会议主题：市场接近底部区间，300指增配置价值凸显王阳峰：中金基金量化指数部基金经理。清华大学数学与应用数学学士，清华大学统计学硕士。9年金融从业经历，7年基金投资运作管理经验。曾任宏利基金金融工程部研究员和投资经理、嘉实基金量化投资经理。投资风格特点：以基本面量化策略和数据驱动类算法为双支柱的“双轮驱动、人机互动”策略框架，多元化收益来源，分散化投资风险，追求超额收益的稳定性和可持续性。
苏俊豪：王总下午好 ，首先能谈谈您对量化投资的理解与投资的框架吗？
王阳峰：我理解的量化投资是把投资理念和研究方法通过规则化的方式去实现出来，形成一套可执行、可回测、可监控、可归因的完整操作思路，它的优点是纪律性比较强、受情绪的干扰比较少，可以通过历史数据对投资方法和思路进行复盘和分析验证。随着人工智能技术的发展以及更多数据来源的引入，量化投资策略也在不断的进化和发展。我们中金基金量化指数团队在量化指数投资领域经深耕多年，形成了一套科学、系统、完整的投资框架。团队的投资理念可以概括为，逻辑为纲，实证为本，创新为要，体系为基。通过科学、系统的投研流程，严谨的逻辑和实证分析框架开发策略，不断将先进工具和前沿数据引入到投研过程中，强调研究的前瞻性、深入性和实战性，不断更新和迭代投资策略。投资流程共由四部分构成：收益预测、风险控制、组合优化及归因分析。收益预测方面，采用了多策略的管理架构，形成了以基本面量化策略和数据驱动类算法为双支柱的“双轮驱动、人机互动”策略框架。风险控制方面，中金基金量化指数团队基于经济学逻辑和统计学方法，自主开发了包含基本面风险模型和统计风险模型在内的定制化混合风险模型。组合优化部分，在考虑组合换手率、交易成本、交易冲击等因素的同时，将收益预测和风险控制进行有机融合，高效完成组合构建，提升信号转化效率。而归因分析部分，能够帮助基金经理精确分析组合收益和风险的来源，以便更好进行归纳总结，提升投研能力。具体到投资策略层面，团队坚持基本面量化策略与算法驱动类策略双轮驱动的策略框架，自上而下与自下而上、基本面量化与前沿算法、线性逻辑与非线性思维相结合，以此为基础构建Alpha策略，结合风险模型约束市场风险、行业风险、风格风险和个股风险，追求稳定可持续的Alpha收益。投资风格上注重均衡配置、适度分散持仓，以控制组合相对于基准的波动风险。苏俊豪：因子是搭建量化投资的基石，咱们产品的因子库里现在都有哪些因子，因子的开发和迭代的过程又是怎么样的？王阳峰：中金基金量化指数团队在进行指数增强产品管理的时候，为了多元化收益来源，分散化投资风险，采用的是多策略的管理架构，形成了以基本面量化因子和数据驱动类算法因子为双支柱的“双轮驱动、人机互动”因子体系。基本面量化因子包含了大家比较熟悉的传统的各种类型的，比如财务、分析师这些因子，我们更多的是做了分域的研究，开发了一些比较特色化的分域的因子。数据驱动算法类因子分两类，一类是通过人为挖掘，从逻辑上去构建交易算法的因子，使用高频数据、分钟数据、挂单数据等；另一类是采用人工智能算法去挖掘因子。 1、数据来源方面：基于公司财务数据、分析师预期数据、市场交易数据，以及各种另类数据，综合利用基本面定价逻辑和前沿人工智能算法，来开发预测股票超额收益的Alpha策略。 2、因子开发的研究方法方面：a、基本面量化因子主要从公司的基本面出发，基于财务数据和预期数据，利用非线性因子模型动态评估公司内在价值，寻找市场价格低于其内在价值的公司进行配置；b、数据驱动类因子，我们是人为挖掘和人工智能算法两条腿走路，在各种频率的海量交易数据中寻找市场规律，捕捉定价偏差的机会。两类因子的信息来源、算法逻辑均差异较大，策略收益相关性较低，互补性较强，多元配置能有效分散化投资风险，提升增强组合超额收益稳定性 3、因子的跟踪和检验、更新迭代：中金基金量化团队有一套严格的策略跟踪和检验的流程，因子开发完成后会对各个策略紧密的跟踪，当发现策略表现不符合预期或策略逻辑发生根本性变化时，会基于因子表现、因子特征针对性进行分析，确认是短期表现不佳还是因子彻底失效，从而进一步采取操作，对策略进行升级改造和更新迭代。