量化新规首日：成交额才两万亿，谁在离场，谁在重构（3）

摘自chengfei2026 窥市寻真

七、波动率定价的新窗口：速度退场后的非线性机会

波动率是量化交易中最核心的定价维度之一。在期权定价理论中，波动率是唯一不可直接观测的参数，但它又是所有衍生品定价的基石。在股票市场，波动率不仅影响期权价格，也通过风险溢价渠道影响股票的预期收益。A股市场有一个独特现象：个股的隐含波动率长期高于实际波动率，也就是所谓的「波动率风险溢价」为正且显著。这个溢价在过去几年中主要由高频做市商和波动率交易策略来定价和维持。

新规对波动率市场的影响是多维度的。高频做市商在期权和ETF市场的做市活动受到申报限制后，隐含波动率曲面可能出现两个变化：一是买卖价差扩大导致波动率报价的有效性下降，二是做市商的风险承担意愿下降可能导致极端行权价处的波动率报价更加保守。这两个变化对于一个设计良好的波动率策略来说，既是挑战也是机会。挑战在于执行成本上升，机会在于错误定价的概率增加。当一个市场的波动率定价效率因为做市商的撤离而下降时，能够准确估计公允波动率的策略就可以在错误定价中寻找alpha。

一个值得关注的方向是波动率偏度交易。A股市场的波动率偏度（虚值看跌期权的隐含波动率减去虚值看涨期权的隐含波动率）在历史上呈现出独特的结构：在市场上涨阶段偏度迅速收窄，在市场下跌阶段偏度急剧扩大，这种不对称性比成熟市场更为显著。新规后，如果高频交易对短期波动的放大效应减弱，波动率偏度的均值可能下移，但其尾部跳升的特征不会消失，这为偏度交易策略提供了更干净的信号环境。

另一个方向是波动率期限结构的交易。A股市场近月波动率和远月波动率之间的价差（即波动率期限结构的斜率）受到多重因素的影响：短期事件冲击、流动性条件、市场情绪等。在新规框架下，高频交易对短期波动的贡献下降后，近月波动率可能会回归到由基本面驱动的水平，近月和远月之间的价差变得更可预测，这为期限结构套利策略创造了更有利的条件。

波动率策略的一个核心优势是：它天然不依赖交易频率。波动率是一种相对缓慢变化的资产属性，其信息更新的频率远低于价格本身。一个波动率策略的典型持仓周期是以天甚至周为单位的，远在新规的申报频率限制之上。这使得波动率策略天然地适应新规后的监管环境。在一个速度因子退场、深度因子崛起的新生态中，波动率定价有可能成为量化策略组合中的重要组成部分。

八、程飞的六年量化观察：三次范式转移与一条不变的主线

我从2020年初开始做量化研究，到现在六年多。回头看，这六年恰好覆盖了国内量化行业从爆发到成熟再到制度化管理的完整周期。我个人的观察可以归纳为三次范式转移。

第一次范式转移发生在2020年到2021年，我称之为「数据驱动替代经验驱动」。在这个阶段之前，A股的量化策略还带有浓厚的传统金融工程色彩：多因子选股模型、Barra风险模型、均值方差优化，方法论来源于1990年代到2000年代的海外学术研究。2020年之后，机器学习和深度学习开始大规模渗透到量化策略中，特征工程从手工构造变成了自动学习，预测模型从线性回归变成了梯度提升树和神经网络。这次范式转移的核心驱动力是算力的普及和数据的丰富化。我在这个阶段最大的收获是意识到：传统的因子研究框架只是一个起点，真正的alpha来自对数据生成过程的深度理解，而不是套用现成的因子公式。

第二次范式转移发生在2022年到2024年，我称之为「高频吞噬低频」。在这个阶段，随着Level 2行情数据的全面开放和交易执行技术的持续进步，A股市场出现了一大批以微秒级和毫秒级为交易周期的超高频策略。这些策略在数据的颗粒度上碾压了传统的中低频策略：当别人还在用日线数据计算因子暴露时，你已经在用Tick级别的数据捕捉订单流信号。这次范式转移的结果是，量化行业的进入壁垒从「研究能力」变成了「技术基础设施」。最快的交换机、最低延迟的FPGA硬件、最近交易所的托管机房，这些变成了比因子研究更能决定策略表现的因素。我在这个阶段最大的反思是：当整个行业都在比谁更快时，策略研究的深度反而被忽视了。这不是个人的失误，而是行业激励机制的扭曲。

第三次范式转移就是现在，2026年7月开始，我称之为「制度化重塑自由竞争」。新规的落地标志着量化行业从野蛮生长阶段正式进入制度化管理阶段。这次范式转移与前面两次的一个根本区别在于：前两次是技术和市场驱动的自下而上的变化，这一次是监管驱动的自上而下的重塑。监管驱动型范式转移的一个特点是：它不会像技术驱动型那样给先行者巨大的先发优势，而是对所有参与者施加统一的约束，然后在新的统一的起跑线上重新竞争。这意味着，过去几年积累的速度优势在很大程度上被抹平了，行业回到了以研究深度为核心竞争力的轨道上。

