长期主义、策略融合、AI驱动……陆家嘴金融沙龙2026年第十四期带来诸多投研干货

传统的证券投研体系正在发生变革，量化技术、多策略融合等都在为投资机构赋能，助力践行长期主义。

5月30日，陆家嘴金融沙龙2026年第十四期圆满举办。本期沙龙以“聚焦价值本源：投研进化与策略融合的长期主义突围”为主题，与会的证券投资领域专家就诸多热点，进行了精彩交流，干货满满。

股市正经历分阶段价值重估，寻找Smart Alpha助力长期持有

聚焦本次沙龙的价值投资主题，重阳投资董事长王庆在主旨演讲中分享了对2024年以来中国股票市场表现背后逻辑的理解。

“中国股票市场自2024年以来的表现，可以理解成是资产荒背景下的价值重估，可以分成几个阶段。”王庆表示。

当前，以国债为代表的投资工具无风险收益率整体下降，十年期国债收益率已降至2%以下，最低时接近1.5%。货币基金的收益率，甚至开始低于1%。普遍的资产荒使投资者的注意力开始更多地聚焦股票市场。

2024年9月底之前，中国股票市场整体表现低迷，但王庆指出，高息股资产在当时受到投资者青睐，主因是投资者整体信心不足，风险偏好较低，在寻求各种安全资产。

2024年9月24日，宏观经济和资本市场政策出现了明显转向，呈现出对经济、市场托底的态势。此后，投资者的风险偏好开始修复，市场表现逐渐好转，上证指数从2700点涨到4000点之上。

在这一过程中，王庆认为，成长股获得了价值重估。“成长股是长期成长空间很大、成长逻辑清晰、中短期跟经济基本面关系不是那么密切的一类资产。随着投资者的信心修复，市场愿意给这些长期成长性较好的资产以更高估值。2025年至今，成长股的强势成为市场的主要特征。”

但是，王庆认为，资产荒的状况并没有缓解，下一阶段有望获得重估的是低估值的价值股。投资者的风险偏好经历了近两年的修复之后，已趋于正常；跟经济基本面关系比较密切的这类资产，其估值已经到了合理甚至偏低水平。而且越来越多的迹象表明，我国经济周期经历2021年以来的调整后，或正在接近拐点。

“今年一季报显示，很多上市公司的业绩到达拐点，跟经济基本面有关的低估值资产开始有所表现。极致的结构性行情扩散，意味着行情本身具备可持续性，资产荒背景下的价值重估还会延续。“王庆表示。

作为资产管理人，如何在这样一个市场环境下帮助投资者抓住机会，实现财富的保值增值？王庆进一步分享了对股票基金投资收益来源的理解。

第一个来源是纯粹的Beta，即宏观或行业性质的波动，通常依靠宽基ETF、宽基指数基金来实现。王庆认为，这类基金收益波动比较大，预期收益率也比较有限，但成本最低。

第二个收益来源是聪明的Beta，在指数基金基础上加入一些主动管理的要素，通常包括长期高仓位运作、具有鲜明风格的公募基金或私募基金。王庆认为，Smart Beta能取得更好的收益率，但依然无法解决波动性问题，客户投资这类基金需要自己择时。

“投资管理最高的境界是基金能够产生纯粹的Alpha，收益稳定、业绩可复制性强，但这种操作的实践难度极高。”王庆指出，实现Pure Alpha往往需要添加丰富的策略，尤其是对冲策略，个股需要多空对冲，组合敞口也要保持中性。

退而求其次，王庆提出了股票基金投资收益的第三个来源——聪明的Alpha。Smart Alpha在保证一定收益的情况下能够控制波动，且业绩可复制性强，通常由回撤管理能力比较突出的主观多头私募或公募专户来实现。

王庆认为，介于Pure Alpha和Smart Beta之间的Smart Alpha或许能够满足客户预期的收益，更重要的是能够控制好波动，让投资人获得更好的投资体验。更好的体验有助于长期持有，复利能为投资人的财富增值发挥积极作用。

在实践中，为实现Smart Alpha，机构可以尝试投资决策委员会（简称“投决会”）领导下的多基金经理共管模式。单只基金由多位基金经理共同管理，投决会提供统一策略指引。

