量化系统化投资 — Renaissance / AQR / Two Sigma / 因子 / 机器学习

读完本页后，你应该能够：

• 区分统计套利 / CTA / 因子 / 高频 4 大量化流派
• 识别Renaissance Medallion 秘密（即使无法复制）
• 默写 Fama-French 多因子 + Carhart 4 因子
• 理解 AQR Asness 价值 + 动量 + 质量 + 低波动 多因子融合
• 评估散户 可用 工具（因子 ETF / Quant ML Python）
• 规划量化 5-10% 组合 敞口
• 避免过拟合 + 因子 衰减 陷阱

量化投资 4 大流派：(1) 统计套利（Renaissance / Two Sigma）—— 短周期 + 高频 + 均值回归；(2) CTA / 趋势跟随（Man AHL / Winton / DE Shaw Oculus）—— 见 趋势跟随；(3) 因子投资（AQR / DFA）—— Fama-French + 多因子 / 长周期 / 大规模；(4) 高频交易 HFT（Citadel / Virtu / Jump）—— 微秒 + 做市 + 机构 专属。Renaissance Medallion：1988-2024 年化 66%（扣费前） / ~40% 净值 / 10B AUM 封顶**（外部 100B 其他基金，但 Medallion 只 员工）/ Jim Simons + Robert Mercer + Henri Berestycki 团队 / 300+ 员工 200+ 博士（数学 + 物理 + 统计）/ 关键：短周期信号 + 大数据 + 严格 风控。AQR（Asness）100B+ AUM**：**6 大因子**（价值 + 动量 + 规模 + 质量 + 低波动 + carry）/ **理论 + 实证 + 实战** 结合 / **开源** 许多研究 / **2020 低潮后 反弹**。**Two Sigma 60B AUM：机器学习 + 另类数据（卫星 / 信用卡 / 网络 爬取）/ David Siegel + John Overdeck。DE Shaw $50B：Oculus 趋势 + 系统 多策略。Millennium + Citadel 多 Pod：平台模式（雇用 数百 基金经理 + 风控统一） / 20%+ 年化。Fama-French 五因子：Market + Size（SMB）+ Value（HML）+ Profitability（RMW）+ Investment（CMA）；Carhart + Momentum（WML）。散户 工具：(a) 因子 ETF（MTUM / QUAL / USMV / VLUE / VIG / SPLV）；(b) Python + yfinance + pandas自己 回测；(c) Alpha Vantage / Alpaca API自动化；(d) 小额 量化（Kelly + 因子 + 分散）。核心教训：(i) Medallion 不可复制（专属数据 + 人才 + 资金）；(ii) 因子有效 但会衰减**（小盘 2016-2023）；(iii) 过拟合 是最大敌人；(iv) 简单 + 分散 + 长期 胜过 复杂 + 短期。

1.1 统计套利（Stat Arb）

核心：

• 短周期 信号（小时到天）
• 均值 回归
• 高频率 交易

玩家：

• Renaissance Medallion（史上最强）
• Two Sigma
• Jane Street

回报：

• Medallion 40% 净
• Two Sigma 15-20%

1.2 CTA / 趋势跟随

核心：

• 多资产 多市场
• 趋势追随（6-12 月）
• 相对简单 模型

玩家：

• Man AHL（英国）
• Winton Capital
• Graham Global
• Millburn

详见 趋势跟随 CTA

1.3 因子投资

核心：

• 长周期（季度 + 年）
• 规模大 + 成本低
• Fama-French 基础

玩家：

• AQR（Cliff Asness）
• DFA（Dimensional Fund Advisors）
• Research Affiliates
• BlackRock iShares 因子 ETF

回报：

• 长期超额 α 2-5%

1.4 高频交易（HFT）

核心：

• 微秒 级
• 做市 + 套利
• 延迟 + 硬件 + 人才

玩家：

• Citadel Securities
• Virtu Financial
• Jump Trading
• Jane Street

回报：

• 做市 20%+
• 散户 无缘

2.1 基金历史

1988 成立：

• Jim Simons 创立
• 前 NSA 密码学家 + 博士
• 数学教授（SUNY Stony Brook）
• 几何 Chern-Simons theory（与 Chern 合作）

