财联社12月16日讯（记者 封其娟）由财联社联合华源证券主办、东吴证券协办的首届财联社私募业高质量发展论坛暨首届私募基金·华尊奖颁奖典礼已在黄浦江之畔圆满落幕。本次论坛不仅是对私募行业发展成果的集中检阅与表彰，更是汇聚行业核心力量探讨高质量发展之路。其中，以《量化私募发展大棋局》为主题的圆桌会议，成为解码量化私募行业转型与突围路径的关键对话场。

2025年被视为量化私募发展的关键年份，老牌机构稳健前行与新兴团队异军突起并存，行业格局正加速重塑。在华源证券资管业务条线负责人唐吟波主持的《量化私募发展大棋局》圆桌中，灵均投资合伙人、首席投资官马志宇，千象资产合伙人、总裁吕成涛，蒙玺投资创始人、总经理李骧，磐松资产联合创始人黄大洲，锐联创始人暨首席投资官许仲翔，就量化私募规范化、AI赋能、差异化竞争、客户适配及投资者教育等议题展开深度探讨。

通过讨论，与会私募高管们达成了一项基本共识：量化私募行业正步入规范化、智能化、差异化发展的关键阶段。机构既需要通过AI赋能构建技术护城河，也需要在合规框架下找准自身定位，更需要在投资者教育上持续投入。那些能够将技术优势、战略定力与客户信任有机结合的管理人，有望在行业新格局中赢得先机。

圆桌讨论中的观点交锋也清晰反映出量化私募的角色正在发生深刻转变。量化私募不再仅仅是市场的参与者，更是资本市场功能完善、生态优化的重要推动力量。行业的发展质量，将直接影响中国资产管理行业的整体竞争力与金融强国建设的进程。

量化私募的规范化发展如何助力资本市场？

在马志宇看来，量化私募的规范化发展，本质是通过技术赋能与规则约束，让量化的专业能力深度契合资本市场“精准定价、分散风险”的核心功能，成为中国特色现代资管体系的重要支撑。具体可从三个层面发挥作用：

第一是以量化定价能力，提升市场价格发现效率。

规范化是量化定价“精准度”的前提。在合规框架下，量化私募依托大数据处理、多因子模型等技术优势，能够快速捕捉全市场的信息价差，既包括行业景气度、公司基本面等公开信息，也涵盖交易行为、资金流向等边际信号，通过跨板块、跨周期的多维度验证，形成更贴近资产内在价值的定价判断。

这种定价能力的发挥，一方面能减少单一信息源导致的价格偏差，避免资产估值过度偏离基本面；另一方面，规范化的交易执行能降低市场冲击，让定价过程更平稳、更高效。当越来越多量化机构在合规边界内发挥专业定价能力，市场价格将更充分反映各类信息，为投融资决策提供更可靠的参考，夯实资本市场资源配置的基础。

本质上，量化私募的规范化不是限制发展，而是通过明确边界、强化约束，让其专业能力更精准地对接资本市场核心功能需求。当量化私募以合规为底线、以专业为核心，持续发挥精准定价与分散风险的作用，将推动资本市场形成“定价高效、风险可控、生态健康”的良性循环。

第二是以分散化策略，强化市场风险对冲功能。

金融强国需要资本市场具备更强的风险吸收与分散能力，而量化私募的规范化发展，能够成为风险对冲的重要载体。一方面，量化策略天然具备分散化特征，通过覆盖数千只标的、构建多因子组合，有效降低单一资产波动对组合的影响，这种“广覆盖、低相关”的配置逻辑，能为市场提供稳定的流动性支持，缓解局部风险集中爆发的冲击。

另一方面，规范化的风控体系能让量化私募更精准地管理风险敞口，在风格切换等极端场景下，通过动态调整因子权重、优化仓位结构等方式，既守住自身风险底线，也避免非理性交易加剧市场波动。同时，合规的量化对冲产品能为投资者提供多元化的风险对冲工具，帮助市场参与者平滑收益波动，提升整个资本市场的抗风险能力。

