在量化投资领域，唯有持续进化才能适应瞬息万变的市场。近日，记者与泓德基金孙泽宇进行了一场深度对话。孙泽宇毕业于北京大学金融数学系，是一位在量化领域深耕八年的新生代基金经理，以因子构建功力见长，基于中高频数据挖掘因子。由其拟任基金经理的泓德中证500指增产品3月31日起发行，力争在控制跟踪误差与获取超额收益的“平衡木”上稳步前行。   多因子选股获取超额   过去几年间，指增产品因其策略容量大、超额收益亮眼，成为备受机构投资者欢迎的品种。尤其是在中小盘风格崛起的市场中，百亿级量化私募纷纷加大布局中证1000、中证500等中小市值指数增强产品。   若要对指增基金的超额收益来源进行归因，最关键的是量化模型的有效性，选股至关重要。孙泽宇认为，相比基于择时的轮动策略，选股是一种稳定且有效的超额收益手段。这是因为择时难度大、缺乏可靠性，有效的低频择时数据样本量十分稀缺，过去几十年间可能仅产生了几十个样本；样本量大的高频数据则对参数非常敏感，对不同资产选取不同周期将得出完全不一样的结果。当市场波动较大、风格快速切换时，择时策略的可靠性将面临严重考验。选股是基于横截面的比较，只需要选出未来一段时间市场上相对强势的股票，且基于量化模型可以快速统计检验，判断结果的可靠性。   指增基金，顾名思义是要实现对跟踪指数的增强效果，这意味着，一方面要紧密跟踪指数，控制跟踪误差；另一方面，要在跟踪的基础上，通过主动量化长期超越指数。对于指增基金的投资管理，在选股层面，孙泽宇会以中高频数据为主，基本面等数据为辅，通过多维数据分析构建因子库，同时利用人工智能等新技术挖掘具有短周期预测能力的阿尔法因子；随后，运用线性或非线性加权方式得出收益率预测模型。在组合层面，他主要通过优化组合持股比例、精选高质量成长标的、控制组合风险、控制交易成本等措施，利用组合优化器生成目标组合。组合优化过程中，孙泽宇会重视持仓组合与指数偏离度的控制，实现组合的行业分布、市值风格等与跟踪指数较为接近，组合的估值、波动率、贝塔等属性也保持与跟踪指数趋于一致。   孙泽宇认为，多因子模型的魅力在于，通过分析底层因子可以清晰地观察因子的表现，预测策略的有效性。若策略失效，能够及时判断原因，并重新审视各因子的贡献度和影响。   不过，多因子策略对于因子数量有较高要求，高效的模型往往需要上百甚至几百个因子。孙泽
=*=*=*=*=*=
当前为第1/3页
下一页-
=*=*=*=*=*=
返回新闻列表
返回网站首页