谈及量化投资所面对的新环境，田汉卿表示，今年市场最为突出的变化是小市值因子的失效。在过去数年中，中小市值股票比较稳定地战胜了市场，但不能说可以放心地把中小市值因子做主要Alpha因子使用，因为市值因子是有风险的。在成熟市场，市值因子可以有很大的反转，是比较典型的风险因子。好的量化模型需要寻找真正的阿尔法因子。
不把小市值作为主要阿尔法因子
今年以来，有些量化基金产品表现不佳的原因之一在于投资组合在中小市值因子上暴露过多。对此，田汉卿分析，2007-2016年，A股市场中小市值因子的超额收益显著，但是在海外成熟市场，市值因子通常会出现均值回归，是一个比较典型的风险因子。所以，尽管在A股市场，2016年年底之前小盘股连续跑赢大盘股，市值因子的超额收益回撤很小，但是市值因子是有风险的。在成熟市场，市值因子可以有很大的反转，是比较典型的风险因子。应努力寻找可以穿越不同市场环境的真正的阿尔法因子。所以，一直以来，华泰柏瑞基金的模型坚持对市值因子做中性化处理，不“赌”大小盘，今年以来旗下量化产品也因此没有受到中小市值因子回撤的影响。
她同时表示，从全球来看，估值因子在过去几年是最强的阿尔法因子，今年以来A股市场估值因子也表现突出。不过，单凭半年的估值因子强劲表现，尚不能证明A股市场已经与国际市场接轨。估值因子在A股市场的表现还是可能出现反复的。但是，从长远看，A股市场与国际市场接轨虽然进程会较为缓慢，但趋势是确定的，这个趋势也会逐步反映到阿尔法因子的强弱变化上。
对于华泰柏瑞基金的量化模型，田汉卿表示，这是基于基本面信息的“中长”持有期的选股模型，平均持股时间在中国市场属于中长期，即4-6个月或以上。本质而言，模型所希望捕捉的是站在4-6个月时间维度上，市场参与者对上市公司基本面信息可能做出的“反应”。
阿尔法最大化策略更适合个人投资者
正在发行的华泰柏瑞量化阿尔法基金采用的是Maximum Alpha策略，又叫阿尔法最大化策略。也即释放相应的约束条件，尽可能将量化模型的预测信息传递到投资组合中，以追求更高的阿尔法。
田汉卿表示，超额收益的大小取决于三方面因素：一是模型的预测能力，二是模型覆盖的广度，三是从预测信息到实际持仓的传导能力。
具体而言，首先，公司旗下现有产品都设置了跟踪基准，跟踪沪深300指数、中证500指数或创业板指数，而阿尔法最大化策略不设跟踪基准，因此可以不考虑跟踪误差。
其次，部分阿尔法因子无法进行跨行业比较，但一些其他因子可以进行跨行业比较。在过往产品所采取的策略中，一般对行业分布做中性化处理，但在阿尔法最大化策略中，可以适当打破行业暴露的限制，以尽可能地捕捉收益。值得注意的是，对于市值因子，新的产品仍然将保持中性化处理。
田汉卿进一步表示，机构投资者市场研究能力较强，所以偏好风险收益特征明确的产品，设置跟踪基准的产品更适合他们。阿尔法最大化策略则更适合个人投资者，虽然损失了一定的透明度，但是胜在灵活性强、效率高。