苏俊豪：今年（2023年）以来市场高开低走，近期经过连续调整后，300指数的股债收益差已经接近2倍标准差的低位，从历史上来看这是一个比较有效的底部指标，那么您觉得当前环境下配置300指增的性价比如何，对未来一段时间的市场表现又有哪些看法？王阳峰：沪深300的成分股都是A股较为成熟的头部公司，盈利能力强，估值中枢较为稳定，因此股债收益差的指标能够较好的识别底部区域。年初至今，行业超额收益与主题及公募筹码强相关，与景气度弱相关，估值让位于筹码，反映A股资金面是一个存量甚至缩量博弈的环境。存量环境下，当市场没有主线时，会呈现出窄幅震荡，行业主题快速轮动的行情。五月A股市场整体偏弱势，市场短期震荡调整，多数宽基指数呈现M型走势。本轮市场的调整一方面来自于前期市场涨幅的兑现，另一方面来自于经济复苏预期的修正。预计经济将延续恢复态势，但修复速度有待加强。在当前国际环境严峻复杂，需求不足制约明显的条件下，企业盈利持续恢复面临较多困难，但对于后续经济增长的企稳可能不必过于悲观，未来重点关注政策领域执行及落地情况。在没有出现明显利好催化之前，短期投资者风险偏好的回落可能会继续影响资产价格表现，A股出现了一些历史上常见的窄幅震荡的偏底部特征，我们认为当前位置沪深300指增的性价比较高，机会大于风险。苏俊豪：公募量化产品以宽基指增为主，300指增在其中占了很大的比重，不过和500、1000等指数相比，300指增的平均超额一般要低一点，您觉得在300指数上做增强，有哪些特点和难点？王阳峰：相比于中证500和中证1000，沪深300有以下的特点：第一，成分股的数量相对要少一些，选股宽度比500和1000更窄；第二，个股的集中度相对来讲比较高，权重股的影响比较大，不像500和1000那样个股比较分散，所以沪深300做超额收益的时候，可能对个股偏离需要更控制得更严格一些，否则超额收益的波动可能会比较大；第三，行业分布相对比较集中，而且行业内个股分化度比500和1000指数要低一些。因为300指数每个行业可能就是头部的几个股票，头部的几个股票之间的差异没有那么大，不像500或者1000的行业里股票数量比较多，个股分化程度高；第四，300成分股的机构研究覆盖度也是比较高的，定价非常的充分，所以就导致300指数超额收益还是比500和1000要低一些，而且做起来也相对困难一些。我们感觉300的超额收益比500和1000指数要更难获得，而且由于沪深300的行业结构问题，300增强的超额收益受风格的影响更大，不同市场风格下有效的策略是不一样的，超额收益的波动会更大一些。因此，需要对行业风格进行更为严格的约束和限制。300的定价更充分，在500和1000上面有效的一些因子，可能放在300里面不一定有效，所以我们会做的更精细一些，通过各种方式去分域开发一些更精细的策略。苏俊豪：从18年到现在，市场经历了一轮多的牛熊转换，市场风格从抱团到瓦解，也有频繁的行业与赛道的轮动。咱们中金基金也有沪深300增强产品，要做到在不同市场环境下都有较好的表现，需要注意哪些点？王阳峰：我们国家自改革开放以来经济高速发展，产业的变迁速度是比较快的，资本市场的改革也是在不断的进行。我们大概用了30多年的时间走过了西方发达国家一两百年的路程。因此A股上市公司的产业结构不断快速变迁，资本市场制度更新比较快。所以，A股市场的结构变化和市场的风格切换，相对会比较频繁一些，而且持续时间比较短，这给指增产品的超额收益，带来了一定的困难。因为无论是主动投资还是量化投资，都是需要一个相对稳定的市场环境和市场结构，如果说外部环境和市场结构一直都在快速的发生变化，无论什么策略都会体现出来快速的失效。我们从一开始，就对大的环境和背景有一个比较清醒的认知。