本文来自微信公众号：阿尔法工场DeepFund（ID：DeepFund），作者：温辞，原文标题：《量化基金经理今年都支棱起来了》, 头图: 视觉中国
今年上半年，与公募主动权益基金“表现平平无奇，超八成亏损”形成鲜明对比的是，公募量化基金获得正收益率的比例超过62%。从数据上看，公募量化基金（含主动型和指数型）平均收益率为1.65%，而同期普通股票型基金、偏股混合型基金的平均收益率仅为0.02%、-1.48%。
来源：Wind，朝阳永续，私募排排，广发证券财富管理部，数据截至2023.6.30
这种现象，就是量化策略的超额收益与主动权益基金常常出现的“跷跷板”效应。
“跷跷板”效应的主要表现是，当量化策略的超额收益较好时，主动权益基金的表现往往会相对黯淡；而当主动权益基金的表现较好时，量化策略的超额收益则可能会相对较弱。
“跷跷板”效应揭示出投资市场的复杂性和每种投资策略的独特性——没有一种投资策略能在所有时期都保持最佳表现。
从今年的情况看，公募量化基金也因此获得机构投资者真金白银的支持，“国金量化精选”、“华夏智胜先锋”、“招商量化精选”等公募量化产品受到资金热捧。
国金马芳、华夏孙蒙、招商王平等人的管理规模也相继突破百亿，成为公募量化界的主力军。
一、PB-ROE模型聚力小盘
如果说起2023年爆火出圈的“神基”，一定有“招商量化精选”的一席之地。
今年以来，凭借10%左右的收益率以及显著的超额收益表现，该基金排名同类产品前列。
但在2017年之前，“招商量化精选”相对基准指数的超额收益表现并不明显，主要原因在于，早期基金组合策略过于强调技术面因子。
后来，在对投资模式进行仔细思考后，王平大幅降低了技术面因子的权重，提高基本面因子权重，并在回测后迭代了自己的量化投资框架，最终在2017年完成模型切换，搭建出以PB-ROE为主框架的基本面模型，即通过市净率排除掉整体估值偏高以及估值中枢不稳定的股票，然后筛选出具有更高成长性、更高投资回报率的股票。
伴随着基金量化模型完成切换和框架日趋成熟，进入2020年下半年后，“招商量化精选”相对于基准指数的超额收益开始逐渐显现，特别是在2021年震荡市和2022年波动加剧行情中，基金业绩表现相对突出。
来源：招商量化精选股票型发起式证券投资基金2023年第2季度报告
一方面，近年来小市值股票迎来业绩和估值的双修复，行情偏向小盘股风格；另一方面，PB-ROE框架筛选出来的股票市值相对偏小，大多集中于120亿至150亿之间。双向奔赴之下，最终成就了“招商量化精选”。
此外，基金呈现出的行业轮动特征，也在一定程度上确保了超额收益的获得。
2019年与2020年的消费板块和医药板块表现占优，医药生物与食品饮料板块在2019年成为“招商量化精选”重仓的前两大行业；2021年电力设备延续景气行情，作为第五大行业出现在基金的重仓行业中；刚刚过去的二季度，基金再次跑赢基准，超额收益主要来源于汽车零配件及家电行业的部分个股走势较强。
来源：iFinD
时至今日，这套以PB-ROE为主框架的基本面模型已覆盖市场上已知维度的400+因子，并融合多家数据服务商的常规型因子，形成了全面完整的因子网络体系。
二、另类的“高频”量化
除了“招商量化精选”外，在今年业绩排名靠前的量化产品中，胡崇海管理的“国泰君安量化选股”也凭借稳定的发挥，引来外界的关注。
来源：国泰君安量化选股混合型发起式证券投资基金2023年第2季度报告
尽管管理产品的年限并不长，但胡崇海在量化投资和策略研发领域已深耕多年，在Alpha量化策略以及基于机器学习的投资方面有独到且深入的研究。在他的带领下，国君资管量化走出了一条特色之路。
与大多数国内公募常用的基本面这类偏低频的策略不同，国君资管量化模型的特色是“30%基本面+70%高频”，用基本面模型赚选股的钱，用高频模型赚交易的钱。
这里所提到的“高频”并不是交易次数的多少，而是在投资中使用更高频率的数据。比如，在充分吸收当日信息的基础上，下午2:30实时生成交易信号，并在尾盘完成交易。
高频信号会随着日内行情的变化而变化，对每只股票的打分结果也会有所不同，因此高频数据的应用，意味着能够根据最新的打分情况实时调仓，从而应对变化多端的市场行情，以期获得相对较高的胜率。而常见的低频信号都是盘后根据当天的增量信息生成，第二天开盘再进行交易，盘中并不会根据行情改变。
