从零起步，到突破万亿规模，量化投资的崛起成为近年我国投资市场一抹亮色，快速迭代的量化研究则是发展的坚实基石。

　　拥有8年金融工程研究经验，国投证券量化配置团队负责人刘凯从2014年在中国人民大学汉青经济与金融高级研究院开始接触量化研究，先后任职多家买方、卖方机构，见证我国量化研究的发展进程。

　　多家机构的复合从业背景下，他目前擅长量化选股、行业轮动、FOF、CTA等领域的研究。量化研究根植于数理知识，但刘凯的量化研究更看重数据模型背后的人，研究成果则更注重可落地性，要求模型模拟结果与实盘交易的偏差尽可能小。

　　在刘凯看来，时至今日，量化研究行业依然生机勃勃，大数据、人工智能等或将为行业发展注入新动能。“基本面+量化”的投研潮流下，他对卖方研究的差异化发展也有独到见解。

　　长期以来，量化领域常被称为“黑匣子”，而在刘凯看来，量化仅是一种工具，即利用量化模型进行数据分析的手段，通过系统性的计量方法来进行投资决策。

　　进一步来看，市面上量化研究可以概括为运用数学、统计学等学科知识，研究和开发创新性金融产品、交易策略、风险管理方法，满足市场参与者对于创新、效率和风险控制的需求。其中既包括对人工智能等新兴技术的探索，也涵盖对传统量化方法的深入研究。

　　虽然以理论为基础，但刘凯认为，成功的量化研究，并不仅依赖冰冷的逻辑和坚实的数据检验，更需要根植于市场实际，深刻洞察投资者的需求与痛点。

　　过去十余年，中国的量化领域发生显著显著变化。刘凯介绍，2014年底，市场风格在短时间的剧烈快速切换，“满仓踏空，还要做对冲”的情形并不罕见，因此，因子择时、风险管理被市场关注，同期，海外先进研究成果快速引进国内。

　　随后两年，风控水平较好的指增策略在市场崭露头角，显示出稳定的超额收益获取能力；多样的量化研究成果下，事件驱动策略逐渐多元化，因子处理工具和因子组合也得以丰富化。快速发展的大环境下，量化研究也曾面临瓶颈。比如，因子被充分挖掘、策略同质化、策略受交易规则的制约等。

　　随着计算机算力的提升以及理论研究的日渐成熟，他认为，量化研究目前仍处奋进发展阶段，高频、大数据、人工智能等方向对量化研究领域发展的推动值得关注。

　　拥有数学与应用数学学士、金融统计学硕士的学术背景，刘凯量化研究的从业生涯起源于深圳道朴资本基本偏差。他坦言，彼时致力于寻找量化投资的“圣杯”，即持续提供高额收益的模型，因此对模型的依赖度高，却无法深入理解。由于大量积累量化选股因子，他在这期间奠定了坚实的选股策略研究基础。

　　随后，他加入北京和聚投资，开始接触主动投资等多种投资思路。他开始意识到单一模型并不能适应所有市场行情垃圾焚烧炉，而是需要丰富自身量化策略种类，进而形成独有的研究体系和研究方法。

　　经历了数年买方机构任职，刘凯在2020年转战卖方机构，他的量化研究生涯随之进入第三阶段——从唯模型论到利用量化手段发现市场规律。当对市场和量化模型有较深入的了解后，他发现，相比起模型，这背后的人更是关键。

　　“以前我研究的目的是为了造一个完美模型，所以沉浸在挖因子、做模型的过程，忽略理解市场的重要性。但后来慢慢理解，世界上并不存在完美模型，模型只是思想表达的载体或者工具。”刘凯认为，如果对市场有深入了解，不仅可以不依赖模型的推导结论，形成大致正确的判断；还可以提升不同模型潜在风险的识别能力；也能以更多新视角观察市场，创新量化模型。

　　随着量化私募规模的攀升、公募加大量化布局，卖方研究目前面临着新的课题。在刘凯看来，买方机构和卖方机构对优秀策略的向往一致，买方机构的量化研究更聚焦深入摇杆，卖方机构的研究在广度上更具有优势，可以针对市场热点、投资者所感兴趣的方向进行广泛探索。

　　拥有买方机构的从业经历，刘凯在量化研究方面尤为重视投资实操。比如，他曾身处在2015年大幅波动的股市，深刻认识到每一次波动对产品净值的影响，他的研究报告注重策略的可落地性，要求策略的模拟结果和后续实操之间的偏差尽可能小，如费用、交易环境等方面。