因此在组合管理过程中，一方面不断的加强300成分股的研究，及时更新迭代策略；另一方面，对于常规策略之外的制度套利alpha来源也积极参与，力图捕捉一切机会增厚收益，为持有人谋利。苏俊豪：今年（2023年）以来有两个大的投资主线，一个是AI，另一个是中特估，您对这两个方向怎么看，当市场出现大的投资热点时，咱们的指增产品会更加关注其中的投资机会吗？王阳峰：当前A股行情的两大主线，一个是中特估，一个是AI数字中国。实际上，当前国内改革的两大主线，一个是代表存量市场的国企改革，另外一个代表增量资金的资本市场改革。而资本市场的改革就是为了实现资源配置的优化，助力经济动能的加速转型，转型的目的就是实现从以传统消费为经济基础的旧周期进入以科技拉动的新消费的经济新周期。在市场风险偏好回落以及估值逐渐涨至高位的情况下，前期热门的热点概念和板块，积累了一定的涨幅，资金在获利结算的需求下，存在阶段性调整的风险。每一轮的投资热点驱动逻辑都是不一样的，对于由基本面驱动，基本面有动量效应，行情持续较长的投资热点，量化策略更能去捕捉，这类投资热点的机会我们在指增账户中会积极参与。比如说我们可以看到，2019、2020年，甚至到2021年的两三年的时间之内，一些有基本面动量的新能源、白酒、医药创新药的这些机会，其实很多的基本面的量化策略，都是能捕捉到的，能够把这些热点和主线抓住，像这种机会，我们的指增账户就会积极的参与。今年以来的主题概念，它是一个非常规性事件驱动的一个投资热点，也不是由基本面驱动的，历史上没有出现过。过往也曾有其他的类似的热点，比如说上海自贸区，还有像其他的各个阶段出现的一些不一样的投资热点，它们的特点就是非常规性事件驱动的，阶段性的、不可重复的，不是由基本面驱动，未来可能也不一定再有，这种投资热点，它的投资逻辑往往是比较新的，行情持续的时间也存在不确定性。这种情况下往往会给指增账户带来一定的超额的回撤。因为大家的策略其实是没有覆盖这一类的突然出现的新的逻辑，所以，这种投资热点我们一般以风险控制为主。对于不同的投资热点，我们看策略是否能够把握得住，用已有的策略能够把握得住的投资热点，我们会积极的参与，对于一些策略不容易把握的投资热点，我们会以控制风险为主。苏俊豪：今年chatgpt概念非常火爆，您觉得chatgpt能为量化投资提供哪些方面的助力呢？王阳峰：chatgpt我们也有一些了解，它的全称翻译成中文就是生成型预训练变换模型。它是美国公司open AI在去年11月30号发布的聊天机器人程序，能够用于问答、文本摘要生成、机器翻译、代码生成等。 chatgpt和其他AI算法的最大的区别在于它是一种基于transformer架构的生成式预训练模型，通过预先训练在大量文本数据上以生成文本为目标，来学习文本生成任务的模型。这种方法与其他这些学习方法最大的不同之处在于它是没有任何特定任务目标的情况下，通过预先学习整个语言模型的方法，然后在特定任务上调整模型参数。目前来看，国内量化投资用的一些算法类的策略，其实还是以特定的数据、特定的目标去设计算法和训练的，这是跟chatgpt最大的一个区别。想单纯依靠chatgpt给出的模型，开发出成熟可盈利的策略，目前来看还比较困难。因为给出的模型相对简单，参数设置也缺乏逻辑支持。但是，chatgpt迭代升级的速度非常的快，我相信未来是有可能通过chatgpt开发策略的。一旦chatgpt能够用于开发成熟的量化策略，那么可能使用chatgpt来开发策略的人员就不止于我们现在的量化从业人员，可能有基本面的从业人员和研究人员，甚至包括一些散户，也有可能会去应用，那在这种情况下，大家对市场的分析和认知就变得非常重要，反而编程的门槛大幅降低。chatgpt其实是大幅的降低了大家编程的门槛和难度，然后，把对市场的分析和认知，提高到了更重要的位置，所以未来想法比编程更重要，这是我们对chatgpt的一些看法。