不知不覺，進入了四月，如何把握2021剩下的3/4時間，做好量化投資呢？

春節之後，A股市場持續回撥，大盤股頻遭殺跌，面對這一輪突然的市場轉向，投資者的投資熱情迅速降溫。與此同時，持股分散，抗跌能力強的量化私募基金，

尤其是量化多頭產品則表現出了較強的防禦能力和市場適應性

。

行業人士表示，A股市場大幅波動並不影響投資策略，從歷史來看，漲跌起伏實屬平常，但量化交易基於模型和程式化，更易規避情緒干擾。

一、量化多頭表現顯著優於大盤

去年A股市場的火爆讓更多人看到了量化投資的魅力。投資中最重要的是要有透過現象發現本質規律並把握規律的能力，而

量化的本質是不斷利用新技術、新資料的探索，來推動投研策略和交易能力的持續迭代，以應對不斷進化的市場。

相比於傳統投資，量化不會受人情緒變化的影響，而且持股相對分散，所以在面對市場調整和風格、熱點切換時，量化策略可以得到更堅定和穩定的執行。事實證明，今年以來，多數頭部量化管理人的股票型產品僅處於小幅度的震盪，或獲得顯著的正收益。

在近半年大盤股主導市場的環境下，某些頭部量化機構在股票策略方面以穩定的投資風格應對期間風格的不利，表現出量化投資方法良好的紀律性和投資定力。有專家表示，面對短期收益劣勢，這是投資方應當承擔的波動，盈虧同源，在核心alpha能力實際並未減弱的情況下，無須被市場的正常波動所擾。

春節前後，機構抱團的突然瓦解和風格上的迴歸，印證了量化多頭表現顯著優於大盤。

二、

國內量化發展的新趨勢

國內量化經歷了近十年的發展，這個行業一直在不斷迭代。新趨勢主要有三個維度，大資料、更深一步的機器學習演算法、IT硬體設施的持續投入。

1.大資料在量化投資中的應用

透過不同資料維度分析投資標的，豐富超額收益來源。大資料的挖掘來源可以包括搜尋引擎、消費資料、海運天氣、新聞公告等，現在整個大資料的網路越來越寬，資料探勘的深度越來越深。

2.神經網路演算法選股的應用

能夠處理複雜的非線性關係，深度學習則是對神經網路中的高階抽象因子進行建模，模擬人腦進行分析學習解釋資料。

3.TI硬體設施的持續投入

量化的核心就是資料和演算法。資料方面，比如一站式接收和清洗，專業團隊負責監控。方便資料分析師重複回撤，非永久性儲存保持時效。

演算法方面，比如強大的GPU叢集保證迭代優勢，隨著投研人員的增加橫向擴充套件叢集，提升整體算力。同時要建立低延遲的交易系統，控制交易成本，提高交易速度降低資料儲存開銷和網路延遲，整體要確保穩定性。整個系統的永久性和非永久性資料的協同。加強券商介面建設，保持介面時效性，維護備份介面，在合規的前提下減少延遲。同時要提升演算法交易水平，減輕對市場的衝擊，控制交易成本。

三、非凸在機器學習上的優勢

首先是人才的招募與培養，我們目前深度學習部門碩博比例達100%且均有機器學習/深度學習背景，研究創新能力我們有信心位於市場前列。其次，我們秉承產學結合的宗旨，會定期追蹤深度學習領域前沿發展，並將最新的模型以及演算法應用到我們的訊號預測上來，保持我們在模型創新以及穩定方面的領先地位。

在硬體方面，訓練模型時，我們有GPU伺服器叢集全天候工作。同時，我們會自己寫一些早停函式以及評價指標來使得模型較早達到符合我們要求的預期。除此之外，當我們訓練好模型部署到實盤當中的時候，傳統的方法直接呼叫訓練時的預測函式，從高階語言到適用交易的低階語言之間轉換效率較低。因此，我們摒棄高階語言的預設計算方法，將其進行解析後用C++的底層架構進一步編譯，這樣在計算速度上保證了領先地位。

在過去三個多月的時間裡，我們不斷地最佳化演算法策略，成功地從2。2版本升級到3。0版本，目前已在實盤測試階段，並在下週正式上線新版本。

提前透露，新版本演算法策略的主要突破有：績效明顯提升，增加2-4BP；買賣超額收益更高；策略更加完善穩定。