长盛基金冯雨生：以量化为矛 捕捉超额收益

　　冯雨生，北京大学金融学硕士，CFA(特许金融分析师)。2007年7月加入长盛基金公司，曾任金融工程与量化投资部金融工程研究员等职务，现任长盛基金量化投资部总监，兼任长盛成长价值、长盛中证100指数基金等基金经理。

　　在人工智能风口下，量化投资渐热。特别是进入下半年以来，市场热点分化，结构性机会交替涌现，公募基金中的量化产品业绩开始回暖，长盛基金旗下量化家族成员集体绽放。

　　长盛基金量化投资部总监冯雨生告诉记者，整个量化投资就是把人的市场洞察能力转变成超额收益的过程，“我们需要对这个市场不断地研究，不断地探索，去寻找能够产生超额收益的机会”。

　　业绩超越市场平均水平

　　继主动量化基金在去年大放异彩之后，今年以来，公募基金行业内的主动量化型产品便呈现井喷状态。据Wind数据统计，目前市场上共计100只主动量化基金中，就有41只是今年新成立的。似乎越来越多的人，在越来越认可这种使用数理化的模型来进行投资的模式。

　　而和部分刚刚布局主动量化产品的基金公司不同，长盛基金算得上是业内较早涉足此类产品的公司。目前长盛基金旗下共有7只主动量化产品。其中最早的一只基金——长盛成长价值成立于2002年。据冯雨生介绍，该基金完全用量化方式来管理，而且它只选股不择时，仓位较为恒定，选股方面则基本上完全按照相关的基金合同，对成长性和价值性相关的个股进行配比，也使用相关的多因子模型。由于更加注重基本面，所以该基金的换手率相对比较低。据Wind数据统计，截至11月30日，该基金成立以来回报为719.75%，近五年回报为161.85%；而今年以来回报为14.08%，跑赢大多数主动量化基金。

　　在今年的基金市场中，量化基金整体的表现并不尽如人意。据Wind数据统计，截至11月30日，今年以来主动量化基金平均收益为2.14%，被动指数型量化基金平均收益为10.53%。而长盛量化团队旗下的16只量化基金，今年以来主动量化基金平均收益为8.36%，被动指数型量化基金平均收益为14.54%，大幅跑赢市场平均水平。

　　产品业绩的优异表现和长盛基金量化团队的投研实力分不开。据冯雨生介绍，他们的量化团队从2005年起正式建立，至今已有12年时间，团队由基金经理、基金经理助理和研究员组成，发挥团队协作的优势，目前主要由研究员负责做各种策略，把能够产生超额收益的因子做成策略，基金经理选择运用和验证这些策略，让优秀的策略为投资者带来良好的回报。

　　“国内其他量化团队主要从海外引进，长盛基金的量化团队主要为自身培养。”据冯雨生介绍，他从北大毕业后就加入长盛基金，至今已10年，其他成员也多为自身培养的量化研究的热爱者。

　　冯雨生坦言：“我比较相信数学。过去能够产生超额收益的东西，如果在条件和逻辑不变的情况下，未来产生超额收益的概率也会比较大。”

　　实际上，由于最终主导投资的是承载量化模型的那一个个“硬壳机器”，与主动投资相比，人在其中的作用似乎更为被动，即便是主动量化基金，也曾给很多人留下被动投资的印象。冯雨生表示，他也认同机器在某些方面有胜过人的地方，“我个人觉得人的很多能力目前是逐渐地被机器超越了，尤其在发现有趣的模式及能够赚钱的模式上面，机器要比人强大很多。”但同时，他也表示，因为模型是人做的，策略也是人写的，因子也是人编制的，所以人仍然是其中最核心的部分。

　　“人的主观能动性体现在主动地利用因子形成策略，模型则根据某一个策略计算出来结果，我们就按这个结果来做交易。不同的量化团队，人的主观作用和模型的作用占比高低不一样。如果一直在探索模型的过程中，可能就不断地需要人来寻找新的因子。”

　　注重研究市场异常现象

　　与一般的基金相比，量化基金的特点在于策略的形成和实施是以模型为基础，不仅不同的量化团队所采用的量化模型不同，而更为核心的则在于因子的挖掘上。“选择因子是核心，然后才是这些因子怎样转化成组合，再通过组合转化成超额收益。”冯雨生说。