Medallion Fund：

• 1988-2024
• 扣费前 年化 66%
• 扣费后 年化 40%
• 2000-2020 波动 10-15%（低！）
• $10B AUM 封顶

2.2 为什么独特

人才：

• 300+ 员工
• 200+ PhDs
• 数学 + 物理 + 统计 + 计算机
• 不招 Wall Street 传统金融人

数据：

• 几十 TB 历史数据
• 专属数据集（买 + 自采）
• 30 年 积累

信号：

• 数千 短周期 信号
• 每个 信号 Sharpe < 0.1
• 组合 Sharpe 2-4
• 分散 的极致

风控：

• 单日 VaR 严格
• Stop Loss 机械
• 过度 优化 监测

2.3 关键 人物

Jim Simons（1938-2024）：

• 密码学 + 数学家
• "The Man Who Solved the Market"
• 2010 退休

Robert Mercer：

• IBM 前
• 自然语言处理
• Simons 接班

Peter Brown：

• Co-CEO 2010+
• Mercer 接班

Henri Berestycki：

• 法国 数学家

2.4 外部基金

Medallion 封闭：

• 只员工
• 2005 起不接受外部
• 员工 退休 才能退出

RIEF（Renaissance Institutional Equities Fund）：

• 外部 开放
• $10B AUM
• 但 回报 差（2020-2023 年化 -5%！）
• 不是 Medallion

RIDA（Renaissance Institutional Diversified Alpha）：

• 类似

启示：

• 即使 Renaissance 自己
• 外部 基金 表现远不如 Medallion
• **"Alpha 规模 限制"**铁律

2.5 散户 能学什么

教训：

• 数据 + 人才 + 资金 缺一不可
• 不要 试图 复制 Medallion
• 但 理解 量化 思维：多信号 + 严格风控 + 系统化

3.1 公司

2001 成立：

• Cliff Asness（前 Goldman QI）
• David Kabiller
• John Liew

特点：

• 开放 + 开源 研究
• 因子投资 + 多策略
• $100B+ AUM 高峰（2018）
• 2019-2020 低潮（-30% 回撤）
• 2022-2024 反弹

3.2 6 大 因子

1. Value（价值）：

• 低 P/B / P/E / EV/EBITDA
• Fama-French HML
• 长期 +3-5%（Carhart 数据）

2. Momentum（动量）：

• 过去 12 月 赢家
• Carhart UMD
• +4-6%

3. Size（规模）：

• 小盘 溢价
• Fama-French SMB
• +2-3%（2016-2023 失效）

4. Quality（质量）：

• 高 ROE + 低 杠杆 + 稳定 盈利
• AQR 首创
• +3-4%

5. Low Volatility（低波动）：

• 低 σ 股票
• 反 CAPM 异象
• +2-3% Sharpe 高

6. Carry：

• 高 yield 资产（货币 / 大宗 / 债 / 股）
• +3-5%

3.3 因子 ETF

因子 分别：

• MTUM（iShares MSCI USA Momentum）—— 动量
• QUAL（iShares MSCI USA Quality）—— 质量
• USMV（iShares MSCI USA Min Vol）—— 低波
• VLUE（iShares MSCI USA Value）—— 价值
• VIG（Vanguard Dividend Growth）—— 质量 代理
• SPLV（Invesco S&P 500 Low Vol）—— 低波

多因子：

• LRGF（iShares MSCI USA Multifactor）
• QUSA（Columbia US EQ Income）
• Goldman ActiveBeta GSLC

3.4 AQR 持仓 哲学

核心：

• 价值 + 动量 合二为一 最强
• "Value and Momentum Everywhere"（2013 paper）
• 多资产 + 多因子

3.5 2019-2020 低潮

Value 因子 10 年 跑输：

• 2010-2020 Growth > Value
• AQR 坚持 Value → 累计 -30%
• 差点 关门
• 2021-2024 反弹

教训：

• 因子 周期 10+ 年
• 纪律 or 弃

4.1 公司

2001 成立：

• DE Shaw 系
• 计算机 + 机器学习
• $60B AUM

独特：

• 机器学习
• 另类数据（卫星 / 信用卡 / 爬取 / 社交）
• 1200+ 员工
• 多数 博士

4.2 策略

多策略：

• 股票 市场中性
• 宏观 + 商品
• 信贷 + 衍生品
• 风险平价

4.3 另类数据

例子：

• Orbital Insight（卫星图，停车场 → 零售客流）
• 信用卡 汇总（消费趋势）
• Web Scraping（价格 + 评论）
• Twitter / Reddit 情绪