此外，由于有机器学习学术背景，胡崇海在其量化模型中融合了人工智能模型，包括传统机器学习模型、深度学习模型，目的在于从不同维度来刻画市场；但不会纯粹去追求先进的模型，因为太复杂的模型有可能会失控，所以更偏向于在能力圈范围内找到合适或互补的模型。
在挖掘因子方面，胡崇海更推崇采用人工挖掘因子的方式。在他看来，量化投资最忌讳的便是同质化，人工挖掘因子可以代入专业人士对于市场的理解，且具备一定的逻辑性。
但在有限的数据下，大家挖掘到的因子却不可避免的存在重复、交叉。不管是基本面因子、技术面因子还是使用另类数据构成的因子，当使用的人多了，产生相近的走势也就不足为奇。
随之而来的便是超额收益的下降，比如人们熟知的规模因子，这个早期被各国股票市场普遍证明的，甚至被纳入教科书的因子，近几年的表现可谓不尽如人意。
更为重要的是，挖掘因子的工作一直以来是由人来完成的。从法玛三因子模型起步到五因子，全球学术界不断通过论文发掘新的因子，而基金经理和金融工程师则是不断研读论文，并将学术界发现的最新因子在中国A股市场加以回测，以寻找新的利润来源。
但这种效率低下的挖掘因子方式，显然已经很难适应风格轮动越来越快的市场行情。于是，将机器学习应用于日常的投研工作中，在寻找策略上不依赖人力的押注因子，而是借助AI的力量，让算法自主地从历史当中去寻找最优的投资模式，成为一种新趋势。
三、“AI+量化”的崛起
如同人类学习某种技能需要持续练习一样，机器学习某种规律也需要大量的数据进行训练，从开始获取数据、训练机器学习模型到最终模型投入应用，国金基金在这条路上已经探索了10年。
作为国内首家将量化投资写进公司战略的公募基金公司，国金在成立之初就把量化和固收作为两个重要的发展方向，自2013年便开始建立量化投资平台。今年爆火出圈的基金经理马芳，正是来自国金。
这为此前默默无闻的基金经理，仅用了一年时间，便成功晋级百亿基金经理之列，进步可谓神速。
据了解，马芳的量化策略采用机器学习技术“自上而下”构建选股模型，其中选股模型不仅从盈利和营业收入等基本面角度去评估上市公司的价值和成长性，同时充分考虑市场情绪等因素为标的合理定价。
而这套策略其实是脱胎于成熟的公募专户策略，专户产品多以绝对收益为导向，对策略超额的稳定和持续性要求比较高，此前已经过多年的实盘运作，其超额体现了相对稳健的特征。所以，当这一策略应用于公募产品时，便体现出强大的“优越感”。尤其在去年权益基金大面积亏损的背景下，马芳仍能实现正收益，实属不易。
来源：iFinD
除了国金的马芳之外，另一位凭借AI量化崛起的新势力便是华夏的孙蒙。
作为华夏基金“AI+”投资团队的早期成员，孙蒙亲身经历了AI对于量化投资的赋能。其中，2020年底至2021年春节前后发生的那次市场风格切换，更是体现了AI对于人性的考验。
当时的市场风格是以成长股为主线，市场资金偏好追逐核心资产。而当时模型的判断是成长股的投资性价比已经不高，策略上不应再去做追热点的操作。
最开始，这个判断让他们在2020年底到2021年春节前持续的成长风格中与同业相比处于劣势。但因为对于风险的严格控制和投资原则的坚持，在2021年春节之后，当成长风格和核心资产出现大幅回撤的时候，产品的超额收益在当时没有受到太大波及，给投资者创造了相对比较好的投资体验。
正是这次经历，让孙蒙和团队更加清醒的认识到，赚市场风格的钱，并不是他们想要的，要做有门槛的事才能获取长期稳定的超额收益。首先，不希望行业热点的轮动会对超额收益形成影响；其次，对行业和风格均做了中性处理，坚持在行业里优选个股；最后，不对模型的结果做过多主观干预。
过去三年来，孙蒙用良好的业绩表现，证明了“AI+量化”的可行性，并通过发行创业板指数增强等新产品，继续扩大自己的量化投资版图。
来源：iFinD
四、赛道拥挤
事实上，提起公募量化，在过去很长一段时间内，都是一个无足轻重的存在。
但近年来，因市场缺乏主线且行业轮动速度始终保持在较高水平，量化在覆盖广度上的优势开始显现，公募量化也随之逐渐崛起，整体规模突破2700亿元。
伴随着资本疯狂涌入量化这条赛道，拥挤度不断提高，超额收益衰减明显。以关注度较高的中证500指增策略为例，私募排排网数据显示，2019年以来，该策略历年平均超额收益依次为19.19%、15.52%、8.55%、9.93%和2.86%。
投资者需要高度重视赛道拥挤的情况。
本文来自微信公众号：阿尔法工场DeepFund（ID：DeepFund），作者：温辞
评论