2026年4月26日，金斧子举办第十届私募大会高峰论坛，其中量化指增圆桌论坛邀请九坤投资华北区域总监黄嘉巍、华年投资市场总监张诗雨与投资者面对面，围绕AI赋能、阿尔法博弈、策略迭代、规模容量、监管环境等核心议题展开深度交流。

一、AI赋能量化投资，究竟改变了什么？

AI对量化行业的影响，已经不是一个“是否使用”的问题，而是一个“如何重塑投研流程”的问题。

• 九坤：AI 的核心价值在于“提质”和“提效”

九坤认为，目前AI对量化投资的赋能已经覆盖几乎全部流程节点。在2017至2018年，无论是国内量化行业还是海外头部对冲基金，对AI是否能实质提升量化投研效率仍存在争议；但随着市场特征愈发复杂，传统线性模型难以充分刻画市场中的非线性关系，机器学习技术进而逐步深入融入量化投资各环节。

在九坤看来，AI 的价值可以概括为两个关键词：

1.提质：资本市场信息海量且复杂，AI能够帮助管理人更客观地刻画真实世界运行规律，从而提升模型对市场关系的理解能力与表达能力。

2.提效：策略开发本身是一项高试错成本工作。大量看似可行的方向中，真正能够在统计意义上有效的尝试占比并不高。AI 工具提升了模型开发、流程搭建与研究迭代效率，使得管理人能够以更快速度完成更多轮验证，从而提高整体投研效率。

九坤的判断是，AI不只是一个单点工具，而是在推动量化投研体系走向“效率与质量双重提升”的系统升级。

• 华年：AI 降低了工具门槛，也提高对管理人的要求

华年的视角则更强调，量化投资的本质始终没有改变：无论是人工建模还是AI建模，核心都是利用历史数据去预测未来股票走势。在这一前提下，AI带来的变化并不只是模型能力的提升，更重要的是：

一方面，它拓宽了数据处理能力。在A股这样一个信噪比较低、信息提纯难度较高的市场中，AI可以帮助管理人处理更海量的数据，并从中提炼更有价值的信号。另一方面，它显著降低了工具使用门槛。过去，要完成复杂的量化研究和模型开发，往往需要顶尖背景的研究员与较高的人力投入；而在AI普及后，部分基础建模和开发工作变得更加易于实现。

但也正因如此，华年认为，当“写一个模型”变得更容易时，真正的竞争门槛反而抬高了。管理人不能只停留在“会用工具”层面，而要看谁能更好地利用工具、构建更有竞争力的研究体系，并最终把这种能力转化为客户可感知的长期收益。

二、规模会不会侵蚀超额？真正的关键不是“大”或“小”，而是“匹不匹配”

这是投资者最现实、也最敏感的一个问题。很多投资者都有过类似感受：一家管理人阶段性规模快速增长后，超额似乎突然“翻船”了；但也有一些优秀机构，过去十年规模增长数倍，超额却并未明显下滑。

这背后的关键，不是“规模一定伤害业绩”，而是：规模增长能否被管理能力、策略容量和投研投入同步消化。

• 华年：容量是动态变化的，不能用静态眼光看问题

华年提到，十年前行业里很多人认为量化策略做到50亿已经接近天花板，但今天头部机构的管理规模早已突破过去的认知边界。也就是说，容量本身并不是一个固定数字，而是会随着行业发展、市场环境、技术进步和策略演化不断变化。

对于不同频段管理人而言，规模影响也并不一样：

• 高频策略通常更敏感，对交易容量、执行效率、冲击成本要求更高；

• 低频策略因为换仓更慢、交易冲击更弱，容量上限往往更高。

华年的核心表达是：投资者不该简单地问“规模变大了会不会坏”，而应该问：这家管理人的策略类型，能不能承接当前规模；这家管理人的能力建设，有没有跑在规模扩张前面。

• 九坤：规模和业绩的关系，必须用动态视角看

九坤对“规模是业绩的敌人”这句话做了一个很典型的修正：这句话只说对了一半。

如果今天一家公司原地不动，投研能力、团队结构、技术体系都不变，天上突然多掉下来一大笔钱，那业绩衰减当然很正常；但问题在于，优秀的量化平台并不是静止的。

九坤认为，量化投资本质上是一个系统化工程。规模增长不只是压力，也可以成为能力建设的资源来源。只要管理人能够把规模增长转化为更强的人才团队、更前沿的技术能力、更完善的算力与基础设施，以及更宽的投资边界，规模就未必一定是负担，反而可能形成正向循环。

