量化投资，是指用数理统计从海量金融相关数据中寻找可重复、可持续的规律，从而通过有效预测未来而获取相对稳定收益的投资方式。
量化投资起源于海外发达金融市场，已有50多年的发展历史。相比于其他投资方式，量化投资的优势在于通过高度纪律性和系统性，实现研究和人力资源杠杆的最大化，从而确保收益和风险的高度可控性。
A股量化投资虽然起步较晚，但由于市场有效性不高，而且有欧美市场的先进经验可以借鉴，在过去短短4、5年时间各种门派和套路层出不穷，发展可谓神速。由于策略变化更迭速度太快，新的名字和概念一时间令人眼花缭乱：Beta策略、Alpha策略、高频alpha、选股策略、多因子、算法交易、程序T、手工T、价量策略、基本面策略……
为了降低沟通成本，在这里我们试着化繁为简，分别从收益类型、交易频率、以及研究方式三个方面梳理一下当前量化领域一些主流的套路和常见术语。
01 收益类型
从数学角度来讲，每只股票的收益可以分解为
总收益 = 市场收益 + 超额收益
对于成熟的量化投资框架来讲，最重要的环节就是确定其预测的收益目标。
如果选择市场收益为目标，可以通过对于未来市场（大盘）走势的预测，直接通过做多或做空股指期货来获取收益，这类策略就是大家口中的“择时”或“beta”策略。
如果选择股票相对市场的超额收益为目标，就意味着通过个股的多空组合，或相对于指数的高配和低配来获取收益。由于学术上把相对市场的超额收益称作“alpha”，所以这类以获取超额收益（alpha）为核心的量化策略也被直接称为“Alpha”策略。另外，预测股票的相对涨幅从本质上讲就是对于股票排序，从而筛选出相对而言的“好股票”和“坏股票”，因此也被人接地气的称之为“选股策略”。
02 交易频率
交易频率是另外一个常用的区别和比较不同量化策略的维度。由于A股交易规则禁止当日同一只股票的回转交易，所以想抓住日内和日间的交易机会，无论从研究手段和交易方式上都有非常大的不同。接下来我们从快到慢介绍几类有代表性的：
平均持仓小于1-10分钟甚至更短
这类策略基本算是A股高频日内策略的最常见的形式。由于获利方式纯粹通过日内回转的方式，而不持有隔夜持仓，所以被称作“T0”策略，或是被直接称为“T”。多数量化策略会通过程序化的方式对大量的股票同时进行交易，所以被称为“程序T”；也可以通过资深交易员用手动下单的方式交易，故而俗称“手工T”。
这部分策略目前仍是日内高频策略的主力，但由于交易方式受限，通常需要融券或在底仓上进行操作，所以虽然整体收益比较稳定，但仍存在模型之外不可控因素。另外，这类策略对市场的活跃度很敏感，而且很多程序化T0策略同质化会偏高，导致赛道迅速变窄，规模上受限也比较严重。
平均持仓为日内小时级别
这类策略交易方式类似于1-10分钟T0策略，但由于预测的持仓时间更长，所以在策略框架上会有很多本质上的不同。首先对于1-10分钟T0策略，按照我们之前对于股票收益类型的分类，模型更多的是预测股票的总收益，包括市场和个股的超额收益，而长周期T0往往更侧重预测超额收益部分，也可以理解为“日内alpha”或“日内选股策略”。由于持仓时间更长，每笔交易获利的幅度也更大，所以对于交易的延迟要求更低，可做的规模也会更大。
持仓1-3日
这类策略主要以预测超额收益为目标，所以根据【收益类型】的分类，属于“Alpha”策略的大家族。而由于其相对高的换手率，所以就是大名鼎鼎的“高频Alpha”策略，也是自2018-2019年以来红极一时的市场主打。这类策略即具备高频策略的高收益、高夏普比率，同时也具有日间策略的操作便捷性，容量也会显著地增大。随着2019年以来量化规模的快速增长，这部分策略的竞争也愈发激烈，因子的丰富程度、更新频率、算法交易的质量逐渐成为决定同类策略收益好坏的胜负关键。
持仓3-20日或更长
这类策略属于最传统、历史最悠久的日间量化策略，也通常被称为“中频Alpha”或“低频Alpha”。由于持仓时间更长，策略容量会更大，而且可以用来预测的数据和因子也丰富很多，策略的多样性大大增加。所以对于大规模的产品和账户，这类策略一直是中坚力量。
03 研究方式
多因子策略
因子无疑是量化投资领域最最重要的组成部分。在金融领域，因子通常被定义为对于从某种角度和方式、对于当前或是未来市场的总结或预测。对于当前市场的总结和刻画的因子，我们通常称为风险因子；对于未来市场的预测的因子，我们通常称之为Alpha因子。
另外，在传统数据科学和机器学习领域，其更普遍的名字应该叫“特征”（Feature），我们口中的“因子挖掘”更类似于机器学习中的“特征工程”。抛开这些，其实A股量化领域提到的“多因子策略”，早期更多的时候是等同于“日间Alpha策略”或是“日间选股策略”。原因是这类策略框架比较标准，目标都是预测相对（超额）收益，而且有一套相对成型的因子挖掘和整合的理论。
对于择时策略和多数T0策略，其研究方式往往更加多样，大体会分成多因子类型和Rule-Based（有时也被称为事件驱动类），因此无法一概而论。
另外，人们一般会根据开发因子背后的逻辑或其用到的数据来界定策略类型，比如价量策略、基本面策略。
事件驱动策略
对于一般的多因子策略，它会对于每只股票在每个采样的时刻做出打分和预测，而事件驱动策略会预先定义“事件”或“场景”，寻找当“事件”或“场景”发生时收益最大化的资产，或者降低当“事件”或“场景”发生时预测未来收益的难度。对于“事件”或“场景”的选择上，一般有两个特点：
1.稀疏性：“事件”的特殊性导致其出现的频率必然不会太高，覆盖的股票范围往往也只是全市场的一个子集。因此，在研究的时候对其收益的评估和归因、风险控制等会和传统的多因子策略有很大的不同；
2.可解释性：由于要求“事件”本身的特殊性，“事件”本身的选择一般会具有较强的经济含义和可解释性。常见的事件通常会偏基本面或是跟公司财务和运营相关的事务相关，但也有一些特殊的事件是由“量价”的信息驱动，比如一些T0或择时策略中会用到“突破”、“反转”或“联动”的概念。
总体而言，量化投资策略在A股发展到今天，已经逐渐从拼“套路”转向拼“内力”和拼“全面”的阶段，“一招鲜”和“另辟蹊径”的时代终将一去不复返。未来，“深刻”和“全能”才是顶级量化私募的名片，如何从更高的角度去理解现阶段百花齐放的策略种类，用更严谨的学术手段去整合和优化各种“套路”，会是未来量化私募保持持续、系统性发展的关键。
（责任编辑:郭健东）