苏俊豪：您深耕量化十余年，投资经验非常丰富，首先想请您给我们谈谈，您对量化投资的理解？张凯：我认为在股票领域里量化投资的本质是找到方法对股票的预期收益率进行排序，排序方法可以基于归纳思维或演绎思维。基于归纳思维的方法，可以是长周期的排序，比如传统的统计多因子模型，也可以是短周期的排序，比如基于AI的选股模型。基于演绎思维的方法，可以是长周期的排序，比如基于产业周期或经济周期的策略，也可以是短周期的排序，比如基于主题或事件驱动的交易。计算机技术可以快速测试排序方法的有效性，处理更加丰富和多元化的信息，以及更快地生成并执行交易单。如果有对冲的工具，可以做多空的绝对收益，如果没有也可以通过选取排序预期收益率高的股票做多头来跑相对收益。对于公募基金里的量化投资，从产品设计的角度，就是创造资产配置的底层工具，即被动指数，从投资收益的角度，就是要实现相对于指数的超额收益，即指数增强。如果在选定的指数业绩基准不差的情况下，能够稳定可持续地实现超额收益，则长期复利下来，相对收益可以转化为绝对收益。过去几年我们在公募基金上做的量化投资实践，就是尝试在宽基和行业主题指数上做主动量化增强，探索多样化指数业绩基准的超额收益。
苏俊豪：您能系统性的谈谈目前您的投资框架与体系吗？张凯：从投资哲学的角度，我认为需要找到足够多的好策略，并确保它们之间的相关性尽可能低，这样才能构建一个稳定且可持续的投资组合。实际投资中，我们是采用一套多策略的投资体系，尽可能扩大自己策略的能力圈，通过丰富低相关性的策略来构建投资组合。目前，我们将现有的策略归类为四类：
第一类是传统的量化多因子选股。我们的多因子模型主要偏向于价值投资的基本假设，基于合理的价格来选择优质的股票。我们的因子库大约有300个左右的因子，而且不断更新迭代。这类策略是作为打底的策略，具有比较好的普适性，可以用于宽基指数和行业指数。第二类是风格轮动或行业配置，相对于多因子，这类策略更多地是将贝塔转化为超额收益。在A股市场，指数的机会不太大，但结构性的机会比较多。如果能在风格和行业上做一些轮动或配置，有机会将Beta转化为Alpha。第三类是基本面选股，基于对未来基本面趋势的预测来对股票排序，而非过往的财务因子数据层面，这类策略的信息来源可以是公司内部的投研协同或外部的研究支持，也可以是我们自己对于市场理解认知。第四类，人工智能选股。很多团队都在做，我们也在一直尝试新技术。区别于多因子，更像是黑盒子，更多的特征表达、更快速的迭代。每一类策略在逻辑上几乎是独立的，多因子是基于有投资逻辑的统计；风格和行业轮动是beta的趋势；基本面主动选股有的是基于未来预期；人工智能是基于非线性特征及模型快速迭代。我们会不断更新迭代我们的策略，以确保我们的投资组合在不断变化的市场中保持稳定和可持续的收益。苏俊豪：国内量化机构越来越多，不仅是公募私募，还有券商资管自营保险等也纷纷布局量化产品，而大家的量化框架整体差别没那么大，您觉得我们银华的量化团队有何优势？
张凯：不敢说我们有什么优势，但我们还是有一些特色。首先是我们的量化投研经验比较丰富。银华量化是国内公募基金里组建最早的之一，也是比较早开始做量化对冲的专户投资，17年开始我们就开始尝试做行业主题的主动量化产品。长期的量化投资实践，特别是一些A股市场关键时刻的经历，都转化成了我们对市场的深刻认知，可以在市场转折点给我们战略配置上的帮助。另一个特色是我们团队成员的多元化背景。团队成员有数学功底较好国际奥数获奖的，也有从主动投研转到量化的。从投研广度上，这些背景可以上提供不同思维模式的碰撞，启发新的投资策略，对策略底层逻辑的认知也有帮助。在投研深度上，团队成员中有比较强数理背景的，可以在机器学习相关的投资技术上有比较深入的研究。
苏俊豪：看了一下我们的产品，不管是指数线还是量化线，整体布局的相较于其他公募指数量化团队而言，不仅全面，而且有特色、体现出差异化，能否请张总给我们介绍一下咱们银华量化的产品线？
张凯：团队的被动指数产品线包括A股、港股、宽基、行业主题和Smart beta等多个方面，以行业主题和Smart beta为主要特色，如创新药ETF、沪深300成长策略ETF、沪深300价值策略ETF和VR虚拟现实ETF等。在被动指数产品线上还有一些相对规模优势的产品，如5G ETF、光伏50ETF、基建ETF、港股消费ETF等。在主动的量化产品线上，也是以行业主题的产品为特色，如银华食品饮料、银华医疗健康、银华新能源新材料、银华全球新能源车、银华专精特新和银华海外数字经济等。团队相对较晚开始在公募基金领域中布局宽基指数和指数的增强，之前主要在沪深300和中证500上进行了一些尝试，近期也做了中证1000增强产品的布局。无论是行业主题还是宽基，从19年至今都能每年保持5%到10%的超额收益，尤其是行业主题基金在主动型基金中的相对排名还不错。
