有資料顯示：截至2020年三季度，全球對沖基金規模TOP10中有8家是量化私募基金；而國內62家百億私募中有10家是量化私募基金。雖然相比去年底的5家已然翻倍，但國內百億量化私募基金佔比仍有很大的上升空間。

上海新晉百億量化私募稱，

今年規模增長了50%左右

，主要原因是多年以來的市場口碑、量化行業的蓬勃發展以及渠道商的多年合作基礎。

目前，非凸科技致力於服務量化私募基金，為其解決在交易執行過程中，

面臨的交易成本高、執行效率低、交易意圖洩漏、人工失誤、合規風險等問題

。

01 量化之風強勁再起

近兩年優質資產愈發稀缺，債券收益率明顯下降，量化基金受到機構投資者關注，而且隨著股指期貨交易的不斷鬆綁，量化私募策略也完成初步迭代，因此行業迎來了發展的黃金期。

資料來源：私募排排網、量化投資與機器

截至2020年二季度，國內量化私募基金約有500多家，在全國1萬多家二級市場私募中佔比不到5%；國內量化私募基金的最新管理規模已超4000億元（

預計年底超過5000億元

），在整個二級市場私募的管理規模（約3萬億，同比增長7%）中佔比

超13%

，但量化策略的發展目前仍處於初級階段。

從美國的發展經驗來看，全球最大的對沖基金橋水的管理規模超

1500億美元

（約1萬億元）左右，目前國內頭部的量化私募管理規模大概在100～300億元之間，最大的量化私募已達

500億

級別。

中國量化基金和演算法交易發展階段相當於金融危機前的美國，大約有10年的差距，那麼可推斷：

未來10年將是A股市場演算法交易發展的黃金期。

近兩年百億級量化私募的不斷湧現，和策略的適應性有較大關係。股票多頭策略在結構性牛市或全面性牛市中有突出的表現，而量化策略在高波動和無效市場中更易獲取高收益。從近兩年A股走勢來看，2018年市場表現較差，2019年和2020年則先揚後抑，A股波動幅度明顯提升。因此，

量化策略憑藉低迴撤、收益穩健及風險可控等特徵吸引了投資者的關注

。

據私募排排網資料顯示，截至10月底，10家百億級量化私募今年以來均取得正收益。

從近3年的業績表現來看，百億級量化私募表現也比較平穩，並未出現虧損。

行業專家也表示，近兩年優質資產愈發稀缺，量化對沖基金作為固收的替代品，開始受到機構投資者和大批個人投資者的關注，而且優秀的海外人才陸續回國，新技術的應用、精細化策略的引入推升了量化投資的收益水平，使其具備了極強的市場競爭力。

02 演算法交易市場收入規模大

在美國，演算法交易自20世紀90年代起步，目的是最佳化股票經紀業務（Equity Trading）的成本和效率。隨著最近10餘年量化對沖基金的擴張，演算法交易的規模迅速擴張，目前美國股市約95%的交易由演算法完成。

而在中國A股市場，演算法交易的滲透率才20%。相較之下，與美國有10年以上的差距。但隨著國內量化基金規模發展趨勢迅猛，有望縮小差距。

有資料顯示，

2010年中國股票市場成交額約55萬億元，而截至目前，成交額已達170萬億元，預計2020年年底將達到200萬億元。

根據目前演算法交易在A股市場的滲透率來看，我國10年內達到美國的水平，每年的複合增長率約是16。86%。則在A股市場中，按0。005%的佣金比例計算：

5年內市場收入規模約達到70億元；

10年內市場收入規模約達到240億元。

03 量化私募競爭激烈

不過，在此過程中，量化私募之間競爭也較為激烈，部分頭部量化私募由於規模激增，面臨策略容量有限和模型有效性減弱的問題。

玩家分層、頭部化趨勢已經較為明顯 …

某研究中心表示，在現有的規模下，頭部量化機構既交易大市值股票，也交易小市值股票。其中，中小市值股票是機構最容易獲取超額收益的標的，量化機構最為擁擠，過去有效的模型正在受到頭部機構的擠壓。而且頭部機構每年投入幾千萬元於資訊、系統、算力、人員等方面的建設，將因子庫擴容並迭代，演算法不斷更新，算力也逐漸增長，中小型量化私募可能面臨模型崩潰的問題，因此未來將出現頭部量化私募產品淨值更穩定、中小型量化私募產品淨值波動更明顯的情況。

頭部私募近年來業績表現較為突出，小型私募想要獲取超額收益愈來愈艱難，疊加今年流動性保持合理充裕，資金非常青睞百億級量化私募。

策略容量有限、超額收益下降 …

在資金和渠道資源等方面頗具優勢的頭部量化私募機構，也面臨著策略容量有限、超額收益下降的煩惱。

據業內人士分析，量化私募採取的高頻短週期策略容量小於低頻長週期策略，如果規模上升過快，策略將快速失效。為此，多家頭部量化私募正在加大算力上的投入，謀求轉型。

高頻策略天然的優勢是收益較為穩定，瞬間完成交易，即刻獲利，但劣勢在於容量較為有限。而且，在完全比拼速度的情況下，一旦出現更快的對手，自己就會開始虧錢，競爭非常激烈。因此，市場上多家知名量化私募開始轉向空間更廣闊的基本面量化策略。

04 非凸解決市場痛點

在交易執行過程中，量化投資機構會面臨交易成本高、執行效率低、交易意圖洩漏、人工失誤、合規風險等問題。而

非凸演算法的優勢

就在於：

提升交易效率

：傳統模式下，交易主要靠交易員手工完成，成交速度較慢；而演算法交易透過計算機程式自動達成，大幅提升交易效率。

減少人為干擾

：演算法交易可排除人工交易可能受到情緒、疲憊、反應速度等方面的影響，還可防範人工操作風險。

降低交易成本

：演算法交易透過大單分割、隱藏交易意圖等方式獲得最佳交易執行路徑，有效降低執行成本。

規避合規風險

：智慧判斷潛在違規風險與信披義務；透過標準化設定交易價格、數量等引數，降低犯錯可能。

促進市場價格發現

：研究員可基於海量歷史和實時資料研發演算法交易策略，發現人工較難以捕捉的交易機會，同時這也有利於糾正市場出現的價格偏差。