系统性对冲基金10月连续亏损｜高频模型与量化策略面临回撤压力

🕘 发布时间：2025年10月13日

📍 来源：BrokerHiveX 全球宏观栏目

🧩 分类：量化交易｜对冲基金｜市场波动

一、事件背景：高盛报告揭示“系统性回撤潮”

2025 年 10 月，高盛集团（Goldman Sachs）发布最新市场流动性追踪报告指出，
系统性对冲基金（Systematic Hedge Funds） 在 10 月上旬出现了自去年以来最显著的日度亏损，
平均回撤幅度达 1.8%–2.6%，其中部分高频模型策略基金亏损超过 4%。

报告指出，主要损失来源包括：

• 美债收益率短期反弹引发趋势模型失灵；

• AI 驱动的量化程序未能捕捉宏观政策突变；

• 高频交易在波动放大的情况下被迫减仓止损。

二、核心原因：模型过度依赖“稳定假设”

高盛在报告中提到，过去三个月，部分系统性基金的算法模型过度依赖“低波动环境”假设，
而10月美联储与日本央行政策信号变化导致市场出现结构性错配。

“模型没出错，但世界在变。” —— 高盛量化团队（Goldman Sachs QIS）

三、市场影响：流动性骤降与波动扩散

10 月上旬，量化与系统性基金的仓位削减行为加剧了市场流动性紧张。

根据高盛与摩根大通联合数据：

• 系统性基金在一周内 减持全球股票约320亿美元；

• CTA（趋势跟随基金）仓位下降超过 25%；

• 全球股市波动指数（VIX）短期内上升至 22.8 点。

这导致市场短线流动性骤减，触发进一步的程序化抛售（Programmatic Sell-off），
形成“反馈型亏损”（Loss Feedback Loop）。

四、主要受影响基金类别

来源：Goldman Sachs Quantitative Investment Strategies (QIS) Report, 2025

五、分析师观点：风险转向“模型稳定性”

高盛策略师指出，这一轮回撤并非源自传统市场下跌，而是模型行为一致性过高引发的“拥挤交易效应”。

• 多家基金使用相似参数训练模型（如宏观因子回归、LSTM趋势预测），
  导致在触发信号反转时，集体减仓、加剧波动。

• 高频模型平均持仓周期仅 30 分钟，回撤周期短但频率高。

摩根士丹利（Morgan Stanley）补充称，
“当前AI量化基金的关键挑战不是算力，而是动态自适应能力不足。”

六、潜在风险传导：对市场意味着什么？

1️⃣ 短期风险：波动率升高，CTA与高频交易对市场价格弹性下降。
2️⃣ 中期风险：若系统性资金继续流出，可能触发“被动去杠杆化”（Deleveraging Wave）。
3️⃣ 长期风险：AI模型训练集依赖旧周期数据，未来或面临长期策略重构。

美联储内部研究部门（FRB Labs）指出：

“系统性资金的同步性是金融稳定性的新变量。”

七、策略调整：基金如何应对

面对连续回撤，多家量化机构正在采取如下应对措施：

• 扩大动态因子权重：提升宏观政策变量的实时响应；

• 引入AI风险监测模块：实时评估模型过拟合或参数漂移风险；

• 跨市场信号交叉验证：同时参考债市、汇市、商品市场信号以降低一致性风险；

• 强化人工干预机制：在模型异常输出时人工审核交易信号。

业内预计，部分机构将把 2026 年的模型更新周期提前至今年底完成。

八、结语：量化基金的“算法极限”再度显现

此次系统性基金的集中回撤，不仅暴露了高频模型的脆弱性，
也提醒市场——在AI时代，算法并非万能，流动性仍是最终边界条件。

正如高盛报告最后总结的：

“过去20年金融市场的核心问题是人类情绪，如今则是算法共识。”

🔗 参考资料

• Reuters – Systematic hedge funds hit with daily losses in October, says Goldman Sachs (2025)

• Goldman Sachs Quantitative Investment Strategies Report, Oct 2025