一篇读完,8 大量化流派。

量化交易不是一个同质的东西。Citadel Securities 每秒吞吐千万笔订单、Renaissance Medallion 30 年净年化 39%、AQR 用 Factor 管理 $1,400 亿——他们都叫”量化”,但做的其实不是同一件事。这篇指南按流派划分,系统梳理八大家的基本思想、代表机构、市场占比、持仓周期、硬件 / 数据 / 人才投入、优势与局限,帮你在进入这个世界前先弄清”我到底想做哪一派的事”。

§01 · 框架 — 量化的四个维度

“量化交易”(Quantitative Trading)一词涵盖从亚毫秒做市到年化调仓的长期因子所有用数学模型指导决策的资金流。不同流派看似都是”代码 + 数据”,但在四个维度上彼此差别极大——把这四个维度想清楚,再去看单个流派,就不会被”量化”这个笼统词汇迷惑。

1. 持仓周期。 从微秒(HFT)、分钟-小时(StatArb)、天-周(事件 / 日内因子)、月-季(CTA / 宏观)、到年(Factor / Risk Premia)。周期不同,收益来源、容量、数据 / 硬件需求全变。越短 → 越依赖基础设施;越长 → 越依赖研究深度。
2. 收益来源。 本质上只有四类:流动性提供(Market Making)、定价偏差(Arbitrage)、风险承担(Risk Premia)、预测 alpha(Forecasting)。每个流派组合不同、占比不同。“我赚的到底是谁的钱”是最基本问题。
3. 容量 Capacity。 HFT ≤ $10B、StatArb ~$50-100B、CTA 单策略 ~$20B、Factor 可以 $1T+。越低频的策略容量越大,这是高频策略为什么只在自营、低频策略才做大资管的底层原因。Medallion 硬封闭在 $10B 左右 = HFT 类容量天花板。
4. 基础设施强度。 从**一台笔记本(Factor)到跨洲微波网 + FPGA(HFT)**的连续谱。HFT 的技术门槛像造火箭,Factor 的门槛像写一本书。搞错这个会把小团队逼上一条根本打不起的赛道。详见 §10 硬件投入。

Bottom Line · 先确定”我做哪一派”,再谈策略。

“做量化”是一个太大的词,像”搞互联网”。一个两人小团队 + $1M 资金,想去抢 Citadel 的做市份额是不可能的(硬件差 5 个数量级);但去做 CTA 趋势跟踪或多因子策略完全可行。把自己的流派选对,是量化进入门最关键的第一步。

§02 · 高频做市 — 微秒世界的军备竞赛

HFT(High-Frequency Trading)和 Market Making(做市)在学术上严格可分,但实践中头部机构同时做两件事——挂单赚点差 + 抢别人挂单套利。这是量化世界最”硬”的一派:硬在硬件,硬在人,硬在利润。

基本思想

市场挂在 Bid 和 Ask 之间的差(Spread)天然存在——有人想立即买、有人想立即卖。做市商挂双边报价提供即时流动性,收取这个差作为”服务费”。每笔几美分 × 每天数亿笔 = 稳定现金流。

HFT 的延伸玩法:Latency Arb(延迟套利)——同一只股票在 NYSE 和 Nasdaq 价格出现毫秒级不一致,更快的机器先吃掉慢的那边;Order Book Pred(订单簿预测)——通过挂撤单微结构预判下 100 毫秒价格走向。

代表机构

• Citadel Securities — 美股零售订单流处理约 40%、全球 ADV 全球第一
• Virtu Financial — 上市做市商,年化连续超 1,500 个交易日盈利记录
• Jump Trading — 早期微波网先行者 · 芝加哥-纽约专线
• Jane Street — ETF 做市龙头、OCaml 系派、校园招聘天花板
• Hudson River Trading (HRT) · DRW · IMC · Tower Research · Two Sigma Securities

市场占比与规模

典型盈亏

做市商一个常见统计:Sharpe 比率 8-12(年化收益 / 年化波动),几乎每天都赚钱,“亏损日”每月可能只有 1-2 天。但capacity 极度有限——资金加到某个规模后收益率立刻塌。这是 HFT 留在自营不做资管的核心原因。

优缺点速查

1. 优势。 Sharpe 超高(8-12+) · 低 / 零相关传统资产 · 危机年受益(流动性需求爆发) · 极难被挖墙脚(代码+硬件+人才系统性壁垒)。
2. 局限。 容量硬上限 · 监管风险(SEC/FINRA 处罚、市场操纵指控) · 军备竞赛消耗巨大(每年上亿美元硬件 capex) · 社会观感不佳(“榨取毛细价差”)。