苏俊豪：去年11月底，咱们团队发行了市场上首批1000增强ETF 的创新产品。请问，1000增强ETF产品有何特点，相较于我们更为熟知的1000ETF、1000增强场外基金，它的优势在哪儿？
张凯：增强型ETF，实际上是指数增强型基金以ETF的形式呈现，将指数增强型基金的主动投资方式与ETF的便利交易属性相结合。我认为，这种增强型ETF可以看作是未来公募基金从被动指数型ETF向主动投资型ETF发展的一种过渡。
当前市场上的常规ETF通过被动跟踪指数获取标的指数的Beta收益，而增强型ETF通过多种量化模型获取超越指数的Alpha收益。同时在运作模式上仍然保持现有ETF的模式和费率，而且高度透明、方便交易。所以，相对于普通被动ETF而言，增强ETF的吸引力还是很强的。相较场外指数增强基金，增强ETF主要有四点优势。第一点，可以实现更灵活的交易。ETF可进行盘中交易,交易更为自由，尤其是一些日内波段的把握。比如日内出现了一个深V抄底机会，就可以通过ETF的方式进行盘中捕捉。在A股市场中，有很多日内的交易机会。这些机会出现的频次不一定很高，但是一旦抓住机会，收益可能非常丰厚。第二点， 资金使用效率有很大的提升。对于基金客户而言，如果想卖掉基金，场外指数增强基金赎回大概要等至少三个交易日，资金才能到账，而且只能是以收盘净值结算；如果是ETF的话，直接盘中把它卖掉就行，而且资金立即可用。对于基金经理而言，突破现有95%的仓位限制，牛市中能满仓运作更高的收益，收益优势明显。第三点，管理费更低。场外指数增强通常1%的管理费，增强ETF在提供类似的超额收益以及更多的交易便利性同时，才收0.5%的管理费，显然更划算。第四点，持仓更为透明。场外增强，只有定期报告能知道持仓情况。增强ETF每天进行PCF清单公布，公开的持仓让投资者更安心。总之，相对于传统的被动指数型ETF和场外的指数增强基金，增强型ETF在投资方式、灵活性和操作便利性等方面都具有很大的优势，将会成为公募基金发展的一个重要趋势。
苏俊豪：咱们银华的量化团队在行业主题增强上做的很好，比如“银华食品饮料、银华医疗健康、银华新能源新材料、银华专精特新”等。行业主题增强类产品在产品设计上，具体是如何实践的？有何特点？
张凯：这类产品设计的初衷是结合了A股市场的特点，因为A股市场长期呈现出牛市短、震荡行情长的趋势。在这样的市场中，更多的是存在一些结构性机会。我们的产品设计思路是将好的Beta（长期来看有比较好结构性机会的基准）与好的Alpha（可持续的超额收益）相结合，可以将相对收益转化为绝对收益。如果阿尔法和贝塔都很好，就像给阿尔法插上了贝塔的翅膀一样，这样的话，产品的绝对收益可能可以做到非常高。
具体而言，我们当时的设计思路是这样的：A股市场在过去的多年中主要存在两个结构性主线，第一个是消费，第二个是科技。因此，我们沿着这两个主线去寻找业绩基准来进行量化增强。从过去产品的运行情况来看，整体的投资效果还不错，甚至有时候超过了我们原来的预期。例如，2020年银华食品饮料和银华新能源新材料基金都进入股票型基金前50名；2021银华新能源新材料基金排在股票型基金的第18名，尽管是消费小年但银华食品饮料基金在同类型主题基金中获得业绩第一。另外，像银华专精特新，虽然成立的时间不是太长，但也通过我们的量化多策略体系实现了在同类基金产品内中较为出色的Alpha。那行业主题量化基金的特点是什么呢？这类产品能够紧跟主题，不会出现风格漂移。与被动指数不同的是，在相同的基准情况下，可以实现超额收益。用多种低相关性的策略上进行分散化投资，而不是像某些重仓押注的做法，力争可以长期保持超额收益。现在已有的宽基指数增强型ETF，可以作为主动ETF的第一步，未来我们也希望有机会开发行业主题的ETF增强型产品。
苏俊豪：在这种细分板块里面选股还是有难度的，因为样本域是有所收窄的，但看咱们的行业主题增强产品能有非常不错的稳定超额，请问这块我们是如何做到的？
张凯：与纯基本面出身的投研团队相比，我们可能对于深度的研究可能不一定占优势，因此更注重发挥前面提到的量化体系的优势。在行业主题的主动量化投资中，我们仍沿用多策略投资体系：
