仲阳天王星空气指增策略专题分析（2023.5.26)

时间：2023年5月26日

主题：仲阳天王星空气指增策略专题分析

主观与量化区别

主讲人：量化投资本身相信大家虽然说可能听得会比较多，最近几年在国内有很多宣传。量化交易其实大家肯定也不是特别陌生，我们是基于市场的统计性的一些规律，我们能够去为市场提供一些连续性的有效率的定价，从而我们获取一些比较短时间的阿尔法收益。但投资的逻辑和方法论其实可以分为比较大的两大派别，比较有代表性的比如说像这个主观的巴菲特和我们量化界的詹姆斯。对于主观是可能大家了解得会更早，主观的选股、参与市场的交易，我们会去根据一些基本面，上市公司本身自己的经营状况，产品的竞争力，以及整个包括宏观经济的一些研判，去做一些投资的决策。在量化交易的话，我们是基于模型、基于数据，基于一些量化统计的方法来去寻找市场的均值回归。找到一种模型来求解这个市场，以及为市场提供一些定价的效率。主观和量化其实是两种不同投资的方法论，一个是聚焦于长期的基本面的逻辑的兑现，一个是基于短期的一些统计的均值回归，这其实两者互不矛盾也互不影响，我们只是从两个时间维度来为市场提供更有效的一个定价，但基于不同的这种投资的逻辑的话，最终这两种投资的表现形式是不一样的。主观的话本身可能由于研究员或者投资经理的精力有限，能够覆盖的股票其实不会太多，会深耕于一个股票池里面的一些股票来做精选。量化的选股的模型的话，我们首先其实不是人工去选，通过模型去选的话，我们可以在极短的时间之内同时分析市场所有的股票，所有的股票都是我们的股票池，我们在全市场里面去遴选出短期之内有超额收益的股票，这样会导致我们本身的持仓的分散度是比较分散，我们平均的话持股都有1000~2000只股票，持仓的时间也会比较的短，我们的换手会比较高，会执行非常严格的止盈止损。同时最近几年量化的规模增长还是比较快的，有很多的百亿级别的量化管理人以及百亿级别的主观观念，如果说把二者来进行收益上面的一些对比，我们可以看到从风险和收益，两者我们去绘制一个收益和风险的三面图，可以看到量化管理人的产品的收益和风险其实相对来说比较集中在一个区域之内，大家的离散性是不会特别大，但是主观管理人方法论可能天差地别，大家是所需要去兑现的逻辑可能不一样，能力圈也不一样，所以说大家投资下来的收益和风险的散点分布是比较广泛的。从另外一个角度来讲的话，在最近几年可能投资于量化产品，踩雷的风险可能相对来说比较低一点，因为大家的收益是比较集中的。同时量化在国内的规模增长，在最近几年也是比较快的，受到了大量投资人的一个关注。尤其是量化指数增强，在最近几年从18年、19年开始，其实是吸引了很多投资人的目光，使得规模的增长是非常快速的。到现在的话，国内的量化整体规模已经达到了万亿级别的水平，同时在海外全球对冲基金的角度来看的话，其实海外已经可能过了高速发展的时期了，很多的大型的对冲基金所使用的方法还是量化，所以说量化类的管理人在海外也是占比是比较高的，国内可能量化的占比还没有达到那么高的水平，大家的资管投资方式可能主流还是以主观为主，包括很多的公募基金。

