“交易模式”来判断是否被量化策略拥挤。
“量化交易的典型特征是：订单分散、频率高、规模小、有规律。”他说，“如果一个股票的订单流呈现出这些特征，而且这些特征在过去几个月里显著增强，那说明有越来越多的量化策略在交易这只股票。”
他给每个股票计算了一个“量化拥挤度指数”——从0到100，数值越高，说明越拥挤。然后，他把这些指数汇总，形成了行业层面的拥挤度、因子层面的拥挤度，以及全市场的拥挤度。
5月初，第一个版本上线。
林枫在ACC会议上展示了初测结果。数据令人不安。
“全市场拥挤度指数，从去年底的45，上升到了现在的68。这意味着，量化策略的拥挤程度，在过去五个月里增加了50%以上。”
他翻到下一页。“最拥挤的因子是‘小市值’——拥挤度指数82。其次是‘反转’——79。然后是‘动量’——74。这些正是我们策略库里权重最高的几个因子。”
陈默看着那些数字，表情凝重。“也就是说，我们自己也在这个拥挤的人群里？”
“对。”林枫说，“虽然我们的因子库已经扩展到了九十个，但在实际配置中，权重最高的还是那些传统因子。这导致我们的‘策略多样性指数’——就是我们自己策略库的内部相关性——也从去年的0.4上升到了0.6。这意味着，我们的策略也在趋同。”
会议室里安静下来。
周锐打破了沉默：“那怎么办？把那些拥挤的因子砍掉？”
林枫摇头：“不能简单砍掉。这些因子之所以拥挤，是因为它们在过去几年确实有效。如果完全放弃，我们的短期业绩可能会大幅下滑。我们需要一个更精细的方案。”
他在白板上画了一张图。
“我的建议是：动态调整因子权重。不是完全放弃拥挤的因子，而是降低它们的权重，同时增加那些不那么拥挤、但依然有效的因子的权重。比如，我们可以增加质量因子、成长因子、分析师预期因子的权重。这些因子目前的拥挤度较低，但历史表现也不错。”
“另外，”他继续说，“我们可以在个股层面做更精细的筛选。对于拥挤度特别高的股票——比如那些被大量量化策略持有的小市值股票——我们主动降低配置，或者用期权对冲。这样，即使发生‘量化踩踏’，我们的损失也会比别人小。”
陈默听完，点了点头。
“做。但我
…。。