第一类策略是多因子量化。我们有一个大型因子库，对于不同的行业主题，有效的因子会有很大的不同，我们需要找到更符合该行业投资特征的因子。为了避免陷入数据挖掘或过拟合的误区，我们用主动投资的思维方法来交叉检验因子是否符合其所属行业或主题的基本投资逻辑。例如，有些因子对于消费类可能非常好用，例如一些偏向财务的基本面因子，而这类因子在偏成长和偏科技板块中可能作用较小。因为在偏成长和科技板块中，大家都看的很长远。当下财报所看到的信息，可能在半年前，甚至极端情况下，可能在一年前都已经看到了，所以在股票财报公布之后，这些信息对于选股可能就不再起到良好的效果。。当然，我们也会尝试寻找一些特别针对于行业主题的因子。第二类策略是基于行业轮动或行业配置的思路。在宽基指数增强方面，量化方法做行业轮动可能效果更好一些，因为其优势在于寻找大数据中的统计意义。但在行业主题内部，细分板块并不多而且分布不均，量化方法的结论不一定效果好。以食品饮料行业为例，每个板块的构成差异很大。例如，在白酒板块中，上市公司相对较多且权重大；而在乳制品和啤酒板块中，数量相对较少且权重低；大众食品板块甚至不具备明显的行业特征。我们更倾向于采用定性思维或基于演绎的方法来对行业主题的子行业进行配置。因为板块对应的公司已经非常明确了，如果你能紧跟核心上市公司的产业景气度以及当下股票市场的运行特征，那么对子行业配置的置信度就会非常高。第三类策略是基于基本面选股的思路。我们可以将不同来源对未来基本面预测的信息相结合，既包括我们自己的主观认知、也包括公司内部和外部的分析师支持，综合来进行股票预期收益的排序。最后一种策略是基于人工智能和机器学习的方法。这一块之前我们做得比较少的，但在这两年里已经比较流行了，尽管最初没有考虑在行业主题上进行投资，但后来我们尝试了一下，发现对于某些股票池而言，效果比原来预期的要好很多。总体上，仍是沿用我们大的投资体系，即构建一个由四类相关性较低的策略组成的组合。在不同产品上，我们都使用这四种策略。实际上，某些策略可能在某个股票池中表现出色，而在另一个股票池中则表现较差。因此，相同类型的策略在不同股票池中的表现可能会有很大的差异。对于每个产品，我们都根据策略的风险调整后预期回报进行战略配置，再根据策略所适应的市场环境策略做战术调整。总的来说，与许多行业主题基金经理相比，我们做行业主题主动投资的方法论和收益特征还是存在较大差异，实质上我们做的仍然是某类指数的量化增强。
苏俊豪：您团队在境外产品的布局也是很有特色的，咱们的境外产品也有主动量化的色彩，比如“银华全球新能源车”和“银华海外数字经济”，这类产品的选股样本域拓宽到境外，这块产品能否给我们介绍一下？在投资上是怎样的思路？
张凯：产品设计上，与我们之前在A股市场的产品还是比较接近的，将好的Beta和Alpha结合起来，只不过推广到了全球投资标的。我们希望能对全球产业趋势的大变革方向进行投资。在未来十年甚至二十年，我们觉得比较有前景的产业有两个，一个是以光伏、电动车为代表的低碳新能源，另一个是以人工智能为代表的数字经济。
在国内公募基金市场中，有类似主题的基金投资范围还是以国内公司为主，几乎没有以全产业链的方式做全球投资的公募基金。在全球专业化分工的产业链中，A股公司的优势更多集中在制造能力、而具备资源优势或者技术壁垒的公司可能并不一定在A股。因此，我们希望能够全球范围内进行投资，否则可能会错过这个产业链一半以上的机会。银华的境外团队和量化团队合作紧密，将全球视野和量化优势相结合，推出国内第一支投全球新能源产业链的银华全球新能源车基金和数字经济龙头的银华海外数字经济基金。在投资方面，我们结合产业链特点编制自定义的指数基准，然后在此基础上进行量化增强以实现我们的投资目标。以银华全球新能源车基金为例，我们最初想直接使用第三方指数进行增强，但发现并没有这样的指数存在。因此，我们第一步是自己去定义全球新能源车产业链指数，将其中的公司按照资源、制造和整车智能化等几个产业环节进行梳理，然后计算其中与新能源车相关的业务的营收和利润占比，最终定义成了含新率指标即含新能源车业务的比率。比如一些传统车企虽然正在转型，但新能源车业务在其总业务中的占比可能很小，比如只有20%即含新率为20%，所以需要对其相对市值进行折扣。而对于像造车的新势力公司，其百分百的含心率意味着其股票市值可以直接转换为其相对权重。第二个步骤是对这个指数采用多策略方式来实现增强。具体来说，对于A股市场的公司，我们会使用一些多因子策略进行超低配，在细分行业子赛道上寻找机会；对于我们研究不是很深入的境外公司，我们则更多地选取细分产业龙头来做指数化的配置。这是我们在整个产品设计阶段中构建的基本投资运作思路。我们认为，像这类产品作为全球资产配置的底层工具，长期来看其发展前景还是比较大的。