公司近况介绍

第二部分简短介绍一下我们公司的最近的情况，我们目前整体的管理规模大概60亿左右，2014年成立到上个月底，4月28号我们刚好是成立9周年。目前整个公司的团队的话，大概是有70多位相应的同事来负责不同的板块。那从2014年成立，经历了9个年头，到了2023年，其实中间我们也是完整得参与了国内量化市场的发展、产品的迭代。从2014年我们成立开始，主要还是做一些高频期货的自营交易。2018年以前，主要还是一些股票策略的迭代，但是还是主要是做自营。当时整个量化管理人的资管氛围其实不是特别浓。到了2018年开始，逐步得开始有一些我们去合作券商的代销等等的一些资管的合作，也是从2018年开始我们开始去推进我们资管的转型，其实也是一个被动的推进，因为2018年整体的市场情况其实不是特别好，所以说很多我们开始合作的一些券商，开始去寻找一种能够在当时的市场环境之下，为客户带来收益的产品，同时也符合券商本身的特点，就是去交易股票的产品，交易股票又在2018年能够去获取一个相对来说不错的收益，市场中性策略在当时就成为了一个主流。特别是2019年下半年开始，大家情绪就开始逐步得回暖，这个时候开始有很多的管理人，产品开始陆陆续续思考去掉对冲端，变成一个指数增强型的产品。从2019年开始，指数增强这个产品开始萌芽，然后到20年、21年，甚至在最近几年快速的发展，推动了很多的量化私募管理人，从一个比较小的规模到几百亿甚至上千亿的规模。其实量化组织增强是一个比较伟大的资管工具，推动了国内最近几年整个资管行业的发展，同时也是创造了不错的产品收益，整体上来看的话。对于我们而言，我们2021年我们也启动上海的总部，然后同时我们引入了一位新的合伙人来负责我们整个投研框架的搭建和升级，做了一些融合。目前，我们也是在逐步得进入到了一个常态化的投研迭代的过程当中。目前，我们就是成都和上海双总部的一个模式，海外的话我们纽约和新加坡的办公室正在筹备当中。2021年我们引入了孙博士来负责我们整个公司的投资全策略框架的升级，以及我们底层的迭代。孙总以前是Virtu Financial的创始合伙人，这家公司08年在纽约创立，从十几个人的小团队做到现在，也是全球最大的高频做市商之一。孙总之前是这家公司的全球首席策略师，美股外汇能源的首席交易员和亚太区的总裁，因为Virtu之前在海外，不光是纽约，它们在北美、欧洲、亚太其实都有相应的分布，交易了全球34个国家、200多个交易所，之前的亚太区的总部就在新加坡，孙总之前在新加坡待了一段时间，因为他是新亚太区的总裁，到2021年9月份正式得加入仲阳天王星，来这担任我们的CEO和投资总监，目前就负责我们整体公司的核心策略的迭代，以及未来总体的投研框架，这方向的设计以及交易平台的搭建和系统的开发。我们以孙博士为核心，有不同的策略小组来负责不同的策略框架条件，条线之下的一些具体任务、不同的小组、不同的分工，会有包括从我们数据再到特征、再到信号模型优化、风控再到最后的交易执行，都有团队来负责推进相应的整个公司的投研框架的运作，是一个板块化的运作。公司成立9年，这以来我们也是合作了非常多的机构，同时我们也是积极的去参与了各个机构的私募大赛，我们参与了基本上也是得了很多奖项。我们也是持续的去推动了我们的常态的投研方法和工具的升级。目前我们已经建成了全频段多框架的策略条件之下的持续不断迭代的一套工作的流程，不同的丰富的信号和更强的模型的泛化能力，通过数据模型以及不同的策略框架的方法论组合到一起，我们希望能够去适应更多的市场环境，达到一个全天候的交易的效果。

现阶段策略优势

第三个部分是我们现阶段总结的一些策略的优势。首先从策略本身的维度，我们聚焦于不同的策略频段和策略框架之下的相应因子的开发来去做一些融合，包括高中低频不同形状的因子，这个信号全频段的覆盖，包括底层的子策略的丰富性，我们都会去做更多得匹配，来使得我们整个融合之后的策略能够适应匹配和更多的市场环境。同时对于我们的风控，我们一直在行业内是追求一个比较严格的场合的控制和约束，使得我们的超额的最大回撤和夏普比率也一直是处于行业比较靠前的水平。成立9年以来，我们持续不断去迭代我们的交易执行的框架系统和我们的交易菜单的一些算法，能够有效得提供稳定的策略交易的执行环境以及交易成本的优化，对于人才培养和制度的完善，其实这是我们认为非常重要的一点，因为一家公司是否具有人才的造血的能力，我们认为是在未来持续不断得在这个行业里面生存下去，并保持一个优秀的状态的核心。所以，我们也是在不断得去参考之前孙博士在海外带公司的一个经验，去做一些比较完善的制度，同时这些制度有之前Virtu在海外的比较成功的经验，我们在国内去做，其实相当于我们是有比较完善的一个管理经验，去统筹我们整个公司的制度设计和人才培养的机制。这是我们具体的从我们策略频段和策略维度，包括高中低频不同频段的融合和不同策略的融合，使得我们交易执行带来的超额收益更加得平缓。然后从风控还有我们事前、事中的风控，以及我们交易的搭建，就像我刚刚讲的一样，我们从策略、风控，再到交易，再到人才的培养，其实都是我们最近这一年多持续不断升级之后，我们现在达到的一个比较最终的状态。

