量化不可量化之物

当《中共中央关于全面深化改革若干重大问题的决定》在2013年11月15日下发时，“推进股票发行注册制改革”九个字被放置在“完善金融市场体系”条目之下，前后都是关于汇率、利率、资本账户的表述。没有单独成段，没有加粗，没有配发细则。同一天，沪深300股指期货的持仓量稳定在十万手以上，日内成交额在三千亿元上下波动。

一个是最高层级的政治文件，一个是交易所里高频跳动的衍生品数据。在那一刻，几乎没有市场参与者会把两者并排放在同一张桌上。注册制改革听起来像一块遥远的制度幕布，股指期货则是一台正在高速运转的对冲机器。

但把时间轴拉开来看，这两个看似互不相干的信号指向的是同一个深层问题：当制度的缝隙被弥合之后，市场的确定性从哪里来。

这个问题在2015年夏季之前几乎不成其为问题。至少在表面上看，量化投资提供了一种迥异于制度套利的答案。制度套利的收益来自审批、发行、借壳、重组这些环节中人为制造的稀缺，而量化策略从设计之初就宣称自己不做预判，只做统计。

它的原材料是价格、成交量、波动率、换手率，是屏幕上每一笔撮合成交留下的数字痕迹。它不关心上市公司的董事长是谁，不关心监管层下一步要发布什么文件，甚至不关心宏观经济的走势。

在2014年之前，A股的量化策略维持着一种近乎隐士的小众姿态：公募基金里只有少数几只量化产品，私募领域刚出现一批从海外回国的量化团队，他们管理着规模不大的资金，用中低频的多因子模型在沪深300成分股里挑选那些估值低、动量强、波动小的标的。这个阶段的量化投资，与其说是一种盈利模式，不如说是一种数学信仰。

信仰的表征之一，是量化团队对“模型”二字的执念。模型意味着规则，意味着每一次买入和卖出都有明确的数字依据。因子暴露、信息比率、跟踪误差、最大回撤，这些词汇构成了一个封闭而自洽的语言系统。

在这个系统里，市场不是人类情绪的集散地，而是一个可以拆解成无数特征变量的高维空间。传统投资者看盘时看见的是红绿交错的K线，量化研究员看见的是因子值的回归与偏离。

前者的经验无法被检验，后者的每一个参数都经得起回溯测试。这种认识论上的优越感，让量化投资在A股的早期岁月里自然地带有一种冷静的克制：它不争辩，只计算。

然而，把这种克制误认为超然是危险的。量化策略对“模型”的执念本身，就暗含了一个未经检验的前提：市场的运行方式在时间上是稳定的，至少是可外推的。

这个前提在2014年之前似乎大体成立，因为那时的A股还处在一种半封闭的稳态中。股权分置改革已经完成，上证指数的波动率从2008年的极端水平逐步回落，创业板刚开始酝酿新的市场热情，但整体市场结构尚未发生质变。量化策略在这个窗口期得以用相对平稳的历史数据校准参数，获得的超额收益虽然不算惊人，却足以让从业者相信：方法本身是可持续的。

转折来自2015年的股市异常波动。当指数在六月开始急剧下行，股指期货被普遍视为做空力量的泄洪口。监管层随后出台一系列限制措施，提高保证金、限制开仓、收紧交易编码。

沪深300股指期货的成交量在极短时间内从日均万亿级骤降至不足百亿级，流动性几近干涸。量化策略赖以对冲市场风险的工具失效了。以市场中性和多空策略为主的产品，不得不寻找新的替代品。

中证500股指期货受到的冲击小于沪深300，而中证500成分股与中小市值股票之间的相关性，又远高于沪深300。

于是大量量化私募开始转向中证500增强策略。所谓增强，本质上是放弃完全对冲的市场中性姿态，在保留一部分市场暴露的同时，通过个股选择争取跑赢指数。

这个转换在当时不得不为之，但它暗含了一个深层后果：量化策略的风险敞口从“市场风险”部分地转向了“风格暴露”。它不再是纯粹赚取超额收益的统计套利，而是开始依赖某一类股票相对于另一类股票持续强势的历史规律。

这个规律在2017年遭遇了第一次公开挑战。白马蓝筹在估值修复行情中大幅跑赢中小市值股票，中证500增强策略的基准本身疲软，叠加持仓结构中天然偏向小盘股，许多量化产品的超额收益被拖入负值区间。

