中信证券2027年资本市场策略会于2026年11月3日在武汉开幕,玄元投资主观研究总监高俊杰受邀于11月4日“分会场6:如何直面和适应量化”做主题演讲,以下为精彩观点分享:

主观洞察与量化模型的协同创新
高俊杰 玄元投资权益研究总监
市场变化与投资范式的约束
讨论主观研究与量化模型的融合,首先需要认识市场结构的变化。根据上市公司股东资料、基金季报及协会报告测算,截至2026年二季度末,个人投资者约持有A股流通市值的35%,境内专业机构约占19.4%,外资约占4.4%,一般法人约占41.2%。个人投资者的持股占比较一季度上升约1.91%。机构规模持续扩大,但个人投资者并未离场,市场参与者仍然多元。
量化投资面临的第一项约束是超额收益衰减与策略容量。Wind数据显示,沪深300、中证500和中证1000指数增强产品的超额收益中位数,2020年分别为15.62、14.28和18.64,2024年分别降至1.44、2.55和4.70;2026年上半年分别为3.24、-1.26和3.85。不同期间的数据不能简单线性比较,但历史较高的超额收益越来越难以复制。管理规模扩张后,策略还需要同时考虑容量、交易成本和新增有效因子的来源。
第二项约束是策略同质化与交易拥挤。相似的数据、模型和风险暴露,可能使交易信号在相近时点转向,进而放大市场波动。这并非量化策略独有的问题。随着人工智能工具普及,主观投资人获取信息、开展复盘和形成初步判断的方式也更加相似。数据来源、研究框架和独立验证能力,将成为区分研究质量的重要因素。
第三项约束是结构变化时的模型适应能力。产业技术发生跃迁,或政策、国际贸易环境出现重大变化时,历史样本未必覆盖新的情景,模型可能滞后于产业现实。以出口相关行业为例,贸易关系及退税政策的变化可能影响企业经营,仅靠历史回测难以充分刻画。人工智能和非线性工具可以提高处理新闻、文本等信息的速度,但对真实供需变化的判断仍需要扎实的产业研究。玄元投资的主观团队长期以景气趋势和供需框架开展研究,正好在这一环节提供了与量化团队互补的稀缺能力。
主观投资同样存在边界。行业、公司及高频信息持续增加,研究人员很难同时兼顾覆盖广度和分析深度。更关键的是,如何对信息分层、确定权重,并将其与产业供需判断结合。经历过多轮产业和市场周期的研究人员,所形成的研究框架仍具有稀缺性;技术工具应帮助他们处理基础信息和监测工作,使人能够把精力集中在关键判断上。
监管规则的完善也在改变竞争条件。从报告义务到交易接入和交易行为管理,量化机构面临的要求更加明确。交易规则趋于公平,并不意味着机构之间的数据、模型、执行和风控能力相同。面对超额收益衰减,管理人需要同时提高研究质量、控制交易成本,并使模型与风险管理保持一致。
主观团队同样可以借助量化工具缓解研究覆盖的压力。自动化系统适合完成资料筛选、指标监测和初步比较,帮助研究员在大量信息中确定优先级;对关键产业变化的解释、假设的建立与证伪,仍要由具备经验的研究人员完成。量化复盘还可以更客观地检查研究观点、仓位和组合结果之间的偏差。
主观研究与量化方法的互补
主观与量化的互补可以贯穿投资流程。在机会识别阶段,主观研究通过产业供需、政策变化和技术路线寻找前瞻性线索;量化模型则进行更广范围的扫描、异常监测及信号比较。到了信号形成阶段,研究人员提出经济逻辑和失效条件,模型将其标准化,并检验历史及样本外表现。
在组合构建阶段,主观团队提供行业景气和主题生命周期判断,量化团队负责选股评分、多因子模型、约束求解及交易成本控制。风险复盘则需要两者共同参与:主观研究明确乐观、中性、悲观情景及关键假设;量化系统监测风险暴露,开展收益归因,复核执行是否偏离原定约束。研究判断与交易纪律由此形成互相校验的关系。
融合的前提是明确各自的职责,并建立信任。量化投资以分散持股和统计规律为基础,主观投资则可能重点研究少数行业或公司的特殊机会。后者眼中的关键机会,在统计模型中可能只是需要处理的离群值。两种方法各有适用范围,不宜简单拼接或互相替代。只有能够理解彼此的信号、边界和失效条件,协同才可能稳定运行。