苏俊豪：我们留意到，2019至2020年里和主动权益投资相比，传统宽基指增表现要稍弱一些，但2021年以来形势发生了变化，代表主动权益投资平均水平的885001指数，跑不赢300、500等宽基指数。您觉得在未来，宽基指数会更占优势吗，对于近两年公募量化这边涌现的一批对标885001指数的产品，您又是怎么看待的呢？王阳峰：从历史上来看，885001指数长期是能跑赢宽基指数的。我们以中证800指数来代表市场，考虑到885001是基金指数，基金在实际运作当中不会是满仓的，我们可以把中证800乘以一个90%的仓位作为它的基准来看。从2009年1月以来，885001相对于基准的年化超额收益是4%左右，与公募指增产品年化超额相当。 885001相对于中证800的超额收益历年看分布不均匀，它不是每年都跑赢市场指数，也不是稳定的能跑赢市场指数，累计超额收益呈现震荡向上的走势。历史上来看，885001相对基准的走势，中间经历了较大的波动，最大的一波超额收益是从2019年开始到2021年7月，主动基金的牛市贡献了主要的超额收益。这一轮主动基金大幅跑赢市场，有两个很重要的条件：一方面是有多个基本面有支撑的市场主线，这些主线也是公募基金长期超配的方向，比如医药、白酒、新能源、半导体这些赛道表现非常突出，主动公募基金也长期超配，所以那两年贡献了非常可观的超额收益。另一方面，资管新规实施之后，剩余流动性在主动基金优秀业绩的带动下，爆款基金不断的出现，引发持续的资金流入，尤其是流入这些主动基金的重仓股，引起正反馈。一直到2021年基金发行遇冷之后，正反馈才被打破，开始进入负反馈，使得主动基金平均水平这两年是持续跑输指数的。未来885001是否能够持续跑赢指数，我觉得主要还是看几个方面，一个是基金发行的热度，如果说基金发行持续遇冷，整个市场没有增量资金，市场存量博弈的情况下，热点、主题快速轮动，主动基金作为一个整体，它不一定能够持续精准的去把握这些行情。另一方面，市场上是否有容量足够大、持续时间足够长的主线行情出现。比如2013年的创业板、2015年的互联网金融、2019、2020年的几个主线，如果市场上有这种级别的主线出现，而且这些方向又是公募基金长期超配的方向，那885001跑赢宽基指数的概率会比较大。一旦这两个条件不具备，885001从历史上来看跑赢宽基指数就不是那么的容易。在这种情况下，它跟宽基指数之间的相对强弱，可能会长期处于平衡震荡的状态。对于近两年公募涌现了一些对标885001的指数的产品，我理解做起来会比500和1000增强更难，它更多的类似于沪深300全市场选股增强，或者创业板全市场增强，如果风格和行业约束比较松，超额收益受风格影响比较大，波动会比较大，如果风格和行业约束比较紧，则预期超额收益会比较有限。从885001成分股的集中度和行业分布来看，在这么多宽基指数里面，它可能更接近于300加创业板的情况，它跟500和1000的区别还是比较大的，因为主动公募基金配置的重仓股还是偏向一些龙头偏成长的股票，这些股票研究得比较透，也是公募的重仓，主动权益研究跟踪非常紧密，要想创造超额没那么容易。另一方面，公募基金持仓披露，是以季度为单位的，如果在持仓披露区间公募基金配置方向发生变化，885001的成分股会发生变化，旧的成分股存在滞后性。这种情况下如果去做增强，相当基准是一个黑箱指数，实盘运作起来相对困难。整体来看，我觉得885001指数增强的困难程度，略高于沪深300全市场增强，或者说创业板全市场增强，需要有充分的增强实盘经验和策略储备，才有可能做出来比较好的结果。风险提示：上述内容和意见仅作为客户服务信息，并非为投资者提供对市场走势、个股和基金进行投资决策的参考。本公司对这些信息的完整性和准确性不作任何保证，也不保证有关观点或分析判断不发生变化或更新，不代表本公司或者其他关联机构的正式观点。历史业绩不代表未来收益，基金投资需谨慎。
做「开源」的量化研究
to be a quant，to be open-minded.
