上市公司
Securities industry
先说一组公开数据。华泰证券金工团队10月8日的周报里，有一个因子在2017年初以来的回测中，顶层组合相对全A等权基准的年化超额收益是28.01%，5日RankIC均值11.2%。
同一份报告里，用这个因子构建的中证1000增强组合，2017年以来的年化超额收益是20.30%。
从28.01%到20.30%，中间少了7.71个百分点。这个差额不是算错了，而是从"因子"到"产品"必须付出的过路费。
这篇要讲的就是这段路：一个想法，怎么一步步变成一只可以卖的产品，中间要过哪六道关。
量化投资在外行看起来像黑箱，其实是流水线。一条完整的流水线有六道工序，每一道都有明确的验收标准，任何一道没做扎实，后面全白做。
第一道，把想法写成假设。第二道，判断这个假设在数据里成不成立。第三道，回测。第四道，把信号装进组合。第五道，算清交易成本。第六道，上线之后持续监控。
这六道关里，第三道最容易被当成全部。很多人以为量化就是回测，其实回测只是第三道工序，而且是最容易骗人的那一道。
一个想法如果只能停留在"这家公司不错""这个行业要涨"的层面，它就没法量化。要把它变成因子，必须写成一句话：某个指标在同一时点把全部A股排个序，排序靠前的，未来一段时间表现更好。
这句话里有三个要素必须交代清楚：用什么指标、在多长的观察窗口上算、预测未来多长时间。缺任何一个，这个假设就无法检验。
举个具体的例子。"便宜的公司将来涨得好"不是因子。"用市净率的倒数，在每个月的最后一个交易日给全部A股排序，预测下一个月的收益"，这才是因子。
因子的本质不是预测涨跌，是给出一个可以排序的分数。排序的东西才能做组合，做组合的东西才能做产品。
因子写出来了，接下来要回答一个问题：它在历史上到底有没有信息量。行业里通常看三个数。
第一个是RankIC，也就是因子排序与下一期收益排序的相关系数。它衡量的是"排序对不对"。华泰那份报告里，这个因子的5日RankIC均值是11.2%，在同类因子里属于比较高的水平。
第二个是ICIR，也就是RankIC的均值除以它的标准差。它衡量的是"对不对得稳定"。均值好看但波动很大的因子，在实盘里会让人怀疑人生。
第三个是分层单调性。把股票按因子分成五组或十组，看每一组的平均收益是不是按顺序排下来。如果第一组最好、第十组最差，中间也没有跳来跳去，说明这个因子是连续的；如果只有第一组好、其余九组乱序，那它可能只是在捕捉某种极端事件。
这三个数要一起看：IC高但不稳定，是运气；IC稳但不单调，可能只是某个行业的影子；单调但IC低，赚得太少，扣完成本不剩什么。
回测这一关，最大的风险不是算错，是算得太漂亮。三个地方最容易出问题。
第一是未来函数。用了当天收盘后才知道的数据去做当天的交易决策，回测收益会好得不像真的。财报数据尤其危险：公告日期和报告期是两回事，用报告期做时点，等于提前知道了财报。
第二是幸存者偏差。回测池里如果只有现在还在上市的股票，那些退市的、被借壳的、暴雷的都没进来，收益自然偏高。这一点在长达五年的回测里影响很大。
第三是成本假设。很多回测默认按收盘价成交、手续费按万分之几算、冲击成本忽略不计。这三条加起来，可以让一条年化超额5%的策略凭空多出两三个百分点。
回测的作用不是证明策略能赚钱，是排除明显不能赚钱的策略。这个定位摆正了，就不会被一张漂亮的净值曲线骗到。
因子有效，回测过关，接下来要把信号变成可持有的组合。这一步的难点不是选股，是约束。
以华泰那份报告里的中证1000增强组合为例，它的构建规则写得很细：成分股权重不低于80%，单只个股权重偏离上限0.8%，Barra风格暴露小于0.3，周双边换手率控制在30%，周频调仓，交易费用按双边千分之四计算。
这五条约束，每一条都在牺牲一点收益，换取可控的风险。成分股不低于80%，是为了不让产品变成"挂指数的羊头"；偏离上限0.8%，是为了不让单只股票决定成败；风格暴露小于0.3，是为了不让策略偷偷押注小市值或者高波动。
结果就是前面那组数字：2017年以来年化超额20.30%，年化跟踪误差6.56%，信息比率3.09，超额收益最大回撤17.16%，超额收益Calmar比率1.18。
信息比率3.09是什么概念：每承担一个单位的跟踪误差，换来三个单位的超额。这个水平在公募指数增强产品里属于头部。
约束条件不是限制，是产品的说明书。投资者买一只指数增强，买的不是"基金经理的灵感"，是这套约束下可复现的流程。
前面提到双边千分之四的费用假设。这个数字放在周频调仓、周双边换手30%的组合里，一年的成本是多少？
按单边千分之二、双边千分之四算，每周换手30%，一年的成本大约在6%上下（0.4%乘52周再乘30%，约6.2%）。当然实盘的佣金和印花税低于这个假设，但冲击成本会补回来一部分。
这个量级说明什么？一条年化超额10%的策略，如果换手率翻倍，超额可能直接被成本吃光。量化行业里有一句话：策略不是被市场打败的，是被自己的换手率打败的。
所以成熟的团队在因子阶段就会做换手率约束，宁可选一个IC稍低但换手温和的因子，也不选一个IC很高但每天都要调仓的因子。因子研究和交易执行，从一开始就必须一起考虑。那么实盘里还有哪些成本是回测没算进去的？