目前市场上的融合实践有不同层次。工具层可以用量化方法支持估值、选股、风险和交易分析;信号层将主观逻辑转化为可验证因子;决策层明确人和模型在研究、检验及组合构建中的分工;组织层则要求两类团队共享研究平台、持续反馈。不同机构可以从自身资源和产品定位出发选择路径,不能简单认定某一层次必然优于其他层次。
以公开资料中的机构实践为例,有的团队将研报评级、价格反应和组合约束结合,用模型提供一致的筛选标准;有的将基本面、量价和深度学习信号组合,以降低对单一超额来源的依赖;还有机构把数据、模型与投资人员的专业判断贯穿研究和风险预算流程。这些案例说明,融合的关键是让不同方法在同一流程中承担明确任务,而非不断增加指标数量。
玄元投资的协同实践与建议
玄元投资的“超融合”产品以量化选股、多因子模型和相应风控机制为基础,主观研究重点提供行业和主题两个层面的增强。出现明确的产业趋势时,研究团队识别供需最紧张的环节及相关优质公司;进入主题投资阶段,则评估题材的规模、延续性和验证信号。产品仍保持量化选股的基本特征,主观观点主要通过行业层面的风险暴露表达,而不是要求量化团队集中买入某只个股。
这一安排依赖清晰的权责划分。主观团队提供供需框架下的行业与主题判断,量化团队负责个股选择、交易执行和风险控制。即使研究人员对某家公司十分看好,也不能因此越过模型约束、直接规定持仓比例。不同策略信号需要交叉验证,团队还应事先明确共识依据和反证条件,并通过固定沟通机制与研究中台持续反馈。
开展协同的第一步是建设可靠的数据基础,包括统一版本和标签,避免混用不可复现的数据以及回溯时的“后视镜”问题。其次,应重塑研究、授权、执行和复盘流程,明确各环节的责任与失效条件。组织管理上,还需分析主观与量化各自的贡献,建立与协作方式相匹配的考核机制。最后,风险管理应贯穿产品设计和日常复盘,而不是仅在交易结束后补充检查。
我认为,主观与量化将进一步协同,但不同机构不必采用同一种形式。团队能力、产品定位、资金期限和风险承受能力各不相同,适合的融合方式也会不同。长期竞争力来自产业理解、模型能力、组织协作和风险纪律的共同支撑。
玄元投资的主观研究以行业景气和供需变化为核心,覆盖新能源、科技、高端制造、大消费、医药及宏观周期等领域。团队将基本面趋势、价值成长和量价情绪作为不同的研究视角:前者识别行业景气,中者寻找趋势中的优质公司,后者观察市场交易状态及主题投资的适用条件。当多个视角形成共振时,研究判断的信心才会提高。
人工智能已用于团队的数据清洗、信息跟踪和研究辅助,但现场调研与产业验证仍不可缺少。公开信息传播迅速,观点容易趋同;深入企业与产业链,核对供需变化的原始事实,反而更加重要。研究中台则负责把晨会和研究员观点整理为可追溯的资料,供主观和量化团队交流、更新和检验。
铜、储能材料和光通信等历史研究案例说明供需框架如何形成行业判断,而非保证相同机会会再次出现。产业线索必须与市场状态、模型信号和风险约束共同验证;历史案例也不能等同于产品未来收益。
协同并非要求两个团队形成完全一致的研究方式。主观研究可能重视产业变化中的少数关键公司,量化模型则需要控制单一标的对整体组合的影响。研究中台的作用,是让双方能够定期交换观点、检验信号,并在产品目标和风控框架内形成可以执行的方案。
最终,产品设计仍要与资金期限相匹配。公募与私募在投资约束、流动性和客户预期上各有差异,融合方式不可能只有一个最优解。组织需要明确自身优势,选择可以长期维护、持续复盘的流程。
本文所载的资料、观点及预测仅用于信息参考及投资逻辑分享,而不构成任何具体的投资操作意见。投资者在进行具体投资决策前,还须结合自身情况并配合其他分析手段。本文提及的任何证券或金融工具均可能含有重大的风险,投资者不应单纯依靠相关信息而取代自身的独立判断,还须自主作出投资决策并自行承担投资风险。中信证券不对使用本资料所产生的任何直接或间接损失或与此有关的其他损失承担任何责任。市场有风险,投资需谨慎。
本资料若涉及任何问题可能对嘉宾观点形成宣传或进一步扩散的行为,还请事前征求发言嘉宾本人意见。涉及会议纪要内容的任何解读行为,还请联系相关客户经理协助您进行确认。感谢您的理解与配合。
特别声明:特邀参会嘉宾在交流中表达的观点属个人意见,不代表中信证券立场。







贵公网安备52011302005168号