去年那波因子塌方，把很多团队打懵了
去年有个做量化的朋友跟我吐槽，他们花大半年挖出来的价量因子，上线不到三个月就崩了。回撤曲线像悬崖一样，从前年11月开始一路往下栽。这不是个例。2024年传统多因子模型集体遭遇滑铁卢，尤其是那些高度依赖动量、换手率因子的策略，回撤幅度普遍超过15%。问题出在哪？不是因子本身失效了，是拥挤度太高了。当同一个因子被上百家机构同时盯着做，超额收益自然被抹平。市场不会让所有人同时赚钱，2025年还能活下来的团队，都在做一件事——往更"脏"的数据里挖信号。
另类数据不再是加分项，是生存线
以前说另类数据，大家都觉得是锦上添花的东西。供应链数据、卫星图像、电商评论情绪分析，听着高级，但实际用起来ROI不高。2025年这个认知被彻底颠覆了。不是另类数据变强了，是传统数据的阿尔法被榨干了。我观察到几个有意思的方向：有团队在挖港口船舶AIS信号做商品期货的提前量预测，有人用招聘平台的职位描述变化反推企业转型进度，还有人在做产业链上下游的应收账款账期异动监控。这些东西脏、乱、非结构化，清洗成本高，但恰恰因为门槛高，拥堵度极低。今年真正跑出超额的产品，几乎都在这一层做了重度投入。
小模型替代大模型，推理速度成为瓶颈
去年大语言模型火的时候，不少量化团队试着把GPT级别的模型塞进选股流程，结果基本都栽了。不是模型不准，是推理太慢。实盘交易场景里，从信号生成到下单，窗口期可能就几百毫秒。你让一个1750亿参数的模型跑完推理，黄花菜都凉了。2025年的趋势是往回退——用小模型做专项任务，把延迟压到极致。有几个团队在用参数量不到1B的微调模型做财报电话会的情绪打分，准确率比传统NLP方法高出不少，推理速度却能做到毫秒级。别迷恋大模型的光环，实盘只看两个指标：胜率和速度。谁慢谁就给别人抬轿子。
风控逻辑从"控回撤"变成"控场景"
传统的VaR、压力测试这些风控手段，本质上是历史统计的外推。但2025年的市场有一个很残酷的特征：尾部事件不再是黑天鹅，是常态。你会发现极端行情出现的频率明显高于正态分布假设。有团队开始引入场景化风控的思路，不再笼统地设一个最大回撤线，而是针对特定场景做预案：比如美联储意外加息50个基点会怎样，某个行业突发监管风暴会怎样。具体做法包括：
- 构建事件驱动的条件风险模型，而不是单纯依赖历史波动率
- 给组合设置场景敞口上限，超出阈值自动降仓
- 用期权隐含波动率作为前瞻性压力指标，而不是滞后的历史数据
执行层面的隐性成本开始吃掉利润
有一组数据很说明问题：去年A股量化策略的纸面收益率中位数大概在8%-10%，但扣除冲击成本和滑点之后，实际到手普遍缩水30%以上。小盘股更是重灾区，有的票挂单深度只有几十万，你想进出根本藏不住脚印。2025年大家在交易执行上的军备竞赛，激烈程度不亚于因子挖掘。算法交易已经从"拆单执行"进化到了更复杂的层次：跨交易所的流动性路由优化、利用暗池隐藏交易意图、甚至用强化学习动态调整挂单策略。别小看这些细节，一个执行优化能抠出来的收益，可能比你花三个月挖个新因子还多。尤其在费率持续压缩的背景下，执行效率就是利润。