基金投资的第三条道路：在确定与不确定之间|公募|基金投资|基金管理人|私募

PS：做播客迄今，一直作为嘉宾在好几档节目串台，终于在自己播客“精分派”的主场，请了两位熟悉的好朋友一起畅聊三小时，有了下面这期节目，欢迎大家捧场。

这次请到了两位嘉宾，一位是博道基金的量化投资总监杨梦，EarlETF的老读者应该不陌生，她管理的博道远航是 EarlONE 基金清单中的常客；另一位艾暄是我老同事，著名投资内容品牌“聪明投资者”的创始人。

这期播客在小宇宙的场地录制，硬件很好，再加上两位嘉宾都是老相识，所以聊得很尽兴。杨梦聊了很多量化投资的过去，甚至包括她的个人成长史，播客绝对值得一听。本文，是将其中与投资密切相关的一些话题，做一个精粹版。但依然建议各位去小宇宙、苹果播客或者喜马拉雅收听音频版，内容更丰富，更有趣。

在国内公募基金行业，量化投资和指数增强投资一直是一个备受关注又充满争议的领域。从最初的点缀到如今的蓬勃发展，公募指数增强型基金走过了漫长而曲折的道路。

而在刚刚过去的“9·24”，A股暴涨中指数增强型基金的阶段性“负超额”让其再次面临的考验。

量化投资的发展历程：从边缘到主流

作为2011年入行的“老兵”，杨梦经历了国内量化投资从萌芽到成熟的全过程。她表示，量化投资在国内经历了几个重要的发展阶段。

第一波小高峰出现在2014-2015年。“那年沪深300指数增强产品业绩最为亮眼。因为整个主动权益大幅跑输宽基指数，所以只要做300指增产品，有一点超额就很容易脱颖而出。”杨梦回忆道，“那个年代市场的成熟度没有现在这么强，做超额收益的空间相对也更大一些。市场中性策略也在那时火了好几年，因为股指期货常年都是升水的，做空股指期货配合现货就能赚到基差收益。”

不过好景不长，2015年股灾后，股指期货开始深度贴水且交易受限，让当时规模较大的中性产品难以为继，量化增强迎来第一波严酷寒冬。“很多同期入行的小伙伴在那波寒冬中转行了，要么回到多头指增，要么去搞CTA或FOF配置。”

第二波发展高潮始于2016年，但主要集中在私募领域。“从2016年开始，私募量化的江湖开始掀起很大波浪。在2014-2016年巨大波动行情中，靠高频交易有不少机构赚了第一桶金。”杨梦解释说，这些机构有了资金后开始向上游扩展，逐渐进入传统的指数增强等领域。“2016、2017年你能看到很多非常夸张的收益，因为那时候国内大部分人都不知道怎么干，要么是海外回来的，要么是有技术禀赋的，在高波动市场中通过交易，创造了神话般的业绩。”

到了2019年，主动权益基金迎来大爆发，量化投资再次陷入低谷。“那时候主动权益动不动就能跑赢指数三五十个点。而公募量化一年预期的超额，对大指数能做到长期年均10%就已经很优秀了。当时公募权益产品规模达到3万多亿，而我们量化产品吭哧吭哧干了这么多年，也就3000亿的规模。”

真正让量化投资“扬眉吐气”是在2021年。一方面，始于2019年的主动权益基金大浪潮开始分化，核心资产持续下跌；另一方面，私募量化达到饱和，规模接近1万亿，收益开始衰减。“2021年四季度，私募量化超额出现一波明显幅度比公募量化大很多的回撤，这是一个重要分水岭。从那时起，部分公募量化产品的业绩首次超过了私募量化。”

量化投资的本质：科学的艺术

谈到量化投资的本质，杨梦强调这与传统的技术分析有本质区别。“技术分析里面，看同一个图可能结论都不一样，它有主观解读在里面。而量化完全是捕捉确定性规律，通过长期测试，当什么情况发生时有多大概率会怎样。”

在具体操作上，量化投资主要通过多因子模型来实现。“我们的因子主要来自两个维度：基本面和量价。基本面因子主要通过财报数据来判断公司质地，比如看净利润增速、现金流、研发投入等；量价因子则是从市场交易数据中寻找规律。”

