为什么量化基金不好？
先说结论，我的观点是，量化策略在A股市场的收益率相较于主动管理能力而言其实已经足够好了，但是其跟踪误差控制得并不好，所以从长期的角度来看表现一般。 下面简单谈谈我的思路。
首先我们要明确一件事，任何一种投资策略都不可能永远有效。或者说市场的风格总是有周期性的。以美股市场为例，过去十几年，美股一直是成长股占据主导地位的市场，巴菲特所谓“价值”投资的收益其实并不算好。但今年以来市场风格开始转换，价值板块开始领跑，因此伯克希尔一季度的业绩居然超预期下滑。
也就是说不同的风格有不同的收益，你也很难说哪一种风格就一定好或者一定差。那么同理，我们也不能肯定地说量化的策略就一定会落后于主动管理。事实上，我见过的很多做量化投资的人都非常刻苦且聪明。如果仅从策略的选取上来讲，许多主流的策略如套利、CTA等其实已经能够很好的适应目前的A股市场，并且在风险可控的前提下带来了可观的收益（虽然相对于某些明星公募的主动管理来说可能差了许多）。
但是！我们使用策略的时候往往会受到两个负面因素的影响，一个是策略的选股范围通常是某个行业或者某几个行业的公司，这样会造成策略的选股能力和其覆盖的股票数量成反比，即选的公司越多策略的表现越差；另一个就是策略的因子选择，一般来说一个因子的收益率和其信息比率最高点是在70%左右，也就是当某个因子超过70%的信息率峰值以后继续增加该因子的权重反而会导致策略收益率的下降。
当然，这两个问题也是可以兼得的，比如我们可以把策略的选股范围界定在TOP20的公司，又比如在因子建模的时候只选取前三个特征。但这实际上增加了策略构建的难度，并且无法从根本上解决两个问题导致的策略表现受限的问题。这就是我说的，量化策略其实并没有真正发挥其主观意义上的作用——通过优化计算得到的最优组合其实已经包含了较多的人为主观判断。
说了这么多似乎一直在论证量化的不好，其实恰恰相反，我想说的是量化的策略其实已经很不错了，但是其跟踪的误差确实没控制好导致夏普比率很低。如果能够更好地控制跟踪误差，量化的策略表现肯定会更好。但是请注意，这里提到的跟踪误差并不是实际的交易成本或者头寸调整的成本。
因为如果我们真的按照策略给出的信号执行的话，实际的市场操作是没有成本的。我说的是策略在计算时候产生的误差，这个误差其实是可以忽略不计的。所以说量化的策略其实是在小概率事件的基础上建立起来的，在发生错误的时候需要尽量多亏一点，在策略取得超额回报的时候也要适当降低收益。