⚠ 新人常见误区 · HFT 不是”写个策略加杠杆”。

零售交易者自学 Python + 买个 VPS 不等于 HFT。真正的 HFT 要求:微波/激光物理专线、PCIe 直连交易所网卡、FPGA 定制硬件、汇编级代码优化、co-location 机柜、交易所会员资格——任何一环差一个数量级,就被专业机构秒杀。散户不应尝试 HFT。

§03 · 统计套利 — Medallion 走红的那一派

Statistical Arbitrage(StatArb / 统计套利)是量化最”古典”的流派。核心思想:用统计模型找出价格之间的暂时偏差,赌它会回归。从 1980 年代 Morgan Stanley APT 小组、Nunzio Tartaglia 起源,到 Renaissance / DE Shaw / Two Sigma 做到千亿级别。

基本思想

最早期的版本叫 Pairs Trading(配对交易):两只相关股票(如可口可乐 / 百事)价格偏离历史均值时,做多便宜的、做空贵的,赌它收敛。后来扩展为多股票多因子模型:把股票分解为几十上百个因子暴露,对每一个因子维度都用历史均值+波动做套利。

现代 StatArb 的典型持仓周期:几分钟到几天。Medallion 据传主要在日内;DE Shaw / Two Sigma 覆盖分钟到周度;一些 mid-freq 基金则是日到周。

代表机构

• Renaissance Technologies · Medallion — 1988 起,30 年净年化 39%,仅限内部,$10B 规模封闭。所有量化基金的精神图腾。
• DE Shaw — 1988 起,~$60B AUM,全产品线。David Shaw 个人也是计算机科学家。
• Two Sigma — 2001 起,~$65B AUM,ML 转型早。
• Citadel (Wellington / Tactical) — 多策略旗舰,其中量化部分是主力。
• PDT Partners — 前 Morgan Stanley APT 血脉,Peter Muller 创立。
• WorldQuant — Igor Tulchinsky(前 Millennium 量化主管),“众包 alpha”模式。

规模与行业地位

盈亏结构

StatArb 的标准图景:市场中性 + 超高分散(几百到几千只股票)。每单胜率可能只有 51-53%,但次数极多,中心极限定理把总体 Sharpe 拉到 3+。

麻烦在”模式崩溃”——2007-08 “Quant Quake”,同类 StatArb 拥挤在相似因子上,大家同时去杠杆,互相踩踏 → Goldman GEO 一周跌 30%。这是 StatArb 的拥挤风险宿命。

优缺点速查

1. 优势。 Sharpe 2-4 · 市场中性 · 可容量 $50B+ · 学术方法透明(均值回归 + 协整) · 数据 / 研究的复利效应强。
2. 局限。 Crowding 风险 · 因子衰减(alpha 半衰期 1-3 年) · 高基础设施成本 · 顶级人才 “Renaissance ivory tower” 式封闭获取。

§04 · CTA 趋势跟踪 — 五十年的老派

CTA(Commodity Trading Advisor)在美国 CFTC 监管下注册,是最古老的系统化策略。“Turtle Traders”、Bill Dunn、John Henry 从 1970-80 年代开始就在跑这类策略。核心思想简单到可以写在一张纸上:价格趋势一旦形成会持续,顺势而为 + 严格止损。

基本思想

把全球 50-150 种期货(股指、利率、外汇、能源、金属、农产品)放进一个篮子,对每一个用移动平均、突破、动量等规则决定持仓方向和大小。趋势成立时满仓,反向信号出现就反手或平仓。

本质是凸性策略(Convex)——小损失频繁,大收益稀疏。大部分年份微正或微负,危机年大赚(2008 年 AHL + 40%、2022 年 CTA 指数 +21%)。

代表机构

• Man AHL — 伦敦起家,AHL Diversified 是 CTA 基准策略之一。
• Winton — David Harding(AHL 早期创始人之一后离开)创立。
• Aspect Capital — Anthony Todd(也出自 AHL)。
• DUNN Capital — Bill Dunn 1974 起,五十年几代传承。
• Graham Global · Millburn · Chesapeake · Transtrend · Lynx Asset Management
• AQR Managed Futures — 学术化 CTA,$10B+ 规模的”公募版”。

规模与表现

盈亏结构

CTA 的特征是Positive Skew(正偏)——胜率只有 35-45%,但单笔盈利的平均值远大于亏损(3-5:1)。**“让利润奔跑,把亏损砍掉”**这句老派格言就是 CTA 的写照。

