这篇访谈讲的是量化投资（用电脑模型选股）的过去、现在和未来。AQR基金的创始人Cliff Asness认为，过去很赚钱的量化策略现在成了公开知识，不再是秘密武器。他提醒投资者，真正难的不是找到好策略，而是能在市场不好时坚持住。他提到几个关键点：价值因子（买便宜股票）没有被套利掉（即没失效），目前估值还算便宜；机器学习（AI炒股）要有经济解释才能用；市场择时（猜涨跌）很难，最好少做。提到的标的包括：Fama-French HML（衡量便宜股和贵股价差的指标），目前处于历史正常范围；Renaissance的Medallion基金（业绩极好但不收外部资金）；Shiller CAPE（股市估值指标），预测力很弱。
Cliff Asness，AQR Capital Management联合创始人，在播客中回顾量化投资的过去、现在与未来。AQR自1998年成立以来，管理资产达2260亿美元。核心观点包括：因子组合已从简单多空转向更复杂配置；客户关注因子择时（Contrarian Factor Timing）的难度；技术变化对策略影响有限，但机器学习将逐步融入流程。重要结论：跨资产类别（股票与国家回报）的横截面可预测性存在相似性；提出“Three Sharpe Ratio Strategy”及“Liquid Alt Ragnarök”概念；费用趋势下行，私募市场受关注。Asness强调研究诚实性，并提及价值与
Cliff Asness，AQR Capital Management 联合创始人兼管理负责人，公司管理资产达 2260 亿美元。本期探讨量化投资的过去、现在与未来，核心主线是：因子投资已从"秘密武器"演变为"公开工具"，但真正稀缺的不是策略本身，而是客户在逆境中坚持的能力。Asness 提出一个反直觉的判断："更好的策略你坚持不了，就不是更好的策略"——量化投资最核心的挑战不在模型，而在行为金融。
Cliff Asness 认为，因子投资最大的变化是"从 alpha 变成了风格"——过去只有少数人知道的东西，现在已成为公开知识。
Asness 描述了因子组合的演变路径：
AQR 的应对方式：
1. 跨资产、跨因子、跨地域——不是只做股票价值，而是做"每个你相信的因子，在每个你相信的地方"
2. 风险均衡——"如果你把 1 美元投入股票多空、1 美元投入债券多空，你是个股票经理，债券只是你的业余爱好"——需要按风险贡献来分配资本
3. 杠杆与去杠杆——低风险因子加杠杆，高风险因子去杠杆，目标是让各因子贡献大致相等
Asness 强调，最理想的"瓦肯人"方案是做多因子、多资产、多空、带杠杆的全面组合，但现实中很少有人能坚持。因此 AQR 提供从"传统做多"到"完全非传统"的谱系，让客户选择自己能承受的位置。
Asness 认为，因子择时（Contrarian Factor Timing）极其困难，客户最常问的"是不是太多钱了"是一个合理但常被误用的问题。
核心论证链：
1. 衡量因子是否"拥挤"：AQR 在 1999 年科技泡沫时开发了"价值的价值"指标——看多头的估值相对于空头有多便宜
2. Fama-French HML（市净率因子）的历史范围：贵股票对便宜股票的市净率比通常在 3-6 倍之间波动；唯一例外是 1999-2000 年科技泡沫，飙升至 12-14 倍；此后回到正常区间，目前"可能在便宜一侧"
3. 其他因子：低贝塔因子略贵，但仍在历史范围内
4. 结论："如果因子真的被套利掉，你会看到价差被压扁，但我们没看到"
Asness 对"价值是否被科技股颠覆"的回应：
关于择时，Asness 引用自己论文标题"Contrarian Factor Timing Is Deceptively Difficult"——即使你相信因子有预测能力，精确择时几乎不可能。"我们不会因为价值连续 6-7 年表现不佳就做空它——因为我们认为没人能做好这件事"
Asness 提出"Three Sharpe Ratio Strategy"作为 AQR 内部的贬义词——指那些声称有极高夏普比率但规模极小的策略。
核心论点：
1. 真实世界的夏普比率范围：AQR 的目标是 0.5-1.0，这是"可以在真正机构规模上实现的"
2. 规模 vs 比率："一个 0.5 夏普比率、可应用于 1000 亿美元的策略，比一个 3.0 夏普比率、只能应用于 1 亿美元的策略，让更多客户变得更富有"
3. "三夏普比率策略"的悖论：如果真有这样的策略（如 Renaissance 的 Medallion），"他们会把你踢出去"——不接外部资金
4. 经济自然夏普比率：Asness 认为，真正的策略会"下沉"到一个经济上可持续的夏普比率——"足够高到值得做，但不够高到被套利掉"