对投资者来说，真正该考虑的是

1.策略容量：是交易驱动还是持股驱动？策略天然容量边界在哪里？

2.能力建设是否同步：规模增长的同时，投研团队有没有扩张？基础设施有没有升级？策略来源有没有变得更多元？

3.管理人是否克制：优秀管理人往往不是“能接的钱全接”，而是知道什么时候该扩、什么时候该收，知道什么规模是自己当前真正能管好的。

所以，规模从来不是简单的“越大越稳”或“越小越灵活”。真正有意义的问题是：这份规模，是否与这家管理人的策略能力和组织能力相匹配。

三、策略同质化加剧后，管理人如何维持超额的持续性？

超额可持续性“无疑是投资者最现实的关切。

• 华年：从因子源头就强调长期稳定性

华年认为，超额可持续性的关键，不是事后解释，而是事前筛选。华年的策略研究有一个非常明确的前提：因子必须具备长期稳定性和足够的预测强度。华年提到，团队每天都会研发大量因子，但对于那些短期表现稳定、长期却缺乏稳定性的因子，并不会轻易纳入策略体系。原因在于，其预测周期本身就更偏向10天以上，因此比起短期有效性，更重视长期可验证的预测逻辑。

换句话说，华年是在因子入库之前，就先给它设定了严格门槛：只有能够穿越更长时间维度、具备持续预测能力的因子，才有资格进入正式策略框架。

除此之外，华年还强调，真正的竞争归根结底还是人的竞争。能否找到与其他管理人不同的研究路径，能否围绕不同方向挖掘出差异化阿尔法，能否通过团队协同形成“人才杠杆”，这些都决定了一家机构能否在同质化环境中持续保持竞争力。

在华年的表述中，超额的稳定性并不来自某一个“神奇因子”，而来自研究体系、人才组织与长期方法论的共同支撑。

• 九坤：靠平台化机制实现持续迭代

九坤给出的答案则更偏向组织机制与平台化能力。

作为成立较早、规模较大的量化机构，九坤经历过行业多个发展阶段，也更直观地看到一个事实：超额衰减是客观规律。在这样的背景下，单一策略、单一信号很难长期维持竞争优势，真正有效的方式，是通过一套机制去实现持续迭代。九坤介绍，九坤内部设有十多个相对独立的子团队，采用近似“背靠背研究”的方式推进策略开发。让各自产出的信号天然保持较低相关性，而这些不同来源的策略信号会再汇聚到更高层的中央优化体系，由后者根据性价比动态分配权重。

这一机制的价值在于，它并不押注某一个长期不变的“好策略”，而是在组织结构上构建了一套不断更新收益来源的生态。因为在 A 股市场中，不存在一种信号可以长期“一招鲜吃遍天”。有些信号的有效周期可能只有半年，有些可能能持续一两年，但无论如何，市场结构变化本身决定了管理人必须不断优化和替换旧有收益来源。

因此，九坤维持超额持续性的核心，不是相信某个因子会永远有效，而是确保公司始终拥有不断开发、评估、筛选和重配信号的能力。

四、不同类型管理人怎么筛选？

• 华年：不能只看收益率，要把收益和风险放在一起看

华年提到，很多投资者特别关注“今年以来”这个指标，但这个指标对判断长期能力帮助有限。因为阶段性收益可能来自风格暴露、杠杆、市场环境红利，未必能代表管理人的长期实力。

