一个业绩堪比私募量化的公募基金

（原标题：一个业绩堪比私募量化的公募基金）

今年TMT和中特股行情，你参与了吗？如果没有参与，在这个存量博弈，轮动频繁的市场中，量化基金也是一颗靓丽的仔，可以关注一下。
根据最近长江证券研究所提供的报告分析显示，2013年～2016年的市场适合量化基金，2017年～2021年的市场适合主动管理基金。2021年至今的市场比较适合量化基金。
那么，量化基金适合什么样的市场？

1，市场没有一直上涨的主线，行业呈现快速轮动下的震荡波动市

行业快速轮动，主观投资难以跟上量化策略（可同时跟踪上千个指标快速做出买卖决策）
2，中小盘风格占优的市场

研究员、基金经理难以覆盖小微盘。量化在小盘股投资具有天然优势，容易捕捉到其中的机会。
总之，量化基金在行业震荡市、熊市以及轮动速度快、小盘行情的环境中更占优势，能够较为及时的把握市场风格变化，所以量化基金在现在的行情下是有配置价值的。
量化基金主要分为纯量化模型和主观量化模型。
纯量化模型在投资过程中的主观判断不多，基金经理主要监控模型交易的执行情况、会关注极端行情表现，对模型进行迭代，eg华夏孙蒙（我之前的文章介绍过）、国金马芳，国泰君安胡崇海。
主观量化利用量化模型对个股进行打分，并由基金经理或者行业研究员的主观经验进行个股的筛选或权重配比，eg招商王平和大成苏秉毅（我之前的文章介绍过）、西部利得盛丰衍。
由于公募基金量化策略在监管限制、投资限制等5个方面（可查看我之前的文章）诸多限制下，如果有钱可以买点私募，量化产品有“买私不买公”的说法，私募量化产品的业绩通常比公募要好一些。

今天介绍的胡崇海管理的国泰君安量化选股，其业绩可以与量化私募基金业绩相媲美，而策略上又有别于大部分公募基金。
一，基金经理履历及团队

胡崇海，浙江大学数学系运筹控制专业博士，拥有13年投研经历，其中5年研究经历，8年投资经历。曾任香港科技大学人工智能实验室访问学者。在Alpha量化对冲策略、指数增强以及事件套利策略等方面有独到且较深入的研究，是国内首批将机器学习技术应用到实战投资的量化投资经理。
曾任职于方正证券研究所、国泰君安证券咨询部及研究所从事量化对冲模型的研发工作，于2014加入国泰君安资产管理权益与衍生品投资部从事量化投资工作，现任量化投资部（公募） 总经理，负责团队量化投研工作。

胡崇海目前管理规模不大，一共23.48亿，分别是国君500指增、国君1000指增，国泰君安量化选股等5个量化产品。

团队情况：

早在2011年，国泰君安资管发行了国内首支对冲基金。2013年公司开始布局基本面研究，2014年引入机器学习，2018年加入高频量价，2020年实现高频量价与基本面结合的投资策略。也就是说，量化团队拥有10年私募积淀。私募时，获得过金牛奖。

之前的资管业绩

上图的国泰君安君享同利，比较基准是收益10%。是做绝对收益的产品，业绩还可以。

团队14年成立，团队一直很稳定。2021年开始做公募（私募业务还在）。私募上的一些特色的东西，会用到公募产品上。

团队目前有11人，其中4名投资经理，4名专业投研人员，IT和交易人员3名，拥有博士学位2名，均为海内外名牌大学背景，平均从业年限10年。长期通过关注海外为主、国内为辅的卖方报告吸取成熟市场想法。

二，国泰君安量化选股基金情况

国君量化选股是胡崇海第一只、也是唯一一只开放式主动量化产品，22年8月发行，基准中证全指，个人觉得量化全市场产品，与885001比，比较合适。

该基金去年8月成立至今，与偏股型基金相比，超额23.46%。

1，收益和回辙

今年的业绩14.92%。2022年8月18日成立以来最大回辙9.94%。

若与私募基金同策略比，它的业绩可以排在前5%之内。

2，规模

从之前的1564万，上升到8780万。上涨了461%。现在不到9000万，有不错的规模红利。

3，机构占比97%

基金公司自购1000万份

4，换手率高，758%

5，行业和持股

截至一季报，前十大重仓股占比8.62%。个股小于1%，持股分散。全市场选股策略，目前是小盘成长风格。三大持仓行业各20%（传媒，计算机，电子），观察到近期，TMT下跌时，它还是比较抗跌，模型自动调仓了？

从韭圈的数据显示，其重仓股的择时胜率90%

三，基金投资方法

除ST股，流动性靠后和市值靠后的次新股之外，上市满一年才能进入选股池，现在大概在2800只股票。根据流动性进行一定的约束，摒弃掉一些行业上的约束，风格上的约束，根据模型的打分来进行选股。风格上的分布是比较均匀的，得分也不会集中在某些行业，不会集中在某种风格股票上。也就是，基本上选出来股票在赛道在风格上的分布是比较分散。