4.4 回报

• 2003-2020 年化 15-20%
• 2021-2024 略降
• 机构基金不对散户开放

5.1 公司

1988 成立：

• David Shaw（哥大计算机系）
• $50B+ AUM
• 低调
• Amazon Jeff Bezos 前雇主

5.2 策略

多策略：

• Oculus（趋势跟随）
• Composite Fund（市场中性）
• Valence Fund（macro）

5.3 回报

• 长期 年化 15%+
• 低 波动
• 稳定

6.1 Pod 模式

基金：

• Millennium Management（Izzy Englander）—— $70B AUM
• Citadel（Ken Griffin）—— $65B AUM

机制：

• 雇用 300-400 PM（Portfolio Manager）
• 每 PM 管 $100M-1B
• 独立 策略
• 严格 风险限额
• 绩效 分成

6.2 优势

• 分散 Alpha 来源
• 任一 PM 亏 → 自动 关仓
• 平台 稳定 20%+ 年化

6.3 问题

• PM 流失 高
• 挖人成本 飙升
• 工资 $10M+ 明星 PM
• 2024 美国 法律 挑战

7.1 Fama-French 三因子（1993）

$R_i$ - $R_f$ = α + β_Market + β_SMB + β_HML

• Market：超额市场回报
• SMB（Small Minus Big）：小盘 超额
• HML（High Minus Low B/M）：价值 超额

7.2 五因子（2015）

加入：

• RMW（Robust Minus Weak Profitability）：高盈利
• CMA（Conservative Minus Aggressive Investment）：低投资

7.3 Carhart（1997）

加入 Momentum：

• WML（Winners Minus Losers）

7.4 因子 数据

免费：

• Kenneth French Data Library（ksrd）
• tuchong.ac（中国版）

付费：

• Bloomberg
• WRDS

7.5 散户 用法

简单：

• 持有多因子 ETF
• MTUM + QUAL + USMV 30/30/40 组合
• 长期 跑赢 SPX 1-2%

中等：

• 自己计算 因子 分数
• Python + yfinance
• 重平衡 每月

高级：

• 多因子 时间 权重
• 机器学习 综合

8.1 因子 ETF 组合

经典（2026-04）：

• MTUM 动量 25% $5B AUM
• QUAL 质量 25% $50B
• USMV 低波 20% $35B
• VLUE 价值 15% $10B
• SPY 市场 15% $520B

回报：

• 长期 SPX + 1-2%
• Sharpe 略高

8.2 Python + yfinance（DIY）

工具：

• Python + pandas + yfinance + scipy
• 免费数据

简单 策略：

import yfinance as yf
import pandas as pd

# 下载 SPX 500 数据
tickers = ['AAPL', 'MSFT', 'GOOGL']  # 扩展到 500
data = yf.download(tickers, start='2020-01-01')

# 计算 动量（过去 12 月）
momentum = data['Adj Close'].pct_change(252)

# 排序 + 选前 20%
# ... 回测

回测 工具：

• Backtrader（免费 Python）
• Zipline（免费）
• QuantConnect（云端 + 免费版）

8.3 ML 机器学习

工具：

• scikit-learn（入门）
• xgboost / lightgbm（树模型）
• TensorFlow / PyTorch（深度学习）

典型 应用：

• 多因子 优化
• 预测 短期 收益
• 分类 强 / 弱 股票

挑战：

• 过拟合 严重
• 数据量 相对小（vs CV / NLP）
• 信号-噪声 比低

8.4 Alpha Vantage / Alpaca API

自动化 交易：

• Alpaca（美股 API）
• Interactive Brokers IBKR API
• iFind / Wind（A 股）

用法：

• 自动 执行 信号
• Python 实盘

9.1 过拟合（Overfitting）

问题：

• 参数太多
• 历史完美
• 未来 失败

对策：

• Out-of-Sample Testing
• Walk-Forward Analysis
• Cross-Validation
• Occam's Razor 简单最好

