荷宝量化投资播客 | 第7期：主动量化策略的“主动”之道

以下是本期播客的要点整理：

主动量化策略的“主动”究竟指什么？

在解释主动量化之前，不妨先厘清何为“非主动”。我们先从被动指数策略说起，这类策略本质上只是复制基准指数。接下来是更高一层的增强指数策略，这类策略仍以跟踪基准为目标，但允许小幅的偏离。而主动量化策略则更进一步：它虽然以基准为参照，却通过大幅偏离基准来追求超额收益。

或许所有策略的选择都取决于客户的需求与投资目标。在量化环境中，如何实现这种主动性？

首先，我们探讨一下如何争取持续跑赢基准。主动量化策略的目标是系统性地暴露于那些经过验证的因子，例如价值、质量、价格动量、分析师预期修正，以及短期选股信号等。在这个过程中，我们会偏离基准。我们通过在区域、行业、国家乃至个股层面建立更大的仓位敞口来实现这种主动性。这种方式可确保投资组合的仓位配置能够有效捕捉量化模型所产生的阿尔法收益。

能否保证达到预设的主动程度？

主动量化策略通常将跟踪误差目标设定在3%左右。跟踪误差本质上衡量的是投资组合相对于基准的偏离程度，误差值越高，则表明组合表现与基准的差异越大。我们一开始提到的增强指数策略的跟踪误差目标通常为1%，而主动量化策略的目标约为其3倍，即3%左右。但这并非刚性目标，我们的最终目标是长期实现平均3%的跟踪误差水平。
您提到的“建立更大的仓位敞口”，是否包含双向调整，即相对于基准进行超配或低配。这种操作是仅涉及行业层面，还

是同时涵盖个股层面？

以上皆有。举例来说，在发达市场策略中，我们主要在区域和行业层面进行偏离操作；而在新兴市场策略中，我们则侧重国家层面的偏离。但无论哪种策略，都会包含个股层面。可能有人会担心：“这是否存在风险？是否会导致组合分散不足？”实际上，主动量化策略的股票池甚至比基准覆盖范围更广（涵盖数千只股票……）。因此，当我们有大量股票可供选择时，模型与投资组合构建流程就能更高效地筛选出合适的股票，同时严格遵守我们设定的各项约束条件。为此，我们需要借助投资组合构建算法。最终，我们构建的投资组合仍然保持良好的分散度。

从您的描述可以看出，这个过程中存在一定程度的干预。是否有人为介入？

没错。策略主要由模型和投资组合构建流程驱动，但有时也会存在例外情况，比如地缘政治紧张局势升级，或企业因争议陷入舆论危机等。此时，模型可能无法及时捕捉这些动态变化，就需要人为监督来确保相关股票仓位设置的合理性和准确性。

能否简要说明人为干预的具体形式是什么？

当投资组合经理对组合进行调整时，其操作起点是投资组合构建算法生成的最优组合。但在某些特殊情况下，比如当某家公司突然陷入争议或遭遇利空消息，甚至发生重大公司事件时，模型可能无法立即反应。这时投资组合经理便会介入，进行小幅调整（调整幅度有限，因为本质上仍是量化投资组合），以确保仓位设置的合理性。