通过回顾2017年之前量化策略普遍表现较好的年份，我们可以发现，很多模型都可以获得非常可观的超额回报，这就意味着我们在实盘中无论使用哪一个或多个模型都有很大机会战胜业绩基准。

但近年来，随着市场渐进的结构性转变，很多量化模型和策略都遭遇“滑铁卢”，其回撤幅度和周期都超过了以往，进而引起了大量量化投资工作者的重视。

不过无论市场环境如何严峻，量化策略都不会完全一败涂地。

以多因子模型为例，即使是在大量单因子策略都大幅回撤的年份（比如在2017年，规模、技术类因子的单年回撤幅度都超过了10%），还是能有少数因子表现出显著的抗跌效应（盈利、估值类因子在2017年的表现尚可）。

当然，平均来看，通过多因子模型获取超额收益的能力还是从2017年开始有所衰退，毕竟盈利、估值类因子5%左右的超额贡献与规模、技术类因子动辄10%-20%的超额贡献还是相去甚远。

量化投资最高的境界就是能把一切决策都交付于模型，但就现阶段而言，这显然还只是一个极为远大的理想，因为局限于历史样本的有限性、未来的不确定性，模型很难及时、准确地做出调整，就像几乎没有模型能够提前预测到2016年后市场风格的骤变一样。

模型无法实现的，却是人们可以通过主观能动性进行调整和完善的地方。当然，这需要量化投研人员对模型透彻的认识和对市场敏锐的嗅觉。

比如，在认识到量化模型终会回撤这一前提条件下，量化投资就不可能按照个别模型“蒙眼狂奔”地运行下去。

因为在模型开始回撤时，就预示着资金可能正暴露于某种未知的风险之下，进而随时可能产生自己不愿甚至不能承受的亏损。此时对模型进行仔细、透彻的二次研究是很有必要的。

或许只有将风险尽可能地拆解，才有机会最大限度地进行回避。总之，量化投资人员之于模型，就应像行业研究员之于个股一样，将研究工作不断细化，精益求精，才可能无往不利。

量化投资领域的发展前景可谓是一片大好。对于这一新生代的、前景广阔的新领域，早进入一步，就能比他人有更加明显的优势去占领这个市场。

量化投资的重中之重是策略模型，本帖提供99个策略模型供大家参考学习（提供源代码）。