该基金持股大概300只左右（其500指增大概300只左右，1000指增大概500只左右）。在300 500 1000中都会选，而且1000之外也会选，所以整体来讲，量化选股的可容量比较大一些。

小结，该基金行业上分布比较均衡，风格也比较均衡，持股比较分散。

四，投资的理念方法
用稳健的模型，尽可能精确地捕捉股票市场模糊的确定性。

之前在资管的时候，以做绝对收益为主。所以，把严控风险放在重要位置。

坚持“工匠精神”，即避免黑箱暴力挖掘因子等业内较普遍的方式，通过持续不断完善模型与扩充因子库、自研交易系统等方式“精雕细琢”，强化模型迭代能力。

量化投资一项重要的工作就是寻找有效因子、用模型合成信号、通过分散投资来降低风险、通过概率来博取超额收益。因此“寻找有效因子”，是量化投资成功的关键。

国泰君安的因子库较丰富，储备了1500余个因子，并尽量保证其质量。eg很多管理人在挖掘因子的时候，都会用到各种数量模型。这种方式有个弊端，有可能挖掘到一个回测表现非常优秀的因子，但在逻辑上，因子与股价之间并没有显著的因果关系。这类因子在挖掘中可能存在多种巧合，如果将因子应用在产品中，就有可能出现因子失效的情况。而国泰君安的做法是先进行手动挖掘，在有投资逻辑支撑的基础之上，再进行因子挖掘，这种方式可以极大避免上述因子失效问题。

因子的优势劣汰，让模型来选择它在某些阶段用什么因子，国君的模型是相对比较灵活的，用多策略来叠加，每一次加因子，每一次做一个改进，是不需要伤筋动骨的去重新训练。

五，特色（与采用纯量化模型的其他公募相比）

1，它量价因子占70%，换手率较高。高频与基本面相结合。这在公募中很少见。

公募一般基本面量化为主，且换手率低。

简单来说，就是从公司财务数据、分析师情绪因子和机构持仓因子等低频数据，来判断股票未来的发展。但其缺点也较明显，数据更新慢，时效性较弱，横截面缺乏独立性。比如，ROE，三个月可能才变一次。那么高频数据就比较好一点，就是它每一个数据在非常快的变化，使得每个横截面的相对的独立性比较高。也就是说。高频量化策略，数据更新快，能够解决基本面因子时效性问题，通过大量的实时高频交易数据进行交易（国君的高频策略在整体策略组合里的运用达到了70%），也能让组合的超额收益走得更加平稳。

高频数据是可以给机器学习提供大量的独立的样本点，随着这几年市场的扩容，它就训练的比较准确。

国君是更偏盘中交易的一个团队，就是盘中充分吸收当日的交易数据来及时响应。现在每个时间点的模型都是不一样的，有些时间点偏早盘的可能基本面高一点，偏尾盘的可能量价高一点。

2，实时投资组合管理

3，盘中实时风控管理

自研的风险管理模型，是为了与高频的模型更加匹配。在风险控制上，与同行比是比较严格的，这也是之前是做绝对收益的团队为主有关，所以在风控上要求比较高。
4，自研的交易系统

该交易系统是经过私募赛道上多年历练的，在同行当中具有一定的竞争力。能够支撑更高换手的策略。

大多数公募量化，还是基于o32或者基于恒生的系统来做交易。
5，券商系优势

①在数据的获取。从母公司可以得到很多一些另类数据，可以得到一些高频数据，得到公司在it上的一些支持，不管是服务器托管，一些云计算的资源，都是可以得到公司的支持。
②它交易费率是比较低的，交易费率低才能支撑更高换手。

六，业绩归因

行业偏离度低，选股胜率高。注重pure alpha（超额收益的波动率有严格控制），其超额收益来自 Pure Alpha的部分占比在90%左右。

他的路演我听了三遍。感觉比私募量化的路演讲的更深入更透彻。

☆☆作为普通投资者，重点考察量化基金以下几个方面

1，超额收益的稳定性。回撤的幅度。修复时间的长短。

2，规模的容量。

观察交易的频次，eg高频，中频还是低频。如果是高频，规模容量相对小一点。

3，团队的实力eg背景，数据，软硬件实力。

总之，胡崇海团队是以基本面+高频量价相结合，机器学习与深度学习双重驱动。因子库储备较丰富1400多个，涵盖基本面、技术面、高频数据、另类数据等方向，并注重因子的差异化与另类化。它既有公募常见策略，又结合了私募禀赋。

需要注意的是，量化选股，是全市场选股，没有对标某指数的约束，那相应的波动率也会增加一些。

另外，我之前介绍过的工银创新动力，最近我听了基金经理杨鑫鑫的路演，他的总规模已经达190亿了（当时介绍的时候他规模还小）。如果小伙伴们最近想加仓的，需要审慎，因为规模是业绩的天敌。

写了好多天，眼睛累坏了。