□本报记者 张舒琳
　　因诺资产创始人、总经理徐书楠属于很早一批真正经历过海外量化体系，又完整参与中国量化成长历程的人。2009年，他在国际高频交易公司IMC工作，先后在芝加哥与香港办公室任职，2010年中国股指期货推出后，他回国加入了中信建投，参与搭建了国内最早的自动化套利系统之一。
　　当时，中国市场上金融衍生品刚刚起步，量化投资仍是极少数人的游戏，市场波动巨大，却也存在大量无效波动与套利空间。在那个阶段，他第一次真正意识到，中国量化行业会迎来一个很长的扩张周期。2014年，因诺资产成立，于2016年开始AI策略研发，并在2021年突破百亿规模。
　　即便是作为已经成立十多年的老牌量化机构掌门人，徐书楠仍然认为，量化投资不是一个可以“吃老本”的行业，没有永远有效的策略，也没有真正意义上的圣杯模型，任何策略都很难在所有市场环境下持续有效，AI、大模型等也只是应用工具，量化行业永远充满“焦虑”，永远走在持续进化的路上。
　　多策略是行业发展的必然方向
　　相比于很多量化机构早期聚焦单一策略，因诺资产从成立之初，就把自己定义成一家多策略机构。在徐书楠看来，单一策略在发展过程中最终会遇到瓶颈，多策略是资产管理行业发展的必然方向。
　　多策略的底层逻辑基于资产定价理论。如果多个有效策略相关性足够低，那么组合后的整体收益风险比就会高于任何一个单一策略。所谓多策略，就是把多个低相关性的有效策略组合在一起，获得更稳定、更连续的收益。
　　宏观策略的基本逻辑，也是基于资产定价模型，例如，把股票、债券、商品、黄金等几类低相关的有效资产，按照风险平价的方式组合在一起，形成的资产组合的收益风险比优于任何单一资产。
　　过去两年，随着桥水等海外机构影响力扩大，“宏观”“全天候”“多资产”等概念开始迅速升温。徐书楠认为，宏观策略的吸引力，不仅仅源于资产配置这一“免费的午餐”，还源于中国市场的特殊性，宏观策略除了传统贝塔收益之外，还天然叠加了择时收益与阿尔法收益。
　　择时收益即如果在某个阶段股票表现更强，可以提高股票权重；如果黄金进入趋势行情，则可以增加黄金配置。即便择时模型本身有效性不算特别强，长期来看，依然能够提升整体收益风险比。
　　更为重要的是，中国市场存在较高的阿尔法空间。除了股票（即指增策略）之外，债券、商品、黄金等均有较多获取阿尔法收益的机会。虽然这些资产的超额收益不一定像股票那样显著，但在量化体系下，依然能够通过不同策略（例如CTA策略）获取一定超额。
　　“即使是最坏的情况下，只拿贝塔收益，也已经能实现很好的夏普比率。”他表示，“根据内部测算，2020年至2025年，中国宏观策略组合的贝塔夏普比率约为1.54，部分年份甚至超过2。而这仅仅是贝塔，还不含任何择时和阿尔法的收益。夏普在2以上的策略在市场上极其稀缺，但过去几年在宏观策略领域里，有很多机构能做到，原因就是它的贝塔夏普比率本身就已超过1.5。”
　　不过，徐书楠认为，这种情况不可能一直持续下去，以过去20年的维度来看，宏观策略的贝塔夏普比率约为0.8，这可能是中国宏观资产组合的贝塔真实预期。当然，通过择时收益及阿尔法收益，宏观策略的夏普比率仍然可能达到1.5的水平。
　　低相关性平滑净值曲线
　　今年2月，宏观策略普遍经历了较大幅度的回撤，其后虽有所修复，但这轮波动引发了不少投资者的疑问，如果资产足够分散，为什么还会出现整体性的回撤？
　　徐书楠认为，策略阶段性的波动，往往不是单一因素造成的，而是宏观环境、市场结构、风格切换、流动性变化和交易拥挤共同作用的结果。宏观策略通过分散投资，的确降低了组合风险，提升了收益风险比，但决不能将风险降至0。因此，宏观策略出现回撤，是非常正常的情况，与指增策略出现回撤并没有本质的区别。同时，宏观策略过去几年的强势行情，无形中放大了投资者对宏观策略稳定性的预期，实际上，这一点具有一定的运气因素，不可能长期保持。
　　多策略也存在类似的情况。配置更多的低相关性有效策略，的确可以进一步改善投资组合的收益风险比。但无论配置多少策略，都不可能将风险降至0。因此，多策略也会出现回撤，甚至是较大的回撤。只是，在同样的收益预期之下，它出现同样回撤的概率小于单一策略。
