一、市场中性策略概述

做量化这些年，我经常被问到同一个问题：「有没有一种策略，既能赚钱，又不怕大盘暴跌？」

说实话，这种「既要又要」的要求，在金融市场上通常很难满足。但有一个策略，确实在某种程度上做到了——市场中性策略。

我个人习惯把它叫做「量化界的避风港」。今天我们就来聊聊它到底是什么，怎么运作，以及为什么值得你花时间研究。

1.1 什么是市场中性策略

先讲个我自己的经历。2018年A股单边下跌，我身边做主观多头的朋友亏得怀疑人生。但我当时跑的一个市场中性策略产品，全年竟然还赚了8%左右。

客户问我：「大盘跌了30%，你怎么还能赚钱？」

我说：「因为我根本没赌大盘涨跌。」

这就是市场中性策略的核心——不靠市场方向赚钱。

具体来说，市场中性策略是指：

• 同时持有多头和空头头寸，比如买入一篮子好股票，同时做空等市值的指数期货或个股
• 净市场暴露接近于零，大盘涨跌对组合净值影响极小
• 收益来源是选股能力，也就是你选的股票比做空的股票涨得多（或跌得少）

1.2 策略核心逻辑

你可能会问：为什么要费这么大劲做对冲？直接买好股票不就行了吗？

嗯，这里有个关键问题：你买的股票涨了，到底是因为你选得好，还是因为大盘在涨？

2019年到2020年，很多散户闭着眼睛买白马股都能赚钱。但2021年之后呢？潮水退了才知道谁在裸泳。

市场中性策略的逻辑就是：把「市场涨跌」这个因素剥离掉，只看你的选股能力到底行不行。

核心逻辑拆解如下：

1. 构建多头组合：通过因子模型筛选出预期收益较高的股票
2. 构建空头组合：做空指数期货（如IF、IC）或做空一篮子弱势股票
3. 动态调整：确保多空头寸的市值、行业、风格暴露基本匹配
4. 赚取差价：多头涨得比空头多，或者多头跌得比空头少，这部分就是你的收益

1.3 Alpha与Beta分离

在量化投资里，有两个概念你必须搞清楚：Alpha 和 Beta。

简单来说：

• Beta：市场给你的收益。大盘涨10%，你的股票涨了10%，这部分是Beta。说白了就是「风口上的猪也能飞」。
• Alpha：你凭本事赚的超额收益。大盘跌了5%，你的股票还涨了3%，这8%的差距就是Alpha。

市场中性策略的目标就是：把Beta去掉，只留下Alpha。

为什么要这么做？因为Beta是不可控的。你想想看，谁能准确预测明天大盘是涨是跌？反正我做不到。但Alpha是可以通过研究、建模、优化来提升的。

维度	Beta（市场收益）	Alpha（超额收益）
来源	市场整体涨跌	选股/择时能力
可预测性	极低	相对较高（通过因子）
风险特征	系统性风险	非系统性风险
中性策略目标	对冲掉	保留并放大

我记得刚入行时，带我的老量化说了一句话，我到现在都记得：「做中性策略，你赚的每一分钱，都是你选股能力的证明。亏了也别怪市场，只能怪自己因子挖得不够好。」

1.4 策略优势与风险

任何策略都有两面性。市场中性策略听起来很美，但实际操作起来，坑也不少。

优势

• 低波动、低回撤：因为对冲了市场风险，净值曲线通常比较平滑。我见过做得好的中性策略，年化波动率能控制在5%以内。
• 与市场相关性低：不管牛熊市，都有可能赚钱。这对机构投资者来说很有吸引力——可以作为资产配置中的「稳定器」。
• 容量大：相比高频策略，中性策略可以容纳较大资金量。国内头部量化私募的中性产品，规模上百亿的都有。

风险

• 对冲成本：做空不是免费的。股指期货有贴水（负基差），融券有利息。这些成本会吃掉一部分Alpha。
• 模型失效：因子不是永远有效的。2021年春节后，很多小市值因子突然失效，做中性策略的机构回撤惨重。我身边就有朋友那段时间被客户骂到自闭。
• 极端行情风险：虽然理论上中性，但实际操作中很难做到完全中性。2015年股灾时，很多中性策略因为流动性问题、升贴水剧烈波动，出现了意料之外的亏损。

知识体系框架

下面这张图，是我自己整理的市场中性策略知识体系。你可以把它当作本章的「地图」——先看整体结构，再深入每个细节。

这张图把本章的核心内容串起来了。从左到右：先理解核心概念，再搞懂Alpha与Beta分离的意义，然后掌握策略的核心逻辑，最后评估优势和风险。后面的章节，我们会围绕「因子挖掘」这个主题，一步步深入每个环节。

---

好了，第一章就到这里。说实话，市场中性策略的门槛并不低——它要求你同时具备选股能力、对冲技巧和风控意识。但一旦跑通了，你会发现它确实是量化投资里最「稳」的玩法之一。

下一章，我们会开始动手——聊聊因子挖掘的基本流程，以及如何用Python搭建你的第一个因子测试框架。