对于因子的选择与配置，杨梦表示博道基金的量化产品采取均衡策略，不做因子择时。“任何时刻预测股票价格，都不能完全不看基本面，也不能完全不看估值。所以我们始终保持基本面和估值两类因子各占一半权重。虽然某些因子会阶段性失效，但通过均衡配置可以确保整体的稳定性。”

在AI技术应用方面，杨梦认为这给量化投资带来了新的可能。“AI模型可以快速从海量历史数据中发现有效模式。我们会把每个股票过去一段时间的交易数据和未来表现都输入给AI，让它不断训练优化，找出具有预测性的模式。这比人工总结技术指标要高效得多。”与此同时，杨梦觉得也不用夸大 AI 对投资的冲击。虽然 GPT 代表的大模型在文本、图像这些非结构化数据上的确有了质的突破，但金融投资主要还是结构化数据，很多的算法其实此前也一直在用。这些年伴随算法和算力的推进，量化投资经理手中的武器因此变得更强大了而已。

量化基金经理的一天：严谨与创新并重

作为量化基金经理，杨梦的工作主要集中在投资、研究和市场三个板块。一天的工作节奏和内容都有着严格的规划。

清晨8：30之前到达公司，首要任务是检查清算程序运行情况。“因为都是电脑自动跑的，一旦模式定下来之后，这个自动跑一般从凌晨几点就开始了。你先要看一些关键环节的输出，看看是不是正常，有没有异常情况要处理。”

如果一切正常，9点之前就会进入出单环节。系统会根据产品实际持仓和目标持仓的差异自动出单，但这并不意味着完全依赖机器。“我们会非常严格地做好风险把控，确保每个环节的数据和结果逻辑都是合理的。”

接下来，基金经理要完成交易单分发到交易室的全部流程。随后在投资系统里检查每个交易是否正常进入交易状态。“9：30到10：00就去做这些核对的工作。”

10点之后开始进入研究相关工作，这是量化基金经理工作的重中之重。“这个就形同于主动选股基金经理日常的调研，他们是去调研、听路演聊公司，我们就是搞研究。”具体包括查看各大模型、各大因子最近的表现情况，对昨天的情况进行复盘总结。

如果发现某些策略出现异常表现，比如回撤超出历史水平，团队会通过详细的归因系统进行分析。“如果有一些比较异常的东西出来，最近的研究可能要把它的优先顺序提高上来，发生了什么情况，然后去做一些针对性的改进。”

作为团队负责人，杨梦还需要关注团队成员的研究进展。“我们部门团队各个成员负责的领域不一样，有做行业轮动的，有做AI方向的，有做基本面因子挖掘的，要去看看大家最近的研究进展怎么样，之前的一些核心思路、迭代思路有没有什么最近可用的成果。”

在研究工作的同时，她也会持续关注市场。“尽管我们一直强调不做判断，但这不代表不要去感受市场。市场发生了什么事情，为什么上涨？为什么下跌？为什么最近结构涨在这里、涨在那里？这些还是要关注的。它会从最底层去影响很多我们的投资理念，从而影响到模型。它是这样的一个引导路径，不是说通过看盘来去做主动决策，这个是没有的。”

交易执行则由专门的交易员完成。“投资经理下达交易指令，过一堆的风控，到交易员那边。交易员通过我们采购的一些算法交易，直接下达到市场进行具体的买卖股票，是一个执行和监控的角色。”

这种严谨的工作方式体现了量化投资的特点：用系统化的方法实现投资目标，同时保持对市场的敏感度。正如杨梦所说：“量化投资需要的是纪律，但不是僵化，我们要在严格执行既定策略的同时，保持对市场变化的洞察力。”

不同指数的超额特征：机构影响显著

在量化投资领域，不同指数的超额收益特征存在显著差异。杨梦认为，这主要与投资者结构和市场容量有关。“超额收益本质上是一个零和博弈的游戏，所有投资者加总起来就等于市场整体表现。因此，不同指数的投资者结构会直接影响超额收益的空间。”