第三是以长期主义导向，助力资本市场生态优化。

金融强国的资本市场需要长期稳定的资金供给与健康的生态环境，量化私募的规范化发展能推动行业跳出“短期业绩竞赛”的执念，回归“为客户创造长期价值”的本源。在监管引导与合规约束下，量化机构将更注重策略的可持续性，通过持续的投研迭代、算力升级与人才培养，提升穿越市场周期的能力，而非依赖短期投机性交易。

这种长期主义导向，一方面能吸引更多长期资金入市，优化资本市场投资者结构；另一方面，规范化的信息披露与投资者教育能减少信息不对称，引导投资者建立理性预期，缓解市场短期投机情绪。

李骧补充，量化策略的丰富性和多样性，有助于吸引那些原本并未计划配置中国资本市场的资金进入。

像银行类的高净值客户对资产保值需求强烈，针对这类低风险偏好客群，蒙玺投资依托多元量化策略设计了专属产品。

李骧指出，若无这类丰富的量化产品作为抓手，这部分资金大概率不会流入中国资本市场。无论是对冲型还是指数增强型，股票量化策略产品始终保持股票端满仓运作。尽管持仓个股选择、数量配置会动态调整，但资金会持续留存于中国资本市场，而且是全仓。

在李骧看来，量化私募很可能是整个金融领域中，在前沿技术应用上参与最深、布局最早的板块。行业早在2016至2017年左右，便开始系统研究AI在量化投资中的应用；发展至今，AI已成为几乎所有量化机构的标配工具。

李骧也看到，伴随行业工程化能力的持续提升，技术外溢效应逐步显现。部分投资机构已专项投入资源推动大模型等前沿技术的发展。当前，行业关注的焦点不仅限于AI，更延伸至量子计算等新兴技术的应用。随着研究持续深入、投入不断加大，量化私募有望在前沿技术领域做出更多具有推动意义的贡献。

如何以AI赋能构建差异化的长期超额收益能力？

在AI技术深刻影响行业格局的当下，量化私募正面临因子衰减、策略拥挤等共性挑战。如何借助AI赋能与另类数据挖掘打造差异化的长期超额收益能力，已成为行业必须回答的关键命题。

黄大洲直言，AI正在全面赋能量化投资的各个环节。从数据挖掘、处理，到数据解读模式升级，再到因子深度挖掘与多层级风控应用，AI已经渗透到业务的每个层面。与此同时，行业在算力储备、硬件设备、基础设施等方向上的投入，也正成为量化机构未来发展的重要路径。

对磐松资产而言，更倾向于将 AI 定位为投资经理的辅助决策工具，具体基于以下几点考量。

第一，AI模型本身具有较强的“黑盒”属性，决策逻辑相对复杂。无论是向客户及投资者进行解释运作原理，还是帮助普通投资者理解和验证其中的内在机制，都存在较高的认知门槛。

第二，AI主要依赖历史数据学习，对历史中未曾出现的“黑天鹅”事件或极端风险，应对能力尚有局限。

因此，磐松资产始终将AI定位为人类投资决策的辅助工具，也更倾向将AI用于处理“高信噪比”任务，例如从复杂信息中提取有效信号。鉴于此，“AI如何买卖股票”则是一个典型“低信噪比”问题，细微的输入差异可能导致输出结果大相径庭。因此，目前仅依赖AI直接进行投资决策，在可靠性和稳定性方面仍面临显著挑战。

团队注重利用AI处理传统方法不易处理的另类数据，例如文本、财报、音频、电话会议记录、视频等非结构化信息。黄大洲认为，AI技术能够将这类数据高效转化为结构化信息，并深入挖掘其中隐藏的网状关联与内在逻辑，这将是未来极具潜力的发展方向。

有人可能会问，投资的终极形态是否会由AI全权决策？

黄大洲给出的答案是，随着技术进步，AI的可解释性有望增强，它的共线性与AI“幻觉”等问题也可能逐步缓解。但他依然认为，投资的责任最终落在管理人身上，AI难以完全取代人类做出决策，因此将继续深化对另类数据的挖掘，推动AI作为基础设施，赋能和加速投研流程。