　　无论多策略还是宏观策略，都是通过低相关性有效策略（资产）的叠加来实现的。多策略和量化宏观，并不意味着可以完全避免波动，但可以尽量减少单个风险来源对组合的冲击。多策略不是简单堆砌多种策略，而是重点看这个策略是否有长期可解释、可持续的收益来源，以及能否对现有策略形成补充。徐书楠认为，从组合角度看，多策略与量化宏观均可提升产品的适应性和韧性，当不同市场环境发生切换时，二者有助于在资产、周期和风险因子层面提供新的配置视角，帮助组合降低对单一市场环境的依赖。
　　在操作层面，因诺资产通过策略分散、相关性监控、敞口管理、压力测试和组合层面的风控约束来持续优化，依靠低相关有效策略的持续拓展、系统化风控和不断迭代的组合管理能力，平滑净值曲线。
　　从单一阿尔法
　　走向多策略时代
　　从更长的周期看，徐书楠认为，中国量化行业未来一定会走向更多元的策略生态。
　　这是因为，量化的超额来自市场的无效波动。如果行业始终停留在中性与指增，那么随着规模扩大，超额收益便会持续下降。量化最终会进入瓶颈期。因此，徐书楠认为，行业下一阶段的发展，一定依赖更多策略、更丰富的衍生品市场以及更成熟的多资产配置体系。
　　近年来，不止是因诺资产，多家头部量化机构也纷纷加码多策略与宏观策略，行业顺势而为的背后，是多策略/多资产体系进一步发展的结果。随着市场有效性提升，单一策略的波动和阶段性拥挤会更加明显，管理人需要不断拓展新的低相关收益来源。无论是多策略还是宏观策略，关注的都是更多样化的资产定价、更大维度的经济周期、流动性变化和风险偏好变化，和传统的股票阿尔法策略的收益来源有着较大的区别。
　　过去，受策略容量上限影响，中国量化行业长期以指增、中性等单一阿尔法策略为主，CTA、套利、期权等其他策略在国内的发展阶段、市场容量和产品接受度与股票类策略相比仍有较大差距。对于希望快速做大规模的机构来说，最现实的路径就是围绕股票超额收益展开。
　　不过，这种情况正在发生变化。随着国内金融衍生品逐渐丰富，越来越多策略开始具备发展空间。过去几年，宏观多资产、CTA、期权等方向快速升温，本质上都意味着中国量化行业开始从“单一阿尔法时代”逐渐进入“多策略时代”。
　　徐书楠认为，参考美国的量化行业，之所以能够发展到今天的规模，很重要的原因就是策略生态足够丰富。国内量化过去长期被诟病同质化严重，本质上正因为绝大部分机构都集中在指增与中性方向。大家都在做类似的股票策略，相关性自然会很高。
　　但多策略不同。即便同样是多策略产品，不同机构之间的配置也并不相同。既有股票阿尔法，也有宏观、CTA、套利、期权等。机构之间相关性降低后，投资者可以通过不同量化机构再做一层资产配置。徐书楠认为，这才是中国量化行业未来真正成熟后的形态。
　　持续进化
　　是唯一的生存方式
　　“在这个行业里，所有人都是有焦虑感的，跟大模型无关。”徐书楠认为，量化没有永恒的护城河，持续进化是唯一的生存方式，停止进步的代价，就是被竞争对手超越失去市场竞争力。
　　AI和大模型的快速发展，让投资机构之间的竞争加速。徐书楠认为，很多人混淆了AI和大模型的概念，量化行业很早就开始使用AI，传统深度学习模型已经在量化行业有了超过十年的使用历史，如今更几乎是所有百亿级量化私募的标配。
　　大模型则带来了完全不同的使用方式。大模型的应用方向，并不是直接替代量化模型，而是成为研究工具。过去，一个投资经理可能需要带十几人的研究团队，由研究员完成因子挖掘、组合开发、代码实现等工作；而未来，大模型可能在很大程度上替代研究员的工作，一个投资经理加上一两个人，再配合大模型，就能完成过去十几个人的工作。
　　但他同时认为，大模型无法替代投资经理，因为投资并不是一道“对或错”的选择题。量化投资最终是一场博弈，市场不存在绝对正确的答案，即便所有人都能使用最好的大模型，最终决定策略方向、组合结构与风险特点的仍然是人。
　　在徐书楠看来，这也是量化行业最特殊的地方。它看起来是一个由模型、算法与机器组成的世界，但最终决定长期竞争力的，仍然是人本身以及机构持续进化的能力。只有不断迭代、不断适应市场变化的量化机构，才能真正穿越周期、成为世界一流的量化对冲基金。