9.2 因子 衰减

历史：

• 小盘 因子 1980s 强 / 2016-2023 失效
• 动量 2020-2022 失效
• 价值 2010-2020 失效

原因：

• 大家 都知道
• 套利 消失
• 或 结构变化

9.3 数据 挖矿

问题：

• 测试 1000 个策略
• 5% 假阳性 → 50 个"显著"
• 随机 并非 真

对策：

• Bonferroni 校正
• 理论 支持（不是数据挖出）
• OOS 验证

9.4 执行 成本

忽略：

• 冲击 + 价差 + 滑点
• HFT 对手
• 散户 成本 比机构高 10×

9.5 规模 限制

大规模：

• Medallion 封顶 $10B
• RIEF $10B 但弱于 Medallion
• Alpha 不 scalable

10.1 Magic Formula（Greenblatt）

2 因子：

• 高 Earnings Yield（EBIT / EV）
• 高 ROC（EBIT / 投入资本）

排序：

• 每因子排名
• 合计排名
• 买入 Top 30
• 年度 再平衡

回报：

• 1988-2004 年化 30%（书中）
• 后期 减少到 10-15%

10.2 3 因子组合

AQR 启发：

• 价值 + 质量 + 动量
• 各 33%
• 每月 重平衡

10.3 动量 + 低波

简单：

• 过去 12 月动量 Top 20%
• • 低波 Top 50%
• 月度 调整

回报：

• SPX + 2-3% 长期

10.4 Trend + 价值

跨资产：

• 股票 + 债 + 商品 + 房产
• 趋势 + 价值 信号
• All Weather 升级版

11.1 保守（5% 组合）

• 多因子 ETF 分散
• MTUM + QUAL + USMV 33/33/33
• 无需 自管

11.2 均衡（10% 组合）

• 多因子 ETF 5%
• Merger Arb ETF MERFX 3%
• 自研 Magic Formula 2%

11.3 进取（15% 组合）

• 多因子 ETF 5%
• 自研 多因子（Python）5%
• CTA 基金 / AHL ETF 3%
• Merger Arb 2%

11.4 不 推荐

• 追求 Medallion-like
• 复杂 ML 单人
• 高频 策略

12.1 A 股 量化 公司

头部：

• 幻方量化（2015，DeepSeek 母公司）—— AI + 量化
• 九坤（Jiukun）
• 明汯投资（Minghong）
• 衍复投资
• 灵均投资

AUM：

• 前 10 家 合计 ¥2T+

12.2 产品

• 指数增强（沪深 300 / 中证 500 / 1000 增强）
• 市场中性
• CTA 趋势
• 量化多策略

12.3 业绩

• 指数增强 年化 超额 5-15%
• 2024 表现 分化
• 监管 2023-2024 收紧

12.4 散户 能买

量化 公募：

• 华宝 DeepSeek 量化
• 易方达 量化
• 招商 量化

私募：

• 100 万门槛
• 幻方 / 九坤 等 头部

13.1 对比

13.2 长期 回报

Buffett / Munger：

• BRK 60 年 20%
• 集中 质量价值
• 复杂 思考

Renaissance：

• Medallion 40%
• 纯数学
• 但 $10B 封顶

多数 主动基金：

• 负 α（扣费后）
• SPIVA 数据

多因子 ETF：

• SPX + 1-2%
• 稳定

13.3 建议

散户：

• 核心 被动 + 卫星 多因子 ETF
• 不 追求 复制 Medallion
• 留点 主动 个股（趣味 + 学习）

14.1 量化 行业

主题：

• AI + ML 广泛应用
• 另类数据 扩张
• ESG 因子 兴起
• 加密 量化 增长

挑战：

• Alpha 衰减
• 监管 收紧
• 人才 成本
• 规模 限制

14.2 个人 机会

2026-2030：

• ChatGPT / Claude 辅助 量化
• 普通散户用 AI 构建简单策略
• Python + Copilot 代码生成
• 民主化 量化工具

• Gregory Zuckerman《The Man Who Solved the Market》（Simons 传）
• Scott Patterson《The Quants》
• Andrew Lo《Adaptive Markets》
• Grinold + Kahn《Active Portfolio Management》
• Ernest Chan《Quantitative Trading》
• AQR Research Papers（免费）
• QuantConnect 教程
• Kaggle 量化竞赛

• 量化因子投资 — 因子基础
• 趋势跟随 CTA — CTA
• 现代金融理论 — CAPM + EMH
• 概率与统计 — 数学基础
• 特殊情境与套利 — Merger Arb
• 可转债 — 双低量化
• 做空策略 — Pair Trading
• Kelly 仓位 — 仓位
• Global Macro — 宏观量化
• 中国 AI 应用 — DeepSeek / 幻方

最后更新 2026-04-21。量化是高深但民主化领域——Renaissance Medallion 不可复制，但多因子 ETF + Python 自研 散户可入门。5-15% 组合敞口，长期 + 分散 + 简单 胜。

• TODO: 通读全文后填入 5–10 条核心要点（每条 ≤80 字，含数字 / 名称 / 时间锚点）

• ← 索引