马志宇对黄大洲的观点表示高度认同。

他认为，在中国量化私募的发展历程中，机器学习、深度学习等技术应用于投资实践已有近10年历史。这些技术显著提升了多因子线性模型的预测能力和投资效益。进入大模型时代，生成式人工智能为投研流程提供了更多工具支持，尤其在自动化层面效率提升显著。

但马志宇也坦言，在另类数据应用方面，当前量化投资在某些维度的能力仍弱于主观投资，主要原因在于对真实商业世界的理解尚浅，而这又源于相关数据的缺失。团队日常大量使用的基本面数据存在明显的时滞性。

马志宇同时也谈到解局之道，比如通过与券商研究所合作，汇集分析师的见解。但这类做法高度依赖分析师个人能力及输出的稳定性，在数据的确定性上存在局限。分析师本身对商业世界的理解，也主要基于阅读公告、参加路演，再结合个人解读形成观点。

整个过程涉及数据的多样性与复杂性，也考验对数据的理解和加工能力。如今，大模型已能在许多维度完成类似人类分析师的工作。这意味着在处理此类另类数据时，成本有望大幅降低，产出质量也可能显著提升。

因此，灵均投资非常期待大模型在这一领域的进一步发展。无论是第三方数据提供商，还是量化私募自身，都可能加大相关投入。最终，这不仅能让策略更好地分析市场行情，还能更深入地理解真实的企业与宏观经济的实际运行，从而系统性地提升投资能力。

李骧再次明确AI正在全方位塑造整个行业的观点。从投研维度看，量化范式的各个模块基本能通过 AI 实现升级。以数据环节为例，正如黄大洲所言，在数据收集、处理及另类数据应用上，行业早期多采购第三方整理好的结构化另类数据，但由于供应商并不了解量化投研的实际需求，这类标准化数据的应用效果往往不及预期。此后转而采购原始历史文本，借助 AI 技术进行处理和分析，深度挖掘其中的核心信息与有效因子，最终显著提升了数据应用的实际效果。

在行业发展的早期，非线性模型被用于替代传统的线性模型。由于模型复杂度的提升，团队构建因子的逻辑也随之改变。

过去，早期对单因子预测性要求极高，缺乏预测性的因子难以对预测结果作出边际提升。如今，得益于模型复杂度与能力提升，对单一因子的预测强度要求已有所降低。如今更常用“特征”这一概念，来涵盖比传统因子更广泛的数据维度，而不仅仅是“因子”，整个研究链路也随之发生转变。

李骧谈到，许多机构也在借助第三方公司开展算法交易，从而生成预测、优化仓位到最终执行。最终发现，AI可以在交易执行的各个环节深度应用，从而降低市场冲击、提升单一策略的容量上限。整体来看，当把量化投研的全流程拆解开来，AI几乎能够赋能其中每一个环节。

目前行业中有机构采用“端到端”的模式。在李骧看来，如果能对投研的每个模块都做深入挖掘，价值毋庸置疑。但与此同时，也出现了一些新兴机构，它们将重心几乎全放在了模型构建上：不过度依赖另类数据甚至基本面数据，对因子的要求也相对简化，主要通过对原始数据进行较浅的处理，再依托强大的模型能力来驱动策略。

因此，一些投研团队规模不大、传统“模块”投入看似不多的公司，依然能获得有竞争力的业绩表现，这就是所谓“端到端”的实践。这种方式将绝大部分投研资源聚焦于模型本身，以相对更小的研究成本实现让客户满意的成果，无疑给行业带来了新的思路和一定冲击。

李骧指出，长远来看，随着这类机构逐渐成长，相信他们也会逐步拓展在数据和因子等维度的研究。这也促使整个行业进行更多元化的思考。因此，李骧的观点是：无论当前在何种程度上应用AI先进工具，都必须保持高度关注，以免在技术发生重大跃迁时，被过往技术彻底颠覆。

改革驱动量化中低频转型，如何打造核心竞争力？

在AI技术深度赋能行业、加速策略迭代的背景下，监管改革正持续推动量化行业向中低频策略转型，头部与中小量化机构在策略布局、资源投入上应如何选择，才能形成各自的核心竞争力？