从机构持仓比例来看，存在明显的层级差异。“沪深300的机构投资者占比最高，中证500居中，中证1000则明显较低。在大盘股中，机构投资者不仅占比高，专业程度也更高，因为很多大型机构都有最低市值限制，不能买小股票。这直接导致在沪深300这样的大盘指数中做增强的难度会更大。”

从长期超额空间来看，呈现出清晰的梯度。“长期来看，中证1000的增强空间大于中证500，而中证500又大于沪深300。这与机构持仓比例的差异是高度匹配的。”不过杨梦也指出，这种差异主要体现在长期统计上，“如果按平均超额来看，从2017年以来，沪深300指增和中证500指增实现的水平其实没有差得很大，只是每年容易做和难做的程度不太一样。”

具体到不同年份，超额表现会受到市场热点的影响。“比如今年沪深300是表现最好的主流宽基指数，你要从全市场选股去战胜它，难度自然更大。而中证500和中证1000相对跑得较弱，全市场选股要战胜它们的难度就相对低一些。这种好做难做的轮动是常态。”

但并非所有指数都适合做量化增强。“像成分股较少或行业集中度高的指数，量化就不一定擅长。因为量化的核心优势在于通过大样本来确保规律的稳定性。如果你在一个特别小的样本范围内操作，面临的波动会相对较大。”

对于一些特殊的主题指数，杨梦认为更需要谨慎。“我们在布局产品时会特别关注指数的长期投资价值。比如高波动指数这种，因为从长期来看贝塔是持续萎缩的，就不适合开发量化增强产品。我们更倾向于那些具有长期配置价值的指数，虽然它们可能会有阶段性的起落，但长期来看是有生命力的。”

近期量化产品表现分析：短期扰动不改长期逻辑

对于9月24日以来量化产品普遍跑输ETF的现象，杨梦从两个核心因素进行了深入分析。

首先是仓位差异。“ETF是可以打满仓的，但正常的其它类型基金，我们日常都只能放到95%以下的仓位，因为合同规定5%必须是现金。”她解释道，“在这一轮暴涨过程中，这种仓位差异就容易造成收益方面的短暂差距。”

更重要的原因是因子的阶段性挑战。“大家应该能明显感受到，这一轮到现在为止，涨得最好的是什么？就是‘20厘米、30厘米’，弹性越大涨得越好。”杨梦形象地描述道，“因为历来牛市启动的第一波，市场都会有一个主要矛盾。这一轮的主要矛盾就是万众一致要进来抢筹，抢筹肯定都是奔着弹性最大的去，在短短一个月期间就什么都不管了，什么弹性大就去买什么。”

这种现象从风格指数上就能清晰地看出来。“我们会看到高波指数显著跑赢低波指数。但这种现象跟长期的量价规律是反着来的，我们长期统计出来的规律，肯定是偏低波低换手这些特征表现更好。”她建议道，“在万德上可以拉这两个指数的长期收益对比，一个是走上去，一个是持续向下，但是在最近一个月，一个涨了50%，另外一个涨了百分之十几。”

这种阶段性规律的紊乱并非首次出现。杨梦回忆道，“2019年初第一波启动时也出现过类似情况，但核心矛盾不同。”

这种偏离长期规律的现象会影响量化模型的表现。“因为多因子模型追求的是长期有效的规律，它也有不适配的环境。我们选股时会偏好基本面好、估值合理的股票，但在这种非理性追逐弹性的阶段，这些长期有效的因子就会暂时失利。”

不过杨梦强调，这种现象是暂时的。“超额收益本身就是会有波动的，这也是为什么指增产品更适合配置型需求而不是交易性需求。如果是冲着暴涨去的，确实买ETF更好。但从长期来看，只要能以相对长周期的视角持有，比如一年以上，完全可以忍受阶段性的波动。”

“投资者要明白，任何投资方法都不可能永远立于不败之地，关键是要建立合理预期。”杨梦说，“指增产品的价值在于能够相对稳定地提供超额收益，而不是在每个阶段都跑赢指数。当市场出现非理性繁荣时，保持定力比追逐短期收益更重要。”