幻方量化作为国内顶尖的量化私募机构，其投资策略经历了多次迭代和调整，结合其公开信息及市场动态，以下是其主要使用过的投资策略总结：
1. 日间量价模型（多因子选股）
- 核心策略：以量价因子为主导，通过挖掘股票价格、成交量、技术指标等短周期数据，构建多因子模型进行选股。该策略贡献了约90%的收益来源，换手率在30-50倍，持仓500-1500只股票，主要跟踪中证500等指数。
- 技术实现：利用AI技术进行因子合成、动态权重调整（基于12个月滚动ICIR）和行业中性化处理（申万一级行业），并结合Barra风险模型控制行业偏离和波动率。
2. 日内回转交易（T+0策略）
- 高频交易：通过机器算法实时监控全市场股票，捕捉短期价差机会，特点是高胜率、薄利多销。但受制于A股的T+1制度，实际持仓周期可能调整为多日。
- 人工与机器的结合：早期人工T+0用于捕捉大波段收益，但随着市场有效性提升，逐步转向自动化高频交易。
3. 市场中性策略
- 对冲模式：通过技术面和基本面选股，并用股指期货对冲市场波动，以获取稳定α收益。然而，2024年因基差波动、融券成本上升及超额收益下降等问题，幻方量化宣布逐步退出该策略，将相关产品仓位降至零。
- 局限性：A股对冲工具有限，极端市场环境下策略易受冲击，例如2024年国庆前后的股指期货升水导致显著亏损。
4. 指数增强策略
- 主流方向：近年来成为核心策略，通过量化选股对标中证500、沪深300等指数，在控制跟踪误差的同时追求超额收益。其优势在于无需对冲，策略逻辑简单，更易被投资者接受。
- 技术特点：结合长短周期因子（量价因子短周期预测+基本面因子长周期预测），实现换手率与策略容量的平衡。
5. 多策略融合与创新
- 复合策略：将市场中性、指数增强、事件驱动等策略叠加，通过多策略组合分散风险。例如，部分产品混合中性策略和量化多头，以平衡收益与波动。
- AI驱动的策略开发：依托自研的“萤火一号”“萤火二号”超算平台，利用深度学习处理海量数据，优化非线性拟合和复杂环境下的决策。
6. 基本面量化与事件驱动模型
- 探索阶段：虽未成为主要收益来源，但幻方量化持续尝试将基本面数据（如财务指标、行业景气度）纳入模型，并开发事件驱动策略（如财报发布、解禁事件预警）。不过，当前仍以量价因子为主。
策略演变趋势
-从传统多因子到AI主导：2017年前依赖多因子模型，2017年后逐步转向深度学习，2019年进一步升级为集成框架，实现策略的全面AI化。
-市场适应性调整：因市场有效性提升和客户需求变化，逐步收缩对冲策略，转向指数增强和量化多头，以应对收益风险比下降的挑战。
总之，幻方量化的策略体系以AI技术为核心，早期以高频量价策略和对冲策略为主，近年转向指数增强和多策略融合，同时积极探索基本面量化。其策略迭代反映了量化行业从“因子竞争”向“算力与算法竞争”的转型趋势。
来源：债权人、网络、钱经
欢迎关注“钱经”：
