为什么量化投资，资金越大，收益率越低？而且不少基金也是一样？
简单点，你把自有资金看成是一条鱼，外部市场看成是某水域。然后，想象自己把鱼投进该水域。
几种情况：
1）譬如鱼很小，而水域是东海黄海甚至是太平洋级别。看到的后果是鱼落水后最多只溅起一个小水花，甚至当天如果浪很大的话，连水花都看不到。也就是说，鱼对水域波浪的影响为零，鱼受到的反作用力也为零。鱼相当于在一个自由王国里运动。有很大的空间茁壮成长。
2）譬如鱼不小，而水域是个小池塘。你可以看到落到水中的鱼明显砸出一波震荡，首先，池塘中的生物会受到惊扰，做出相应反应。而被你的鱼砸出的涟漪，会迅速扩散，前浪到达岸边然后反弹回来和继续过来的后浪产生驻波，甚至会反向回到鱼身上。鱼的生存取决于和其它共存生物的博弈。
3）再譬如你把一条大白鲨扔进你家的浴缸，唯一会发生的情况就是：你家浴缸里瞬间就没水了。没水的浴缸，鲨鱼怎么活？
所谓“规模魔咒”，就是量化策略的有效性只能维持在一定规模内；超过一定规模后，策略赚取超额收益能力显著下降。
大家知道，量化体现在两方面，一是基于策略模型构建股票组合，也就是量化选股。一方面是按照设定的规则程序化交易，即量化交易。
在策略模型构建方面，常用的“两大板斧”是：统计套利模型和多因子模型。
以经典的配对交易策略为例，举个例子：
- 假设计算机经过回溯历年数据，发现A银行和B银行的股价差额常年在【-3,3】之间波动。
- 假设某天A银行发布了重大利好，导致股价一下子比B银行高了5元；
- 那么根据统计套利的观点，虽然现在差价是5，但是长期来看这俩银行的差价大概率还是要回到【-3,3】区间的，也就是所谓的收敛；而方向则大概率是A银行要跌一点，而B银行要涨一点。
- 那在操作上，就应该是买入B银行而卖出A银行，等价差回归到合理区间后获利走人。
这基本上就是统计套利刚刚诞生时的样子，但问题是，一个相关性被发现并验证后，很容易被发觉，策略很容易拥挤；由于容量有限，肉少狼多，这个策略已经越来越“内卷”。
聊完这个，再来聊聊另一板斧——多因子模型。
大致来说，不管模型多复杂，因子基本都分成两大类，“基本面因子”和“量价因子”。
一段时间内，一个平稳运行的企业基本面几乎不会变化，但股价却总是涨涨跌跌，而交易的本质正在于此，不同体量、不同方向的资金带来了涨跌（而不是企业价值本身），把这些买卖行为用数学的方式刻画出来，就是均线、成交量、MACD、KDJ等等。
量价因子模型就是研究这个的——甚至可以说，量化投资天生就是干这个的。人脑处理这些图要经历复杂的思考；计算机则能迅速找到规律。
量价因子模型把每只股票看成一个个符合各种因子特征的集合，不看基本面，到达预测区间后迅速下手买卖，然后绝不恋战，往往当天或者隔日就跑。
由于这种策略追踪的往往是瞬时的成交机会，靠的是高胜率、高频次交易来赚钱，要灵活转身，个头就不能太大——你想想，假如一只股票市值100亿，日均成交额1个亿，结果你一下子买了5000万，好家伙，肉还没吃到嘴，你就变成了那块肉。
规模魔咒，在这里就又出来了。之前听某个量化大佬讲过，每天万亿的成交量里面，量化交易已经占到3000亿。如果遇到行情不好成交量萎缩，中高频交易的容量更是难以突破。
说白了就是：你想买，没人卖；你想卖，没人买……
现在各家量化私募最下大力气研究的，还要属基本面因子模型。
所谓基本面因子，就是一大堆基本面指标，微观的例如行业地位、企业规模、成长风格、盈利状况等等；宏观的例如GDP、M1、M2、利率水平之类的；通过对过去、现在和将来的分析，寻找股票价格和相关因子的关系，从而预测股价未来的走向。
从这个解释也能看出来，跟其他两个策略相比，基本面因子主要关注点在于预测股价走向，而对交易时间、交易规模要求不大——到了这里，规模魔咒终于声音小了些。
目前的市场上，量化类私募基金仍然在迅速扩容中；资金大批量地涌入，要想继续进行有效的管理，看得到目前就是两条路：
- 要么，是不断提高策略迭代的水平，开发出有效并且有一定资金容量的模型，赚到“smart money”，这需要大量的资金、设备、人才投入，还需要时间；
- 要么，就是把募集到的资金，投入到大量的基本面因子模型中去。当然，随之换手也会降低，持股周期变长——量化的优点也就越来越模糊。
写这篇文章时，翻了下16年左右的报道，那时候大家讨论的量化“规模天花板”还在10亿左右；短短不过5年时间，千亿规模的量化私募也发展起来了，意气风发的管理人开始对标美国的量化基金。
我个人愿意相信，随着中国股票市场越来越活跃，越来越多聪明人进场，量化基金的规模天花板会越来越高；但如此短的时间内，头部量化募集的资金量规模迅速膨胀，储备的人才、策略有没有跟得上资金的扩张，还是很值得推敲的。
?
