深度聊一聊量化基金

日常闲聊，请关注我的微博：沈潜随手记

今年，有一类基金特别火，那就是量化基金。

各种关于量化基金的话题，也是此起彼伏，比如今年惊艳的业绩、9月份至今的回撤、以及量化基金与市场持续巨额成交的关系等等。

我之前也分享过关于量化基金的观点，详见之前的文章：简单聊一聊量化

今晚，我以中欧量化驱动为例，对量化基金做一个深度系统介绍。

一、量化基金面面观

我们首先要解决一个问题：什么是量化基金？

简而言之，量化基金就是严格按照数学模型，进行投资的基金。

从这个简单定义出发，量化基金可以在多个维度，划分为不同的类型。

比如，根据交易的频率，可以划分为高频量化基金，和中低频量化基金，在国内，高频量化以私募基金为主。

比如，根据量化模型中不同因子的权重进行分类，我个人觉得在这个维度下，量化基金可以分为三类，第一类量化基金偏好基本面因子，比如红利因子等；第二类量化基金偏好各类交易信号，比如动量因子等；第三类则是前两类的杂糅。

最常见的分类，是按照基金经理的主观能动性，分为主动型量化基金、指数增强基金和对冲型量化基金。

主动型量化基金，除了基金经理是按照自己的量化模型做投资之外，与其他主动型基金，并没有太多不同，目前最常见的量化投资模型，就是多因子模型。

指数增强基金，则是基金经理要想一切办法，跑赢基准指数。

在指数增强基金中，基金经理选股则要受到制约，通常股票仓位的80%要在指数成分股和备选成分股中筛选。

对冲型量化基金，相对于主动型量化基金，增加了对冲操作，主要通过股指期货、期权等衍生品工具实现。

对冲是把双刃剑，处理得好，则可以增强收益，降低波动；处理不好，则会两边打脸，收益大减。

我个人认为，量化基金的超额收益来源有两个，一是决策效率提高，二是克制了人性的弱点。

仅以A股市场来说，上市公司就有近4000家，一个传统的主动型基金经理，即使能力再强，也没有精力全部覆盖，而量化基金，则可以通过自己的量化模型，进行快速筛选。

在一些稍纵即逝的机会上，人力也很难匹敌机器，这在高频交易中体现得更为明显。

另一方面，投资是一个反人性的游戏，大多数投资者都无法克制自己人性的弱点，而量化模型则不需要担心这个问题。

二、量化基金投资注意事项

大多数投资者，都对量化基金并不熟悉，人们对于自己不熟悉的事物，总是要么倾向于神化，要么倾向于妖魔化。

其实，量化基金只是基金中的一个类别，只是我们投资后备箱里的一种工具，保持合理预期，用平常心来看待就好。

那么，投资量化基金有什么注意事项吗？

首先，是要正视量化基金的特殊风险。

对于量化基金来说，除了股票型基金固有的波动大等风险之外，还有一个特殊的风险：量化模型可能会失效。

举个栗子，2017年之前，在A股市场，多因子模型中超额收益最为明显的是小市值因子，于是，很多量化基金集体押注小市值，结果在后面的几年中，持续遭遇滑铁卢。

这告诫投资者，需要对量化基金的量化模型，至少有一个大体的认知和判断，好的量化模型当然会自己进化，但如果自己确定现有的量化模型已经失效，那么，就要及早做出决定。

其次，要明确量化基金适用的市场阶段。

从我自己这些年的观察看，量化基金最适用的市场阶段是震荡市，在震荡市中，量化基金可以充分发挥自己的交易优势，这在今年体现的最为明显。

但是如果遇到单边市，量化基金的优势就不会像是今年这么明显了。

最后一个注意事项是，留意量化基金的规模。

量化基金的换手率通常都比较高，如果规模过大，会面临流动性等问题。

聊完理论，我们再结合实际案例，来加深对量化基金的认知。

三、产品举例：中欧量化驱动

之所以拿中欧量化驱动来举例，原因有二，一是中欧量化驱动的业绩不错，特别是今年，二是中欧量化驱动的基金经理比较稳定，这在量化基金中较为难得，自2018年5月以来，一直都是曲径在管理，中间的两次小变动，是因为产假，具体可看公告。

