近兩年的市場出現了有趣的現象，一場“私奔公”的人才流動正在發生。多位來自千象、靈均等頂尖私募機構的優秀人才，選擇加盟中歐基金，參與到公募量化體系的搭建中去。

他們的到來，對中歐基金的交易速度、數據、算力提出了更為嚴苛的要求，用中歐基金量化投資總監曲徑的話來說，這如同要求為一條高鐵重鋪軌道。深耕公募量化領域多年的曲徑在接受中國證券報記者采訪時表示，通過對市場與客戶的洞察，發現客戶對穩健超額的追求，讓公募量化無法再僅依賴長周期基本面的維度挖掘超額收益。2023年的“痛苦”反思后，曲徑決定系統性地補齊中歐基金量化團隊的中短周期超額能力，而這往往是私募量化機構更為擅長的能力。

這場改造結出了碩果。截至2026年一季度末，中歐旗下多只指增產品超額收益顯著。這并非偶然，而是一場從策略、人才到基礎設施的工業化進階開始。

01 招兵買馬 構建新策略體系

回憶2023年的心路歷程，曲徑用“痛苦”這個詞來形容。她的策略核心——基于基本面和行業邏輯的長周期阿爾法模型，在當年不奏效了。“市場在收縮風險偏好，不對上市公司的成長和基本面趨勢定價。”這意味著，她最擅長的武器階段性啞火，而客戶對超額收益的期望卻并沒有減弱。

這次挫敗促使她進行第一性原理的思考：量化到底賺什么錢？她得出的結論是，自己過去主要賺的是長周期基本面兌現的錢。“這種挖掘超額收益的維度是大部分公募量化機構比較擅長的，但兌現周期也往往比較長，這與追求穩定勝率的客戶需求產生了錯配。”她意識到，世界上沒有永遠完美的單一策略，任何模型都可能失效。更好的解決方案，是把不同維度、不同周期的阿爾法來源有機組合起來，形成一個個堡壘，用多元的低相關性來抵御單一方向的沖擊。

“我需要想清楚，我有哪些維度的阿爾法沒賺到，然后定向去找能補齊這些能力的人。”曲徑的藍圖逐漸清晰：在自身擅長的長周期基本面阿爾法之外，必須補齊私募所擅長的兩個領域——中周期的因子框架，以及短周期的深度學習。由此，中歐量化“三元低相關”策略體系的構想浮出水面。

搭建新堡壘的第一步是招兵買馬。曲徑找到了當時在頭部私募機構的投資經理宋婷。宋婷的加入，迅速補全了中歐基金在量價因子等方面的短板。由她主導搭建的系統化“因子工廠”框架，將海量的量價數據高效地加工成有效的阿爾法信號，并與原有的基本面阿爾法深度結合，力爭提升超額收益的穩定性與勝率。此外，她還推動優化了數據存儲與計算架構等底層基礎設施，為后續策略迭代和深度學習融入提供了堅實支撐。

緊接著，為了攻克短周期預測的難題，團隊又引入了在深度學習端到端模型上擁有深厚經驗的楊柳。在擔任量化投資部系統化投資組組長后，楊柳不僅帶來了新的策略思路，更對中歐基金的數據處理、算力、交易系統等底層基礎設施提出了革命性的升級要求。

為何這些頭部私募機構的優秀人士愿意加入中歐基金，曲徑總結了三點。一是充足的硬件算力支持。近幾年，中歐基金將量化投資視為公司的重要戰略發展業務之一，并愿意投入充沛的IT資源。二是開放協同的工作氛圍。中歐量化采用項目制工作模式，優質人才可以參與不同類型的項目，在交流和挑戰中快速成長。三是公募量化大有可為的市場空間。盡管這兩年公募量化規模快速發展，但尚未形成有絕對壁壘的龍頭。相較于私募量化，公募量化仍是一片藍海市場，有巨大的業務空間。宋婷的選擇代表了很多人的想法：這里存在“從0到1”打造一個頂級平臺的歷史性機遇。

02 探索量化投資的“星辰大海”

頂尖的人才帶來了先進的策略思想，也放大了原有基礎設施的滯后效應。最大的瓶頸之一在于交易系統。曲徑透露了一個驚人的數字：改造前，中歐基金某些環節的成交回報耗時可能是某些對沖基金的100倍，這意味著由于交易系統和風控流程的限制，很多阿爾法在成交前就已經流失。

“我們要讓提速的高鐵在更絲滑的軌道上馳騁起來。”曲徑形象地比喻。于是，一場由量化部門牽頭，跨越量化、IT、交易、運營、風控等多個部門的“軌道更新”工程啟動了。經過改造，實現了從程序生成交易指令、自動拆單到算法交易執行的全流程自動化，成交回報時間被縮短了數個量級。“這打開了我們阿爾法和規模的上限。”曲徑表示。

