量化私募規模暴漲后的“高光焦慮”

記者 洪小棠

2026年的春天，A股投資圈正上演一場冰火兩重天的大戲。頭部量化私募一邊站上行業之巔，一邊卻陷入業績大跌的焦慮。這樣的反差，讓投資者不明所以。

據私募排排網統計，截至2026年2月底，我國百億級私募機構達126家，創歷史新高。新進成員基本為量化私募，使得百億量化機構在數量上首次整體跨越主觀多頭。

在產品發行方面，量化巨頭們亦保持著驚人的吸金能力，甚至連續數月“霸榜”私募產品備案的首位。

然而，近期瘋狂擴張版圖的頭部量化機構在宏觀策略上遭遇滑鐵盧，以近20%的慘烈回撤為這種狂熱敲響了警鐘。

狂飆與“反噬”

開年以來，明汯投資在產品備案端一路狂飆，僅前三個月便備案了數十只新產品，成為當之無愧的“發行王”。

據私募排排網統計，2月份備案產品數量不少于10只的私募機構增至15家，較1月僅明汯投資一家備案超10只顯著增加。

在這15家私募中，百億量化私募占據主導。具體來看，明汯投資以33只備案數量位居榜首；黑翼資產與上海瓴仁私募均備案23只，并列第二；涵德投資和頑巖資產均備案22只，并列第三。除百億主觀私募聚鳴投資外，誠奇資產、鳴石基金、進化論資產、龍旗科技、九坤投資等9家百億量化私募的備案數量均不低于10只。

值得注意的是，自去年12月起，明汯投資已連續三個月位居月度私募產品備案數量首位。

但硬幣的另一面，是明汯投資近期主推的宏觀策略產品遭遇了凈值重挫。

有投資者向經濟觀察報記者展示其持有該機構旗下的產品，一只成立僅數月的宏觀策略產品，在3月中下旬短短兩周內，單期凈值回撤幅度逼近15%。同時，在某第三方交流平臺上，亦有其他投資者分享了他們持有產品的明汯投資旗下產品的業績表現，其中部分產品成立至今累計虧損已觸及20%的警戒線。

不僅是明汯投資，據北京一家第三方代銷相關人士透露，部分頭部量化機構旗下多策略、宏觀、甚至指增等策略的產品業績，在3月9日以來的市場波動中，都有不同程度的回撤。

對此，滬上一位私募機構投研人士認為，近年來，隨著權益投資超額收益的極度內卷，眾多量化大廠走出舒適區，將觸角伸向跨市場、跨品種的宏觀對沖或多策略產品。但量化模型的底層邏輯是基于歷史數據的概率分布，當面對2026年愈發復雜的地緣政治博弈局勢持續演繹且缺乏歷史樣本的極端宏觀變量時，基于商業因果推導能力的純數據驅動模型，暴露出脆弱性。

逐步衰退的Alpha

量化大廠為何急于開拓宏觀戰線？答案或許隱藏在股票多頭策略日益衰退的Alpha（超額收益）里。

回望過去兩年，A股微觀結構發生了劇變。高波動、快輪動讓傳統的主觀多頭苦不堪言。

長三角一家主觀私募投研負責人對記者坦言，“研究的時間窗口被急劇壓縮，剛建立起深度的認知，市場就已經用連續漲停透支了未來三年的預期。”

在信息去中介化的時代，量化的核心優勢“對已知信息的處理效率”就體現了出來。

然而隨著工具鏈的下沉和算力的普及，各家機構的因子庫高度趨同，曾經壽命長達幾年的有效因子，如今半衰期被縮短至數月甚至數周。為了“續命”，量化機構試圖用衛星遙感、消費流水等“另類數據”來喂養模型，但在實盤中往往遭遇慘敗。

“另類數據的幻覺在于，你以為在捕捉真實世界的信號，其實只是在擬合數據的噪聲。”一名私募量化機構相關人士表示。如果不理解數據背后的因果邏輯，單純把高頻另類數據丟進模型，得到的往往是偽相關性。

警惕VS暗戰

隨著大模型和標準化工具鏈的迅猛發展，量化行業的變革被推向了階段性高潮，引發了行業的割裂。

2026年3月10日，國家互聯網應急中心發布最高級別風險提示，并指出在部署和應用OpenClaw時需要關注的四大核心風險：提示詞注入、誤操作刪除核心數據、功能插件投毒、公開高中危漏洞易被利用。警報拉響，圍堵迅速開始。中信證券、國泰君安、華泰證券等超過20家券商接連下發內部禁令，要求員工未經許可，嚴禁在公司辦公網絡、業務網絡及各類信息系統中安裝、部署、使用OpenClaw。禁令覆蓋公司配發電腦、筆記本、服務器、移動辦公設備，同時限制個人設備在接入公司網絡時運行該工具，從網絡與終端兩個維度切斷風險入口。部分頭部量化私募同步跟進，明確禁止在公司任何設備及內網中安裝、使用、運行OpenClaw軟件。

明面上，出于對人工智能（AI）的安全考慮，部分機構在物理層面切斷了其與核心交易網絡的連接。但在暗地里，一場搶占未來投研和效率高點的AI競賽已經打響。

“我們目前正處于AI安全性和流程融合的驗證階段，核心思路是將此類開源智能體框架與我們現有的工作流進行融合。”一家私募機構透露。

華南某百億私募的一名合伙人表示，他們并沒有指望AI直接生成能夠賺錢的策略，而是將AI深度嵌入工作流：自動化數據清洗、研報摘要提取、代碼回測生成。

多名私募人士向經濟觀察報記者介紹，目前AI技術主要在三方面落地應用：一是自動化數據治理，能夠全天候不間斷地抓取新聞、輿情等另類數據，完成清洗后自動生成特征并入庫；二是自動化因子初篩，由AI嘗試多種數學組合，自動編寫代碼并完成回測，從海量數據中挖掘潛在的有效因子；三是研報與日報的自動生成，通過整合全市場數據，快速形成初步的研究參考材料。

因諾資產也道出了行業的心聲，“現階段最現實的價值，不是直接替代投資決策，而是先把投研流程提效，讓PM（投資經理）從重復勞動中抽身，聚焦于核心邏輯判斷。”

多名受訪的資管機構人士的共識是，在如今人機協同的演進中，最稀缺的能力不再是寫代碼，而是判斷力，知道什么時候信任模型，什么時候干預機器；知道在AI海量的運算結果中，哪一條因果鏈條才是真正具備商業價值的Alpha信號。