关于 Liquid Alt Ragnarök（流动性另类投资的"诸神黄昏"）：Asness 警告，投资者对另类策略的预期过高，而实际夏普比率远低于想象。"如果你能做出一个 1.0 夏普比率的、与市场不相关的多空策略，理论上你应该把更多钱放进去而不是 S&P 500——但没人会这么做"
Asness 对机器学习的立场：AQR 已重金投入（聘请 Marcos Lopez de Prado），但坚持两个原则。
1. 进化而非革命：机器学习是"寻找非线性和交互效应的工具"，不是颠覆性突破
2. 必须有经济解释："在 AQR，你不太可能看到一个没有经济解释的机器学习流程"
Asness 承认，这是"一个开放性问题"——机器学习能否在保持可解释性的同时提升表现？"两年后我们会知道更多"
Asness 与 Antti Ilmanen 合著的论文《Sin a Little》的核心结论：市场择时（timing the stock market）是"罪"，但如果你非要做，就少做一点。
关键发现：
1. 价值择时（如 Shiller CAPE）：在 120 年回测中有正收益，但"非常窄的边缘"——"有一个 40 年的平坦期"
2. 趋势/动量择时：比价值择时更强，因为"动量指标（如 12 个月价格动量）更稳健，不需要滚动窗口"
3. 两者结合：价值与趋势在择时层面呈负相关，所以"两者都做一点"比只做一个好
4. 建议："当市场看起来便宜但正在改善时，稍微做多；反之亦然——但应该是非常小的调整，因为信号不够强"
Asness 强调，跨资产类别的"价值+动量+趋势"框架是通用的——"股票与国家回报的横截面可预测性存在相似性"（引用 1995 年论文《The Parallels Between the Cross-Section of Expected Stock and Expected Country Returns》）
Asness 分享了一个 1997 年亚洲债务危机时的故事，说明他对私募市场的看法发生了转变。
故事要点：
Asness 的反思：
关于私募市场的崛起：
Asness 认为，费用下降的大趋势已基本完成，当前对"几个基点"的争论是"奇怪的男子气概式口号"。
关于主动管理行业的未来：
| 标的 | 嘉宾态度 | 关键数据 |
|---|---|---|
| Fama-French HML（市净率因子） | 中性（仍有效，但非唯一指标） | 历史价差 3-6 倍；1999 年峰值 12-14 倍；目前"可能在便宜一侧" |
| Renaissance Technologies（Medallion） | 看好（承认其表现，但指出不接外部资金） | "他们不会拿你的钱" |
| Shiller CAPE | 中性（有预测力但很弱） | 120 年回测有正收益，但有 40 年平坦期 |
1. "更好的策略你坚持不了，就不是更好的策略"（Cliff Asness）——行为约束比模型精度更重要；AQR 提供从"传统"到"非传统"的谱系，让客户选择自己能承受的位置。
2. "一个 0.5 夏普比率、可应用于 1000 亿美元的策略，比一个 3.0 夏普比率、只能应用于 1 亿美元的策略，让更多客户变得更富有"（Cliff Asness）——规模比夏普比率更重要；"Three Sharpe Ratio Strategy"是 AQR 内部的贬义词。
3. "在 AQR，你不太可能看到一个没有经济解释的机器学习流程"（Cliff Asness）——机器学习是"进化不是革命"；金融市场数据不足（只能观察一次），可解释性是硬性要求。
4. "如果因子真的被套利掉，你会看到价差被压扁，但我们没看到"（Cliff Asness）——HML 的价差仍在历史范围（3-6 倍）内；"人们在坏年景问'是不是太多钱了'，但套利掉意味着零预期收益，不是负收益"。
5. "市场择时是罪——如果你非要做，就少做一点"（Cliff Asness，引用论文《Sin a Little》）——价值择时（如 CAPE）在 120 年中有正收益但"非常窄的边缘"（有 40 年平坦期）；趋势择时稍强；两者结合比单一好。
6. "他们在'睁着眼睛骗自己'——利用不按市值计价来成为更好的投资者"（Cliff Asness，对私募市场的反思）——流动性差在行为层面是优势（允许承担更多风险溢价），但这不是"免费午餐"。
7. "如果全世界都在做指数投资，谁来定价？"（Cliff Asness）——主动管理不会消失，但历史上"人太多了"；当前指数化率约 35%，还有空间但不会到零。
8. "如果它在你数据里，就写论文"（Eugene Fama 对 Asness 说）——Asness 认为这是"终极伦理声明"；Fama 本人并非动量投资的粉丝，但允许 DFA 使用它。