公募指增及量化基金经理精选：机器学习or主动量化，突破壁垒的策略之道-20230618-国金证券-22页_2mb

公募指增及量化基金经理精选总结

核心内容概述

本报告聚焦于六位在公募量化投资领域具有代表性的基金经理：艾定飞（华商基金）、邓默（华商基金）、胡崇海（国泰君安资管）、刘斌（嘉实基金）、刘洋（宏利基金）、张凯（银华基金）。他们分别代表了两种主要的量化投资策略：纯量化策略与量化与主观研究融合策略。报告从量化体系特点、风险控制制度、投研团队现状及产品绩效表现等多个维度对这些基金经理进行了深度分析，旨在为投资者提供有价值的参考。

主要观点

• 纯量化策略：以因子挖掘和模型构建为核心，注重数据驱动和算法优化，强调因子的精细化、差异化以及模型的持续迭代。
• 量化与主观融合策略：结合主动研究团队的行业逻辑和基本面分析，将主观研究成果系统化地融入量化模型，以提升选股的逻辑性和可解释性。
• 策略演进：随着市场环境的变化，部分基金经理在原有基础上增加了高频量价因子、另类数据以及卫星策略等，以增强模型的适应性和稳定性。
• 风险控制：多数基金经理采用Barra风险模型，对行业偏离度、风格因子暴露等进行实时监控，以控制组合风险，提高超额收益的稳定性。
• 绩效表现：部分基金经理的代表产品在近年来表现突出，超额收益稳定，回撤控制良好，尤其是在AI、科技成长等板块表现优异。

关键信息

基金经理及策略特点

风险提示

• 地缘政治风险
• 新冠疫情控制情况
• 海外紧缩缓和进程不及预期
• 国内政策及经济复苏不及预期

产品绩效表现

量化模型与因子分析

• 艾定飞：强调基本面因子（70%）与中高频量价因子（30%）的结合，深度学习模型用于捕捉短期非理性行为，整体换手率较低。
• 邓默：采用自上而下的宏观判断，通过景气度和ROE因子筛选行业，主要配置科技类资产，换手率较高。
• 胡崇海：基本面因子（30%）与高频量价因子（70%）深度融合，模型由12个子模型等权合成，严格控制风险暴露。
• 刘斌：结合主动研究团队的定价逻辑，将行业分析纳入量化模型，采用CIR加权，注重风险因子的补充。
• 刘洋：以量化多因子为核心，灵活使用卫星策略，注重因子逻辑完整性，与基本面团队联动紧密。
• 张凯：量化多因子（50%）为主，搭配风格轮动、行业轮动等卫星策略，AI应用于因子挖掘和策略选择。

风险控制与组合优化

• 风险模型主要基于Barra体系，部分基金经理结合产业链数据或新增风险因子进行优化。
• 组合偏离度控制严格，行业偏离度多在1%以内，成分股偏离度控制在0.5%以内。
• 换手率因策略不同而有所差异，部分产品采用高换手策略，部分则以低换手为主。
• 部分基金经理注重因子权重的自动化处理，利用机器学习和深度学习模型排除失效因子，纳入有效因子。

结论

公募量化投资正朝着更加精细化、智能化的方向发展，基金经理们通过不断优化因子库、模型结构和风险控制体系，以期在复杂多变的市场环境中实现稳定超额收益。六位基金经理的策略各有侧重，但均展现出较强的适应能力和良好的风险控制水平，为投资者提供了多样化的选择。