华泰柏瑞基金副总经理田汉卿在参加由上海证券报主办的“2015年度中国基金业峰会”时表示，大家认为量化投资都差不多，实际上各类量化策略之间的区别非常大。首先讲一下我自己理解的量化投资的分类。

从两方面划分：一是基于算法的量化，二是基于基本面的量化。

对于基本面的量化而言，首先要具备投资想法和思路之后，通过数据验证这些想法是不是正确，是不是能在市场上获得超额收益，包括宏观分析、行业分析，也可以做择时。

每类量化策略除了风险特征、收益特征还有容量特征，有些量化策略看起来盈利和风险特征都很好，但容量有限。

基本面量化选股模型可以通过持有期限进行分类，可以做长期，也可以做短期。基于基本面量化选股模型，是投资于股票市场。2014年量化投资不仅我们做得不错，行业其他团队的量化也做得挺好的，这个结果一方面是大家经过十几年的积累，总有爆发的时候。另一方面A股目前的情况比较适合做量化。

我们的目的并不是追求绝对排名，我们追求的是超额收益，如果没有超额收益，哪怕做到第一也是失败的。

“信息比例”是超额收益除以风险的比例，可以在基金之间做横向比较，不管是跟踪什么指数，做什么策略，可以通过这个指标，是衡量主动基金做得好不好的客观标准。我们测试的结果是信息比率4.1倍。在所有市场里面，这个信息率非常罕见，而且这只是做多的，如果加上做空，信息率会更高。

做主动投资是希望获得超额收益，但任何策略都不是永恒的，如果一个策略做得好，很多人都用这个策略，这个策略就会消失。

大数据时代会有很多不同的做法，我们这种量化目前来说还属于传统量化，所用的数据还没有延伸到大数据领域，没有在大数据范围内做一些应用。关于模型的筛选我们曾经做过，但那时候做得还不成功，所以没有广泛应用，我们目前应用的是根据核心数据做处理。基于基本面的多因子选股模型，这是为了增强模型的稳定性，因为在所有因子里面总有好和不好的，如果得到稳健阿尔法模型，必须是很多因子绑在一起做。

此外，量化投资需要强大的技术平台支持，核心模型是三大：一个是阿尔法模型，每个团队必须看到阿尔法的来源；其次是风险模型，我们量化投资的很大的特点就是可以明确控制风险；还有一个是交易成本模型，通常而言大家会选择比较合适的时机来交易，我们具备程序化交易系统。

2007年量化危机和2008年金融危机对量化投资的冲击之后，我做了一些反思。第一，传统的量化是没有市场判断模型的，特别是2008年金融危机之后做量化，必须对市场有基本的判断。

另一个是阿尔法因子，大家都觉得模型不变就可以了，但没有永恒的阿尔法因子，要不停寻找新的阿尔法因子。量化在多因子方面我们做得比较全面，这些因子涵盖了方方面面对量化的认识。但是在不同的情况下，不同的因子发挥不同的作用，这相当于这些因子给了一个工具箱，一个好的量化团队就要知道什么时候用什么样的工具，这是非常关键的，也是对于资产管理比较长期的考验。

此外，做量化投资的觉得赚不到钱就不赚，否则会失去量化的基本原理和规律，这样反而做不好。

最后讲一下量化的特点，量化和一般的基本面基金管理的最大区别有两点。

第一，可以准确区分阿尔法和贝塔。量化可以做主动投资，把阿尔法和贝塔区分开之后，可以跟投资人收取主动管理费，现在可以慢慢往贝塔管理方式发展。

第二，量化是严格控制风险的，在风险调整收益上量化有明显的优势，在统计上可以显出好的特点。

随着行业的深化，大家要做一些差异化，我们也希望通过我们的努力，给行业和投资人提供配置的工具，做我们能做的事情，做不了的事情则交给投资人，根据他的特点做配置。

通常来讲我们说贝塔是控制不了的，因为市场的涨跌很难控制，而且我们的量化是没有择时能力的。投资人需要的话就做量化贝塔，如果投资人不需要可以在市场上把贝塔对冲掉，可以提供绝对收益的产品，做我们擅长的事情，通过量化模型做选股，通过选股获得超额收益。