空气指增策略介绍

第四部分进入我们的量化选股策略的介绍。量化选股策略可能之前大家也会被称之为叫做空气指增，意思就是我们没有去对标一个指数来去做增强，类似于我们去做全市场的增强。但事实上量化选股策略它是跟我们指数增强策略其实是底层是基本上是一致的它是不受指数的限制，不受指数的约束，我们的核心的阿尔法模型。也就是说从我们做产品的角度来讲的话，是先有量化选股模型，然后再基于量化选股模型去对不同的指数，去匹配相应指数的行业和风格的约束，来打造一个跟踪指数、然后同时有跑赢指数的增强的效果。所以说量化选股策略它没有去做指数的约束和风格的行业的一个约束，使得它能够去最大程度的还原我们本身模型的阿尔法的活力，因为本身原始的阿尔法模型它是我们认为是最优的选择，就是我们的模型认为它最优的一个持仓和选股，就不用去做过多得干涉。但是可能随着我们国内投资人对于产品的接受度有一个过程，最开始是中性策略，然后是指数增强，最后才是量化选股。但实质上是，首先我们有核心的原始的阿尔法模型，然后再去进行跟指数的匹配，我让它去跟踪某一个指数，去把指数把我的量化选股核心的阿尔法的持仓，跟这个指数去做行业和风格上的匹配，来做一些约束，使得达到跟踪指数的效果，使得这个超额更加得平缓。同时如果我们还有指出相应的空头端的对冲工具，再把它做成中性策略，这样可能是做产品的流水线的流程。但事实上量化选股策略，它可以看作是我们的原始的阿尔法持仓，我们原始的阿尔法模型，原始的模型就是理论上来说我们做出来这个模型，它选出来的这些股票，它认为是最好的持仓以及最好的权重，所以说它会从结果上来看，它可能会根据市场的一些不同的风格的切换，会灵活的去进行行业或者风格上面的暴露，使得它的收益弹性会更大。但是如果说我们跟指数做了匹配，这些暴露就不会发生变化，就跟指数一样，它的贝塔的走势就跟这个指数是一样的，我们只会有一部分的阿尔法的活力，对标指数的阿尔法的活力，但是实质上我们可能丧失了全市场的阿尔法活力。同时我们在国内要去做量化选股，其实基于的前提是市场本身的长期贝塔我们是看好的。我们可以看一下基于历史的从05年到现在对整体的一个市场的情况，我们可以横向得对比国内的A股的指数的资产，其实我们国内一方面有一个很大特点，其实是我们指数的波动其实是比较大的，这种波动大的一个环境其实是比较好的交易环境，但可能并不是一个好的买入持有的这么一个策略的环境，因为这样的话我们可能买入持有的夏普比例会比较低。但实质上如果说是对于我们量化交易而言，长期来讲，本身从现在这个时间点来看，A股它本身的收益性还是有的，但是在过程当中波动确实比较大，波动大可能对于买入持有的策略性价比就不高，对我们量化策略而言，在基于这样的收益之下，在这种波动之中，我们还可以基于波动去赚一些交易的钱，做交易的阿尔法，我们才是非常适应的一个环境，这恰好是我们量化交易的一个沃土。从结果上来看也确实如此，国内的阿尔法的环境超额的丰厚程度在全球范围内都是首屈一指，这也是无可厚非的。所以说在基于这样的环境之下，我们在国内做量化交易其实是比较适合的。同时如果说我们能够去最大程度的还原整个模型的能力叠加，这个市场贝塔未来如果说在经济长期稳健向好的基本面情况之下，叠加贝塔，再叠加我们量化选股持续不断的超额能力，其实收益的夏普比率可能来的要更加好一点。我们对比一下量化选股和其它不同类型的产品它的一些特征，量化选股和指数增强和主观选股，其实我们基于的选股的范围也有一些差别，量化选股和主增强它都是量化策略。所以说我们其实都是基于全市场选股，但主观选股的话可能会有一个选股池，因为基金经理的精力是有限的，不可能全市场所有的四五千只股票，每一只股票都是去进行深入得研究，去上市公司实地调研走访，这可能是很难的。主观选股的话，可能它的聚焦标的就会比较少。然后从行业的风格来讲的话，量化选股它会有自己的一些选择，动态得去根据市场的表现来进行决策。指数增强就是固定的去进行对相应对标指数的行业和风格进行定向得暴露，来达到跟踪指数的一个目的。主观的话就根据基金经理它自身的能力圈和他的偏好范围，聚焦于某一个行业或者风格来去做的管理，基金经理可能会比较多。从风险控制的角度的话，量化选股其实就只有因子层面，我们在做研发的时候，对于因子层面的一些约束，但是指数增强的话会再多一个风格和行业上面跟指数进行匹配的风控。主观的话会主要还是根据基金经理自己的一个判断，持仓数量，量化选股和指数增强都是能够持仓到1000多甚至2000支股票左右的一个级别。那主观选股的话，还是由于基金经理的一个精力的问题，可能就只有几十只。

