策略失效的真相：是市场进化还是我们自欺欺人？

班若云

最近连续三个季度的回测数据显示，传统多因子模型在A股市场的超额收益衰减速度超过40%。某头部私募去年还在路演中展示年化35%的alpha，今年前四个月实际净值却跑输基准8.2个百分点。更讽刺的是，我们团队用2015-2020年数据训练的机器学习策略，在样本外测试中连简单的沪深300指数都跑不赢。

问题究竟出在哪里？是因子挖掘已经走到尽头，还是我们陷入过度优化的陷阱？当策略在历史数据上曲线完美拟合，在实盘却频频失效时，我们是否该重新思考量化投资的本质？或许真正的突破不在于更复杂的模型，而在于对市场微观结构的深刻理解。高频数据表明，同样的价量因子在集合竞价阶段与连续竞价阶段的表现差异可达300%，这种时空异质性被多少策略真正纳入考量？

值得警惕的是，现在连传统意义上的"另类数据"都开始同质化。卫星图像、供应链数据、舆情分析……当所有人都在用相同的数据源时，所谓的alpha自然就变成了beta。有同行私下透露，他们新开发的自然语言处理模型对财报电话会议的分析准确率已经达到87%，但实盘收益却不如简单的净利润增速因子。

或许我们该承认，量化投资正在从"捡钱时代"进入"炼金时代"。当市场参与者都在用类似的方法论，策略寿命必然急剧缩短。下次开发新策略时，不妨先问自己：这个逻辑在三年后是否依然成立？还是说我们只是在为历史数据制造一个精致的巧合？