李兵伟，东兴基金量化投资业务负责人，基金经理。中央财经大学金融学硕士，13年证券投资经验，先后在信达证券研究开发中心、资产管理部、东兴证券基金业务部、东兴基金从事权益研究与投资工作。多年的从业经验形成了对权益产品及绝对收益产品管理较为成熟的体系，擅长指数增强策略开发及投资。风格特点：超额收益稳定，注重平衡型配置。
苏俊豪：首先请李总介绍一下您的投资理念和投资框架？李兵伟：我们的投资理念可以用一句话总结：“重选股，轻择时和适度的行业轮动”。整个投资过程可以分为四个部分，自上而下分别是：大类资产配置、行业轮动、个股筛选和高频交易。在不同阶段，适用的模型也会有所不同。从量化的角度来看，每个阶段选择何种模型主要取决于所面对的数据量。在大类资产配置阶段，也就是平时我们说的择时，目前还没有特别好的量化模型可以应用，其中一个主要原因是数据量太少。从日频数据来看，每天只有一个信号，十年也才2000多个数据量。这样小的数据量运用量化模型肯定会产生过拟合现象。因此，在这个阶段我们可做的东西比较少，这也是我刚才所说轻择时的原因之一。另外一个轻择时的原因是，长期来看权益市场具有上涨趋势，同时我们目前采用的指数增强策略每年都有稳定的超额收益，因此我们也很少进行仓位调整。例如我们最早采用指数增强策略运行的产品是东兴兴晟，自成立以来一直保持80%的仓位。尽管市场行情在过去两年总体都不是太好，即中证500指数下跌了，但东兴兴晟的净值仍是上涨的。另外一个部分是行业轮动策略。行业轮动相对于择时的数据量会好一些，因为申万一级行业每天有31个数据，而二级行业超过100个。虽然数据量仍不是特别大，但在这个阶段我们尝试使用一些量化的方法来进行行业轮动。需要注意的是，虽然策略回测的效果可能比较好，但在实盘应用时可能会打折扣，主要是样本数据量较少的原因。因此，我们整个策略也不会非常依赖于行业轮动。在不同的阶段，我们会进行小幅度的行业偏离。总体思路还是行业均衡配置，所以我们架构的重点在于个股筛选。从Wind的风险统计指标可以看到东兴兴晟和东兴宸祥量化这两个产品均采用中证500指数增强策略，具有这样一个特点：Beta系数在0.7至0.8之间，低于同类水平，但Alpha值相比同类产品更高，这可以从侧面说明我们是重选股轻择时的。当前我们的选股模型相对成熟，主要采用传统的多因子模型。由于目前股票数量比较多，每天可以产生5000多条数据，对一些量化模型，特别是对多因子模型是基本能够满足要求的。然而，这个数据量对于机器学习而言仍然偏少，所以我们在选股层面主要使用多因子模型。最底层的投资架构还有偏交易的部分，高频交易也是量化的重要组成部分，这在私募行业中被广泛应用。然而，公募基金受到风控要求的限制，比如不能进行反向交易，所以一般不会去做T+0的交易。我们目前主要是在组合的拆单方面利用算法模块来平滑交易。高频数据相比日频数据数量级更大，可以采用更复杂的模型如深度神经网络等。如果在这个方面做的比较好，可以从交易中获得一定的超额收益。苏俊豪：咱们东兴基金量化投资部目前的团队构成是什么样的，有哪些在管的产品？李兵伟：东兴基金量化团队是一个比较精悍的团队，目前只有我和另外三位同事。虽然人数不多，但我们都非常专业。我毕业于2010年，目前从事量化研究和投资工作已经有13年了。目前，我主要负责整体策略架构的构建以及多因子模型的开发和维护。另外我们还有一位同事从业已近15年，在宏观择时和行业配置方面有着深入的研究。此外，还有一位同事目前已从业四年左右，博士毕业之后一直从事机器学习算法的研究，他主要负责一些前沿性的探索，包括深度神经网络模型的开发和测试。我们还有一位很年轻的同事，是一名应届毕业生，也是数学专业的高材生。目前他主要从事因子开发和测试工作。产品方面，当前东兴基金的量化产品数量还不是很多。