林尽水源，便得一山，山有小口，仿佛若有光。便舍船，从口入。初极狭，才通人。复行数十步，豁然开朗。
寻光。回首白皮书第一年我们在研究行业，关于人才、组织和前沿应用；第二年我们在加大数据量夯实已有认知；到第三年，我们重塑了问卷体系，从数据到因子到组合到交易，Alpha如何产生?在极端市场环境下，投资机构在如何应对?在流言蜚语中，谁是量化的他者?在未来，量化AI是唯一的圣山?
行至第四年，我们再次设问，正如这个行业所面对的：当因子衰减不可逆，我们往何处去?是往越来越精微的Alpha,还是寻找更广阔的市场，甚至拥抱Beta?机构在Beta端和Alpha端分别在做什么研究?宏观、择时、分域建模、频段融合，Alpha还有什么待解题目?Al在此领域还将带来什么变革，是效率还是真正的黄金?多频段、多品种、多市场，哪些策略可以直接平移?什么样的市场特征适合中国量化进入?
我们尽量贴着量化的身影走，在易变(volatile)、不确定(uncertain)、复杂(complex)、模糊(ambiguous)的环境中，在拥挤的人潮中寻找到量化的小豁口，探索前进的方向。
关键数据及结论
主线叙事：2024年中国量化投资行业三大主线：监管重塑规则、市场异常波动冲击倒逼策略迭代、技术加速分化。市场经历多次尖峰时刻，数据显示：量化机构最主要压力来自极端行情以及监管压力，紧随其后是募资困难、规模压力、风格切换及因子有效性降低。
监管升级：2024年最核心影响因素，成为普遍行业共识：“监管”一词在数据中出现频率最高(超50次),且覆盖多个子项(如私募新规、程序化交易限制、高频交易管控、DMA业务收紧等)。但是从长期来看，监管在“扶优限劣”,有利于行业发展。对比2023年与2024年白皮书未来预期数据可以发现，监管环境改善超预期，监管政策评分提升幅度最大(+0.30),看好比例从41.31%升至44.50%。
行业格局：当前，量化私募行业呈现规模收缩、强者迭代、新锐突围与尾部出清并行的格局。
未来预期：对于未来，行业整体呈“谨慎乐观”态势，整体评分3.27,但指标间方差显著,反映行业对未来的判断存在“技术乐观主义”与“策略内卷焦虑”的矛盾。
Alpha:七成量化机构认为A股量化超额收益正在衰减。Alpha衰减可归因为市场效率提高、竞争加剧、数据获取与分析能力提升、投资者行为变化、数据和信息过度透明化、政策变化，技术优势、制度优势消散、量化策略拥挤，一致性过强、信息扩散速度加快等。调研数据显示，核心原因集中于策略同质化与供需失衡(占比42.11%),次要原因包括监管收紧(11.96%)和市场效率提升(13.40%)。
方法论革新：量化行业反复强调持续迭代，但也持续面临“策略同质化”质疑。2023年白皮书答卷显示：预测未来一年量化市场挑战中，策略方法论集中差异较小成为排名第二的共识。近年量化机构核心能力自评中，策略多样性自评也得分较低。此时，机构不得不开始探索其原本不擅长的方向，如宏观、基本面、择时、出海。当然还有已有策略的深化，例如风控、多频段融合。
频段融合：2024年，量化行业整体重心向中低频迁移，细分频段差异显著,呈现“总体降频、中频强化、高频收缩、超低频边缘化”的特征。机构也在探索频段融合与动态换手，使得整个交易频率与市场的交易状况匹配性更强。
宏观量化：2024年，25.84%的量化机构增加了宏观数据的使用权重；31.10%的机构进行了全球宏观政策、事件研究，尤其是极端行情后，20.57%的机构增加了宏观因子，同时2025年量化机构战略优先级最高的三项能力建设方向中，宏观量化排名第六。
分域建模：25.84%的机构增加了基本面数据的使用，另外分别还有14.35%、12.92%、21.05%、22.49%的机构增加了关联数据、一致预期、舆情、事件型数据的使用。基本面量化一直是行业持续的方向，分域建模则是细分方向之一。数据显示，实际接近三成的机构建立的是统一模型，不做单独分域。当前风格分域、基准分域、行业分域等各类分域方式渗透率大约在20%-30%,很多机构同时采取混合分域，方法论呈现多样性。
择时：传统多因子选股模型的Alpha遭遇瓶颈时，拥抱Beta势在必行，而且选股与择时能创造低相关性的收益。问卷调研结果显示，有49家机构将其列入2025年量化机构战略优先级最高的三项能力建设方向，在所有战略排名中位列第四。甚至只有13.88%的调研对象表示完全不择时，尤其是在5月交易量下跌之后，可以看到机构进行了降仓操作，或者自动动态分配长、中、短周期模型权重。
