量化策略的钝化主要是指模型从之前的“赚大钱”变为不怎么赚钱甚至亏损的过程。国内外多年实践表明，市场上并不存在一直在赚钱的“圣杯”策略，所以每个策略都会发生钝化。无论是基于交易经验还是历史回测的策略，都离不开一个共同的信念，那就是过去的市场规律在未来仍能适用，至少是在短期的未来有用。那么当市场规律发生变化甚至完全改变时，策略便会发生钝化或失效。具体来说，量化策略发生钝化的原因主要有：策略构建过程中使用的样本数据太少、市场环境和投资者结构的变化、监管加强及交易规则的改变和极端行情的发生等等。
（1）量化策略构建过程往往利用历史数据，可能由于样本数据太少造成无法捕捉历史中未出现的风险事件。例如，量化模型的开发者使用标的资产最近一段时间的行情数据来构建策略，或者标的资产上市的时间较短，策略开发者能有效利用的数据太少。这样开发的策略显然会因为在未来的数月或者数年内，市场特征发生明显改变而导致策略钝化或者失效。解决的方法主要是在开发模型的时候尽可能的增加样本数据，并检验策略在不同调仓周期和参数区间的表现情况。其次，应该更加注重策略逻辑的合理性。最后，如果策略发生钝化时，应启动风险控制系统，降低模型的仓位。
（2）市场环境和投资者结构的变化。对A股来说，宏观货币环境、经济政策和投资者机构化趋势等因素均会使得基于历史数据开发的模型发生钝化。例如，价值因子在长期而言表现出了较好的普适性、稳定性和有效性，但随着外资的持续流入和投资者风险偏好的提升，市场对优质资产的估值容忍度不断提升，导致价值因子相关的策略在2019年以来出现了一定的回撤。策略由于市场环境和投资者机构变化引起的钝化需要深入理解策略的盈利逻辑，适度调整策略构造并配合适当的择时及仓位管理来规避策略钝化。
（3）监管加强及交易规则的改变。监管的加强和交易所交易规则的改变会影响到投资者的情绪和交易成本，进而改造市场行情的特征，量化策略在这种情况下最容易发生钝化和失效。例如，2015年市场大幅下跌之后，中金所出台空前严厉的股指期货管控措施，提高了期指的交易保证金和手续费，并对每日开仓数量进行了严格限制。最终的结果是期指成交量骤减，流动性缺失，期指市场功能基本丧失，股指期货CTA日内策略基本失效，股票阿尔法策略也由于期指长期贴水而受到影响。这种情况导致的策略钝化，我们只能通过降低交易频率，优化模型参数和择时对冲等方法来尽量改进原来的策略。
（4）极端行情的发生。在投资的世界里，极端行情发生的概率是比理论上高很多的，比如短期内市场风格的迅速切换、新冠疫情期间的千股跌停和熔断期间的流动性衰竭等。当极端行情发生时，基本上原来的量化策略很难随机应变，可能会造成策略绩效的大幅波动。这促使我们重新考虑设计量化模型的出发点是控制风险。一般来说，风险往往伴随着收益，而极端风险却能吞噬掉模型积攒的大部分收益。对于这种情况，一方面，我们需要更加关注于风险预测模型，注重模型在风险假设上的合理性；另一方面，需要及时的风控措施，例如把模型切换到更加保守的备选方案是一种可以操作的解决方案，当然极端行情的判别需要一定的客观标准。
（专栏作者：摩根士丹利华鑫基金数量化投资部 王应林）