市场开始流传一个判断：A股的风格切换比行业轮动更致命。量化模型或许能识别一家公司与同行业的差异，但很难预判整个市场在大小盘之间突然转向。当时媒体采访中常听到的一句话是：“模型只擅长解释过去三个月，不擅长解释过去三年。”

这句话只说对了一半。更准确的说法应该是：模型擅长解释那些特征分布稳定的时间段，而A股的特征分布从来不曾稳定。

如果2017年是一次温和的警告，那么2019年到2021年则是一场盛大的例外。这段时期量化私募的规模出现爆炸式增长。中证500指数在2019年上涨超过百分之二十，2020年继续上涨，小市值股票的活跃度显著抬升。多因子模型在中证500和小市值股票池中获得显著超额收益，高频交易技术也在此时加速落地。

一些头部量化私募的管理规模从数十亿元迅速攀升至数百亿元乃至上千亿元。超额收益的来源似乎俯拾皆是：小市值因子的长期溢价、日内波动带来的交易机会、散户占比仍然较高的市场结构。

这些因素叠加，让量化投资从一个郁郁不得志的信仰体系，变成资产管理行业最吸引资金的明星赛道。

市场的记忆从来短暂。当超额收益持续为正，投资者便倾向于忘记来源，只记住斜率。

2021年之后，量化私募的规模增长改变了市场结构本身。当足够多的资金涌入同一类策略，策略的容量边界开始显现。小市值因子从被发现、被定价、被拥挤交易，到最终失效，通常只需要几个季度。高频策略的收益则在交易费用、冲击成本与同行竞争的三重挤压下逐步收敛。

部分管理人开始使用杠杆工具，试图在因子收益衰减的情况下维持净值增长。

正是在这个阶段，量化策略与另一个领域——衍生品结构化产品——发生了交汇。

DMA业务，全称是收益互换或场外期权中的多空组合管理业务，在2023年已经成为量化私募扩大仓位规模的常用工具。它允许管理人以较低的资本金撬动更大的市场敞口，收益归管理人，风险也归管理人。与之同时，雪球产品在2022年至2023年间积累了庞大的存续规模。

雪球产品的本质是一种奇异期权，投资者在挂钩指数不触及敲入价格时可以获得约定的票息，但一旦标的指数大幅下跌并触发敲入，投资者将承担与持有指数多头相似的亏损。当雪球产品的对冲盘与量化私募的微盘股持仓在市场的尾部相遇，它们共同编织出一张隐形的流动性网络。这张网络在正常状态下只会以低廉的成本运行，不会引起任何人的注意。

然而2024年1月，它成了风暴的中心。在此之前，微盘股策略已经让量化私募尝到了最后一波甜头。所谓微盘股，通常指市值排在全市场尾部的小市值公司，它们不属于中证500，也不属于大多数中证1000增强产品的常规持仓范围。这类股票成交稀疏、波动剧烈、机构关注度低。对于量化模型而言，它们却恰恰具备诱人的统计特征：历史收益高、散户占比高、错误定价的持续性强。

2023年的量化私募业绩排名中，不少靠前的产品都显著暴露于微盘股指数。一些产品的三季度报告里出现这样的表述：“微盘股流动性因子持续有效，为组合贡献了稳定的超额收益。”

这句话的关键词是“持续有效”。在量化的话语体系里，“有效”意味着历史回测中该因子在不同时间段均产生正收益，“持续”则暗示这一特征的结构性来源不会轻易消失。

微盘股流动性因子的支持者认为，A股的流动性分层是一个长期现象。大市值蓝筹的机构定价能力越来越强，而微盘股由于机构覆盖率低、卖压不稳定，反而为高频和统计套利提供了持续的超额收益来源。这个解释在2023年之前的数据中相当有说服力。

进入2024年后，情势急转直下。一月的中下旬，微盘股指数连续大幅下跌，部分交易日出现千股跌停级别的流动性枯竭。中证2000指数在极短时间内从高位回落超过三成。与之同步下跌的是量化私募的产品净值。许多在2023年排名靠前的微盘股策略产品，在短短几个交易日内回吐了此前一年的全部超额收益。