最大的风险是长期回撤:2013-2019 CTA 整体近 6 年跑不过债券,这段”趋势荒”让很多机构关门。2020-2022 复活,但仍是 “等风来”的策略,需要客户有长线耐心。

优缺点速查

1. 优势。 Crisis alpha 显著 · 和股债相关系数低 · 透明可解释 · 容量大($50B+ 单策略) · 硬件要求低。
2. 局限。 Sharpe 低(0.5-0.8) · 长期回撤煎熬(6 年平台期非罕见) · 震荡市反复止损 · 依赖”趋势”这一前提。

§05 · 系统化宏观 — 把 Dalio 的逻辑写成代码

系统化宏观(Systematic Macro)介于 CTA 和 StatArb 之间——基于经济因果的宏观变量做慢交易,但用代码自动执行而不是基金经理手工决策。代表是 Bridgewater Pure Alpha 的量化部分、AQR Macro、Graham Global。

1. 基本思想。 把”美联储加息 → 美元升 → 新兴货币跌”这类宏观因果关系编码成规则,用历史数据校准参数,定期调仓。和 CTA 的差别在于:CTA 看价格,宏观看基本面。和 Discretionary Macro 差别在于:不由人手拍脑门,全系统化。
2. 代表机构。 Bridgewater Pure Alpha(量化部分)、AQR Macro、Graham Global、AHL Evolution、Man Numeric 宏观产品。
3. 规模。 全球系统化宏观 AUM ~ $150B。Bridgewater $125B 中 ~30-40% 是系统化。
4. 持仓周期。 周到季度。组合调仓频率远低于 CTA,特征参数调整更像”宏观画布”而非”信号”。
5. 收益水平。 Sharpe 0.7-1.2;Pure Alpha 长期净年化约 10-12%(低于 Medallion 但容量高 10 倍)。
6. 最大挑战。 “宏观因果”在 QE / 零利率 / 政策反常时期失效。2022-2023 美联储最猛加息,很多宏观模型反因”利率 vs 汇率”历史相关性反转被打懵。

§06 · 因子 / 风险溢价 — 最大众、最学术、最便宜

Factor Investing(因子投资)是学术和实践结合最紧的流派。Fama-French 三因子、五因子模型提出后,Value / Momentum / Size / Quality / Low-Vol 等因子被工业化,做成基金产品、ETF、Smart Beta——这是唯一一个”量化”流派真正下沉到普通投资者口袋里的。

基本思想

按”某个基本面 / 价格特征”把股票(或其他资产)排序,做多高分、做空低分(多空组合)或者只做多(Long-only Smart Beta)。长期看这些因子都有”风险溢价”——即以承担某类风险为代价获得超额回报。

最经典的六大因子:

• Value(价值):低 P/B 做多,高 P/B 做空
• Momentum(动量):过去 12 个月上涨的多,下跌的空
• Quality(质量):高 ROE、低财务杠杆、稳定盈利
• Size(规模):小市值 > 大市值(历史溢价,2010s 失效)
• Low-Vol(低波):波动低的股票长期收益不比高波差
• Carry:利率差 / 远期基差套利(跨资产)

代表机构

• AQR Capital — Cliff Asnes(Fama 门徒)创立,$140B,最大因子基金。
• Dimensional Fund Advisors (DFA) — Fama/French 深度合作,$775B,以因子被动化为核心。
• Research Affiliates — Rob Arnott 的”基本面指数”一派。
• BlackRock Systematic / SAE · State Street Advanced Research — 大机构的量化臂。
• Vanguard / iShares Factor ETFs — MTUM、VLUE、QUAL、USMV 是零售可买的因子 ETF。

规模 · 表现

最大特点

容量极大 + 费率极低。Smart Beta ETF 费率 0.15-0.30%,对比对冲基金 2/20 收费天差地别。这是因子策略能”下沉到散户”的唯一原因。

但长期跑输是常态——Value 2010-2020 跑输成长 30%,投资人几乎要背叛学术信仰。2021-2023 又强势回归。Factor 投资是*“耐心的税”*。

优缺点速查

1. 优势。 容量无限 · 费率极低 · 学术透明 · 可以买 ETF 实现 · 长期夏普 ~0.5 相对股债有边际价值。
2. 局限。 5-10 年跑输常见 · 因子拥挤 · 客户流失压力 · 在 AI / 科技极端超额年份反复被”打脸”。