三次范式转移背后有一条不变的主线：量化交易的价值最终落脚于研究深度，而非执行速度。速度是手段，不是目的。当速度被人为限制后，那些真正在研究上下过苦功的机构，反而迎来了最好的时代。这个判断听起来像是在给自己打气，但我确实从2024年开始就有意识地把研究重心从执行优化转向因子深度，因为我相信这一天的到来只是时间问题。

我认识的一位量化FOF基金经理老陈，在2025年初的时候做了一个判断：量化行业的超额收益在未来两到三年会从执行端迁移到研究端。他的逻辑很简单：执行端的alpha本质上是零和博弈，你赚的就是别人多付的冲击成本，这个alpha的天花板是由市场总交易量决定的。研究端的alpha不一样：它来自于你对基本面、行业逻辑、市场微观结构更深的理解，这个alpha的空间是由你的研究能力决定的，理论上没有上限。老陈当时把旗下FOF的配置比例从高频策略向中低频基本面量化策略倾斜，很多人觉得他过于保守。现在回头看，他的前瞻性判断在新规下得到了验证。

另一个给我深刻启发的人是林总，一位在量化行业从业超过十五年的技术负责人。他在2023年底的一次内部技术分享会上说了一句话，我至今记得很清楚：「所有可以被买到的alpha，都不是真正的alpha。」他的意思是，如果alpha依赖于你能买到的更快的硬件、更近的托管机房、更低的交易费率，那么这个alpha本质上是一种租金，你只是在为你的硬件投入收取回报。真正的alpha应该来自于不能被简单复制的认知优势。新规之后，这句话的价值变得更加凸显。

九、策略转型路线图：从高频到中低频的三步走

对于正在经历新规冲击的量化团队而言，最紧迫的问题不是「要不要转型」，而是「怎么转型」。基于我对行业的观察和与多位同行的交流，我梳理出一个三步走的策略转型路线图。

第一步是持仓周期的延长。这是最直接也是最必要的调整。如果一个策略的典型持仓时间从分钟级别延长到小时级别甚至日级别，那么它几乎可以完全规避新规的申报频率限制。但持仓周期的延长不是简单地把信号衰减时间调长，而是需要从策略的底层逻辑出发重新设计因子的信息衰减曲线。高频策略的因子信号通常是快速衰减的：一个新信息出现后的前几十秒内，alpha最为显著，之后迅速衰减到零。中低频策略需要的因子信号必须具有更长的信息半衰期：一个信息产生的alpha能够持续数小时甚至数天。这就要求因子研究的重心从「反应速度」转移到「信息的持续价值评估」。技术上看，这意味着需要从Tick级别和分钟级别的数据切换到小时级别和日级别的数据，模型的训练和验证方式也需要相应调整。

第二步是多因子框架的重建。在高频策略中，因子数量通常较少但策略逻辑极其精细：三五个核心因子，配合精密的执行算法，就可以构成一个完整的策略。在中低频策略中，因子数量需要大幅增加，因为每个因子的信息密度较低，需要通过大量因子的组合来提高信号的稳定性和预测能力。一个典型的中低频多因子策略可能包含50到200个因子，涵盖价值、成长、质量、动量、波动率、情绪、分析师预期等多个大类。多因子框架的重建不仅是因子数量的增加，还包括因子之间的交互项建模、因子的动态加权方案、以及因子的周期性衰减管理。这是一个系统工程，需要团队在因子研究上投入大量资源。

第三步是风险模型的合规化改造。在传统的量化风险模型中，风险因子通常包括市场风险、行业风险、风格风险和特异性风险。在新规框架下，合规风险作为一个新的风险维度需要被纳入风险模型。这包括：申报频率超标的概率、策略被标记为高频行为的概率、特定交易行为触发监测系统警报的概率等。这些合规风险因子需要被量化估计，并在策略优化的目标函数中作为约束条件或惩罚项出现。

这个三步走的转型路线图听起来简单，但执行起来充满挑战。最核心的难点在于团队能力的迁移。一个优秀的做高频策略的研究员或工程师，不一定是优秀的中低频策略研究员。两者的思维模式有根本差异：高频策略思维是「流水线思维」，关注的是管道中每一个环节的效率和延迟；中低频策略思维是「生态学思维」，关注的是因子之间的相互关系和信息在不同时间尺度上的传递机制。团队的能力重构需要时间，可能是一个长达一到两年的过程。在这期间，团队的策略表现必然出现波动，这对管理者和投资者都是一个考验。