2024年择时方法论在进化，但并不统一，呈现百花齐放的情况。所有单一的方法论都没有渗透到40%,目前最主流的做法是仓位控制，只有17.27%的调研对象表示完全不择时。很多机构会对此题多选，采取多种方式联合择时，例如基于宏观周期、动量、估值和市场情绪构建自上而下和自下而上的因子择时方案。当然也有机构选择其他并说明为“瞎择时”。从最终择时效果来看，市场普遍已存正面状态，认为择时已经贡献收益，虽然显著低于持仓收益(△1.75分)、选股(△0.99分),但已经明显高于打新和套利。
多资产：对比过往三年调研数据，量化机构对各投资研究标的的参与率逐步上升，例如股票、期货、期权、债券四大类资产分别都上升了7.80%、13.44%、3.88%与3.27%,即便债券这类资产，传统上认为信用债非标准化程度高，国债波动率低，参与者以银行、保险等传统机构为主，但量化机构的参与率其实也在小幅走高。
策略出海：六成量化机构拥有出海计划，但全球化进程呈现金字塔形分布，绝大多数机构处于早期探索阶段，大多数都是尚未实施海外行动，其中三成处于了解阶段，仅21.53%的机构真正迈出了步伐，方式包括牌照获取(10.05%)+设立办公室(9.57%)+成熟募资(1.91%),而且仅1.91%策略成熟并开启募资，成功案例稀缺。第一层级包括美国与中国香港，分别有47.62%与57.14%的机构表示有意参与；第二层级包括欧洲、新加坡、日本等发达地区，约有20%机构表达出积极意愿；而印度、韩国、越南等亚洲新兴市场则构成第三梯队，机构意向在10%左右。相较之下，媒体热度较高的印尼、巴西、中东等地区，实际在机构量化策略布局中的占比不足10%。
出海过程中市场规则与数据结构差异(51.59%)是最大障碍，其次为策略水土不服(42.06%)和人才(41.27%)/通道(38.1%)问题紧随其后，显示策略本地化能力、资源匹配不足的痛点。技术性障碍(如链路直连、夜盘交易)、政策限制(外汇管制)、资源短板(人才、资金)共同构成复杂阻力，导致选项分散化。链路部署(21.43%)和资金匹配(27.78%)占比较低，或因仅头部机构触及技术深水区，而中小机构更关注基础性障碍(如市场规则)。
多因子：总体呈现以下3点变化：基本面权重增加，组合探索动态赋权，高频数据Hl+Al人工智能继续深度融合。
收益归因：连续两年，量化机构对于收益的归因较为近似。两年间归因框架基本一致(Alpha/Beta/打新/持仓/交易等),没有颠覆性变化，整体结构稳定，局部微调。
AI探索连续四年，调研数据都显示，Al是量化机构认为最重要的研究方向之一。到了本年度，随着Deep Seek出圈，各类数据都共同指向，Al的重要性被放在了前所未有的重要位置，被认为是拓宽量化边界重要手段。调查结果显示，人工智能在机构2025年的各项能力建设优先级中综合得分最高，达到5.03,并且在第一位的选择中占比达到了29.69%。
“您认为下一代AI最可能突破的量化投资领域是?”编写组对其进行设问，通过合并同类项与语义归类，可以发现：1.从数据分布来看，由于市场分化、技术代际以及风险偏好不同，行业对于Al的下一代应用总体看法类似蒲公英——主干(AI技术)明确，但种子(应用方向)向多维空间飘散，最高占比趋势未形成共识，存在显著长尾。2.根据词频统计，总体可归纳行业期待集中于模态数据融合、全流程自动化、高频交易智能化、智能择时与动态调仓、可解释性与动态风控等五大趋势方向。所有方向均指向“输入数据的广义化”与“决策权让渡给机器”这一方向，从人工制定规则→AI自主生成逻辑(如AutoML)。
技术栈：当前量化机构技术栈由“Python生态底座+自研核心组件+商业专业工具”构成。
Python生态系统主导：Python以97.12%的比例成为绝对主流，相关工具(如NumPy.Pandas、scikitlearn)也高度流行，驱动从数据分析(NumPy/Pandas>64%)到机器学习(scikit-learn61%,PyTorch 49%)全流程，反映了Python在量化领域的统治地位。
本文来自知之小站
完整报告已上传至知识星球，微信扫码加入立享4万+深度报告及1年期精选报告更新
（星球内含更多专属精选报告.其它事宜可联系zzxz_88@163.com）