吕成涛介绍，千象资产目前整体管理规模约200亿元，量化股票业务规模80余亿元。相较行业头部私募，千象仍持续处于追赶阶段。他坦言，在当前规模有限的阶段，若想赢得市场认可、提升产品吸引力，首先应明晰自身的战略定位，并确立一条清晰可行的差异化发展路径。

千象资产在量化股票领域起步于2018年，从最简单的日频策略、线性组合开始，一步步构建体系，到2021年逐步形成现在的框架，并已涵盖当前主流的数据与方法。但在启动之初，团队就明确将发展方向定位在资产管理，因为只有确定了这个方向，才能在后续的投入、框架搭建上形成连贯清晰的路径。

凭借扎实的起步，千象资产在2019年就已跻身百亿私募管理人行列，尽管当时量化规模仅为30多亿元，量化股票业务的占比也相对较低。基于这一基础，团队坚定选择走资产管理之路，主动避开资金消耗剧烈的高频赛道红海竞争，同时密切跟踪行业前沿技术，积极布局大模型、端到端等核心方向，以清晰的战略定位实现了差异化发展。

除了追求卓越的超额收益，另一条差异化发展路径是更注重收益的稳健性。团队最初的目标并非追求过高的年化超额，而是希望每年提供相对稳定、处于行业中位数水平的回报。基于这一定位，千象资产将量化股票投资定位为策略体系中稳健的一环。例如，与华源证券合作发行的相关产品，并不要求业绩表现必须逐年提升，而是强调持续、稳定地输出中等偏上的超额收益。随着整体策略框架的不断完善，千象资产始终沿袭这一思路稳步推进业务发展。

如今，千象资产相关产品规模已超过80亿元，且业绩持续表现稳健。展望未来，在规模不断增长的同时，团队致力于进一步细化量化股票策略，在巩固超额收益稳定性的基础上，力争进一步提升整体收益水平。

回顾来看，这一“先稳后进、由稳向优”的发展路径，或许能为与千象资产类似、起步阶段规模有限的机构，提供一定的参考与启示。

作为RAFI基本面量化策略联合发明人及SmartBeta策略开拓者，许仲翔在国际量化投资圈是一位绕不开的关键人物。许仲翔的首个创业阶段，就是通过策略授权的模式与美国大型基金公司合作，把量化的学界成果推向市场。到了2016年，许仲翔拆分锐联亚洲，并成立锐联财智。

早在2009年，沪深交易所以及华夏基金等国内公募采用策略授权模式，与锐联达成合作。许仲翔也继而进入创业的第三阶段，锐联开始在国内布局私募业务，旗下上海锐联景淳投资管理有限公司于2021年获得中基协批复，成为外商控股私募证券投资基金管理人。

许仲翔直言，锐联作为外资机构，在国内取得私募牌照仅4年多时间，目前在国内私募行业中仍属相对小众。

许仲翔谈及，当前国内市场主流量化产品以高频策略为主，而锐联专注的是量化基本面策略，两者在方法论和关注维度上有所不同。如今规模超百亿乃至千亿的量化私募，大多布局于高频赛道。这类策略在Alpha获取和收益稳定性方面确实表现突出。而量化基本面策略则更注重企业长期价值与经济逻辑，在不同市场环境中展现出差异化的配置优势。

许仲翔想分享一个小故事，阐述了监管层面为何引导行业向低频、降频的多因子策略发展。

他聊到，锐联在海外管理着主权基金、政府养老金等长期机构资金。与海外资金方聊到“我帮你赚钱”时，对方的观点令他深有感触。他们给出的想法是，“我们不需要你帮我们赚钱。毕竟资金源于政府，政策由政府制定，降息、加息利好哪些产业，我们掌握的消息远比你精准”。他们真正需要专业资管机构做的，是将政府的长期资金有效配置到优质企业，真正推动实体经济发展。