同时就像我刚刚讲到的，我们量化选股是我们比较原始的比较核心的阿尔法模型，基于阿尔法模型它可以衍生出不同的策略条线，不管是什么样的指数增强，不管是中性策略也好，其实都是基于核心的阿尔法模型来进行衍生的。从左往右，其实从中性策略到指数增强、再到量化选股，是国内整个量化产品条线的一个发展的历程。但是从右往左其实才是做产品的一个顺序，因为可能跟我们国内量化管理人做产品以及投资者的接受程度有关，早期大家对于量化的观点，一提到量化就会有另外一个词叫做对冲，量化对冲其实被提及的次数会比较多。早期因为对于量化不是特别了解，所以说大家还是追求比较稳定的投资逻辑，中性策略被接受的比较多，到后来开始逐步的去认识到量化交易带来的超额，同时对于市场本身的波动如果能承受，同时预期未来是向好的，那指数增强开始慢慢发展，再到现在可能大家会觉得说量化选股基于本身的模型的逻辑和它的性价比原因，或者说我对于指数来讲，我不想去让选股模型去基于跟踪指数来丧失一些选股的自由度，同时也不知道选哪个指数，某一个指数能够一直是这个市场里面最强势的一个指数。所以，开始有一部分的投资人去接受量化选股策略，但是可能还是接受度可能也是最低的，跟其它两个策略来比的话。但是从量化选股到逐步增强，再到中性策略，其实是做产品的一个过程，我先是有一个原始的阿尔法模型，在对这个阿尔法模型做这个行业的和风格的匹配来去跟踪这个指数的贝塔，为什么要跟踪指数变化？其实是因为早期包括到现在，我们市场里面的空头的工具其实是有限的，比如说像沪深300的股指期货，中证500的股指期货和中证1000的股指期货，主流的就这几个。我们对冲工具就只有这些，那我的暴露的贝塔部分就必须要跟空头工具做匹配。所以说我就只能够去最开始比如说我就做一个500指增，然后再用中证500指数的股指期货去做对冲，形成一个中性策略。后面大家对于指数的收益是比较乐观的，再把中性去掉，那就变成了指数增强，就是这么一个发展的路径。