目前底层资产做指数增强的有三支产品，东兴兴晟是其中之一。这个产品成立于2020年8月，仓位一直保持在80%左右。该产品的底层资产采用中证500指数增强策略运行，自成立以来两年多来，与中证500指数相比较，超额收益率超过了20%。同时，该产品的同类排名逐年提升，2021年的同类排名达到前20%，去年更是进一步提升至接近前10%。基于我们在中证500指数增强策略方面的经验，我们在去年1月发行了另一支名为东兴宸祥量化的中证500指数增强策略的量化基金。推出这个产品主要是因为东兴兴晟产品在合同中规定了仓位不能超过80%，但东兴宸祥量化的仓位可以比较高，成立以来的仓位基本在90%以上。这款产品的业绩表现也相当不错，虽然去年净值下跌了1.23%，但相对于中证500指数来说，超额收益还是比较明显的。今年截止到26号，收益率已超过7%，相对于中证500指数有一定超额的表现。相比于做国证2000指数增强策略或中证1000指数增强策略，今年做中证500指数增强策略可能会有些困难，但我们的东兴兴晟和东兴宸祥两个产品都取得了超额收益。同时，东兴宸祥自成立以来在同类型偏股型基金中排名前5%，除了中证500指数增强产品，我们的产品线还包括东兴宸瑞量化产品，成立于2021年6月，主要是做中证800指数增强。从成立以来，这个产品对于中证800指数也取得了一定的超额收益，排名在同类偏股型基金中的前20%。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？李兵伟：我们采用的因子比较全面，包含基本面因子和量价类因子等，并且数据背后的逻辑性是比较强的。基本面因 子包括一些常见的财务因子，如成长、估值、盈利质量和财务质量等，这些因子偏低频。我们主通过人工挖掘手段对财报数据进行清理构造，以建立这些基本面因子。除此之外，量价类因子也非常重要，包括一些行情交易的数据，特别是高频量价数据。这些数据的标准化程度很高，数量也很大。除了通过人工挖掘因子，我们还可以运用机器学习的方法来挖掘更多的因子。针对这类因子，尤其是机器学习挖掘出来的因子，存在过拟合等问题。为了解决这些问题，在运用过程中我们会对过拟合等问题进行处理。主要可能是一些因子在回测过程中可能表现良好，但实际应用中可能会出现各种问题。因此，我们对这些因子采取谨慎态度，在样本外进行较长时间的模拟验证。此外，我们的因子库中还包括预期类因子和一些比较有特色的因子，虽然数量不是很多，但也越来越重要，是整个因子库的重要组成部分。目前，我们有专人维护核心因子库和备选因子库。无论什么因子想进入我们的备选库或核心库，都必须符合严格的入库标准。除了一些基本的量化指标，例如IC、IR、超额收益率、超额夏普比率和最大回撤、新开发因子和原有因子的相关性等，我们还会兼顾因子的逻辑性。只有当所有的条件都达到时，这个因子才能进入备选库。备选库内的因子也不会立即使用，而是在样本外进行模拟实盘观察一段时间，综合评估该因子在样本内外的表现。只有在模拟实盘中表现比较稳定且综合绩效比较优秀的因子才会进入核心因子库，运用到实盘组合中。同时，我们也会实时监控核心因子库内的因子。因为有些因子随着时间的延续可能会出现衰减的过程，我们会不定期地评估是否这种衰减是暂时的还是长期的。如果判断为长期衰减，我们可能会将该因子从核心库移到备选库。总体来说，我们有一个严格的因子研发模式。第一类是研究员侧重开发具有较强逻辑性的因子，另一方面采用前沿的技术如AI的方法来挖掘因子，两种开发模式都是并重的。苏俊豪：东兴兴晟、东兴宸祥作为全市场选股的基金，选择中证500指数作为增强基准的原因是什么呢？当前中证500的投资价值几何？李兵伟：东兴兴晟产品是在2022年8月获得批文。起初申报时没有明确说明采用中证500指数增强策略，包括我们的业绩基准也是沪深300指数。