中国证券报：“量化”概念，在当前许多行业都炙手可热，A股也不例外。作为有着多年量化对冲投资经验的基金经理，你如何看待“量化投资”对未来A股投资模式的影响？

　曲径：随着计算机运算速度的大幅提升，以及分布式计算的技术推广，使得基于量化模型的投资成为可能。具体而言，通过整合多元数据，包括网络用户行为数据、舆情信息的扩散与信息影响的追踪、零售消费的大数据整合等，都可以深入变革传统的股票投资行为。

　举个例子，通过互联网用户的数据分析，消费者对特定网页的访问行为，可以预估某些消费板块的销售同比、环比趋势，这种通过量化数据得到的预测，要比事后官方披露的统计数据更有前瞻性和预测性。由于量化投资的基础是信息获取和信息处理，而通过这些有效信息的及时获取和快速处理，我们在股票投资决策上就可以领先一步。由此可见，在未来投资中，量化策略的作用将尤其重要。

　观察A股市场的历史表现可以发现，A股的波动率远高于发达国家的股市，市场的非有效性颇为明显，这也有利于量化对冲产品的发展。尤其是在当前“资产荒”背景下，追求中低风险、收益稳定的资金激增，对于量化对冲产品的需求也会增加。这其中，伴随着大数据时代的来临，利用“机器选股”的策略将会更加有效，它会显著提升收益的稳定性。

　中国证券报：在“量化选股”成为潮流的新时代里，中欧基金量化投资策略组会如何抓住其中的发展机遇？

　曲径：早期的量化投资多为量化多因子模型和统计套利模型，这类模型在2007年达到了顶峰。当时，华尔街很多基金使用的量化模型高度相似。以2007年8月的“量化失效”为触发点，某只基金清仓时，触发了类似的基金大幅回撤，从而引发了量化踩踏事件。事实上，同质化的投资，由于有后续资金持续涌入，短期会产生看似很好的收益，但是一旦发生行情反转，类似于集体亏损的极端情况也时会发生，其结果与此前A股流动性危机颇为相似。

　正是经历过美国量化投资的兴起和挤兑，所以我们对投资策略的差异性非常重视，只有选到独立研发的、与主流模型有差异的阿尔法，才能保证策略的可持续性。而基于量化投资的分析框架，使中欧的数据源更独特，策略体系更为稳健，与传统投资方式选出的股票相关度低。在中欧量化投资策略组，始终坚持追求“独立研发的、高胜率的”的投资方法。

　“基于数据的科学化投资”，是中欧量化投资策略组的投资风格。首先，建立数学模型，判断市场非有效性；然后，将把握非理性价格偏差，追求无风险套利收益；再次，基于海量数据分析，精选优质股票；最后，还会运用优化模型，严格控制投资风险。而我们的优势则体现在四个方面：实现了对海量多维数据的挖掘，提升数据宽度及各类数据利用率；有利于在基于因果性指标之上的同时，获取相关性指标的支持，提升获取超额收益的空间和可能性；拥有更多选股指标，建立因子库，动态调整因子；关注弱特征因子，通过算法的整合，与其他因子互相弥补，有助于规避风险。