“共管同一只基金产品的基金经理，秉持共同的投资理念和投研方法，而每个基金经理又有各自独特的能力圈。多个基金经理组合在一起，通过信息的充分共享、长期磨合，就能形成超级能力圈，产生取长补短、交叉赋能的效果。”王庆表示，投决会领导下的多基金经理共管模式实现了投资组合Alpha来源的多样化，对投资组合的稳定性和均衡性起到了至关重要的作用。

量化策略有赖持续的研发，市场需要更丰富的风险管理工具

近年来，量化策略的崛起深刻改变了市场生态，其与主动管理策略的关系究竟是互补还是替代？一直是行业讨论的核心议题。

元盛资产大中华区总裁柯瑛铭介绍，量化投资的研究方法是以数据驱动、数学建模与系统化科学化验证为核心的多阶段流程。无论是长期或短期，策略本身都依赖于持续推进研究与开发，在提升既有交易信号的同时，寻找低相关性的其他交易信号，从而提高投资组合的收益。

“长期的CTA（商品交易顾问）策略需要同时间交易不同期货板块，所以一个可扩展且稳健的IT基础设施就成为了量化投资的必需品。” 柯瑛铭表示。

随着品种的数量增加，量化策略的风险管理变得越发复杂。柯瑛铭指出，量化管理人在任何时候都不能只依赖于单一的风险目标或参数来做风险管理，而是需采用多层次的风险管理框架，使策略在不同的市场环境里都经得起考验。

数据是量化策略的宝贵资源。柯瑛铭表示，不同种类的数据能够提供不同的信息，对数据深度和广度的挖掘，可以获得截然不同的收益曲线。此外，对交易信号也需要长期研究，在趋势跟踪以外还有很多的信号类型都可以应用在CTA策略。

除了数据和策略，可投的期货品种也十分重要。柯瑛铭介绍：“当下海外投资人非常希望进入中国境内的期货市场，因为中国期货市场有独特的优势。境内的商品期货都和实体经济挂钩，且品种相比海外市场更丰富，可以为策略长期的分散化起到特殊的作用。”

相似的，国内投资人也可以通过合法合规的渠道，比如说QDLP（Qualified Domestic Limited Partner：合格境内有限合伙人），投资全球的期货市场。柯瑛铭认为，通过全球长期资产配置可以实现科学资产配置的效果，使得CTA策略本身可以发挥作用。

为推动A股市场量化、主动多头和其他市场参与者之间从偏博弈的关系转向共生共荣，东方财富证券总经理助理、投资决策委员会主任汤弦指出，需要提供更丰富的风险管理工具和对冲工具，共同提升A股的吸引力。

对于Alpha收益的来源，汤弦认为，一个更具穿透力的三分法框架有助于看清问题的本质。

“第一类是‘风险溢价Alpha’，这是承担基本风险的回报，与规则无关；第二类是‘行为偏差Alpha’，这是利用市场情绪和认知偏差获利，属于规则中性；第三类叫作‘规则非对称收益Alpha’，它完全依赖于交易规则和制度限制。”

汤弦表示，三分法的意义在于把“利用规则”这个维度单独拎了出来，部分市场观点认为，这种规则差异或导致了准入不对称，让量化交易引起市场争议。

据汤弦观测，近年来依赖于深度研究和长期持有的“风险溢价Alpha”占比显著上升；利用市场情绪的“行为偏差Alpha”基本保持稳定；而依赖于交易规则的“规则非对称收益Alpha”占比明显下降。这反映了市场规则变化和市场竞争加剧的现实。

汤弦认为，未来，规则的改革和完善将促进市场最终从规则套利走向效率竞争。“市场是要赋予更多的风险管理工具，让竞争回归到能力的本源，而不是资源。”

策略融合是协同，AI驱动传统量化投资变革

结合固收与权益投资的实践经验，银叶投资总经理单吉军分享了对多策略融合的见解。

随着市场进入“低收益、高波动、快轮动”的新阶段，单吉军认为，复杂市场环境下，单一策略、过往经验与短期择时的有效性均下降，投资行业重新回到价值本源与体系化能力竞争。客户真正需要的不是短期排名，而是可持续、可解释、可复验的稳健回报。

