2025年量化投资分析报告：ANS优化器如何实现年化超额收益提升2.44pct

"如果总是做显而易见或大家都在做的事，你就赚不到钱。"本杰明·格雷厄姆的这句名言在当今量化投资领域显得尤为深刻。随着人工智能技术在金融领域的深入应用，华泰证券最新发布的《ANS：让优化器学会远离噪声交易》研究报告揭示了一种融合行为金融学思想的革命性优化器，它通过三阶段优化流程，成功在中证500指数增强策略中实现了年化超额收益提升2.44个百分点的显著效果。这一突破不仅代表了量化投资技术的进步，更标志着行为金融学理论在实践应用中的重要里程碑。本文将深入解析ANS优化器的核心原理、技术架构及其在指数增强策略中的卓越表现，为读者揭示2025年量化投资领域的前沿发展趋势。

一、传统量化投资的困境与行为金融学的崛起

传统量化投资长期建立在有效市场假说(EMH)和理性人假设基础上，最具代表性的投资组合优化框架包括马科维茨的均值-方差模型和冯·诺依曼(VNM)期望效用理论模型。这些经典框架虽然理论优美，但实操性有限，因为它们假设所有投资者都是理性的，且对未来做出无偏估计。然而，现实市场中充斥着各种非理性行为，Kahneman和Tversky(1979)的前景理论已经证明，投资者决策严重依赖当前盈亏状态，对损失的敏感度远高于收益，这与传统理论假设形成鲜明对比。

行为金融学作为行为经济学的分支，于20世纪80年代兴起，摆脱了理性人假设的束缚，致力于研究投资者心理如何影响投资行为。该领域曾两次获得诺贝尔经济学奖(2002、2017年)，逐渐获得学界和业界的广泛关注。行为金融学借助心理学研究分析投资者的系统性认知偏差，包括过度自信、乐观主义、锚定效应、确认偏误等非理性信念，以及前景理论、模糊厌恶等非理性偏好。这些研究为量化投资提供了全新的视角和方法论。

表：传统量化投资与行为金融量化投资的对比

在实践中，传统量化模型往往难以解释和利用市场中的"异常现象"，而行为金融学为这些现象提供了合理解释。华泰证券研究团队发现，基于累积前景理论(CPT)构建的传统TK因子在A股市场表现不佳，平均IC值仅为-1.18%，分层效果不明显，无法单纯通过TK因子实现较高收益。这一发现促使研究团队转变思路，不再试图直接构建预测性行为因子，而是将行为金融学理论融入投资组合优化过程，从而诞生了ANS对抗噪声交易优化器这一创新解决方案。

二、ANS优化器的技术架构与三阶段优化流程

ANS(Adverse-NoiSe)对抗噪声交易优化器代表了量化投资技术的一次重大飞跃，其核心创新在于将行为金融学的累积前景理论融入组合优化过程，通过三阶段优化实现远离噪声交易的智能决策。与传统的单次优化不同，ANS优化器依次输出四次权重：原始投资组合权重、非理性投资组合权重、对抗投资组合权重和最终的理性投资组合权重，形成一个完整的优化闭环。

ANS优化器的第一阶段是输出原始投资组合权重w^opt，其构造方式与传统优化器类似，但去除了换手率约束以避免路径依赖。这一设计确保了由Alpha因子配置的投资组合能够准确用于后续流程。第二阶段基于累积前景理论输出非理性投资组合权重w^cpt，这是ANS的核心创新点之一。研究团队将TK值中的个股收益标量拓展为投资组合收益R·W，通过求解组合优化问题使组合整体TK值最大化，从而准确刻画噪声交易者的行为特征。

表：ANS优化器三阶段流程与功能

第三阶段是ANS最具策略性的部分——对抗投资组合权重输出。研究团队没有简单地最大化w^opt与w^cpt之间的距离，而是创新性地利用w^cpt对w^opt做出对抗修正，通过构造非理性投资组合的持仓变动，实现反向交易行为模拟。对于非理性交易者当期集中买入的股票，理性投资者做相应卖出；对于集中卖出的股票，则做相应买入。这种巧妙的对抗机制使优化器真正"学会"了远离噪声交易行为。