　　具体选择什么因子，则需要基金经理和研究员具备市场洞察力。冯雨生告诉记者，系统本身是不产生超额收益的，超额收益取决于人的输入以及人对这些因子的理解。整个量化投资就是把人的市场洞察能力转变成超额收益的过程。“我们需要对这个市场不断地研究，不断地探索，去寻找能够产生超额收益的机会。”他说。

　　除了考察一些海外成型的能够产生超额收益的因子之外，冯雨生介绍说，他们会特别注重研究市场的异常现象，建立模型的目的就是为了捕捉市场异常现象来实现超额收益。“如果市场非常有效，模型或者主动投资所能产生的作用并不是很大。就是因为市场不够有效或者它存在的异常现象比较多，所以才会出现投资机会，才会让你战胜这个市场。只要是你能够找得出持续稳定的异常现象，能够提供超额收益，那你就能够持续地战胜市场。”他说。

　　例如他们发现在上市公司公告业绩超预期之后，超额收益有可能不只在公告之后的短时间产生，而可能在较长的时间里仍然会产生。“这就是市场异常现象。我们需要做的交易就是发现市场超预期公告以后，就会买入这些股票，如果这种异常现象一直存在，我们就能够通过这个策略取得超额收益。”他介绍，只要是A股市场出现了比较有意思的现象，或者出现他们觉得能做出超额收益的现象，便会针对这个现象，专门开发相关的因子，放到量化模型里来。

　　“我一直有个观点，量化基金的模型差异性越大越好。模型越类似，超额收益会逐渐递减，但是当体现出模型的差异化以后，可能面对的就是一片蓝海。”据冯雨生介绍，他们当前选择的模型和因子，也是更倾向于使用市场中用得比较少的，也是研究的深度比别人更深的因子。

　　所以，从指标层面，即选择因子上，长盛基金量化团队会减少使用别人用得特别多、容易产生踩踏的因子。“我们刻意找了很多比较有差异化的因子，比如非常注重盈利质量，还有公司治理方面的因子，包括网络关注度，我们希望对市场有一些与别人不一样的洞察能力来获取差额收益。”他说。

　　其次，冯雨生表示，同行可能更多用简单线性的模型，而长盛基金量化团队在模型上下的工夫更深，会特别注重模型捕捉投资机会的能力及模型泛化的能力。“长期来看，量化应该是很有前途的投资方法，因为它的整个过程相对来说更加科学，它的处理宽度，选择标的的宽度，以及在市场洞察方面都有特殊的优势。”他说。

　　人工智能助力量化投资

　　冯雨生表示，A股是比较有意思的市场，能够大概率产生超额收益的主要集中在相对来说估值比较合理的股票上。而他通过统计数据发现，20倍估值和50倍估值的股票，其成长性并没有本质差异。A股里仍然有很多结构性的投资机会，就在估值比较合理的成长股中，目前他们组合的很大一部分持仓就是估值比较合理的成长股。

　　冯雨生认为，虽然存在结构性的投资机会，但是也有结构性的泡沫，以前结构性泡沫主要出现在小市值股票上，而目前很多大股票也被炒得很高了。当然，大盘蓝筹仍然很有投资价值，结构性泡沫只是局部的现象。

　　目前市场提供smart β主动量化产品，如量化主题或者行业类型的量化基金，现在已经有了医疗量化、信息安全量化等，即在某个行业或某个主题里投资，且完全用量化手段来做。

　　“目前一个新的转变是，不仅依靠传统的事件研究或者海外的相关主题研究来获取超额收益，我们还会借助人工智能或者深度学习的东西，来捕捉可能用人比较难以寻找出来的投资机会。”冯雨生介绍，当前，金融领域对人工智能的应用也越来越广泛，业内不少量化团队都表示开始借用人工智能的力量来进行投资。人工智能提供了很强大的工具，比如有一些可以盈利的模式，用简单的信息模型很难捕捉，但是用人工智能或者神经网络深度学习的方法，就能够捕捉到投资机会。

　　在谈及我国量化基金与国外的不同时，冯雨生表示，A股本身交易比海外活跃得多，不少在国外效果并不好的因子在国内可能效果不错。当然，海外的模型不能直接套用到A股上，因为A股的异质性现象较严重，需要对A股做专门的测算。“A股与境外市场进行对比研究后，我们发现差异很大，在建模方面，很多因子是不一样的。”