近日，权益市场风格再度洗牌，小盘股逐渐崭露头角，多只小盘风格管理人在受到了市场的高度关注。在最新的采访中，券商中国记者与多位公募量化基金经理和相关研究人员探讨了以下问题：公募量化的基金经理们如何看待市场风格和行业的轮动？是否会根据基本面做出判断，主动偏爱某些行业？在公募量化圈兴起的分行业建模新做法，又是否会被行业广泛采纳？

在华安基金的量化投资总监朱宝臣看来，作为量化基金经理，要对不同的市场风格做好万全的准备。“我们的策略和整个市场的风格是息息相关的。2017年以来，权益市场的风格主要分为三个阶段：大盘价值阶段、大盘成长阶段，以及中小盘成长。今年以来，市场经历了较长时间的调整，直到前段时间，新的风格逐渐清晰，小盘股占优的行情得到确认。”

作为公司的量化投资总监，朱宝臣也在带领团队积极布局除了基本面以外的、适合小盘股交易的策略。他表示，在策略的储备初期，他们并不是为了迎合特定的市场风格做了一些布局，而是从长远规划的角度出发，针对不同的大盘风格都提前做好了储备。

长信基金总经理助理兼量化投资部总监左金保表示，量化本身是一个不断发展和迭代的行业，手中的策略要持续优化和改进，无论是因子层面还是模型层面，都要去跟踪最新的研究成果，改进模型。他透露，自己正在加强对市场风格的研究，增强组合对市场风格变化的适应性。

不过，对于量化模型是否要紧跟风格和行业的轮动，基金经理们也有不同的看法。华夏基金的量化基金经理袁英杰就告诉券商中国记者，之前他在卖方工作时，对风格的轮动和行业轮动都做过细致、深入的研究。“到了买方之后，这部分的研究做得少了。主要考虑到，如果是用量化去做行业轮动或者风格轮动时，胜率大概能达到百分之五六十，这个胜率我个人感觉还是不够高。”

在袁英杰看来，量化模型对风格和行业进行轮动，意味着整个组合会有较高的换手率。“行业变了，就要把这个行业的股票都卖出，换仓的幅度还是比较大的，当产品达到了一定规模，调整起来就比较有难度；但如果是风格或者行业轮动的频率比较低，比如三个月左右轮动一次，那么这个量化策略的优势可能就没那么明显，样本数量太少，对整个模型的改善就非常有限。”总体而言，袁英杰认为，在量化基金领域运用风格和行业的轮动策略，其性价比可能并不会太高。

“量化投资是非常分散的，我一般不会选择在单一行业上有很大的暴露。”左金保告诉券商中国记者。从业绩归因来看，量化基金赚取的超额收益可能更多是在选股的维度上。在他看来，行业配置带来的超额收益在量化的视角可能会相对审慎，固定地去重仓某些行业可能为组合带来稳定的超额收益，但值得注意的是，这也有可能阶段性地暴露某些行业的风险点。

在建信基金金融工程及指数投资部副总经理叶乐天看来，量化模型是否有行业、风格的暴露，主要取决于量化基金的投资目标，如果目标是赚取纯阿尔法收益的话，可以不管行业和风格；如果目标是赚取信息比率（超额收益/跟踪误差）的话,那么就需要把这些因素都考虑进去。叶乐天和团队为市场提供的组合是纯量化的，而且是比较传统的做法，在行业和风格上都是中性的。“我们更想给客户提供一个比较纯粹的产品。”

袁英杰也有类似的观点。在他看来，量化模型在行业方面是否暴露，取决于组合的收益目标。“比如，我希望稳健一点，行业偏离就会控制得严格一点，向行业中性更靠近一点；如果我想获取更高的超额收益，行业方面就可以放松一些。”

他认为，是否要对行业做偏离，也要视不同指数的情况而定。比如，对于中证300来说，如果不做行业偏配，超额收益的波动率和误差就会下降得很快。但是对于中证1000而言，即便不做行业偏配，波动率和误差下降得也不会很明显，但是对收益产生了实在的损耗。“这个时候，我会选择把行业偏离放松一些。”

袁英杰坦言，自己目前的策略还是以量化选股为主，在行业方面没有什么倾向性的配置，但是在组合管理的时候会做一些风控。“对于我来说，更多的是要控制我的组合相对指数的行业偏离，以此降低组合的跟踪误差，进而降低超额收益的波动率。”

作为一位在行业轮动方面颇有心得的量化基金经理，朱宝臣明确表示自己会结合基本面的情况对行业做偏配。“我们在做量化模型的时候，会向主动管理团队请教很多，我们实际上是把他们的逻辑和数据进行模型化，达到可预测的效果。”在朱宝臣看来，在量化处理的过程中，对AI的应用有利有弊。“好处是AI的模型对数据的消化能力很强，学习新模式的速度很快，但坏处是可能出现过拟合，进而‘学习’到伪规律。所以这个时候我觉得是主动和量化的结合，在模型的特征工程方面多下功夫，通过人为的逻辑和人为的数据输入，效果会比较好。”

他表示，经过一段时间的打磨，华安基金的量化团队在行业轮动上有相对成熟的模型，模型会综合考虑行业的景气度、交易特征以及资金流等因素，做出超配或者低配行业的投资建议。

具体来看，朱宝臣会从几个方面入手研究。从行业的景气度来看：一方面，他会关注行业盈利的提升情况；另一方面，他会从交易的特征去观察。“如果一个行业的基本面数据向好，但是市场对此却并不买账，那我们也会对这些基本面数据未来的可持续性保持警惕。”

朱宝臣告诉券商中国记者，行业模型相对而言是比较长期的模型，预测周期大概会有半年的时间。他认为，真正景气的趋势不会很快调转桥头，“做投资的人常说‘长坡厚雪’，这意味着景气度很难在短时间内消退。”

在采访中，券商中国记者注意到，对于如何应对大盘风格和行业的轮动，以及随之产生的贝塔收益，公募量化基金经理有各自的看法。在量化建模的具体过程中，业内的做法也不尽相同。

猫头鹰基金研究院的总经理助理、研究总监伍彦妮告诉券商中国记者，市场上有部分公募量化团队针对行业进行了单独建模；也有部分量化基金经理认为，对于部分财务报表比较特殊的行业，比如金融行业，是很有单独建模的必要的。

在她看来，在建模时，通常会有四类数据被使用：第一类是财务数据，第二类是一致信息数据，第三类是另类数据，第四类是量价数据。由于不同行业的成长逻辑不同，对应的关键数据在分析方法上肯定也会存在一些差异，因此，分行业建模有一定的理论基础。

但是，由于量化投资的其他一些特点，分行业建模的想法也有一些局限性，一些量化基金经理就明确表示目前并不考虑这种方式。伍彦妮告诉券商中国记者，不支持分行业建模的基金经理主要的顾虑在两方面：一方面，一旦细分行业，每个行业内的股票个数就会相对有限，“一些基金经理觉得样本的数量较少，不利于模型的准确性。”

另一方面，分行业建模也是比较耗费人力物力的选择。伍彦妮表示，如果要分行业建模的话，一般要一年多的时间才能完成，过程中还需要克服一些数据不完善的障碍。根据猫头鹰基金研究院调研的结果，分行业建模目前在公募量化圈尚未成为非常主流的选择。