一份量化基金在2024年一季度的报告里将原因归结为“模型遭遇极端市场环境”。这八个字值得逐字审视。所谓“极端市场环境”，指的是市场行为模式显著偏离历史分布的状态。

但如果一种状态在A股历史上每隔两三年便出现一次，它还是“极端”吗？把它称作“极端”，是把模型期望的分布当成了常态，把市场的真实运动当成了例外。这是一种典型的统计自大。

微盘股的崩塌不是孤立事件。雪球产品在指数下跌过程中大量触发敲入，敲入之后对冲盘需要在现货市场进行止损式卖出，或者通过股指期货进行方向性对冲。这种卖出本身又压低指数，触发更多雪球产品的敲入条件。

DMA业务的杠杆属性在这里发挥了放大器的作用。量化私募在微盘股上的持仓通过收益互换加了数倍杠杆，当市场下跌触发风控线时，管理人被迫在日内卖出流动性最差的股票。买盘本就稀薄，卖盘却因杠杆强平而集中涌出。

于是出现了一个反直觉的现象：在全面下跌中，跌幅最深的恰恰是被认为最具Alpha含义的微盘股。深度不是因为它们基本面更差，而是因为它们被同一类策略高度拥挤地持有。当足够多的模型同时发出卖出信号，模型之间的独立性便消失了。它们不再彼此竞争，而是构成了一个高度同步的流动性黑洞。

市场中的技术观测者发现，2024年1月某几个交易日，中证2000指数的分时走势与量化基金净值的估值曲线呈现出近乎同步的暴跌斜率。这并不奇怪。

净值跌意味着产品所持的微盘股在跌；微盘股在跌又意味着同策略的其他产品在抛售；其他产品在抛售又引发更多的净值下跌。

传统的资产定价理论假设市场由众多独立的交易者组成，每一个交易者的买卖行为对价格的影响可以忽略不计。但在微盘股流动性危机中，交易者之间的策略相关性极强，行为几乎完全同源。模型假设市场是一个外生的随机环境，实际上交易者自身就是环境的一部分。模型通过历史数据识别出的因子，一旦被大规模使用，就改变了因子的未来分布。这不是细节问题，这是金融现象学中的观察者效应：测量改变了被测量之物。

量化机构应对这场危机的方式各不相同。一部分管理人在春节期间发布致歉信，称市场走势为“罕见黑天鹅”；另一部分管理人开始调整策略，控制小微盘暴露，转向全市场选股或降杠杆运行；还有一部分悄然降低了产品线的存续规模。

无论哪种应对，都隐含同一个姿态：模型本身可能没有错，错的是市场。但追问一层就会发现，这个姿态并不牢固。如果模型只能在一个被排除掉“极端”事件的有限空间里有效，那这个“有效”意味着什么？一个只在没有地震时成立的地震预测模型，能被称为模型吗？

这里需要借用《道德经》第四十八章的框架来拆解。经文说：“为学日益，为道日损。损之又损，以至于无为。无为而无不为。”

王弼注中把“为学”与“为道”区分为两个方向上的运动。为学是增加，知识积累、经验扩大、技术细化，这是加法。为道是减少，剔除偏见、剥落妄念、回归本体，这是减法。

为学者可以不停地加，加上一百个因子，加上更高频的数据，加上更复杂的非线性模型，夏普比率在历史回测中确实可以不断提高。但为道者必须认识到，有些东西不会因为模型更复杂而变得更可预测。市场的本质不是概率分布，而是人类行为的涌现。涌现意味着整体行为不能由部分的统计特征完全推导。

微盘股流动性危机中出现的策略拥挤、同向卖出、流动性塌陷，正是涌现的典型形态。用孤立的历史样本来预测这种涌现，就像用过去二十年的天气记录来预测下一次火山爆发：模型再精细，样本再多，若关键变量被排除在外，预测能力不会提升。

这不是反智主义。量化策略在A股历史上确实录得过可观的超额收益，许多因子在特定阶段与特定结构下真实有效。问题在于，因子有效的前提，是它所依存的市场结构没有发生不可逆的演化。一旦结构演化到位，因子便从Alpha退化为Beta，甚至从Beta退化为风险来源。

