从复旦数学系到CMU：一个量化基金经理的起点

曲径讲述自己从复旦数学系转向计算金融的原因，本科论文用转移矩阵做债券违约预测，以及2005年赴卡内基梅隆读书的选择。

扑克桌与千禧年：确认自己适合做决策

一场扑克比赛让她意识到自己擅长结合信息与概率做判断，从而放弃卖方定价路线。2007年进入千禧年，从欧洲会计报表的数据清洗和因子挖掘做起，前辈告诫她回测曲线好看不等于样本外有效。

股指期货的升水、贴水与2015年的转折

2010年股指期货推出后长期升水，年化4%到6%，本质是杠杆需求方为流动性付溢价。2015年后转为持续贴水，全对冲公募产品难以为继，她以雷曼后美国限制做空为例说明政策干预全球皆有。

量化什么时候好做：分散度就是生命线

超额最舒服的时期是2021年至2024年2月前。2017年、2021年2月、2024年6月底三次市场极致集中时量化最难做，因为持仓分散、个股维度多才有空间。

三次迭代：多因子、基本面量化、多策略低相关

多因子源自BGI框架，适合大资金低换手；基本面量化是把主动基金经理获取与处理信息的逻辑固化成模型；多策略多周期低相关是描述股票定价的不同维度，低相关是结果而非目标。

多因子与多策略的区别，以及时间维度上的四层策略

另类数据难以形成截面因子，更适合做成独特策略。影响股价的时间维度分四层：宏观、基本面季度、月度内交易博弈、日内资金流，数据源不同带来低相关。

2023年逆风期复盘：用量价反转中和景气动量

基本面景气模型在2023年逆风，股价迟迟不兑现经营改善。团队定向引入量价中频人才，景气类偏动量、量价类偏反转，形成中和，而非认为因子已死。

单一逻辑才是真问题，月胜率是考核指标

公私募在量化上的差异不如单一投资逻辑带来的风险重要。团队产品考核中有月胜率指标，目标是让持有人任何一个月买入、持有一年的体验不要差太远。

885001与中证全指增强：把基金指数还原成股票指数

2020年想做一站式解决方案，用去重基金池、年报半年报全披露与季报前十大建模，再按披露滞后期的涨跌幅推算当下持仓，把基金指数转换成股票指数后叠加交易阿尔法。

指数增强是一种反向固收+

中证全指增强本质是全市场量化选股，与主动选股中长期收益率不相上下。指增的阿尔法像固收、贝塔像波动，客户先买贝塔再获赠相对稳定的阿尔法，这是中国市场指增繁荣的原因。

什么行情适合买量化：看资金流与主线

抱团行情不适合量化，看资金流即可判断。流入明显、主线清晰时量化难跑赢；缩量存量、主线不明时阿尔法性价比显现，但缩量到极致短周期模型也难赚钱。

私奔公：蓝海、坦诚与算力储备

核心投研人员来公募的理由是量化在公募仍是蓝海、能说实话、有空间。算力在人来之前已备好，每年IT采购投入接近百亿私募水平，卡是刚需而非吸引力。

组合优化器：让阿尔法可见也可得

私募人才带来的最大变化是技术提升，系统、数据存储、核心优化器都拉开过差距。优化器解决同一股票在多产品间的冲击成本分摊，目标是留住阿尔法而非只挖阿尔法。

公募的镣铐也是托底

技术与基本面资源禀赋的差距在中长期逐步抹平。公募在成分股、下沉、跟踪误差上要求高，每天下单前过风控，风格稳定时反而与指数贴得更近，流动性差时风险更小。

大模型冲击：挖因子岗位消失与同质化崩盘风险

挖因子可能成为量化里第一个消失的岗位，有经验的因子研究员更值钱。更需警惕的是公开数据挖出的因子趋同，2007年8月美国量化crash就是前车之鉴，一根稻草即可引发崩盘。

AI的正面用法与真正的壁垒

研究员写代码与完成项目的速度大幅提升，老研究员效率提升更明显。模型差异已不构成重大差异，会像水电一样；但大模型不是PIT模型，回测要谨慎，真正的壁垒在基础IT与推理速度。

未来：工具化与解决方案包

以开放心态拥抱AI，但对其投资建议保持审慎。资产管理会走向工具化与解决方案包两条路，从A股到港股、债券、商品的总回报方案是可期的方向。节目以风险提示收尾。