與此同時，在策略的前沿，楊柳正帶領團隊探索量化投資的“星辰大海”——深度學習端到端模型。與傳統“因子工程”思路不同，端到端模型試圖將海量的原始市場數據直接輸入，讓AI自己學習并輸出交易信號。

但這把“牛刀”用來處理金融數據這種“小數據集”和“低信噪比”數據時，極易誤入歧途。楊柳總結了過去行業的兩大彎路：一是模型可能僅僅學會了某個風險因子（比如市值因子），一旦風格逆轉便全面崩潰；二是因搜索空間太大，在有限數據下學到的規律缺乏泛化能力，無法適應市場變化。

“我們現在的思路，不是粗暴地讓模型為所欲為，而是給它加上約束。”楊柳表示，團隊通過特征工程和模型設計，將傳統金融邏輯和經驗作為“護欄”引入AI的學習過程，控制其搜索空間。在楊柳看來，向投資者解釋清楚端到端的運作可能不是最重要的，最重要的是為模型定義清晰的能力邊界——在何種市場環境下可能勝出，何種環境下可能失效，并嚴格控制風險。“知道邊界在哪里，比完全打開黑箱更重要。”楊柳說。

當然，規模增長后的復雜管理亦是挑戰。當管理規模邁入百億級，多個產品、多種策略同時運行時，如何公平、高效地交易，最小化市場沖擊，成為棘手的優化問題。中歐基金將目光投向了學術界的頂尖力量——上海交通大學智能計算研究院。中國證券報記者了解到，該團隊為中歐基金量化團隊提供優化器技術支持，根據測算，投資組合優化速度可提升百倍。

“過去主要靠經驗直覺和簡單的公式對交易細節進行優化調整。但當約束越來越多——同時要考慮跨賬戶、跨周期的公平交易、控制沖擊成本——人力很難快速求出最優解。”楊柳解釋。與上交智算的合作，正是要將這些復雜的業務邏輯，轉化為數學上的優化問題，通過高性能計算求解。

曲徑舉了一個例子：兩個產品可能都需要買入同一只小盤股。傳統的做法可能是兩個基金經理各自下單，對于流通盤較小的股票，這有可能推高交易成本。而優化器可以在下單前就統籌計算，規劃出一條對整體組合沖擊成本最小、阿爾法損失最少的最優交易路徑。這不僅關乎收益，更決定了策略的容量天花板。“只有這樣，規模才有繼續往上擴的空間。”曲徑說。

03 激發高密度人才的創造力

在曲徑看來，量化投資的護城河，除了前文提到的技術，還有人才。中歐基金量化團隊采用了“中央化賬簿”（Central Book）模式，并非各自為戰，而是像一條高度專業化的工業流水線，從數據處理、因子挖掘、模型預測到優化交易，每個環節都有專崗專人。團隊成員以“項目制”動態組合，資深研究員帶領年輕人攻堅特定課題，項目結束即解散，以此激發高密度人才的創造力。

特別值得注意的是，在AIGC技術爆發的2026年春節前后，團隊選人的標準發生了顯著變化。“我們更看重的不再是靜態的知識儲備，而是邏輯能力、學習新工具的意愿，以及交付高質量工作的責任心。”楊柳說，AI編程副手已將策略復現時間大幅縮減，這帶來了范式革命。因此，團隊鼓勵每個人用AI重構自己的工作流，甚至在IT項目中嘗試用會議紀要直接生成技術代碼，實現“端到端”開發。能用AI提升效率的人，才是團隊更青睞的人才。

在地緣事件頻發的當下，楊柳認為，量化模型需要關注的并非宏觀事件本身，而是事件引發的市場結構性變化，如流動性、投資者交易習慣等關鍵指標。在市場流動性尚維持充裕的情況下，量化策略仍有可為。

談及未來的產品布局思路，曲徑向中國證券報記者透露，在現有寬基指數增強的基礎上，團隊將向更精細化的風格與策略賽道進行拓展。同時，團隊會根據不同的產品的投資領域來調整三元策略的配比。例如，在中小盤產品上，端到端模型捕捉高維異質性阿爾法的能力更強，權重就會更高；而在對標偏股混合的基金中，各類策略阿爾法差異不大，則會均衡配置，最大化低相關性的優勢。

在采訪的最后，曲徑也分享了她對公募量化價值的思考：“優秀的量化產品，追求其阿爾法在長期覆蓋甚至超越基準指數的波動，從而為客戶提供一種具有時間復利價值的、更可預期的回報體驗。”

（內容來源：中國證券報 魏昭宇）