微盘股流动性因子在2023年之前有效，是因为微盘股的低流动性恰好处在一个既有散户参与、又有机构回避的均衡状态。当量化私募集体涌入微盘股策略，交易行为本身降解了这个均衡：机构持仓占比上升，交易拥挤度上升，流动性溢价从补偿变成了陷阱。市场结构不是模型的背景板，而是模型的内生变量。一个既在模型中又在模型外的变量，不能被模型自身所把握。

这便回到了制度套利归宿之后留下的那个未解之压。制度套利的收益来自制度变迁的临时缝隙，当缝隙闭合，策略失效。

量化策略在2024年的崩塌揭示了一件更令人不安的事情：连基于历史数据的统计规律也会失效，因为市场会学习，会适应，会在参与者普遍掌握并利用规律之后改变规律。制度套利者面对的是一个会不断修正制度的市场监管者。量化模型面对的是一个会不断学习的学习者群体。

两者的认知陷阱在结构上同构：把环境暂时允许的优势误认为可复制的内在方法。区别只在于，前者把确定性寄托于制度的滞后，后者把确定性寄托于数据的平稳。两者都在寻找一个不动的支点，而市场本身从来都在动。

由此可以重新解释“为学日益，为道日损”在投资语境中的含义。模型的更新迭代可以无限进行，因子可以被不断发掘、替换、组合，算法可以比对手更快几微秒。这是“为学”的路径，也确实带来过收益。但“为道”要求投资者诚实地面对一个事实：有些东西根本不可能被量化。

政策意志的突然转向，群体情绪在极端点位的瞬间反转，市场结构在无数微观行为叠加下的质变，这些都不是不可量化是因为数据不够，而是因为它们在性质上不属于可以被历史样本覆盖的事件。数学可以描述随机性，但市场的不确定性中包含大量不属于概率论的成分。二十世纪初凯恩斯在《概率论》中已经区分了风险与不确定性：风险是可以被分配概率的事件，不确定性是我们甚至无法列出可能状态的事件。

A股市场中的许多重大转折——政策态度的质性变化、投资者对某一叙事的集体放弃——恰恰是凯恩斯意义上的不确定性，而非可计算的风险。于是，投资者必须在一个没有数学确定性作为地基的环境中行动。

这不是承认失败，而是承认本体。道家的“知不知上”，在这个语境下有了非常具体的含义。知道自己无法知道市场结构的下一轮突变，不是认知的匮乏，而是认知的一种高阶形态。它是对知识边界的准确测量。相反，那些声称可以通过足够多的数据和足够复杂的模型来预测一切的人，才真正处于认知的黑暗中。

在同一批产品的档案里，还可以看到另一个更刺眼的事实。2023年三季度报告与2024年一季度报告之间，只隔着三个多月。报告署名的策略团队没有变化，因子库里仍然保留着“微盘股流动性”这一项，但对该因子的描述从“持续有效”变成了“遭遇极端市场环境”。三个多月不足以让一家公司的基本面发生根本变化，也不足以让A股的投资者结构完成代际更替。

它只够让同一类策略的持仓拥挤到无法彼此退出的程度。微盘股流动性因子在此期间并非突然失去统计显著性，而是被它自己的成功挤压到无法继续存在。一个被广泛发现的Alpha因子，会在被使用的过程中逐渐变成Beta，再变成风险。这个过程不是缓慢的，而可以在几个交易日内完成。因此，对“持续有效”的坚持，其实是用历史频率替代了现实时间。历史频率可以静止，现实时间不会停。

紧随其后，市场结构出现了一个不太被注意的变化。DMA业务在2023年曾是量化私募放大微盘股暴露的主要管道。危机之后，这条管道的口径被迅速收紧。券商开始对多空收益互换进行穿透式压力测试，提高保证金比例，压缩新增规模。部分此前允许高倍率撬动的产品线被要求逐日报告敞口。

对量化机构而言，这意味着微盘股策略不再是过去那个可以低成本上杠杆的策略。微盘股之所以存在持续流动性溢价，一个重要条件就是有一批机构资金愿意在流动性稀薄处连续提供买卖盘。当这些资金因杠杆约束而被迫缩减，流动性因子所依附的生态位便开始坍塌。这不是一轮普跌之后的暂时性修复问题，而是该生态能否回到原状的问题。模型可以在历史数据中识别流动性溢价的统计特征，但无法把“监管对杠杆的容忍度”写进因子库。