这让许仲翔深刻认识到，长期大资金要的不是短期交易性的“钱生钱”，而是把钱投出价值，创造价值之后再创造财富。

正因如此，多因子量化赛道或许在 Alpha、IC 指标（信息系数）等指标上不如高频策略吸引投资人，但对于大体量资金却具有重要的社会意义，承载的社会价值无可替代。无论是从高频赛道降频切入，还是长期深耕基本面多因子的投资人，都需要聚焦这条赛道，因为这是大资金长期配置的必然方向，也是大资本能够持续沉淀的唯一选择。

对于不同规模的机构如何发展，黄大洲认为不应简单地以规模大小来划分路径，关键是要结合自身的文化基因、投资风格与资源禀赋，走出差异化的道路。无论是提供多样化的产品还是服务，最终目标都是为投资者创造更丰富的选择。因此，每家机构的具体做法，都应立足于自身独有的资源与能力。

磐松资产的因子来源涵盖了高频价量、基本面和另类数据等多个维度。黄大洲指出，另类数据在当前仍处于探索初期，应用尚不广泛，但蕴藏着广阔的研究空间。因此，团队将持续深入挖掘多元数据，尝试从新的视角构建投资逻辑，并持续优化相关模型。这将是磐松资产在投研层面重点推进的方向之一。

磐松资产在模型创新方面也展开了系统性的布局。公司自主研发了一套独特的“关联模型”，核心目标并非直接预测个股走势，而是刻画并跟踪股票之间随时间变化的关联结构。例如，市场常有投资者同时关注多只逻辑相似的股票，这些股票间的相关性在不同行情阶段也会呈现动态变化。团队基于对全市场股票在多个维度上关联关系的捕捉，构建了一个能够动态描绘股票间联动特征的关系网络。

对此，黄大洲指出，无论是另类数据的深度挖掘，还是如“关联模型”这类处理复杂、门槛较高的特色模型，都具备广阔的优化与深化空间。因此，持续深化这类特色模型的研发与迭代，是磐松资产未来重点投入的方向之一。

当前量化私募行业产品种类繁多，收益特征各异，基本能够满足客户的定制化需求。那么接下来还应朝哪些方向提升？

黄大洲认为，在对外沟通上，管理人需要加强对自身价值的认知与阐释能力，能够向客户清晰说明收益来源与波动的原因；在对内运营上，则需要进一步推动流程合规化、标准化，尽管短期内可能增加一定的管理成本。值得注意的是，这两方面均可通过技术赋能实现突破。当前，AI的应用正从投研延伸至运营、客户沟通、材料生成等各个环节。借助AI等技术提升运营效率与组织协同能力，也将成为行业未来重要的发展方向之一。

黄大洲提到，正如许仲翔所强调的，投资行为本身承载着重要的社会价值。为此，磐松资产也积极通过多种方式开展投资者教育与行业普及工作：在线上，通过公众号、白皮书等形式系统介绍量化投资的运作机制，并解读不同策略类型的特点与差异；同时，定期举办线下分享活动，并与高校合作开展金融科普月等线下交流，帮助更多投资者了解量化行业的发展脉络与当前生态。

他指出，整个量化私募行业正处在高速发展与模式转型的阶段，各种发展路径都有合理性。关键在于，机构能否基于自身资源与发展定位，在更精细的维度上持续提升能力、走出适合自己的差异化道路。

投资者适当性管理升级，量化私募获客与投教如何破局？

投资者适当性管理升级背景下，量化私募的客户选择逻辑也在转变，这对机构的获客渠道和投资者教育模式均提出了新的现实要求。

在吕成涛看来，中国私募行业的发展始终与资金结构的变迁紧密相连。

国内市场的资金主体大致可分为三类：一是中小机构及专业投资者，二是以银行、券商和第三方理财机构为代表的财富管理机构，三是大型资产管理机构。这些资金方对产品的需求差异显著。