但在获得批文后，鉴于多种机缘巧合，我们决定采用中证500指数增强策略。这主要有以下几个原因：首先，我们已经花费很长时间对中证500指数增强策略进行模拟，并得到了非常好的效果，同时我们认为模型具有一定的稳定性。因此，我们有信心将这个策略用于实盘交易验证。另外，采用中证500指数增强策略是我们考虑了许多因素后的决定。其中一个因素是我们比较了不同的宽基指数，例如沪深300、上证50和中证500等。我们发现，中证500在2020年8月的相对估值最具性价比。目前看来，我们的判断是相当准确的。因为当时无论从PB还是PE估值分位数来看，中证500相对于沪深300和上证50都有一定优势。第二个我们考虑的因素是市场风格的问题。因为我们观察到A股市场历史上存在一个明显的大小盘周期性变化规律，从2017年到2020年，大市值龙头股票总体占优。由于当时这些龙头股的估值已经处于较高位置，我们认为未来中小市值股票可能会在未来几年迎来一个相对占优的机会。这是我们采用中证500指数增强策略的重要原因之一。第三个原因是我们考虑了中证500指数内的行业和成长股特点，比如它的行业覆盖面广，整体分散，权重配比均匀。计算机、医药生物、电子和电力设备等是权重占比比较高的行业，但没有特别集中于某个行业。同时，个股权重也比较分散，最大个股权重没有超过2%，这使得风险比较可控。此外，我们发现该指数的重仓行业包括计算机、医药生物、电子和电力设备等，都是国家政策倡导的科技、先进制造业以及中高端消费、绿色低碳等领域，包括互联网、大数据、人工智能等。该指数聚集了许多高成长性的二线蓝筹，因此我们认为它符合国家经济发展方向，并有望在未来获得更好的表现。目前来看，我们分析认为未来中证500指数、中证1000和国证2000都有很大的投资价值。原因有以下四个方面：首先，估值更便宜了。过去两年多，中证500指数整体呈下跌态势，经过调整后的估值更加便宜。自该指数发布以来，不论是PB还是PE，它的估值分位数都属于20%以下的价值投资区间，更具备价值投资的特点。其次，从内在逻辑来看，我们认为像中证500指数这样的中小市值指数依然具有较大的投资机会。主要原因是中国A股上市公司的利润正处于一个重要的盈利拐点。我们可以看到中证500成分股甚至是全A股剔除金融和地产后的净利润和收入增速都具有较强的周期性变化规律，大约围绕着8至9个季度的一个变化周期。最近一波上市公司利润的下滑是从2021年一季度开始，当时中证500成分股的收入和净利润增速都达到了相对较高的水平，收入增速达到了40%，净利润增速甚至接近100%。但是从2021年第一季度开始逐季下滑，并持续了七到八个季度，特别是去年2022年下滑幅度很大，我们可以看到很多行业上市公司的利润同比增速已经跌到负增长区间，包括中证500指数的成本股去年整个同比增速都是负的。但是我们判断底部已经到来，今年中报后整个上市公司包括中证500指数成分股，不论是收入还是净利润同比增速可能出现一个比较好的拐点。同时，像一些中小市值的板块，由于其业绩弹性较大，在未来的上涨行情中可能具有更大的投资机会。第三点原因是前面提到的中证500指数的重仓行业，如电子、医药生物和电力设备等均符合当前国内产业发展方向且具有较大的成长空间。最后一个原因是大小盘轮动存在周期性规律。从2017年至2020年，长期趋势是大盘龙头股占优的格局。但从去年开始，特别是今年一季度，我们认为可能会开始出现反转，中小盘股未来可能会迎来相对占优的格局，使得中证500指数的投资价值相较之前是更加充分。苏俊豪：与一般的500指增基金相比，全市场的500指增在策略上有哪些共同点和差异？李兵伟：无论是产品名称中包含“500指数增强”的一般500指增，还是名称中不包含类似描述的全市场500指增，都是基于中证500指数进行策略构建的。