同一时期，雪球产品敲入触发的连锁反应也并非只在指数层面结束。雪球敲入后，券商对冲盘在股指期货市场上增加卖出，期货贴水在几天内明显扩大。对于仍在使用市场中性策略的产品来说，这意味着对冲成本急剧升高。

它们不得不降低仓位，卖出微盘股现货。卖出现货又压低现货指数，使更多雪球接近或触发敲入。由此形成一个期货贴水扩大、中性产品降仓、现货下跌、更多雪球敲入的闭合回路。这个回路中的每一个环节都可以被单独建模，但回路本身只有在发生后才能被看见。此前的任何历史回测，都很难把一个尚未存在的衍生品结构、一种尚未收紧的杠杆约束和一个尚未拥挤的微盘股持仓同时纳入样本。

把这三个变化放在一起，便不难理解“为道日损”在此处不是一句修辞。王弼注四十八章时区分了两个方向上的运动：知识沿着对象化路径不断叠加，这是“为学日益”；对本体的把握则要不断减除对既有对象的执着，这是“为道日损”。量化模型的基本假设，是市场能够被拆解为若干可测量的对象，并且这些对象之间的关系在时间上足够稳定。

微盘股危机恰恰说明，随着参与者对既有对象的认知加深，对象本身会改变。增加更多因子、更高频数据、更复杂算法，都只是在已被改变的对象上加细。减少对“持续有效”的执着，减少对历史分布必然重现的假设，反而更接近市场本来的样子。

所谓“损”，在这里不是删掉因子，而是在模型中为不可建模的突变留出位置。这个位置不能写成一行代码，只能通过风险约束和容量约束来表达。它承认了知识的外部性：模型知道得越多，市场对模型的反应就越快，模型的优势也就越短。

这样一来，视角就从技术失效切换到了本体论边界。不是某个因子失效了，也不是某种策略过时了，而是任何试图把市场完全对象化的方法，都会在市场自身的涌现特征面前触碰到同一堵墙。这堵墙不属于模型的缺陷，它属于市场的存在方式。市场的存在方式并不服从一个静止的概率分布，它在每一位参与者的学习与反身行动中不断重写自己的生成规则。历史样本因此只能用来描述旧的生成规则，面对下一轮规则重写时，它的解释力自然衰减。这个衰减并非随机扰动，而是时间的不对称性在统计层面投下的形状。

微盘股策略的持有者在2023年三季度还在说“持续有效”，这个“持续”就是一个越界的动词。它把统计现象升格为本体规律，把暂时稳定的状态误认为永恒不变的结构。道家的语言里，这种误认属于“损”得还不够，还有太多自以为知的杂质没有剔除。量化投资在A股市场的历史并没有在2024年终结。微盘股策略崩溃之后，这个行业仍会继续存在，甚至可能在新的市场中找到新的因子。

量化也好，基本面也好，任何投资方法只要不触及本体论层面的谦逊，都只是在等候下一场结构突变。股市之所以不能被简化为概率分布，是因为参与交易的人会改变自己的行为，而人的行为又受制于对未来的想象。正是这种想象的时间性——未来的不确定性向着当下逆向传导——构成了市场最难以量化的维度。人类可以给历史数据算均值、算方差、算相关性，但人类无法给未来尚未出现的自己定价。

当一个投资者今晚关掉屏幕，明天早上重新打开账户时，他面对的不只是新的价格，还有一个被过去无数人共同塑造、又即将被他的交易行为再次塑造的市场。这个循环没有终点。数学可以在其中描绘局部的地形，但无法给出全境的地图。

深夜，某座写字楼里，一个量化研究员独自坐在工位前。他的左侧屏幕上是一段失效的策略代码，注释栏里写着“v23.1，流动性因子增强版”；右侧屏幕上是一份PDF格式的《道德经》译本，停留的页码正是第四十八章。

他没有在查找因子。他只是盯着两个屏幕上并排的文字。过了很久，他打开一个新的终端窗口，开始改写风控参数。他删掉了“微盘股流动性因子”那一行，没有添加任何替代因子。屏幕上光标跳动，像一个问题：当最依赖数学确定性的量化策略也承认了不可量化之物的存在，投资者用来对抗市场最根本、最不可控维度的，还剩下什么。