量化私募在早期的野蛮生长期，主要资金来源是嗅觉敏锐、投资灵活的中小机构和高净值客户。他们能快速识别业绩，并及时投入资金。

而自2019年起，财富管理机构的影响力开始集中显现。这类财富管理机构的特点是准入门槛高、客户基数庞大、维护成本不菲，但资金体量也十分可观。以华源证券为例，私募证券存量已达四五百亿。高门槛意味着众多起步较晚、规模有限的私募可能被挡在门外，加之市场对私募运作尤其是量化策略仍存在“黑箱”印象，无论量化股票还是CTA策略，要获得更广泛的认可与接纳，仍需要一个渐进的过程。

第三类专业机构，资金体量极大，但风控标准更为严格。与普通投资者或中小机构相比，这类机构的资金在交易限制、投资约束等方面存在显著差异，常规策略或操作可能在此受限，但优势在于：一旦获得认可，配置规模通常非常可观。对于许多百亿私募而言已是相当可观的体量，在这些机构面前仍显有限，后者自身管理规模往往达万亿级别，投资需求多元且庞大。

总体而言，吕成涛指出，三类资金方的特点各有不同，对应地也会在不同发展阶段选择匹配的私募合作伙伴。

目前，千象资产的合作结构中代销渠道占比较高，约占65%–70%，这与公司的业绩特征较为契合。吕成涛介绍，在具体合作中，公司会通过不同的产品线来适配不同类型的合作方：

面向中小机构，千象资产倾向于提供工具化产品，例如：基于500指数等标准策略的清晰产品线；面向代销机构，提供已组合优化、业绩更稳健的产品，以降低维护压力；面对大型资管机构，千象资产更侧重于根据对方的特定要求进行策略适配与产品定制，在符合硬性约束的前提下灵活调整，以满足机构端的配置需求。

通过这样的差异化布局，千象资产努力在各类合作中实现策略能力与机构需求之间的有效对接。

归根结底，不论面对哪一类渠道或客户，有些基础工作是必须持续做好的。投资者教育始终是关键一环。吕成涛坦言，今年情况虽有改善，但在2024年初，量化行业仍面临不少误解甚至“妖魔化”的声音。一方面源于策略本身存在一定的“黑箱”特性，不易完全透明拆解；另一方面也因针对不同投资者的教育工作还做得不够深入、不够系统。

吕成涛强调，无论中小机构、财富管理渠道，还是专业大型资管，本质上都需持续进行沟通与解释，推动认知对齐。与此同时，私募机构也要与合作伙伴共同成长，在长期陪伴中建立信任。只有这样，量化行业才能走向更健康、更可持续的发展道路。

早年间，国内FOF机构曾组团拜访许仲翔，想学习美国的宏观大类配置逻辑。他建议找到长期有增长逻辑的资产并坚定持有，同时做好风险管理就能赚到钱，不必纠结明年谁涨得更多。但当时，这一说法并未获得认可，来访者认为这是懒惰，应该精准研判资产涨跌并重仓押注，才能赚到大钱。这一现实也呼应了资产配置中更深层的理念分野。

许仲翔直言，这背后其实反映了资产配置中两种不同的理念：一类是追求Alpha，致力于通过模型预测未来；另一类则更重视Beta，接受未来的不确定性，通过分散配置与严格的风险控制，获取长期稳健的收益。

作为一名宏观经济学家，许仲翔深知，在大类资产中预测未来的模型几乎不存在，可信度极低。既然Alpha难以持续获得，就必须接受未来充满未知的现实。

他指出，尤其对于习惯通过努力攻克难题的中国人而言，往往倾向于相信未知可以被认知和驾驭。但在资产配置中，真正能够依靠Beta获得长期收益的人，恰恰是那些能够坦然面对不确定性，在市场波动中保持耐心，最终依托时间赢得回报的投资者。正因如此，比起执着于预测未来，更应重视风险管理本身。

从量化私募的客户适配到宏观大类资产配置，两条赛道的实践最终指向了同一个核心结论：无论是机构合作还是个人投资，比起执着于预测未来、追逐短期Alpha收益，更应重视风险管理本身与长期价值坚守。这不仅是一种投资哲学的演进，也恰恰契合了当前量化私募在面对多元资金结构时所需构建的长期能力，不是在波动中猜测方向，而是在不确定中筑牢底线，在陪伴中赢得信任。