两者的行业配置、行业约束比较一致，并且从风格角度来说，两者在关键风险点的暴露上也与中证500指数匹配。这是两者的共同点。而两者的不同点在于，在产品名称中包含“500指数增强”的指增基金，投资会受到限制，80%的仓位只能够在中证500指数的成分股范围进行选股，而不包含的类似描述的500指增，能够在全市场范围选股。选择发行全市场500指增产品，是因为我们认为长期来看全市场选股会带来更高的收益率。全市场现有5000多只股票，而中证500指数的成分股只有500只，相对较少。选择局限于成分股中，随着500指增产品的数量增加，赛道拥挤度提升，实现超额收益的难度也会递增。不可否认，在部分年份，仅在成分股中选股会比在全市场选股的表现更优，但是拉长周期，全市场指增的空间更大。全市场500指增产品也有其劣势——产品标识度不够高。由于产品名称中不包含指数增强的关键词，不作特别说明的话，投资者可能并不清楚该产品是做500指数增强的基金，这不利于规模的增长。但我们的理念是通过实现长期的优秀业绩，树立品牌。让选择我们产品的投资者最终能够获得比较好的回报。苏俊豪：今年以来，行业间的收益分化进一步拉大，在行业和风格上，您会主动去做偏离来寻求更高的收益吗？李兵伟：目前为止，无论是行业还是风格，我们总体上是均衡配置的。在Wind的产品风格概述中，对我们的产品定位也是平衡型，换言之，我们的产品在行业、风格的角度都是贴近中证500指数的。未来一两年，我们看好中小市值风格，会选择紧密跟踪中证500指数。当前行业间存在收益分化，并且在进一步拉大。因此，我们近年来也在行业配置方面进行尝试，行业配比在中证500指数的基础上，主动偏离。但我们特别谨慎，我们的偏离度控制在较小范围内，并且对行业轮动策略设定了相当高的入库标准。这是因为行业轮动作为我们投资框架的一部分，数据量偏小，导致许多策略的回测结果优秀，但实际应用打折扣。但随着中国产业政策的结构性调整，人口结构的变化，技术的发展，收入水平的提高，未来产业会不断进行大的更替，尤其是现在股票数量越来越多，新型行业层出不穷，我们肯定会加大行业轮动策略的储备。目前我们的策略还是比较保守的，偏离度控制在1%~1.5%之间，如果有更好的行业轮动策略，会尝试加大偏离度。苏俊豪：机器学习在您的投资框架里有非常多的应用，可以给我们展开介绍一下吗？另外，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？李兵伟：我们几年前就开始关注、布局机器学习，并进行了各种尝试，目前已经取得了一定的成果。机器学习在我们投资框架里的主要应用之一是因子挖掘。通过机器学习模型挖掘的一些因子已纳入了我们的因子库，主要是量价因子。今年我们的模型也得到了进一步提升。如前所说，团队中也有一名博士，对机器学习在量化投资中的应用有着比较丰富的经验。除了因子挖掘，我们也在因子合成、组合优化等环节加入机器学习，试图进一步提高组合收益率。目前的回测结果来看，这些方法都有助于提升现有多因子策略的表现。未来，我们将对机器学习进行更深地论证，不断地迭代、优化现有策略，使投资者获得较好的投资体验。对于火爆的ChatGPT，我认为，它能够丰富现有因子库的同时，更好地融入现有的模型，提升策略的综合绩效，是一个值得探索的课题。比如在因子逻辑的开发环节，ChatGPT作为一种自然语言模型，可以更好地对研报、新闻进行舆情分析，构建基于文本的情感因子等。ChatGPT目前在两个方面可以直接成为量化投资的助力。第一是辅助代码编写，快速学习不熟悉的函数、语法格式等，帮助完善代码，提升编程效率。第二是归纳总结文献资料。现在很多人在讨论ChatGPT能否对现有的量化工作进行替代，我认为短期内ChatGPT仅可以辅助我们的量化投资工作，难以取代人进行量化投资。