前言
对于股票量化策略来说，其核心思路是基于过去一段时间的量价、基本面等各种数据（因子），根据某个模型（线性多因子模型，非线性的机器学习模型等）或者多空信号筛选机制可以筛选出未来一段时间表现较好的一些标的，这就意味着这样一种“拟合”的过程是在一定的市场环境或者说市场表现出的某种量价特征的环境下发生的。
市场环境是不断变化的，若上述的历史规律在新的市场环境下失效，那策略的运行结果便可想而知。因此，每一种策略有其市场适应性，不管是上述介绍的股票类量化策略还是期货类量化策略，对于策略在什么样的市场环境下能够有较好的表现是值得我们分析和掌握的一项基础知识，也是对于策略的有效性进行预测和合理评估的一个基本前提。
本文综合业内对量化策略环境分析的研究，提取主要的量化环境评价指标，对指标加以解释、评价、测算，由于这些指标并没有直接的数据提供方，针对广大中小投资机构或者个人爱好者需求，本文提供详细的测算代码便于读者进行经常性的更新和分析使用（如果读者具有wind金融终端的使用权限，关注本公众号后联系作者获取代码可以很方便地得到结果，如果读者没有上述权限，可联系作者获取定期更新的量化环境评价结果）。
本文所研究的主要量化环境指标
Part 01
时间序列波动率
数据来源：Wind，指标结果及图片的呈现由本公众号处理，数据更新至2021年9月24日。
Part 02
截面波动率
数据来源：Wind，指标结果及图片的呈现由本公众号处理，数据更新至2021年9月24日。
中证500指数月截面波动率 | 沪深300指数月截面波动率 | 中证1000指数月截面波动率 | 国证2000指数月截面波动率 | 万得全A指数月截面波动率 | |
历史分位点（2018年以来） | 97.78% | 86.67% | 66.67% | 84.44% | 62.22% |
中证500指数周截面波动率 | 沪深300指数周截面波动率 | 中证1000指数周截面波动率 | 国证2000指数周截面波动率 | 万得全A指数周截面波动率 | |
历史分位点（2020年1月份以来） | 48.89% | 54.44% | 35.56% | 27.78% | 16.67% |
Part 03
行业热点扩散
前文提到，热点扩散也就是横截面波动率，另外一个典型的热点扩散的指标是行业热点扩散程度，可以使用申万一级行业收益率的截面标准差来刻画市场热点的扩散程度，同理，当截面波动率越高的时候，市场热点扩散明显，有利于指数增强策略筛选出具有alpha收益的个股。
数据来源：Wind，指标结果及图片的呈现由本公众号处理，数据更新至2021年9月24日。
Part 04
交投活跃度
数据来源：Wind，指标结果及图片的呈现由本公众号处理。
Part 05
赚钱效应
数据来源：Wind，指标结果及图片的呈现由本公众号处理。
Part 06
市值及风格相对收益
数据来源：Wind，指标结果及图片的呈现由本公众号处理，数据更新至2021年9月24日。
Part 07
简单总结
最后，我们可以做一个简单的散点图，观察一些量化环境指标与指数增强基金的超额收益的关系。限于篇幅，本文就不在此详细作图或者对每个指标进行详细的评价，实际上通过数据可以发现很多有意思的现象，感兴趣的朋友可以获取数据后自行研究。另外，文中所涉及的所有图像均为动态图，可以自行选择分析指标、分析周期方便读者进行研究。
数据来源：Wind，指标结果及图片的呈现由本公众号处理，数据更新至2021年9月24日。
部分代码示例如下：
后记
对很多中小机构和个人投资者或感兴趣的研究者而言，定期分析以上量化环境便于加深对量化策略环境的了解是非常重要的。
以上的指标需要进行大量的二次数据加工、计算和绘图，本文已将全部过程通过代码实现，方便快速获取最新的结果，
