国金证券-公募指增及量化基金经理精选：机器学习or主动量化，突破壁垒的策略之道-230618

文本预览：

《国金证券-公募指增及量化基金经理精选：机器学习or主动量化，突破壁垒的策略之道-230618（22页）.pdf》由会员分享，可在线阅读，更多相关《国金证券-公募指增及量化基金经理精选：机器学习or主动量化，突破壁垒的策略之道-230618（22页）.pdf（22页精品完整版）》请在悟空智库报告文库上搜索。

（以下内容从国金证券《公募指增及量化基金经理精选：机器学习or主动量化，突破壁垒的策略之道》研报附件原文摘录）
　　公募量化近年来发展迅速，管理规模不断上升、策略模型持续进化。面对传统量化在基本面研究方面深度有限且传统量价因子快速失效的问题，一部分基金经理转向了利用更先进的量化手段挖掘特征因子的方向，尤其是探索中高频量价因子的高纬度特征，而另一部分基金经理则转向了将主观投研成果深度融合进量化模型的方向，将个股或行业的深度研究逻辑和方法进行有机结合。 　　结合持续的跟踪调研，本专题精选艾定飞（华商基金）、邓默（华商基金）、胡崇海（国泰君安资管）、刘斌（嘉实基金）、刘洋（宏利基金）、张凯（银华基金）等六位在策略框架体系方面比较有特色的量化基金经理（按照拼音首字母顺序）。在六名基金经理中，既有量化方式贯穿于整个投资过程的艾定飞、胡崇海，也有将量化与主观研究有机结合的邓默、刘斌、刘洋、张凯。本专题将结合基金经理的量化体系特点、风险控制制度、投研团队现状以及产品绩效表现等多个维度进行深度研究，并结合历史持仓明细数据，对以上六名基金经理做全面分析和特征刻画以供投资者参考。 　　艾定飞：多因子模型主导，叠加深度学习提供超额增量。整体以基本面因子捕捉长期alpha，以中高频量价因子捕捉短期内非理性行为，致力于细致深入的信息挖掘。近年来量化团队开发了基于纯量价因子的深度学习模型，两个模型之间底层逻辑和理论均显著不同，较低的相关性提供了贡献超额收益的可能。 　　邓默：自上而下理念贯穿，量化助力组合构建。采用自上而下、主动量化的方式进行投资，通过宏观指标对市场风格的考量来确定资产配置方向，进一步在各类别资产中进行中观行业比较和筛选，行业因子主要基于主动研究团队提供的行业逻辑、特点等信息进行挖掘和提炼。在此基础上，通过多因子量化选股模型进行选股操作。 　　胡崇海：基本面+高频量价深度融合,机器学习与深度学习双重驱动。因子库储备丰富，涵盖基本面、技术面、高频数据、另类数据等方向，注重因子的差异化与另类化。目前人工智能模型由传统机器学习与深度学习双重驱动，将多个子模型在底层进行深度融合以实现基本面与高频量价的结合，输出一个综合因子来进行投资组合管理，并于尾盘进行交易以充分吸收当天的量价信息。 　　刘斌：量化多因子+主动投研，量化能力与平台优势充分融合。在多因子模型中适当增加适用性较强的高频因子，采用机器学习的方式完成了行为因子的升级迭代。同时，十分重视与主观研究团队的合作，针对不同行业的定价逻辑建立选股模型。风险模型端，融入产业链维度数据约束组合风险，同时，不断补充市场出现的新的风险因子。 　　刘洋：侧重基本面因子，不断拓展能力圈。整体策略框架核心采用多因子模型，以基本面因子为主，并增加了高频量价和另类数据的应用。通过与基本面研究团队的沟通联动，将开发的研究员选股因子很好地融入到了量化模型当中。刘洋先生也十分注重组合风险控制，通过行业轮动和风格轮动体系对组合风险暴露进行优化约束。 　　张凯：多因子叠加卫星策略，多策略低相关融合。量化多因子作为核心策略占据50%的权重，卫星策略包括风格轮动、行业轮动、人工智能等，即把不同逻辑、不同数据来源、收益相关性较低的策略进行融合，提升组合超额收益的稳定性。其中行业风格轮动模型着重寻找领先指标，人工智能中兼顾了深度学习和神经网络模型的研究。 　　风险提示 　　地缘政治、新冠疫情控制情况、海外紧缩缓和进程不及预期、国内政策及经济复苏不及预期等带来的股票市场大幅波动风险。