　　近年来，主动投资与量化投资的结合成为一大发展趋势。刘凯认为，量化投资和基于基本面的主动投资两者并非对立，前者是自下而上的投研思路，后者则是自上而下。随着买方机构开始寻求主动投资和量化投资更好的结合方式，主动量化投资策略应运而生。

　　为了更好应对当前“量化+基本面”投研潮流，提供更全面、个性化的研究服务，满足买方机构多样化的需求。他表示，卖方机构的量化研究需要注重以下两个方面。

　　一是整合多维数据源，随着自然语义分析的发展，可利用文本识别来提高策略表现，各种特色数据的开发和引入也值得探索。

　　二是聚焦深度基本面分析。卖方机构需要深入挖掘公司的基本面信息，包括财务报表、经营业绩和行业地位等，从而提供更深刻的见解与新颖的视角。

　　作为众多卖方研究机构的一员，如何实现差异化定位，也是刘凯在担任国投证券量化配置团队负责人以来持续思考的问题。

　　他以“守正出奇，日积跬步”概括了团队的发展战略。一方面需要对传统的量化业务一项不落，紧密贴合买方机构需求；另一方面，着重构建一个跨学科、多元化专业背景的团队，通过搭建涵盖金融学、计算机科学、统计学等专业的人才组合，为团队整体提供更全面的视角和更灵活的问题解决方式。

　　落实到整体研究体系搭建方面，他带领团队致力于提供全方位的量化配置研究服务，包括但不限于多因子模型、风格配置、行业配置、FOF组合、CTA以及大类资产配置等各类策略。

　　他还强调了对研究报告的创新需求。“我希望我们团队能够做出有态度、有想法、有温度、有华彩的研究报告。通过生动的数据可视化、深入的市场分析和清晰的表达，使研究报告更具吸引力和影响力。力求保持快速变化市场中的竞争力。”

　　受益于技术创新、大数据的广泛应用、投资决策可验证性需求的日益增加，刘凯看好量化研究行业的发展前景。

　　他强调，人工智能、机器学习等领域的发展，为量化研究提供了更多可能性。使其能够更深入地挖掘市场数据，提高模型的准确性和适应性。大规模数据的可获得性则提供了更全面的研究视角，从而能从更多维度分析市场，发现潜在的模式和机会。

　　不过，他也看到量化研究行业所面临的挑战。首先，大规模的数据使用下，如何保证数据质量、可信度，尤其是非结构化数据。其次，过度依赖历史数据的模型易致使过度拟合，降低模型对未来预测能力。最后，高频交易和市场微观结构的复杂性可能增加执行成本。

　　“为应对挑战，先进计算设备和高端技术人才的引进是许多买方机构的共同选择。”以策略研发的角度看，刘凯认为，可以通过整合多因子模型，降低对单一因子依赖，提高投资策略的鲁棒性（即系统对于不完美的输入或外部干扰的适应能力）。策略还需要强化风险管理，制定合理的风险控制策略，减少潜在损失。

　　量化领域的快速发展下，投资者可选择的量化基金越来越多。刘凯建议，在选择合适的量化产品时，首要选择自己认同的量化投资理念的基金经理，而不是沉浸在过往业绩中。此外，还需要通过细致归因分析拆解收益来源，判断产品是否能够提供稳定的收益。

　　他直言，量化策略在金融领域的应用为投资者带来了多方面的正面影响。首先，它基于大量历史数据和数学模型，使得决策更加客观和理性。其次，量化策略有助于降低情绪的影响。投资者往往易受到情绪的波动干扰，而算法则能够严格遵循设定的规则和逻辑，摆脱情感因素的影响，从而减少决策的情绪偏差。同时，量化策略注重风险管理，通过严格的风险控制规则，帮助投资者更好地管理投资组合的风险。

　　另外，量化策略可应用于多种资产类别和市场，包括股票涡轮液力转矩、债券、商品等，为投资者提供更灵活的资产配置选择，实现更好的分散化，降低整体投资组合的风险。最后，量化策略的设计目标之一通常是追求稳定的收益。通过严格的模型测试和优化，严谨的风控模型的使用，提高投资组合表现的稳定性。总体而言，量化策略通过科学的数据分析手段，为投资者提供了更为理性和可控的投资方法。