由宽邦科技、华泰证券、金融阶、阿里云等共同发起的《2024/25年度中国量化投资白皮书》研讨会暨园游会已于2025年7月12日在上海圆满结束。

白皮书推出之后广受市场好评，首印+加印达到4000册+，为更好地服务同行，目前开启电子版下载：

https://bigquant.com/quantpaper/4th

同时，当前还有100多本纸质版，开通会员即可赠送，获取页面同样如上。

相比历年白皮书，本年度内容：

更深厚：本年度白皮书数据来自于本年度309份问卷调研，同时融合过往三年独家近1000份问卷，最后形成市场研究、策略研究、技术栈、极端风控、量化产品、AI革命、最佳实践七大章节，总文稿30万字.

更务实：为了更为贴合行业最新实践，编写组还专门做40万字前期资料收集+35万字路演路演纪要，同时访谈了半鞅私募、博道基金、国金基金、国泰君安资管、华泰柏瑞、景顺长城、九坤投资、龙旗科技、茂源量化、明汯投资、磐松资产、时代复兴、世纪前沿、微观博易、象限资产、展弘资产、正定私募、正仁量化、竹润投资等20家头部及新锐量化机构掌舵人，使得内容紧跟量化行业一线。

更前沿：本年度白皮书相比往年阿尔法如何产生等基本信息，今年尤其关注宏观量化、择时研究、分域建模、多资产量化、策略出海等前沿内容。

以下为本书关键结论：

频段融合：2024年，量化行业整体重心向中低频迁移，细分频段差异显著，呈现“总体降频、中频强化、高频收缩、超低频边缘化”的特征。机构也在探索频段融合与动态换手，使得整个交易频率与市场的交易状况匹配性更强。

宏观量化：2024年，25.84%的量化机构增加了宏观数据的使用权重；31.10%的机构进行了全球宏观政策、事件研究，尤其是极端行情后，20.57%的机构增加了宏观因子，同时2025年量化机构战略优先级最高的三项能力建设方向中，宏观量化排名第六。

分域建模：25.84%的机构增加了基本面数据的使用，另外分别还有14.35%、12.92%、21.05%、22.49%的机构增加了关联数据、一致预期、舆情、事件型数据的使用。基本面量化一直是行业持续的方向，分域建模则是细分方向之一。数据显示，实际接近三成的机构建立的是统一模型，不做单独分域。当前风格分域、基准分域、行业分域等各类分域方式渗透率大约在20%-30%，很多机构同时采取混合分域，方法论呈现多样性。

择时：传统多因子选股模型的Alpha遭遇瓶颈时，拥抱Beta势在必行，而且选股与择时能创造低相关性的收益。问卷调研结果显示，有49家机构将其列入2025年量化机构战略优先级最高的三项能力建设方向，在所有战略排名中位列第四。甚至只有13.88%的调研对象表示完全不择时，尤其是在5月交易量下跌之后，可以看到机构进行了降仓操作，或者自动动态分配长、中、短周期模型权重。

■图表 择时方法论持续进化2024年择时方法论在进化，但并不统一，呈现百花齐放的情况。所有单一的方法论都没有渗透到40%，目前最主流的做法是仓位控制，只有17.27%的调研对象表示完全不择时。很多机构会对此题多选，采取多种方式联合择时，例如基于宏观周期、动量、估值和市场情绪构建自上而下和自下而上的因子择时方案。当然也有机构选择其他并说明为“瞎择时”。从最终择时效果来看，市场普遍已存正面状态，认为择时已经贡献收益，虽然显著低于持仓收益（Δ1.75分）、选股（Δ0.99分），但已经明显高于打新和套利。

多资产：对比过往三年调研数据，量化机构对各投资研究标的的参与率逐步上升，例如股票、期货、期权、债券四大类资产分别都上升了7.80%、13.44%、3.88%与3.27%，即便债券这类资产，传统上认为信用债非标准化程度高，国债波动率低，参与者以银行、保险等传统机构为主，但量化机构的参与率其实也在小幅走高。

策略出海：六成机构量化机构拥有出海计划，但全球化进程呈现金字塔形分布，绝大多数机构处于早期探索阶段，大多数都是尚未实施海外行动，其中三成处于了解阶段，仅21.53%的机构真正迈出了步伐，方式包括牌照获取（10.05%）+设立办公室（9.57%）+成熟募资（1.91%），而且仅1.91%策略成熟并开启募资，成功案例稀缺。第一层级包括美国与中国香港，分别有47.62%与57.14%的机构表示有意参与；第二层级包括欧洲、新加坡、日本等发达地区，约有20%机构表达出积极意愿；而印度、韩国、越南等亚洲新兴市场则构成第三梯队，机构意向在10%左右。相较之下，媒体热度较高的印尼、巴西、中东等地区，实际在机构量化策略布局中的占比不足10%。