§07 · 机器学习 — 神经网络进金融的这十年

ML 量化严格说不是独立流派——它是横切工具,任何流派都可能用。但”以 ML / 深度学习为核心方法”的基金独立成一派有独立数据集、独立基础设施、独立人才画像。2010 年代后期开始爆发,2020 后是所有新量化基金的标配。

基本思想

传统因子模型假设线性关系(y = a + bx + ε)。ML 允许非线性 + 高维交互——Gradient Boosting、XGBoost、Random Forest、LSTM、Transformer 都在量化上被试过。

典型应用:

• 把 1000+ 特征(财报、情绪、另类数据、价量)扔进 boosting 模型
• 用 **NLP(BERT/LLM)**把新闻 / Earnings Call / Reddit 帖子变成特征
• 用 CV 识别卫星图里的 Walmart 停车场车数、油罐影子
• **强化学习(RL)**做最优执行(TWAP/VWAP 优化、清盘)

代表机构

• Renaissance(内部据传早就 ML 深度参与)
• Two Sigma — 业界 ML 最著名,研究平台 Halite / Beta 开放
• WorldQuant — “Alpha Factory” 数万个因子批量挖掘
• Voloridge Investment Management — David Vogel 创立,纯 ML
• Numerai — 众包数据科学,“加密货币 + 量化”
• QuantConnect / Quantopian(已关闭) — 社区化 ML 策略平台

真实效果

不像宣传说的那么神奇。真实情况:

• 特征工程 > 算法选择——XGBoost 和 LSTM 在实际生产差异 < 1%
• 样本量是瓶颈——股票日度数据 30 年 × 5000 股票 = 不到 4000 万样本,对深度学习是小数据
• **回测漂白(Overfitting)**严重——每个”神经网络 Sharpe 3”的回测,实盘 0.5 的故事都听过
• 解释性差——风控部门无法解释”为什么此刻做多茅台”,在合规和风控上都是麻烦

基础设施

⚠ 小白最容易上当 · “用 GPT 炒股""LLM 选股”99% 是骗局。

从学术研究到生产部署的 gap 极大。回测报告的 Sharpe 3.0 实盘 70% 概率变 -0.5——原因包括 look-ahead bias、生存偏差、交易成本被低估、样本外失效。任何不能提供 3 年以上实盘业绩的”AI 量化产品”,默认视为无业绩。

§08 · 事件驱动量化 — 围绕 catalyst 的短期 alpha

事件驱动量化是介于 StatArb 和基本面量化之间的流派。核心逻辑:找到清晰的 catalyst(财报、并购、指数调入、分析师评级变化),在事件前后的几天 / 几周内系统化下注。

1. PEAD · 财报后漂移。 财报大超预期后股价会继续朝同向走 1-2 个月。学术确认最久的一个 anomaly,但alpha 从 80 年代的 ~1%/月衰减到今天的 ~0.2%/月。
2. Merger Arb · 并购套利。 现金并购:在宣布日后买入 target,锁定”成交价 - 当前市价”的差。Spread 通常 1-3%,交易失败时可能 -20%+。胜率 90%+,但尾部风险极大。
3. Index Rebal · 指数调入 / 调出。 标普 / 罗素重组公告到生效日之间的 4-6 周,被加入者价格平均涨 5-8%,被剔除者跌 3-5%。2020 年后 alpha 收窄但仍稳定。
4. Analyst Rev · 分析师评级变化。 Upgrade 后 1-5 天 alpha ~0.5-1%,Downgrade 更强。结合 Institutional Broker’s Estimate System (IBES) 数据。
5. IPO / Spin-off · 新上市 / 分拆。 Spin-off 后子公司长期跑赢(Joel Greenblatt 的经典策略)。IPO 则反过来,长期跑输 market。
6. Buyback · 回购宣布。 大额回购公告后 6-12 个月平均跑赢 market 3-5%。结合回购规模 / 市值比筛选。

代表机构

Millennium(多策略中若干 pod)、Point72(Cubist 量化分部)、Balyasny、Schonfeld 等 “pod shop” 都重度使用事件驱动量化。独立的纯事件量化基金相对少,多在多策略平台内部。

§09 · 加密量化 — 7×24 的新市场

加密量化是过去 10 年唯一一个”全新诞生”的市场。2017-2021 是野蛮生长期,跨交易所套利能轻松 Sharpe 5+;2022 后随着 Jump、Jane Street、DRW 等传统 HFT 入场,已经和传统市场一样”干净”——但仍保留一些结构性 alpha。