更多交流，欢迎联系：
开源证券金融工程团队 | 魏建榕 张翔 傅开波 高鹏 苏俊豪 胡亮勇 王志豪 盛少成 苏良 何申昊
开源证券金融工程团队，致力于提供「原创、深度、讲逻辑、可验证」的量化研究。团队负责人：魏建榕，开源证券研究所所长助理、金融工程首席分析师、金融产品研究中心负责人，复旦大学理论物理学博士，浙江大学金融硕士校外导师、复旦大学金融专硕校外导师。专注量化投资研究10余年，在实证行为金融学、市场微观结构等研究领域取得了多项原创性成果，在国际学术期刊发表论文7篇。代表研报《蜘蛛网CTA策略》系列、《高频选股因子》系列、《因子切割论》系列，在业内有强烈反响。2016年获新财富最佳分析师第6名、金牛分析师第5名、水晶球分析师第6名、第一财经最佳分析师第5名。团队成员：魏建榕/张翔/傅开波/高鹏/苏俊豪/胡亮勇/王志豪/盛少成/苏良/何申昊。
开源证券股份有限公司是经中国证监会批准设立的证券经营机构，具备证券投资咨询业务资格。
本报告仅供开源证券股份有限公司（以下简称“本公司”）的客户使用。本公司不会因接收人收到本报告而视其为客户。本报告是发送给开源证券客户的，属于商业秘密材料，只有开源证券客户才能参考或使用，如接收人并非开源证券客户，请及时退回并删除。
本报告是基于本公司认为可靠的已公开信息，但本公司不保证该等信息的准确性或完整性。本报告所载的资料、工具、意见及推测只提供给客户作参考之用，并非作为或被视为出售或购买证券或其他金融工具的邀请或向人做出邀请。本报告所载的资料、意见及推测仅反映本公司于发布本报告当日的判断，本报告所指的证券或投资标的的价格、价值及投资收入可能会波动。在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的报告。客户应当考虑到本公司可能存在可能影响本报告客观性的利益冲突，不应视本报告为做出投资决策的唯一因素。本报告中所指的投资及服务可能不适合个别客户，不构成客户私人咨询建议。本公司未确保本报告充分考虑到个别客户特殊的投资目标、财务状况或需要。本公司建议客户应考虑本报告的任何意见或建议是否符合其特定状况，以及（若有必要）咨询独立投资顾问。在任何情况下，本报告中的信息或所表述的意见并不构成对任何人的投资建议。在任何情况下，本公司不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任。若本报告的接收人非本公司的客户，应在基于本报告做出任何投资决定或就本报告要求任何解释前咨询独立投资顾问。
本报告可能附带其它网站的地址或超级链接，对于可能涉及的开源证券网站以外的地址或超级链接，开源证券不对其内容负责。本报告提供这些地址或超级链接的目的纯粹是为了客户使用方便，链接网站的内容不构成本报告的任何部分，客户需自行承担浏览这些网站的费用或风险。
开源证券在法律允许的情况下可参与、投资或持有本报告涉及的证券或进行证券交易，或向本报告涉及的公司提供或争取提供包括投资银行业务在内的服务或业务支持。开源证券可能与本报告涉及的公司之间存在业务关系，并无需事先或在获得业务关系后通知客户。
本报告的版权归本公司所有。本公司对本报告保留一切权利。除非另有书面显示，否则本报告中的所有材料的版权均属本公司。未经本公司事先书面授权，本报告的任何部分均不得以任何方式制作任何形式的拷贝、复印件或复制品，或再次分发给任何其他人，或以任何侵犯本公司版权的其他方式使用。所有本报告中使用的商标、服务标记及标记均为本公司的商标、服务标记及标记。
开源证券股份有限公司
地址：西安市高新区锦业路1号都市之门B座5层
邮编：710065
电话：029-88365835
传真：029-88365835
本篇文章来源于微信公众号: 建榕量化研究
本文链接：https://kxbaidu.com/post/%E7%8E%8B%E9%98%B3%E5%B3%B0%EF%BC%9A%E5%B8%82%E5%9C%BA%E6%8E%A5%E8%BF%91%E5%BA%95%E9%83%A8%E5%8C%BA%E9%97%B4%EF%BC%8C300%E6%8C%87%E5%A2%9E%E9%85%8D%E7%BD%AE%E4%BB%B7%E5%80%BC%E5%87%B8%E6%98%BE.html 转载需授权！