它只是一种自然语言模型，针对量化投资这一特定领域，需要进一步开发。同时，日常语言文本都存在一定程度的指向性，而股票市场中充斥了大量噪音，信噪比较低。直接使用股票市场数据进行模型训练，效果可能不佳。另外，投资会涉及到风控、合规、法律等许多其他方面，这也是ChatGPT目前无法处理的。苏俊豪：我们留意到，上面两个产品在回撤控制上十分优秀，尤其是东兴宸祥，成立以来产品最大回撤在15%以内，同期中证500和500指增平均的最大回撤都在25%以上，可以分享一下其中的诀窍吗？李兵伟：我们回撤表现相比市场同类型基金更优秀，主要是我们团队进行投资时，将风险控制的优先级放于收益率之上。我们的风险控制包括三方面。首先是均衡行业配置，我们虽然有行业轮动的模型，但在行业偏离度上严格限制在1%-1.5%内。因此即使我们特别看好某个赛道，偏离度也不会很大，不会去赌特定的赛道和行业。其次是丰富股票数量，根据我们东兴兴晟、东兴宸祥中报和年报，大家可以发现我们都持有500多只股票，这有助于避免非系统性风险。即使我们持仓的某只股票出现黑天鹅事件，对整个基金的净值影响都非常小。最后是均衡风格，我们不会特别偏向于某一类特定风格，把它做得极致，而是在各类风格之间平衡。根据WIND的相关数据，我们的东兴兴晟、东兴宸祥的beta都处于0.7~0.8的较低值，同时alpha较高。在这种情况下，市场出现调整时，较低的beta使得基金的跌幅较小，同时优秀的alpha还能部分抵消beta的下行。总体来看，我们从行业、股票数量、风格三个角度实现了组合优化，控制beta，使得我们的回撤表现比同类产品更优秀。苏俊豪：近几年，公募量化在产品策略上也一直在探索，比如指增ETF、行业或主题增强基金、或者以战胜偏股型混合型基金为目标的产品等，对于未来公募量化的着力点您是怎么看待的，您觉得什么类型的策略和产品会更容易脱颖而出呢？李兵伟：首先，指增肯定是未来一段时间内公募量化的发力重点。对于中证500指数增强，公募量化以及许多私募机构都有所布局。目前来看，在中证500成分股中实现指数增强已是红海，实现超额收益的难度较大；但在全市场做指增还存在广阔的空间，未来能够维持超额收益。而中证1000的ETF和指数增强产品的规模增长也特别快，远大于当时中证500指数的增长情况。截止目前，以中证1000为挂钩标的的产品规模达到638亿，而2021年只有76亿。现存在32只中证1000的指增基金。我们对此也有产品申报，策略模拟表现非常优秀。我们计划布局的另一个产品是国证2000指增，这还是一个蓝海市场，目前市场上仅有四、五只基金布局，规模只有不到20亿。但我认为当前阶段是爆发的前夜，国证2000指增未来应该能取得不错的效果，是宽基指数增强比较重要的发展方向。另一个公募量化可能的着力点，是偏向特定风格的产品。将某一类风格做到极致，比如说小盘成长、红利等。这种有长期逻辑支撑的产品，在部分年份的收益率会更好，有助于带来规模的增长。最后，主题型基金也是一个考虑的方向。但这类产品的难点在于，需要对未来的产业发展有一个比较准确的判断。选择未来会处于比较好的发展状态，能够带来比较高相对收益的行业是困难的，但如果能够判断正确，那也有助于增强投资人的持有体验，增长产品规模。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://17quant.com/post/%E6%9D%8E%E5%85%B5%E4%BC%9F%EF%BC%9A%E5%A6%82%E4%BD%95%E5%81%9A%E5%A5%BD%E5%85%A8%E5%B8%82%E5%9C%BA%E9%80%89%E8%82%A1%E7%9A%84500%E6%8C%87%E5%A2%9E%EF%BC%9F.html 转载需授权！
