一家藏在上海陆家嘴的量化公司，创始人中科大少年班出身、东京大学物理学博士，没有扎进行业里更卷的高频赛道，而是用“人工挖因子、逻辑先行”的“笨办法”，三年做到百亿规模。
这家公司叫华年私募，创始人薛钰新是一位90后。三年前，他还在头部量化私募天演资本管理超400亿元规模的股票Alpha策略；如今，他带着一支8人的投研团队，把华年带入百亿阵营。
业绩上，华年旗下指增产品8月平均超额收益超过***%，今年1-8月平均超额收益高达***%，超额获取能力突出。
更值得注意的是，在今年中证500指增超额普遍衰减、甚至成为负超额重灾区的背景下，华年旗下“华年500增强1号”，截至8月末年内超额达到了***%。
[应监管要求，私募基金不能公开展示业绩，文中涉及收益数据用**替代。（**仅作内容遮挡，不代表收益大小或者字符数量。）]
这家90后掌舵的量化私募，究竟是如何做到的？我们一起来看看。
物理博士的量化选择
华年创始人薛钰新的履历，在量化圈不算典型。中科大少年班出身，东京大学物理学博士。2017年进入量化行业，从研究员做起。
他这样理解物理和量化的关系：“物理研究解释自然现象，量化投资试图解释市场运行规律。对象不同，但都需要在复杂噪声中提炼规律。”
2019年，薛钰新加入百亿私募天演资本，担任股票Alpha策略负责人，从零搭建中低频多因子策略体系。到2023年离开时，其管理的策略规模峰值超过400亿元。这个数字在国内量化行业具有标志性意义，也意味着他的方法论经历过大资金的全周期实盘检验。
2023年5月，薛钰新创立华年私募，2024年7月完成备案。此后近两年，公司规模从5亿到35亿，再到超百亿，每一步都踩在策略容量允许的节奏上。
规模能稳住，靠的不是一个人，而是一支能持续迭代的团队。
公司团队核心投研成员，学历背景也相当亮眼，大多来自清北、中科大、伯克利、新加坡国立等知名院校。同时，华年坚持内部培养，新人会从因子挖掘入手，逐步掌握完整研究体系。这支团队，也支撑着华年策略体系的持续迭代。
反着走，偏偏不卷高频
在量化行业，速度曾是最直观的竞争力。从分钟到秒，从秒到毫秒，再到微秒，谁更快，谁似乎更接近Alpha。但越来越多资金挤进同一套高频博弈框架后，交易速度不断逼近物理极限。
量化的长期胜负，真的只取决于谁更快吗？薛钰新的答案是否定的。在他看来，当速度竞争逼近极限，继续卷高频未必是唯一出路。
华年因此选择了另一条路：中低频。年化双边换手率大概30到40倍，平均持仓周期7到13个交易日，平均预测周期10天左右。华年这么选，有几个很实在的考虑。
首先是容量。高频策略太依赖市场微观结构和交易速度，规模上升后容易撞上冲击成本和流动性约束。中低频赚的是更长时间维度上的定价偏差，对短期的交易摩擦没那么敏感，规模往上走时，收益衰减得更平滑。华年现在单策略运行规模100亿元，总策略容量的目标是400亿元。
其次是交易损耗。低频换手意味着更低的冲击成本和执行摩擦，策略无需在极窄的时间窗口内完成买卖，对短期波动的敏感度也下来了。
还有一个是低相关性。决策周期长、因子构建方式差异化，意味着和其他策略“撞车”的概率更小。极端行情下，大家同时踩刹车的拥挤踩踏风险也更低。薛钰新把这一点看作跨周期稳定性的重要来源。
所以，中低频并非退而求其次，而是主动取舍，用更长持有周期，换取更大容量、更低交易损耗和更低策略相关性。
不靠黑箱，靠“可解释”
但选对赛道只是第一步。真正决定华年超额质量的，是他们在因子上下的功夫。
华年的超额收益主要靠选股。根据资料，公司纯选股超额（Pure Alpha）占比约85%，风格和行业暴露贡献有限。赚选股的钱，意味着每一个因子都得讲得清逻辑、经得起验证，即“可解释性”。
公司内部把这套方法论概括为“演绎先于归纳”，即先基于对市场微观结构的理解，提出一个逻辑假设，再用数据去验证，而不是反过来，直接从数据里挖相关性，挖到什么算什么。
落到因子上，这种理念体现为对人工逻辑挖掘的坚持。华年的因子库里储备了超过8000个因子，实盘用的大概1000个，每年人工新增1000到2000个。每个核心因子都得有清晰的经济含义和作用机制，来源可能是学术论文、市场逻辑的迭代，或者对交易行为的观察。
因子结构上，量价为主、基本面为辅，超额收益贡献里量价大概占七成，基本面占三成。比较特别的是，他们不是像行业里常见的那样“分别挖、事后拼”，而是把量价和基本面在因子层面就直接耦合在一起。他们认为这种原生融合，能让模型的普适性和稳定性更好。
预测周期定在10天左右，也是逻辑推演的结果。预测太短，基本面信息难以体现；预测太长，量价信息又衰减得太多。7到13个交易日是两者的平衡区间，10天是中间值。
数据上，他们坚持用原始数据而非第三方加工数据，从交易所或原始数据商拿底层数据，自己清洗、加工、交叉验证，减少口径漂移和黑箱依赖。因子之间的相关性控制在0.6以下，线性模型要求更严，需控制在0.5以下。防过拟合上，严格区分训练、验证和测试样本，尽量用长期历史数据来判断因子到底是否可靠。
目前，华年研究转化率大概60%，每提出10个研究问题，能有6个落地成有效因子。
这套方法的核心，不是让模型更复杂，而是让每一个超额来源都能被解释、被验证、被迭代。
风控不是事后补救，是前置设计
很多机构讲收益，风控只是最后一道防线；华年的做法相反，风控从一开始就写进策略设计。其风控体系以“中国Barra+”为核心。在标准Barra框架基础上，他们自主研发了30多个本土化风险因子，还引入了非线性模型，提升对A股市场风险来源的解释能力。
硬性约束上，风格暴露控制在±0.3个标准差以内，单只个股权重不超过0.5%，指增策略的行业偏离平均在1%以内，持仓分散在800到1200只股票之间。华年的量化中性产品一般会保留5%左右的多头敞口。
更值得关注的是动态风控。公司设了一套风险预算机制，系统实时计算和预测组合的最大回撤，当预期回撤接近5%的预警线时，会自动触发减仓。
据悉，2024年春节前后市场极端波动那会，这套系统预判回撤可能超过预警线，自动把市场中性策略的整体仓位降低。最后，春节期间的回撤被控制在了较小范围内。这不是事后补救，而是事前算好、自动执行。这套机制，也是华年规模逐步做大的底气。
写在最后
高频赛道越来越拥挤，交易速度也会不断逼近物理极限，这是量化行业当下乃至未来都要面对的现实。华年的百亿路径，提供了一个不太一样的样本：不拼速度拼深度，用中低频策略承载更大的规模，用可解释的因子逻辑代替黑箱，用前置风控守住底线。
它的启示或许在于：当速度竞争接近极限，量化机构真正的差异化，会重新回到对市场规律的理解、对策略容量的克制，以及对风险边界的尊重。百亿规模只是一个结果，背后是一套在收益、容量和风险之间找到平衡的方法论。