截止11月24日收盘，中欧量化驱动年内收益率为34.25%，年内最大回撤为9.96%，表现远好于其他偏股类的基金产品（数据来源：天天基金）。

曲径，复旦数学系学士，卡内基梅隆计算金融硕士，从业15年，6年基金管理经验，曾任职美国知名量化投资机构千禧年基金、中信证券另类投资部高级副总裁，现任中欧基金量化策略组投资总监。

中欧量化驱动今年能有这么好的表现，离不开它常年所践行的基本面量化策略。

中欧量化驱动的基本面量化策略，具体可以分为三步。

第一步也是最难的一步，就是抽取行业的核心逻辑，这是行业发展的核心驱动力，需要深度认知。

据了解，目前曲径及其团队70%的精力都在抽取行业逻辑上，会花大量时间访谈研究员、行业专家，学习和理解行业视角，去除杂质，提炼精华。

第二步是在第一步的基础上构建量化模型。

通过不断的专家访谈、上门路演、借助研究团队抽象基本面逻辑，基本面量化针对不同行业提取出核心逻辑，用数理方法构建特定行业模型。

这相当于训练了无数个行业的资深“机器人专家”，7*24小时为投资者站岗盯梢。

例如，汽车行业就会用到专属的汽车数据去建模，钢铁行业会用到特定的高炉开工率等指标建模，养殖行业会用猪存栏量、出栏量、价格等指标建模。

从这里，我们就可以看出基本面量化和传统基本面主动投资的本质区别。

传统的基本面主动投资，高度依赖个人的感性判断，这也导致持仓集中度会较高，业绩波动大，而基本面量化则是基于模型做决策，相对更为理性，持仓也更为分散，更依靠团队协作。

这也可以从中欧量化驱动的持仓风格上加以印证。

在行业分布上，中欧量化驱动高度分散，持仓集中度在持续走低，从2021年中报看，按照中信的一级行业分类，中欧量化驱动占比最高的行业，也只有12.07%，前5大行业的占比也只有51.08% 。

数据来源：wind，时间：2021年11月24日

在市值偏好上，中欧量化驱动没有明显的持续偏好，从最新的季报来看，中欧量化驱动目前偏好小盘成长类公司。

数据来源：wind，时间：2021年11月24日

在第二步中，我们也可以看出基本面量化与传统多因子量化模型的不同。

传统的多因子模型，所有的公司都用一套基本面指标，基本面量化会用非常多基本面投资逻辑，然后用这些数据来搭建针对各个行业的特定模型。

有了前两步，第三步就简单多了，就是系统自动发送信号，并执行。

很多朋友会关心，中欧量化驱动这套基本面量化策略，实际运行效果怎么样？

除了基金本身的业绩之外，我们还可以再看一组数据。

下图是wind的数据系统，对中欧量化驱动做的业绩归因分析，从今年中报的数据看，在28个中信一级行业中，中欧量化驱动涉及了26个行业，并在21个行业中取得了超额收益，效果确实不错。

数据来源：wind，时间：2021年11月24日

提到量化基金，自然要提它的规模，三季报曲径的总管理规模为60.33亿元，中欧量化驱动的规模为30.02亿，从近期业绩看，目前的规模处于策略的舒适区中。

另外，点击文章最后的 阅读原文，通过滚钱宝申购中欧量化驱动，可以享受全网最低申购费率，0.1折。

好了，关于量化基金，关于中欧量化驱动，我们就先聊到这儿，明天见。

最后是例行的风险提示：基金过往表现，不代表未来业绩，投资股票型基金，投资者需要做好承受剧烈波动的准备，投资者在投资之前，须仔细阅读《基金合同》、《招募说明书》和《产品资料概要》等基金法律文件，充分认识基金的风险收益特征和产品特性，本文仅为策略和产品介绍，并非任何投资建议，投资有风险，请务必谨慎、独立决策。

如果感觉不错，欢迎转发给身边的好友