提到量化投资，可能很多人想到的是挥斥方遒的奥赛少年，以及艰深的模型和海量的数据，莫不给人曲高和寡的感觉。实际上，大道至简，投资也不例外，复杂的“术”背后，量化投资追求的是稳健，是胜率，是积跬步而至千里。

量化投资的思想源远流长，古人的行为中早已蕴含量化交易的艺术。关于量化交易，最早的记录可以追溯到公元前624-547年，亚里士多德（Aristotle）在其《政治学》一书中记载 ：“冬天时Thales（泰勒斯）凭着他对星星运行规律的总结，推测出来年橄榄会大丰收。他先以低廉的价格租用希俄斯和米利都的所有橄榄榨油机，等到收获的时候再将收集的榨油机出让。Thales因此有了轻松致富的途径。”

那么，在如今的投资实践中，是否也能总结出类似于“星星运行”的规律，来帮助投资者达成“战胜市场，获得稳定超额收益”的愿望呢？我认为，答案是肯定的，而这也是量化投资的优势所在：即在纷繁的数据中总结出规律，从而帮助投资者力求获取稳定、可持续的超额收益。

从业以来，我一直在量化多因子模型迭代、风控管理等方面不断精进，努力把自己的产品打造成投资者愿意中长期持有的“底仓”品种。当投资者想要获得A股的Beta，又希望能有稳健的收益增厚时，不论市场处于什么样的状态，都能将我所管理的产品作为选择之一。

量化投资：在纷繁数据中总结规律

自2008年毕业以来，我从事量化这一行已有十余年时间。期间A股时而波诡云谲，时而柳暗花明。而大洋彼岸，美股已历经百年沧桑，曾经见证了财富爆发式增长的奇迹，也听闻了不少市值瞬间缩水的声声叹息。究竟是什么驱动了股价上涨？投资者在二级市场买股票，到底赚的是什么钱？

在海量的大数据中，我们不断地抽丝剥茧，寻求能够稳定获取超额收益的奥秘。我们构造了覆盖估值、成长、盈利质量、预期、技术等多个大类选股因子，他们就像“星星运行”的规律，帮我们预测股市的涨跌。而对这些因子合理的动态暴露，则有望帮助投资者“积硅步而至千里”，希望能获取稳定的超额收益。

除了追求收益，我们也很重视风险控制。投资若脱离了风险控制，就宛如野马脱了僵、风筝断了线。举个简单的例子：过去3个月，投资者A每月实现的收益率分别是40%、40%、-20%，那么其复合月度收益率是多少呢？统计的数据结果让人吃惊：16.7%。这是因为，出现一次-20%的回撤，大幅拉低了前两个月+40%的收益。所以，我们经常听到类似于“风险就是收益”“风险是投资的基本盘”等说法，就是这道理。

而控制风险的一个重要方法，是分散投资。公募基金采用组合管理方式，对于行业配置比例、个股持仓权重、市值偏离等都有严格的限制，也就是说，持仓通常不会集中配置在某一行业，不会在某一个因子上过度暴露。如果组合押注某个单一行业，一旦这个行业因基本面或者其他因素出现大幅下跌时，基金净值就会受到较大影响，甚至在短期内出现大幅回撤，在未来很长一段时间都难以修复。近几年，A股结构分化加剧，押注单一行业既有可能遭遇股价的大起大落，也可能会面临长期“踏空热点”的窘境。

当然，规避风险的策略多样，本质上可以归结为“不要把鸡蛋放在一个篮子里”。这里的“一个篮子”可能表现为“某一个行业、某一个赛道、某一个主题概念”等等。与此相对应的是，量化投资的特点之一是分散化投资。从组合构建的角度看，分散化投资是市场中为数不多的“免费午餐”，也是实现“积硅步而至千里”的重要投资策略。

指数增强：兼顾基准Beta与超额收益

量化的策略多种多样，我主要专注于指数增强赛道，通过量化手段提升组合管理能力。具体到投资目标上，我希望在控制好跟踪误差和最大回撤的基础上，追求中长期稳定的超额收益。换言之，我的目标并不仅仅是追求超额收益，而是追求风险收益比最大化。

指数增强，顾名思义，是指在把握基准Beta的基础上，追求稳定的超额收益。策略的核心在于“稳定的超额收益”。其中，“稳定”体现在策略能很好地跟住基准的走势，呈现 “与涨共涨、与跌共跌”的特点；“超额收益”则体现在策略最终获得比基准更高一点的收益，但并非追逐脱离基准的高收益。

