4月以來A股持續下行，但量化機構的超額收益凸顯，普遍好于主觀多頭。據第一財經記者了解，近兩個月來，國際量化巨頭Two Sigma（騰勝）、內地頭部量化思勰等發行中證500指數增強產品（下稱“指增”）。還有部分機構為了應對市場下行的壓力，開始對指增產品增加了下行保護（期權）。值得一提的是，對于量化機構來說，目前不僅要“卷”超額收益，還要“卷”算力。最熱門的中證500指增超額已經從2018年的30%下滑至11%。隨著量化基金規模的不斷增加，交易越來越擁擠，因子慢慢失效，量化投資也變得越來越內卷。此前，幻方投入10億搭建了“螢火二號”深度學習訓練平臺，搭載了1萬張英偉達A100顯卡。近期，由QTF量化科技嘉年華組委會編制的《2023 中國量化科技白皮書》提及，大量的實證研究指出，量化科技的使用其實會降低市場的波動率。未來，在滿足監管和合規要求的前提下，量化行業應協同推進數據、算力和算法的進一步發展，從提高交易效率、穩定市場流動性、消除信息不對稱、促進市場有效定價，與資本市場共成長。“500指增+對沖”受到追捧某頭部券商的財富管理部負責人對記者表示，今年以來主觀多頭表現不如人意，發行規模受限，量化產品盡管不如過去兩年火爆，但相對來說更受投資者青睞，今年量化的超額收益相對更為突出。根據“江湖匯”量化數據周報，在5月22日~26日當周，就私募500指增的超額收益情況而言，合驥為1.63%，穩博為1.35%，天算為1.28%，幻方為1.09%。上述機構的近4周超額收益分別為4.82%、2.7%、3.5%、1.95%。中證500指增產品是目前的主流。申毅投資方面對記者表示，此前中證500指增并不會進行對沖，但目前考慮市場情況，會用期權策略對產品進行下行保護。據了解，目前對沖的成本在5個點左右；思勰方面也對記者表示，目前機構主打的產品也主要是中證500指增。值得注意的是，近期Two Sigma在境內發行的第三只私募基金產品騰勝中國鼎量指增1號亦是500指增。這只基金于4月26日成立，5月10日備案。渠道人士對記者表示，基本上額度被客戶“秒殺”，各界對于量化的接受度仍然遠高于基本面主觀多頭。騰勝投資成立時間為2018年11月11日，登記時間為2019年9月11日，注冊資本為1000萬美元。目前全職員工人數為16人，管理規模區間為50億元~100億元。在震蕩市場，部分收益穩健的產品也陸續推出。例如，橋水2023年4月、5月也有新產品備案，橋水主打的仍是配置股、債、商品的多資產策略，被稱為“全天候策略”。據記者了解，橋水的產品銷售在部分渠道也“一號難求”。增強型指數策略的目的是增強收益，是指在原有跟蹤指數的基礎上，通過一定的主動選股，追求超越完全被動型基金的收益。指增型基金多為量化基金，一般采用多因子模型以期實現超額收益。雖然背后涉及很多金融工程、量化交易算法，但選擇暴露哪些因子往往需要基金經理的主觀判斷。其中，中證500指增產品廣受投資者認可，且為數量與規模最大的指增產品之一。過去幾年，中證500指增也是大多數量化私募主打的產品策略，這個系列的產品規模占公司總管理規模的50%以上。之所以中證500指增最為受歡迎，是其綜合創業板和滬深300的優勢，比大盤股有更好的成長性，估值也更高。中證500指數和滬深300指數相比，前者的基期至2023年4月21日，收益率525.05 %，同期滬深300收益率僅有301.65%。此外，前者行業分布更平均，工業、材料、信息技術、醫療保健權重相對較高，而金融占比偏低。蒙璽投資創始人李驤近期在“2023·量化科技嘉年華”期間表示，盡管目前市場波動較大，但對沖產品仍存在性價比的問題，如果是以年為單位來看，目前指數點位比較低，因此指數增強是更有性價比的策略。量化機構開始“軍備競賽”事實上，量化機構之間的競爭目前還是算力的競爭。據《財經十一人》數據，國內擁有超過1萬枚GPU的企業不超過5家，除了幻方以外都是互聯網頭部大廠，1萬枚英偉達A100芯片已經達到做自訓大模型的算力門檻。一家量化私募，為何花這么大成本搭建媲美互聯網大廠的計算平臺？有觀點認為，這是因為國內量化投資的超額收益衰減特別明顯，最熱門的中證500指增超額已經從2018年的30%下滑到了現在的11%。可以說，非常容易賺錢的環境已經過去了，早年一個簡單的動量因子就很容易賺錢，但隨著量化產品規模的不斷增加，交易就會越來越擁擠，因子也在慢慢失效，量化投資變的越來越“內卷”。思勰投資創始合伙人、總經理吳家麒近期也在上述論壇期間表示，“其實對量化來講，量化機構、卷人、卷數據、卷技術，是為了挽救日益下降的超額，如果你不卷，別人卷，就把你卷走了。”他稱，“我們在技術上的投入也好，在數據上的投入也好，根本目標就是希望通過這些挖掘整個市場的阿爾法（超額收益），逐漸提高市場的有效性，這個是量化持續做的事情。基于這樣一個特性，量化機構愿意擁抱這些新的技術，也可以跑一些過去不能跑的模型，這些技術迭代對整個量化行業都是非常有益的。”量化策略研發大體分為三步：因子挖掘、模型訓練、策略回測，每一步都需要使用大量的算力資源。如果用一臺小電腦，可能挖掘因子用10天，模型訓練用4天，策略回測用1天，最終做出策略。如果用一臺超級計算機，半個月的時間壓縮成5分鐘，別人做一個策略的時間你做了4000個策略，還比人家早實盤運行半個月。于是，各大量化巨頭都開始 “軍備競賽”，花費巨資搭建模型訓練平臺，就像幻方投資10個億的“大電腦”。上述白皮書也提及，量化交易利用數學、統計學和計算機技術，通過對金融市場的歷史數據和市場現狀等進行分析和計算，確定交易規則和交易控制，從而實現自動化的交易過程，數據獲取、數據加工、 數據存儲、策略研究、策略構建、策略執行和投后分析七個階段都涉及科技在量化交易中的應用。在量化領域，GPU（圖形處理器） 被廣泛應用于加速復雜計算，如高頻交易中的量化分析和算法交易、風險管理、投資組合優化等。據悉，目前GPU 服務器市場上的主要廠家包括英偉達、AMD 和英特爾等。其中，英偉達是GPU服務器市場的領導者，其GPU服務器市場份額占據70%以上。數據顯示，2021年全球GPU市場規模為334.7億美元，預計到2030年將達到4473.7億美元，期間年均復合增長率達33.3%。根據Jon Peddie Research數據， 2022Q4獨立GPU市場中，英偉達、AMD和英特爾三家的份額分別為85%、9%和6%。公開資料顯示，ChatGPT 已經可以完成一些簡單的量化策略，例如構建平均回歸模型，輸出均線策略。理論上甚至可以利用 Scikit-learn 數據庫(針對 Python 編程語言的免費機器學習庫)建立制作未來利率的預測模型，并使用均方誤差(Mean-Square Error，MSE)對其進行評價。