公募指增及量化基金经理精选系列五：多元化数据模型驱动 策略优化技术革新

　　公募指增及量化基金整体投研实力不断提升，在人工智能等尖端技术以及非结构化数据资源上的积极布局，充分拓展了量化分析框架的广度和深度。公募指增及量化基金在拥抱前沿技术的同时，始终坚守基本面研究、注重风险敞口控制，通过多元化互补的方式增强策略的灵活性和稳健性，从而在市场中展现出一定的适应力。今年以来在极端环境下，行业整体超额回撤可控，而且快速回升，3 月底主要宽基指数增强类别今年以来平均累计超额基本回到了零上区间，二季度以来整体超额水平进一步提升。

    　　本篇专题将继续延续之前《公募指增及量化基金经理精选》系列专题中对于公募量化基金经理的多角度刻画亮点，进一步聚焦华泰柏瑞基金笪篁、中欧基金曲径、中银基金姚进、博道基金杨梦、长信基金姚奕帆等5 名投资框架体系各有特色、超额稳定性相对较强的基金经理（按照姓名拼音字母顺序，下同）。我们将综合这5 名基金经理的量化体系特点、风险控制制度、投研团队现状以及产品绩效表现等多个维度进行深度研究，并结合历史持仓明细数据进行全面分析和特征刻画，以供投资者参考。

    　　笪篁：坚持以基本面研究为基础的全市场量化选股策略，十分重视因子的构造逻辑。通过和主观研究员密切沟通的方式，实现对不同行业基本面因子的精细化刻画，再结合风控技术，实现稳健的超额。传统低频基本面策略侧重中长期投资，同时淡化仓位择时和因子轮动。因子使用方面，以基本面因子为主，采用线性模型和非线性模型结合的方式加权。除传统低频基本面多因子模型外，华泰柏瑞量化团队自2021 年开始将短周期交易模型应用于个别产品中。

    　　曲径：深耕基本面量化领域，充分利用公司内部行业研究员对行业的深刻理解，基于行业基本面投资逻辑构建选股模型。在标准的多因子框架下持续扩充低相关性的阿尔法来源，去年到现在不断扩充多元数据，在借鉴内部主观基金经理的投资逻辑重新打磨基本面因子同时，也积极引入外部投研人员及数据专家，补充深度学习挖掘的量价因子、另类因子等。因子组合层面，并未应用非线性手段或深度学习模型，深度学习仅用在量价因子的构建层面。

    　　姚进：主要采用机器学习和传统多因子模型等多策略叠加的方式运作，通过不同类型策略的相互补充，以期达到降低组合超额波动性的目标。整个团队所管理的指增及量化基金产品底层的数据因子、子策略、框架均一致，只是不同的产品由于各自选股域的不同，采用的子策略或者子策略的权重会有一些区别。风险模型由团队自己构建，满足灵活性和个性化需要，每类策略均需要满足行业、成分股、风格因子的敞口控制要求，整体风控较严格。

    　　杨梦：强调模型体系的均衡，旗下指增及量化基金大多采用传统多因子模型与AI 全流程框架均衡搭配的方式运作，模型内部描述基本面趋势的偏动量类的因子与描述股票均值回归规律的偏反转类的因子均衡配权，以期通过均衡化的方式，增强整体体系获取超额的稳定性。在经历了今年春节前市场的大幅波动之后，于2 月底进一步收紧了风控参数，并将模型进行了一次全面迭代，目前各个风格因子的暴露均控制在0.3 倍标准差以内，追求更纯粹的阿尔法。

    　　姚奕帆：注重因子的深入研究和细致化处理，因子储备充足且非常重视对因子细节的打磨。对于新的数据、新的技术也能够充分应用，为了应对传统基本面因子有效性下降的问题，团队选择寻找与传统因子低相关、相对冷门的财务指标去构建因子，以及在文本、专利等另类数据上也有比较深入的研究和实盘的运用。2023 年10 月深度学习的量价模型投入实盘使用，进一步提升了整个模型体系的超额来源多样性。

    　　风险提示

    　　海外降息进程不及预期、国内政策及经济复苏不及预期等带来的股票市场大幅波动风险。

    　　基金相关信息及数据仅作为研究使用，不作为募集材料或者宣传材料。本文涉及所有基金历史业绩均不代表未来表现。

声明：

1. 风险提示：以上内容仅来自互联网，文中内容或观点仅作为原作者或者原网站的观点，不代表本站的任何立场，不构成与本站相关的任何投资建议。在作出任何投资决定前，投资者应根据自身情况考虑投资产品相关的风险因素，并于需要时咨询专业投资顾问意见。本站竭力但不能证实上述内容的真实性、准确性和原创性，对此本站不做任何保证和承诺。
2. 本站认真尊重知识产权及您的合法权益，如发现本站内容或相关标识侵犯了您的权益，请您与我们联系删除。