的超额收益（Alpha）。简单来说，指数上涨时，量化指增产品争取比指数涨得多；指数下跌时，指增产品争取比指数跌得少。
1、关于业绩比较基准（Benchmark）
■ “超额收益”指的是在投资基金的一个时间段之内所产生的实际收益超过该基金的业绩比较基准。
指数增强产品线的benchmark比较直接，300指增、500指增、1000指增均以相应的沪深300、中证500、中证1000等指数为benchmark。
“全市场选股”产品线一般可设定万得全A指数为benchmark，考虑到“全市场选股”持仓1000-1500只个股，其中小票占比不低，为了跟踪观察更方便、横向对比更直观，也可将中证500或中证1000设为业绩参考基准。
2、关于超额收益的计算：
■ “超额收益率 = 基金收益率 - 基准收益率”，这个方法是通过相减运算得出的，是目前较为常见的一种计算方法，但严谨度不够——在牛市时会出现高估，在熊市时则有所低估。
■ “超额收益率 = 基金收益率/基准收益率-1”，又称为“相对收益”。
假设你年初买入1万元基金A，当前价值1.1万；又假设你年初没有买基金A，而是直接买对标指数，当前价值为1.05万，此时相对收益为1.1/1.05 - 1 = 4.76% ，这种算法相对更为公允，也是我们目前采用的方法。
Q2：量化选股的收益来源？
A2：量化投资的本质还是属于价格发现，在不同周期上找到投资标的的均衡价格。量化选股模型的超额收益来源主要包含两大类：提供市场流动性（中短周期）和提升定价效率（全周期）。
比如，当市场有投资者因各种需要计划调仓卖出某个股票，但如果短期卖出较多，则会对股价形成短期冲击，进而造成股价偏离。量化投资机构通过对市场交易数据及股票微观结构的分析，如果认为导致短期股价低于股票合理价格主要是受流动性冲击而非基本面变化，则会在一定的价格开始买入，从而使交易对手方能以更好的交易价格完成交易，为市场提供一定流动性的同时也平滑了股价的大幅波动。
量化投资机构通过买入股票并持有直到股价回到均衡价格，在实现盈利的同时也提升了市场的定价效率——这类投资策略持仓时间不会太长，分析数据也以价量为主，一般称为“统计套利策略”。目前A股量化私募整体规模并不大，“统计套利策略”占比仍较高，预估70%以上——该类策略也是多家海外著名量化对冲基金如文艺复兴、D.E.Shaw、Two Sigma，Citadel等采用的主要策略。
更准确评估和定价股票基本面信息，既是大部分主观选股策略的超额收益来源，也是量化选股策略超额收益的重要来源。根据引发股价反应的时间跨度差异，又可以分为偏短周期的“事件驱动因子”与偏长周期的“基本面因子”——前者包括财报发布、盈利预增、预计扭亏、突发事件等等，后者一般包括估值、成长性、盈利质量等。
Q3：量化选股策略可分为阿尔法因子和风险因子两大类，应如何理解及区分？
A3：追根溯源，风险因子早期也属于阿尔法因子，只不过很早就被学术界挖掘并公开发表论文，收益风险比快速下降（尤其在美股）——但这些因子还是能够解释很多收益，只是预测能力几乎消失，所以被称为“风险因子”，常见的风险因子包括市值、市盈率、市净率、流动性、残差波动率等。
“阿尔法因子”一般指能较为稳定贡献超额收益的这类因子，其构建相对较为复杂，或数据来源比较独特，一般来说每家机构的阿尔法因子都有所不同，呈现低相关性。阿尔法因子按数据来源可分为价量因子、基本面因子、事件驱动、另类数据等——其中价量因子又可按照预测周期分为短周期和中长周期，短周期多指高频和日内因子，中长周期一般持仓周期在1-20天左右。目前，中周期价量因子在A股的配置占比较高。