■图表 量化机构2022-2024年投资研究标的参与率逐步上升

出海过程中市场规则与数据结构差异（51.59%）是最大障碍，其次为策略水土不服（42.06%）和人才（41.27%）/通道（38.1%）问题紧随其后，显示策略本地化能力、资源匹配不足的痛点。技术性障碍（如链路直连、夜盘交易）、政策限制（外汇管制）、资源短板（人才、资金）共同构成复杂阻力，导致选项分散化。链路部署（21.43%）和资金匹配（27.78%）占比较低，或因仅头部机构触及技术深水区，而中小机构更关注基础性障碍（如市场规则）。

多因子：总体呈现以下3点变化：基本面权重增加，组合探索动态赋权，高频数据HI+AI人工智能继续深度融合。

收益归因：连续两年，量化机构对于收益的归因较为近似。两年间归因框架基本一致（Alpha/Beta/打新/持仓/交易等），没有颠覆性变化，整体结构稳定，局部微调。

AI探索:连续四年，调研数据都显示，AI是量化机构认为最重要的研究方向之一。到了本年度，随着Deep Seek出圈，各类数据都共同指向，AI的重要性被放在了前所未有的重要位置，被认为是拓宽量化边界重要手段。调查结果显示，人工智能在机构2025年的各项能力建设优先级中综合得分最高，达到5.03，并且在第一位的选择中占比达到了29.69%。

■图表 AI位于2025年策略探索第一重点

■图表 目前量化机构人工智能的应用领域

“您认为下一代AI最可能突破的量化投资领域是？”编写组对其进行设问，通过合并同类项与语义归类，可以发现：1.从数据分布来看，由于市场分化、技术代际以及风险偏好不同，行业对于AI的下一代应用总体看法类似蒲公英——主干（AI技术）明确，但种子（应用方向）向多维空间飘散，最高占比趋势未形成共识，存在显著长尾。2.根据词频统计，总体可归纳行业期待集中于模态数据融合、全流程自动化、高频交易智能化、智能择时与动态调仓、可解释性与动态风控等五大趋势方向。所有方向均指向“输入数据的广义化”与“决策权让渡给机器”这一方向，从人工制定规则→AI自主生成逻辑（如AutoML）。

■图表 下一代AI：主干（AI技术）明确，但种子（应用方向）向多维空间飘散

技术栈：当前量化机构技术栈由“Python生态底座+自研核心组件+商业专业工具”构成。

Python生态系统主导：Python以97.12%的比例成为绝对主流，相关工具（如NumPy、Pandas、scikitlearn）也高度流行，驱动从数据分析（NumPy/Pandas >64%）到机器学习（scikit-learn 61%, PyTorch 49%）全流程，反映了Python在量化领域的统治地位。

自研工具在回测、风控、优化等关键环节占比30%-60%，成为竞争壁垒，其中集中攻坚核心环节包括回测系统（60.43%）、风控监控（49.64% vs Barra：48.2%）、组合优化（自研：33.81% > 头部开源工具）、特征工程（23.02%）。

基础设施呈现标准化：开发，VSCode（63%）+ Jupyter（51%）+ Git（30%）；数据库，MySQL（60%）+ PostgreSQL（35%）+ DolphinDB（26%时序专用）；商业工具仅在风险管理（Barra）等专业领域不可替代。

机器学习传统方法主导：XGBoost（51%）、LightGBM（44%）远高于深度学习（PyTorch 49%, TensorFlow 32%）。

技术栈稳中求进：Rust/Go/Ray等新兴技术渗透率均<11%，行业优先稳定成熟方案。

■图表 当前量化机构技术栈：Python生态底座 + 自研核心组件

危机应对：量化机构将极端风控应对放置在了整个能力建设第三个方向。而且在极端行情之后，机构在策略底层、市场研判、政策理解、危机响应都得到了成长。2月份期间，调整策略与未调整的人各占一半，调整的类目包括因子权重（51.18%）、杠杆比率（49.41%）、交易执行（48.82%）、指数成分（45.88%）。

以上为机构做出的即时操作调整，实际上量化机构所做的中长期系统优化，更能影响后续的策略表现。数据显示：机构确实存在应变双阶段，中长期来看，机构做出了多方位的动作，第一优先级是收紧风格因子约束（36.69%）、加强流动性风控（26.62%）、收紧成分股约束（25.90%）以及因子拥挤度测算（20.14%）。次级优先级包括基差管理（19.42%）以及加入宏观风险因子（18.71%）等。另外仅有15.83%的机构未做任何调整。

■图表 2024年极端行情演变及量化策略调整

■图表极端行情后，策略和风控所做调整或优化方向：因子敞口、拥挤度测算、基差管理