最终的理性投资组合权重输出阶段解决了对抗投资组合可能违反约束条件的问题。研究团队引入多任务学习，将目标权重与对抗组合的L1范数距离作为目标函数的一部分，在预测模型与约束条件的指导下，尽可能缩小理性组合与对抗组合的差别，同时满足各项实际投资约束，包括个股权重限制、行业偏离约束、换手率限制等，确保输出结果具备实际可投资性。

三、ANS优化器的实践表现与行业启示

ANS优化器在中证500和中证1000指数增强策略中的实践表现验证了其卓越的有效性。在2018-03至2025-04的回测区间内，基于GRU量价因子构建的指数增强策略显示，采用ANS优化器的理性投资组合相比传统优化器实现了显著提升。其中，中证500组合的年化超额收益从8.56%提升到11.00%，增幅达2.44个百分点；中证1000组合的年化超额收益从16.59%提升到18.26%，增幅1.67个百分点。更值得注意的是，在提升收益的同时，ANS优化器还降低了组合风险，中证500组合的超额最大回撤从13.40%降低至9.84%，信息比率从1.28提升至1.74。

表：ANS优化器在中证500指增策略中的表现对比(2018-2025)

ANS优化器的成功实践为量化投资领域带来了重要启示。首先，它证明了行为金融学理论可以不必通过传统因子形式落地，而是直接融入优化过程，这为行为金融应用开辟了新路径。其次，ANS的"即插即用"特性使其能够适配任意上游Alpha预测因子，大大提升了实用价值。研究团队特别强调，ANS优化器不需要改变任何风险约束，仅额外增加"历史周度收益"一项数据需求，这种轻量化的改进方式极具工程实践价值。

展望未来，ANS优化器所代表的技术方向还有巨大发展空间。一方面，累积前景理论仅是行为金融学领域的冰山一角，其他如心理账户理论、模糊厌恶理论等都有融入优化过程的潜力；另一方面，随着高频数据的丰富，仅使用周度收益刻画非理性交易者可能已不够精确，引入更高频的行为数据有望进一步提升模型效果。华泰证券研究团队认为，配合更前沿的行为金融理论、更高频的数据及更先进的优化算法，行为金融学在量化投资领域将展现更大的应用价值。

常见问题解答(FAQs)

ANS优化器与传统量化优化器的主要区别是什么？

ANS优化器与传统量化优化器的核心区别在于其融入了行为金融学的累积前景理论，通过三阶段优化流程主动识别并远离噪声交易行为。传统优化器仅基于理性假设进行单次优化，而ANS通过原始组合、非理性组合、对抗组合和理性组合的四次权重输出，形成一个完整的优化闭环，能够同时利用市场理性因素和非理性行为带来的机会。

为什么选择累积前景理论作为ANS的理论基础？

累积前景理论是行为金融学中最经典的理论之一，它系统描述了人们在风险决策中的非理性特征，如损失厌恶、概率权重扭曲等。相比早期版本，累积前景理论允许风险决策有多个可能结果，并提供了具体参数值(α=0.88，λ=2.25，γ=0.61，δ=0.69)，使其具备了实操性。华泰研究团队发现，虽然基于CPT的TK因子预测能力有限，但其在组合层面的应用却能有效刻画噪声交易行为。

ANS优化器在实际应用中面临哪些主要挑战？

ANS优化器面临的主要挑战包括：1)非理性投资组合优化是非凸问题，需要使用MM算法等复杂方法近似求解；2)为准确刻画噪声交易者，需要保证股票池足够大，因此难以应用于成分股较少的指数；3)优化流程复杂，计算成本高于传统优化器。研究团队通过多种工程技巧(如等权初始值、适中个股权重约束等)缓解了这些挑战，使ANS具备了实际应用价值。

相关深度报告

金工深度研究：ANS，让优化器学会远离噪声交易

报告介绍：本报告由华泰证券于2025年5月29日发布，共21页，本报告包含了关于金融工程的详细内容，欢迎下载PDF完整版。