产品上线，是最后一关，也是最难的一关——因为从这一天起，评价标准从"历史回测"变成了"实时净值"。
今年7月提供了一个很好的观察样本。先看一组数字：据广发证券10月21日的报告，当月A股经历一轮明显的风格切换与流动性收缩，第三方平台火富牛统计的中证500指增精选指数、中证1000指增精选指数，单月分别跑输基准5.0%和1.8%。
5个百分点是什么概念？
更值得注意的是一个负相关：把各类指增产品上半年和7月单月的超额收益放在一起比较，两个区间呈现负相关——上半年超额弹性越高的产品，7月跑输的幅度越大。
这个现象说明，很多产品的超额并不是来自选股，而是来自某种风格暴露。市场风格一转，超额就还回去了。8月之后随着市场企稳，超额逐步修复，7月到9月中证500指增精选、中证1000指增精选相对基准的平均超额分别是1.3%和3.8%。
那这些产品的超额是真的吗？
所以第六关要监控的不是"赚了多少"，是三个东西：超额收益的回撤幅度、回撤的持续时间、以及回撤期间风格暴露有没有异常。失效不是净值下跌，是赚钱的逻辑不再成立。
东方证券3月4日的报告做过一个统计，把公募和私募的量化产品按年化超额收益放在一起比，差距很明显。
| 产品类型 | 公募年化超额 | 私募年化超额 |
|---|---|---|
| 沪深300指数增强 | 3.90% | 9.51% |
| 中证500指数增强 | 4.88% | 14.08% |
| 中证1000指数增强 | 11.06% | 16.71% |
| 中证2000指数增强 | 8.93% | 15.96% |
| 主动增强型 | 4.38% | 12.59% |
差距最大的在沪深300和中证500这两条线上，私募比公募高出五到九个点。这不能简单归因为"私募更会选股"，更主要的原因是约束不同。
公募指数增强要面对更严格的成分股比例限制、更频繁的申赎、更透明的持仓披露；私募在这三点上都有更大的空间，因此可以把因子暴露放得更开、持仓更集中、调仓更灵活。
同一套方法论，不同的约束条件，产出的超额能差一倍。这也解释了为什么看量化产品，先看约束条款，再看业绩曲线。
把上面六道关压缩一下，普通投资者评估一只量化产品，其实只需要问四个问题。
但回撤多久才算有问题？
第一个问题：它的超额来自哪里？是选股，还是某种风格暴露？这个问题决定了它在什么市场环境下会失效。
第二个问题：约束条件写清楚了没有？成分股比例、个股集中度、行业偏离、换手率上限，这些条款决定了超额的天花板，也决定了风险的下限。
第三个问题：超额的回撤历史有多长？一只产品如果只有一年的业绩，它可能只是赶上了一段顺风。至少要看它经历过一次风格切换之后的表现。
第四个问题：规模和策略匹配吗？容量是量化最硬的约束，规模上去之后，超额衰减几乎是必然的。
问完这四个问题，一份产品说明书就读懂了大半。剩下的是判断，那部分谁也替不了。
28.01%的因子年化超额，20.30%的组合年化超额，7.71个百分点的差额，就是这六道关的价格。
这个价格不是浪费。它买来的是6.56%的跟踪误差、3.09的信息比率、17.16%的超额最大回撤，以及一套可以复现、可以解释、可以在风格切换时不至于崩掉的流程。
量化投资真正难的地方，从来不是找到一条赚钱的公式，是把这条公式变成一个每天都能重复执行的流程。前者靠灵感，后者靠工程。
适用边界：上面讲的六道关，是给指数增强类产品用的。市场中性、CTA、套利这几类策略的验收标准不一样——中性看的是对冲成本和基差，CTA看的是趋势延续性，套利看的是容量和撮合速度。用指增的框架去评价它们，会得出错误结论。
可执行步骤：拿到一只量化产品的资料，按顺序做三件事。第一，找出它的基准和跟踪误差；第二，找出它的换手率和成本假设；第三，找出它超额回撤最长的那一段，对照当时的市场风格。三步做完，这只产品的性格基本就清楚了。
一句可以转述的结论：量化产品的超额不是凭空产生的，它要么来自选股能力，要么来自承担某种风险；前者需要工程能力，后者只需要运气好。分清这两者，比看懂净值曲线重要得多。
如果你是组合的管理者，那么在配置量化产品之前，先确认它的超额来源和自己的组合是否重叠。如果一只指增产品的超额主要来自小市值暴露，而你的组合里已经有一堆小盘资产，那它起不到分散作用，只是在加杠杆。
关注「用心小站」，不错过下一期量化拆解。
关注用心小站，获取更多深度分析
风险提示：本文不构成投资建议。文中因子与组合数据来自华泰证券金工周报（2026年10月8日），公私募超额对比来自东方证券报告（2026年3月4日），超额回撤数据来自广发证券报告（2026年10月21日）与第三方平台火富牛统计。历史回测数据不代表未来表现，量化策略存在失效风险，投资者需自行判断并承担风险。股市有风险，入市需谨慎。
扫码添加企业微信 · 加入读者交流群
每天一篇深度财经文章 · 了解基金、量化基金选择，欢迎入群交流
扫码添加企业微信
添加微信扫码
（添加企业微信后自动发送入群链接）
评论专区
Comment area推荐产品
product新闻资讯
information
Securities industry
Bank financial management
Trust financing
微信公众号
官方微信
产品小程序
