近日，正仁量化创始人刘旭晖受邀出席中信证券（600030）2027年资本市场策略会，发表题为《量化择时的来时路》的演讲，系统复盘团队在量化择时赛道上的四轮迭代，并就“端到端统一择时与选股”“分域择时”“滚动训练”等方法论与参会嘉宾展开交流。
择时的起点，是优化持有体验
在量化投资的主流叙事中，“满仓跑超额”长期占据方法论正统，择时则常被视为难以稳定兑现的“昂贵故事”。2026年A股由趋势上涨转入震荡，部分择时策略阶段性失灵，外界怀疑随之加深。
刘旭晖把择时的问题起点归结为投资决策的离散性与非理性。阿莱悖论表明，同一批人在数学等价的选择面前，会因心理偏差做出相反决策，投资很少真正基于胜率模型。
这构成了客户持有体验的核心痛点：即便长期价值投资能带来回报，心态扰动也会让投资者在持有过程中下车，回撤越深越难坚持。对满仓运作的量化指增产品而言，在指数下跌过程中，即便超额收益很高，本金仍可能亏损，客户往往等不到下一波行情；频繁换股会带来磨损，上半年有效的产业逻辑，到下半年也可能错位失效。
“这些因素的叠加，会进一步侵蚀客户的持有信心，也使资金复利更难实现。因此，资管行业服务客户最终还是要落到优化持有体验上。”刘旭晖说，“基于上述判断，正仁将量化择时确立为长期投入的核心方向，围绕择时与选股的关系持续推进模型迭代。”
四次迭代：做出来、推翻、再重建
刘旭晖将正仁的择时探索划分为四个阶段，每一阶段都针对上一版暴露的结构性缺陷。
第一代在传统指增框架上引入指数时序预测模型，用于判断现货端何时减仓、何时加仓；盘中以15分钟级别调整仓位，区间为60%—140%。该模型在超额表现上取得了阶段性成果，但指增产品不能完全偏离基准，即便市场走势再差，也必须保留60%的底仓。这促使团队思考：能否打造一款能降至空仓、真正追求绝对收益的产品？正是这一思考，推动正仁从相对收益开始转向绝对收益。
第二次迭代源于对前述矛盾的进一步追问：如果择时与选股各自独立研究，即便两个模型分别达到60%胜率，叠加后的联合胜率仅有36%。原因在于，选股判断正确与择时判断正确并不必然匹配。正仁由此推论，分开研究择时信号与选股信号的方法无法实现全局最优，必须把两件事合并为一件事。
正仁由此转向端到端统一建模，用深度学习时序预测方式统一迭代特征、模型与仓位，将时序预测与截面选股纳入同一模型进行全局最优求解，以高夏普为最终训练目标。模型学习对象从“跑赢基准”转向“任何市场环境中均能实现绝对收益”。
第三代“分域择时”则回应了市场结构性分化的问题。6月，科技板块与万得全A极致分化，红利股与科技股不能共用同一套仓位信号，不同类型票池需与短、中、长周期（883436）信号差异化适配。因此，正仁研究团队对市场结构进行拆解与动态分析，追踪不同题材、行业、板块的量价流入流出与情绪因子，试图在“不同类型股票、不同周期（883436）择时信号”的矩阵中寻找差异化适配区域。
第四代体系在大模型时代的能力跃迁中展开。刘旭晖称之为“同一赛道内的代际差”。团队为此构建了千卡级算力集群，将量价、基本面与情绪因子置于同一训练框架，盘中完成实时滚动迭代。
择时的价值不在“最小回撤”
刘旭晖表示，评价择时体系需要足够长的观测周期（883436），以过短样本判断有效性，在统计学上缺乏意义。
他同时称，不能将“回撤最小”作为择时策略的单一评价标准：当模型进入保护成本递增区间后，每降低1个百分点的最大回撤，都要以大幅牺牲最终收益为代价。正仁的选择是在收益回撤曲线的拐点区域定位模型，而非不计代价追求极致的低回撤。
支撑这一迭代的，是他提及的五个步骤：提出原假设、推翻原假设、定位问题、重新定义问题和假设、给出方案与验证。在他看来，这套流程本质上是一套将科学研究范式移植到投资系统的工程纪律。
“放下焦虑，选择复利，更是选择生活。”刘旭晖表示，正仁的理想正在于此——用体系化的研究，把投资从情绪的离散样本中解放出来，使之成为一件可以长期坚持、也可以安心托付的事。