根据跟踪基准的不同，指数增强可以分为宽基指数增强（如沪深300、中证500等）、赛道指数增强（如军工增强、医药增强等）。其中，沪深300和中证500指数增强是最重要的两种产品形态，截至今年11月17日，以沪深300和中证500指数为基准的增强基金规模占主动量化产品规模的比例分别为21.2%、19.9%。

指数增强基金为何会受到投资者的青睐？从某种意义上来说，指数增强最大的特点是在享受基准Beta的同时，力求在长周期内实现稳定的超额收益，以提升持有体验感。如果投资者看好沪深300指数的长期发展，可能会选择沪深300指数增强产品。以2017年为例，该年A股市场出现极致的大盘蓝筹行情，沪深300指数收益高达21.78%，表现远优于其他宽基，同期二十多只沪深300增强产品平均收益达23.91%。

那么，指数增强策略如何实现稳定的超额收益呢？我管理的指数增强基金主要是采用量化多因子模型，选取长期有效的Alpha因子，在胜率相对较高的地方做适当暴露，通过选股来获取超额收益。而在量化不擅长、难以获得稳健收益的地方则做好风险控制。

具体来说，模型利用不同层次的数据构建因子，确保因子的相关性较低，将逻辑相似的因子归为同一大类。模型可选择的大类因子，既包括基本面因子如估值、成长、盈利、分析师预期等，又包括交易面因子如动量、波动、流动性等。

另外，我对中低频的因子更为关注，希望模型具有宏观上的意义和经济逻辑。在构建量化模型时，我始终坚持三个原则：第一是分散原则。通过量化方法从股票相关的海量数据提炼出多个选股因子，并构建出一个大的量化因子池。第二是注重逻辑学和金融学，尽量少用纯粹数据挖掘得到的因子。第三是找到低相关性的因子，以达到配置效果稳定的目的。

在投资过程中，基金经理一般不会对量化模型做过多的干涉，模型本身是基于中长期数据构建的，除非出现大的回撤或和历史出现大幅偏离，否则不会主动背离策略。因此，量化策略的纪律性强，希望能够较好地控制跟踪误差和回撤，对于机构投资者以及有资产配置意愿的投资者来说，其投资价值和底仓配置价值值得关注。

拥抱时代Beta：关注核心资产

时代在进步，市场在变化，量化投资发展至今，也经历了无数次的蜕变。结合市场环境以及自身的投资实践，我的量化多因子选股模型也经历了数次更迭和升级。

总体而言，量化多因子模型的迭代进化，主要体现在两大方向：选股因子的改造和补充、选股因子的加权方式。因子构建方面，既有对基本面细分因子进行精细化的改造或重构，又包括高频因子、ESG因子等另类因子的引入。因子加权方面，在传统动量加权的基础上，探索从宏观、中观及量化等多角度对未来因子走势进行判断和赋权。

在夯实多因子模型的基础上，我也致力于积极探索基本面量化领域，研究范式从量化的“历史归纳”逐步融入基本面的“逻辑推演”，兼顾研究的广度和深度，提高投资的前瞻预判能力。

从某种意义上来讲，指数增强是量化从业者最适合发挥自身特长的一款产品形态。随着我国投资者的逐步成熟，无效的短期噪音会越来越少，这种产品形态有望迎来更好的发展。而无论何种增强，其本质都是要把握好中国经济发展的时代Beta。作为二级市场的投资人，我坚定看好中国经济的高质量发展，看好引领时代发展的核心资产。对投资人来说，拥抱时代的Beta，是一件幸运的事情。

回顾今年的A股市场，各种不确定性因素增加，波动相比往年加大，但是悲观的理由在减少，乐观的因素在增多。随着各项稳增长政策的陆续推出，国内经济有望恢复较快增长，A股的企业盈利预期也会逐步清晰和乐观。从估值水平来看，当前市场估值均处于近五年较低的分位。因此，结合企业盈利和估值水平来看，A股有望在中长期迎来较好的投资机会。

站在当下，我仍会从量化多因子模型出发，均衡配置多个长期有效的选股因子，选出从多维度考察均表现优秀的公司，力求实现稳定的超额收益。

（风险提示：文章涉及的观点和判断仅代表投资经理个人的看法。本文仅用于沟通交流之目的，不构成任何投资建议。投资有风险，入市须谨慎。）