1. CEX Arb · 中心化交易所套利。 Binance / Coinbase / Bybit / OKX 等几十个交易所,BTC / ETH 价差偶尔 10-50bps。2021 年前曾达 1-5%。需要在每家都备资金 + 低延迟网络。
2. Funding Rate · 资金费率套利。 永续合约每 8 小时结算一次资金费率。做多现货 + 做空永续,锁定资金费率。2021 大牛市期间年化 20-40%,现在 2-8%。
3. DEX MEV · 链上最大可提取价值。 “三明治攻击”、套利、清算。在以太坊 PoS 后由 Builder / Searcher 分工。MEV-boost 总提取 $1B+,头部 Searcher 年入数千万。
4. Basis Trade · 基差交易。 现货 / 期货价差套利。BTC 年化基差可达 10-25%(牛市)。机构常用低杠杆稳定收益策略。
5. Market Making · 做市。 DEX(Uniswap v3、Curve)和 CEX(Coinbase、Kraken)都有做市机会。LP 收益 + 流动性激励。Wintermute、GSR、Flow、B2C2、Cumberland 是头部做市商。
6. Stat Arb · 加密统计套利。 对齐 BTC / ETH / SOL / 中小币做多空对冲。2023 后 Sharpe 普遍降到 1-2。

规模与参与者

⚠ 加密量化特有风险 · Counterparty risk > Market risk。

2022 年 FTX / Three Arrows / Alameda 倒闭让大量对冲基金 / 量化团队一夜清零。你的”托管风险”(custody risk)、交易所破产风险、稳定币脱锚风险都远超市场本身的 beta 风险。加密量化的头号技能是资金调度 + 对手方管理,不是 alpha。

§10 · 硬件 / 数据 / 人才投入 — 8 大流派的 infra 对照

下面这张表是所有做量化创业 / 就业前必看的——你要做的流派,决定了最小启动资源。错配流派和资源是初学者最常见的致命错误。

实务结论 · 两人团队 $100K 起步,应该做什么?

• Factor / Smart Beta(可行) — 公募 / SMA 包装,年化 1-3% 超额可以做
• CTA 趋势(可行) — 期货账户 + 一个数据库 + 基础规则就能跑
• 加密量化(可行但高风险) — 资金费率 + 简单套利能做,但托管风险大
• 事件驱动(可行) — 财报漂移类策略成本低
• HFT / 硬 StatArb / ML — 不要在这个规模尝试,输在硬件 / 数据起跑线

§11 · 怎么选 — 一张图决定你的流派

1. 我是个人投资者,账户 $10K-$1M。 可选:Factor ETF(MTUM / VLUE / QUAL / USMV)+ 低成本趋势跟踪 ETF(KMLM / DBMF)。自己写代码可以尝试简单的动量 + 均值回归组合,但不要指望 Sharpe > 1。把避免犯大错作为首要目标。
2. 我是小团队 $1-10M。 可选:CTA 趋势跟踪 + 事件驱动 + 加密量化。避开 HFT 和 ML 深度学习。研究 1-2 年积累数据和回测基础设施,再考虑上实盘。
3. 我想从业 / 求职量化。 基础数学(概率 / 统计 / 线代)+ 编程(C++ / Python)+ 某一门深入(随机过程 / 计量 / ML)。Jane Street / Citadel / Two Sigma 的 SWE/Quant 岗年薪起步 $300-500K,但竞争激烈。
4. 我是大机构(银行 / 券商 / 保险)。 直接采购 AQR / DFA 等成熟因子产品 + 少量 CTA 分散。自建量化团队在规模 < $500M 之前性价比极低——人力 + 数据成本 > 预期超额。
5. 我是创业者 $10-50M seed。 选一个小而深的流派(比如 crypto 资金费率、某品类趋势、因子中的 Quality tilt),做出 3 年实盘业绩,再考虑横向扩展。最大的陷阱是什么都想做 → 什么都做不好。
6. 我有 $100M+ 分配要做。 分散到 3-4 个流派 + 不同机构。CTA 20% + StatArb 30% + 多策略 platform 30% + Factor 20% 是常见配置。重点在”机构筛选”而非”策略选择”——量化的 alpha 主要来自人,不来自派。

一句话总结 · 量化是一个”资源匹配”游戏,不是”智商游戏”。

Medallion 看起来是最聪明的人赢了,本质上是最早(1988)、最小(仅内部)、最深(30 年复利) 的那批人占了位置。今天想复制它的路径几乎不可能——但在每一个尺度上都有合适的流派。选对自己所在尺度的玩法,比追求”Renaissance 级 Sharpe”重要十倍。