2019年，一家新晋的百亿量化私募格外抢眼。
量化风格的明汯投资，最新的资产管理规模已经达到150亿元人民币，不仅成功跻身“百亿俱乐部”玩家，而且也进抵内地规模最大的几只量化私募机构之中。
明泓投资的投资策略涉及指数增强、对冲、CTA、全天候、日内Alpha等，它的主要策略来自掌门人裘慧明，一个物理学博士出身的量化投资专家。在海外，这被称为典型的“火箭科学家”简历（即从物理学转行到投资的人）。
量化投资的具体策略历来比较神秘，但近日，这家新晋百亿私募在一场投资者活动中透露了一些策略和打法：比如，他们认为量化策略很难连续三个月跑赢市场基准，而博弈结构的市场中要寻找“送钱的人”。
最火量化策略：指数增强
今年以来，量化私募“最火”策略就是指数增强策略。
这个策略的寓义是，基金经理在可接受的涨幅偏离范围之内，运用各种策略来优化其投资组合，以求投资回报优于同期跟踪的某个指数。
明泓也是个中的玩家，它很早就开发了中证500指数增强，沪深300指数增强等策略。
在当下，指数增强策略普遍对标于中证500指数，也就是说，大家普遍把中证500指数当做了业绩标杆，在这个基础上开发各种赶超的策略。
中证500指数相比大家更熟悉的沪深300指数、上证50指数而言，更倾向于中盘个股。即剔除掉场内市值最大的300只和最小的300只个股后，筛选出来的成分股指数。
之所以这个策略比较火，可能源于A股指数今年以来很强的表现，以及部分优秀的增强策略率者，相对稳定的超额收益。
看家本领：日内Alpha
据悉，明汯投资在指数增强领域的一大特色是——运用日内Alpha策略。
日内Alpha策略——指的是研究日内高频数据，进而挖掘出的Alpha因子，进行的投资方法。
这类Alpha因子，不会特别放大净值的波动，同时可以提高组合收益率。
比如通过比较日内上午价格和下午的价格之间的规律行为，进而挖掘出投资方法。再比如通过寻找大量个股的日内信息，来做日内或隔夜投资。
一些消息称，明汯团队为了保证策略有效性，时常会选择当日收盘前下单，而非翌日下单。
明泓的日内Alpha策略究竟是哪些维度的策略，还没有公开的说法，但在头部量化私募中，它的这个安排具有独特性。
大中盘指数跑赢个股的几率上升
近期，明汯投资在一场投资者活动中指出，市场所谓牛市才能赚钱的共识并不准确，对量化而言更多的是“熊市赚钱”。
A股是一个“二元市场”，即2016年上半年之前由内资主导，2016下半年外资不断涌入后，机构投资者群体壮大，外资规模直逼公募基金规模。市场结构变化引发成熟投资者进入，情绪面和资金面成为行情重要变量。
这意味着以沪深300、中证500、中证800代表的指数投资，跑赢个股的几率上升。
因此，明泓认为，指数增强产品可以作为投资者观察净值“健康与否”的最好方式，这与股票主观多头策略截然不同，后者要持有的时间更长，量化更多是赚钱交易的钱。
他还认为，指数增强的另一个好处是投资者对持有产品有相对清晰的盈利和波动预期，而一般的股票多头（买入股票并持有策略）的产品，客户是无法有稳定心理预期的。
寻找“送钱的人”
对量化投资的认识，明泓还有哪些？
它认为，量化策略难以连续三个月跑赢市场，很少有私募能连续跑赢市场，盈利来源就是交易的钱。投资者实现盈利后就要赎回。
此外，它也承认，量化私募机构的交易较为灵活，换仓频率一般高于公募量化产品。公募基金指数增强基本满仓，至多一个月换一次仓，但这样的安排也容易导致超额收益持续下滑。
比如，2016年-2019年9月末，公募中证500增强平均收益分别跑赢指数15%、10%、6.9%和2.51%；公募沪深300指数增强平均收益分别跑赢指数9.5%、7.04%、6.91%和2.18%。
该机构认为，博弈市场环境类似“搓麻将”，对手方是牌技略逊一筹者，抑或是送钱者？
市场上能赚到钱的分两类：交易频率最高者和最低者。由于个人投资者占A股参与者31%左右，但贡献了82%的交易量，这就是诸多头部量化私募力求博弈的交易对手。
解指数增强策略
2019年初，明汯投资创始人裘慧明布局量化指数增强产品时指出， “投资收益主要靠alpha收益，而不是贝塔。所以在市场继续下跌的情况下，可以采取定投量化指数增强产品的方式进行股市投资，一方面摊薄贝塔的成本，另外一方面获取alpha的收益。”
近期，明汯投资的资料显示，指数增强型产品通过量化选股的概率模型获取超额收益，具有获取概率大，但单次获利不高的特点，通过日积月累的反复运作，可以为产品提供丰厚的额外收益。熊市中，指数增强型产品以超额收益作为安全垫，对冲指数下跌的风险，投资者获得的收益=超额收益-指数亏损。
这意味着，如果超额收益大于指数下跌的亏损，则投资者依然可以获取正收益，当年度超额收益越高，指数下跌幅度越小，投资者获得正收益的概率越大。
实际上，量化指增产品超额收益拆解为三大因素：模型胜率、模型赔率、模型成本。
模型胜率：胜率取决于模型本身的优劣、取决于基金管理人的研发能力。
模型赔率：取决于市场波动率，市场振幅大，价格沿特定方向运行的更远，量化模型赚钱的程度更大。
模型成本：管理规模扩张会影响模型成本进而影响超额收益。