“稳健复利，才是长期主义本源。”单吉军表示，长期主义不是简单延长持有时间，而是在可承受风险范围内持续创造风险补偿，并让客户愿意，也能够长期持有。

“以固收投资为例，防范发行人的信用风险是一个安全前提。机构在信用Alpha上不应做简单的信用下沉，而应通过自上而下的指引和自下而上的验证，去识别那些现金流坚韧、受益于行业格局改善的细分领域主体。”单吉军将其概括为“主观为锚、量化为翼、融合为核”的投研体系。

主观为锚，是通过宏观、中观、微观与信用研究建立安全边际，识别真正可持续的风险补偿。量化为翼，是将研究认知因子化、纪律化、流程化，让投资判断可验证、可执行、可复盘。融合为核，则是以统一风险预算和策略协同平台整合多类资产，提升组合在不同周期下的韧性。

单吉军认为，主观研究并不是仅凭经验的判断，而是在宏观周期、产业格局、企业经营与信用结构之间建立一个可追溯的因果链。而量化不仅仅是量化选股或是CTA策略，它更是一种赋能全投研流程的工具。

“策略融合不是拼盘，而是协同。”单吉军表示，在统一的宏观逻辑下，机构可建立多策略协同平台，让策略各司其职，另外，要通过穿透式的风险计量，从结果归因到风险来源。

结合业务与技术的双重管理经验，东方证券固定收益业务总部副总经理、系统研发总部副总经理周仁才分享了数智技术赋能投研的路径。

周仁才认为，AI正在驱动传统量化投资的变革。AI实现了多维信息处理、推理式研究、智能风控管理等关键服务升级，在量化投资中呈现为，从单模型到多智能体的协作、从因子合成到端到端的建模、从识别“形态”到理解“逻辑”的发展。整体而言，人主导、规则驱动的传统实践，开始向机器主导的方向演进。

“随着市场结构等因素变化，历史数据的信息含量在降低，样本缺失导致尾部风险被低估，依靠历史回测的传统静态策略框架面临挑战。” 周仁才指出，这需要我们不只追逐短期的价格波动，而是坚守长期视角，回归价值本源，充分利用AI拓展量化投资能力边界，动态响应市场变化。

周仁才还认为，在AI时代实施好长期主义理念，主要还是取决于三个因素——模型、数据和因子决策。

金融计量模型经历了从简单到复杂的过程，传统模型追求简约，主要原因是维度灾难。大模型则缓解了这个问题，取得了成功应用。但是，周仁才表示，“根据场景选择不同的模型，在拥抱大模型的同时不应忽略其他模型，比如传统模型在风险计量、因子归因、均衡定价等方面的重要作用。”

数据方面，周仁才认为，随着市场有效性的增强，依赖量价及基本面数据的获益空间正在变窄，需要扩展数据集。这会带来宏观与微观数据、高频与低频数据在统一框架下兼容的问题，AI为解决这些问题提供了可能。通过海量微观数据研究宏观总量的动态变化，解决了研究中先加总后建模导致的信息失真；同时，更多高频甚至实时数据的获取，为及时把握经济趋势提供了条件，从而实现慢变量和快变量之间动态关系的研究；此外，文本嵌入技术让我们可以突破传统定性分析和定量分析的界限，扩大研究的广度和深度。

因子方面，针对不可解释性、过拟合陷阱、同质性导致系统性偏差等问题，周仁才建议采用多维数据集，增加样本外的周期和随机扰动测试，通过审计机制，防止多智能体的级联误差。他认为，应该以经济金融理论、投资的基本逻辑作为先验，结合数据再进行贝叶斯更新。

“我们拒绝炼金术式的因子挖掘，通过逻辑先验与统计后验的双重机制，让每一个超额收益都有源可溯。” 周仁才表示。

本期“陆家嘴金融沙龙”由上海市委金融办、浦东新区人民政府指导，陆家嘴金融沙龙秘书处主办，长三角资本市场服务基地协办，第一财经、财联社提供媒体支持。该系列活动将构建与“陆家嘴论坛”相呼应的常态化交流平台，通过机制化、场景化、国际化运作，持续输出金融改革“浦东智慧”，深度赋能浦东经济高质量发展，全力助推上海国际金融中心核心区建设迈向新高度。