关于公募量化基金，我写过《以平常心看待量化基金》、《如果机器人当了基金经理，TA管理的基金你会买吗》、《一直想找的那一类基金，无意间碰上了》、《只买一只基金的新选择》等长文。
以“摊大饼”分散投资、获取市场平均收益为目标的懒人养基，近两年也知行合一买入了几只主动量化基金，占我总投资大约7%的持仓比例，总的持有体验也还不错。
众所周知，量化最大的优势是人力不可及的宽广度，通过机器覆盖在全市场寻找投资机会。
但各种策略和模型的有效性是千差万别的。
所以我们过去看到，公募量化基金基本上也是“靠天吃饭”，策略和模型正好契合市场风格，业绩就很出彩，历史上小市值风格、低估值风格、极致成长风格都曾经有明星量化基金“跑”出来过；但市场风格一变，曾经的明星量化基金一样“找不着北”，业绩归于平庸。
2021年以来，“找不着北”的量化基金想到一个聪明的办法，就是盯住全市场优秀的主动基金，以偏股混合型基金指数作为增强标的，开发出了用股票组合投资对偏股混合型基金指数实现超额收益的策略。
此类策略的代表人物有中欧基金的曲径、博道基金的杨梦和万家基金的乔亮。
根据我有限的跟踪观察，自2021年这类策略陆续运行以来，基本上能达到当初设定的目标：跑赢偏股混合型基金指数。
只不过这两年主动权益基金相对被动指数基金恰好并没有表现出过往的优势，人们对此类锚定偏股混合型基金指数的主动量化基金自然也缺乏关注的热情。
量化基金另一个重要的发展方向是，对原有的线性量化模型进行升级，用非线性的、类神经网络模型进行替代。
通俗地说，就是让量化模型具备了复杂的自我学习功能，通过算法训练模型、总结和发现市场规律，实现对过往“找不着北”的突破。
目前这方面的代表有华夏基金的孙蒙团队和国金基金的姚加红团队。
国金基金姚加红这样描述量化基金的这一新趋势：
早期的量化投资，是先有主观投资的经验，然后将这些经验写到程序里自动化运行。
而随着AI技术的发展，我们的量化投资，主要是通过训练模型让算法去发现和总结规律，这些发现和生成的规律就是我们的量化模型，这样的模型能捕捉到很多人类很难发现的市场规律。这也是我们做量化投资时比较明确的特色——依赖技术驱动，而非人工投资经验的机器化实现。
在最近的一次路演中，姚加红介绍到，这种以机器学习为基础核心的策略，能够在多个维度分别构建子模型，对每个股票进行跟踪、判断和预测。
这些子模型叠加起来，最后共同给每个股票打分，形成一个股票的排名，最后着落在股票排名上。
“我们所有这些交易的动作，唯一的判断和依据就是这个股票的大排名。”
“这种策略提供出来的一个比较重要的特征就是提供相对稳健的超额收益，并且这个超额收益具有一定的竞争力。”
这一点，在姚加红团队管理的专户（私募）产品“新智能1号”已经有了七年以上的实盘验证。新智能1号在第三方的平台上都可以查到它的业绩，该产品运行七年多，风险收益特征是年化17%，最大回撤6.5%。
他们团队于2020年3季度接手管理的公募产品国金量化多因子股票（006195）自他们接手管理后也获得了稳定的超额回报。
国金量化多因子股票是针对中证500做超额，该基金2021年、2022年和2023年截至6月16日的回报分别是18.41%、12.23%和11.58%，而中证500同期回报分别是15.58%、-20.31%和4.83%，基金的超额回报分别达到2.83%、32.54%和6.75%。
有意思的是，有投资者质疑国金量化多因子采用的是市值下沉的小盘股或微盘股策略，这样的回报可能并不具有可持续性。
对此，姚加红的回答是，他们采用的并不是小盘股或微盘股策略。无论国金量化多因子股票，国金量化精选混合还是国金量化多策略，选股范围都是全A市场。在选股层面，没有偏大或偏小的主观倾向，完全取决于预测模型给出的信号。
懒人养基查询了国金量化多因子股票过往前十持仓情况，仅2022年2-3季度的前十持仓个股市值几乎都在50亿元以下、符合微盘股的特征，2022年一季度前十持仓中就有首钢股份、江西铜业和东阿阿胶这样市值几百亿的股票，2021年全部四个季度、2022年四季度和2023年一季度的前十持仓一大半是千亿市值的股票。
可见，他们采用的确实并不是小盘股或微盘股策略。
在与投资者的交流环节，姚加红并不否认小票确实更容易做超额、大票超额会低一些。
他表示，选股层面完全取决于预测模型给出的信号，就意味着流动性往哪儿流，他们的持仓自然也会往这个方向偏移。
客观上呈现出来的结果，就可能是大小盘、不同行业或风格的轮动。
因为业绩出众，国金量化多因子的规模增加很快，从2022年三季度的5.47亿元到四季度的15.72亿元，再到今年一季度的36.07亿元。
但仔细查阅基金阶段业绩表现可以发现，无论去年四季度还是今年一季度，国金量化多因子股票超额的形态并没有发生太大变化，总体上继续维持了较为平稳的增长，说明基金规模的快速增长对超额的实现并没有产生太大影响。
对此，姚加红表示：“对于我们而言，比较关注的是市场风格的延续性，而不是风格到底偏大还是偏小，因为模型会有风格的跟踪，所以无论大票占优还是小票占优的风格，我们都能尽快调整以适应风格的变化。”
此外，公募量化的换手较低，也对规模容量起到了积极作用。
我们都知道，A股往往容易出现涨起来可以上天、跌下来可以入地，历史上从未出现过的极端行情。
如果出现极端行情，这种非线性的量化模型能否通过自我学习和调整从而快速适应呢？
比如，在结构（抱团）行情横行、强者恒强的2019年和2020年，近两年表现优秀的量化基金，大部分并没有达到主动基金的平均收益水平（偏股混合型基金指数）。
如下表所示。
或者换一种说法，如果出现大牛市，升级了的非线性模型能否具有良好的自适应性、主动量化基金能否避免2019年和2020年的那种相对落后情形？
而无论如何，此类主动量化基金在2021年初以来的震荡市和熊市确实表现出了难得的优势，具有配置价值，值得密切关注。
本文所有观点和涉及到的基金不构成投资建议，只是我自己思考和实践的一个真实记录，据此入市投资，风险自担。
联系客服