因此，投资者至少要把几个维度结合起来看：

• 近期表现与更长周期表现是否一致；

• 牛市、熊市中的表现是否稳定；

• 规模变化和业绩变化是否匹配；

• 收益率背后的风险收益比是否合理。

• 九坤：重点看“超额夏普”，并尽量对齐起点终点

九坤则强调一个更具技术含义、但也很实用的指标：超额夏普。也就是单位超额波动对应能够获得多少超额收益。

对量化指增产品来说，单看超额高低是不够的，因为高超额也可能伴随高波动。真正值得看的是：管理人在承担单位风险的前提下，换来了多少超额回报。同时，九坤特别提醒，产品对比一定要尽量拉齐起点和终点。不同区间、不同行情背景下的收益和回撤，直接平行比较很容易失真。

• 整体来看，真正可执行的筛选框架是什么？

1. 看超额来源是否可解释

不是要知道模型细节，而是要判断：这家管理人的超额，是来自短期风格暴露，还是来自长期稳定的研究逻辑？

2.看风险收益比，而不是只看收益率

高收益本身没有意义，关键是是否用过高波动、过度集中或极端风格换来的。

3.看极端行情下的表现

真正能拉开差距的，往往不是顺风期，而是极端市场中的回撤控制和修复能力。

4.看规模增长和能力建设是否同步

如果规模扩张很快，但团队、系统、策略丰富度都没有同步升级，那后续风险往往更高。

5.看管理人是否具备持续迭代能力

量化行业里，过去跑得好不等于未来还能跑。真正重要的是，旧优势衰减后，它有没有能力补上新优势。

归根结底，筛选量化管理人不是在找一条“永远不失效的公式”，而是在判断：这家管理人是否具备长期活下去、并持续进化的能力。

五、监管对量化，核心不是“限制”，而是“规范”和“扶优限劣”

这是本轮行业讨论里最容易被情绪化解读的部分。

• 九坤：规范化管理提升行业安全边际

• 华年：监管离行业更近了，而且始终站在投资者一边

华年则从更切身的角度谈到，监管对量化行业的理解其实在加深，而且在实际操作中越来越重视沟通与数据化管理。与此同时，监管最核心的立场始终是保护投资者。

无论是产品报备、交易规范，还是程序化交易相关制度安排，其根本出发点仍然是：让市场更公平，让产品更透明，让投资者的权益更可被保护。

这其实是一个很重要的信号。当行业进入规范化阶段后，投资者未必会看到一个“更宽松”的量化环境，但大概率会看到一个更清晰、更标准化、更有利于长期资金参与的量化环境。

六、从这场讨论里，我们能看到什么？

如果把这场圆桌的思维碰撞做一个归纳，可以看到两家量化管理人虽然路径不同，但在几个关键问题上实际上存在一些共识。

第一，AI 正在深刻改变量化行业，但它不会自动创造优势。

它能够提升研究质量、提高开发效率、降低工具门槛，但最终能否转化为持续超额，仍取决于管理人的体系能力。

第二，真正重要的不是规模本身，而是管理人的策略容量、投研能力和资源投入，能否与规模增长保持匹配。

规模对超额收益的影响，并不是简单的“大了就一定衰减，小了就一定占优”。如果能力建设跑在规模扩张之前，规模可以成为平台化优势的一部分；如果规模增长快于能力建设，超额承压几乎是必然结果。

第三，未来管理人的竞争，不只是拼模型，更是拼机制。

是拼因子筛选标准、拼研究路径差异、拼团队协同效率，也拼组织是否具备持续迭代的能力。

对于投资者而言，这或许也意味着一个重要变化：今天再去理解量化管理人，不能只看过去一段时间的超额表现，更要看其超额背后的生成机制——它到底来自短期风格暴露，还是来自长期稳定的研究体系；到底是单一策略的阶段性胜利，还是一个能够不断自我更新的平台能力。

第四、监管对量化的态度，正在从外部审视走向更深层次的规范与引导。

对投资者来说，监管的介入深入化意味着量化行业未来将是业绩能力、合规能力、风控能力和长期经营能力的竞争。真正能够留下来的，更可能是在监管趋严的环境下，依然能够稳定运转、持续迭代、长期创造超额的管理人。

当下，量化投资的竞争已经不再只是“谁现在跑得快”，而是“谁能在更长时间里持续跑下去”。