产品净值表现

我们来看一下具体的产品的净值，，叫做仲阳博观量化选股1号私募证券投资基金，这是一个交易层的基金。从2021年的年底开始运作，到现在的累计收益是5.63%。从绝对意义上来看，这个收益其实是不是特别高，但同期我们对比全市场所有的宽基指数来看，其实这个收益能够是正的，已经非常难得。同时最近一年半，其实市场比较强势的指数以中证1000为代表，中证1000在这一年半的时间是比较强势的，所以说我们如果把我们的量化选股策略的表现，跟中证1000这个市场比较强势的宽基指数去做对比和观察增强效果的话，我们可以看到累计的超额收益是27.74%, 同时可以看到年化超额18.67%，然后超额的最大回撤3.47%, 超额夏普比率是2.67，从绝对净值层面来看的话，这一年半左右我们经历了市场的一个比较大的震荡，年化收益3.9%, 最大回撤18.59%。这是经历了市场从21年年底一直到去年的4月底，所经历的最大回撤。

同时我们可以看一下比较长一点的产品业绩，这是我们基于我们模型的回测业绩，从2019年的年底一直运行到现在，其实我们的回测产品的数据跟我们实盘的产品的表现其实是差不多的，是比较匹配的。但我们为了给大家展现一下我们在更长时间的表现的话，我们做了回测数据，从2019年的年底到今年的4月底，年化收益51.29%，最大回撤是14%。同时我们再对比一下，如果说我们看一下刚刚看到的中证1000的指数，累计收益是20.77%, 我们的产品的净值回测的净值是296.28%, 这个对比还是比较明显的。同时我刚刚提到了量化选股策略的话，它会最大程度得去释放我们量化选股和核心的阿尔法能力。所以可以对比一下不同的指数，比如说我们的指数增强策略，在同期的一个表现，特别是在进攻的时候，因为市场的切换风格的切换，一旦市场上涨，我们即使是基于不同风格的上涨，可能量化选股它能够去抓住的阿尔法的机会会更多，所以说它的进攻性可能会更强一点。

这一年半多的时间，其实A股市场经历了两轮比较大的反弹，一个是从去年的4月底到8月中旬，我们可以看到上证指数在这个区间反弹了6.93%，中证500反弹了13.57%，中证1000比较夸张，反弹了26.16%，这个指数已经非常不错了，但是同期的话，比如我们的500指增反弹了23.67%，比中证500指数也是增强了十几个点，但是可以看到中证1000都已经反弹了26%。同时可以看到我们量化选股策略，在这段时间其实是反弹了30.69%, 跑赢了像中证1000在内的一个比较强势的指数反弹，甚至是我们自己的500指增。第二个阶段是今年年初到4月份，上证指数反弹了9.6%，中证500指数反弹了11.59%，中证1000指数反弹了13.95%。但即使是这样，对比我们同期的比如说中证500指数增强，我们500指增也是涨了14.54%。但是我们的量化选股模型它的进攻性会更强一点，量化选股在这段时间的表现是收获了17.3%的正收益，这段时间最强的一个风格。中证1000在整个区间当中的收益和回撤，可以看到我们相比较于其它的宽基指数，也是有一个比较明显的收益上面的优势以及回撤控制上面的优势。在这个区间我们的收益是13.28%, 回撤是14.08%。然后我们再可以横向对比一下，从成立以来，如果说是对标中证1000，产品的超额回撤控制，可以看到我们的超额的回撤水平是处于一个比较小的级别，最大回撤是3.46%。同时我们可以去横向对比一下，我们同行量化私募或者说是主观管理人，在市场的不同情况之下的表现。可以看到量化选股策略，或者说是量化策略，在这个市场里面的表现其实是在最近这一年多的时间是好于主观的。

总结

最后的话进行总结，首先基于宏观整个大的层面来讲的话，国内整个的A股市场的发展，以及未来我们基本面持续向好，再加上整个的量化环境的持续不断得从各种方面去进行提升，中国的贝塔环境和阿尔法环境也依然是在全球内范围内首屈一指的。投资量化策略其实是在这段时间当中可能会是一个比较不错的选择。同时量化本身也会在不断得去捕捉用海量的数据和相应的算力来去捕捉市场的一些动态的超额机会。可能市场并不是一路往上涨，中间会有一些波动，在这些波动中的一些交易的机会，其实是量化管理人比较擅长的。所以说可能在未来在波动中上涨的环境当中，是比较适合于一方面对于量化而言拿住贝塔，另一个方面去获取这个更好的超额收益。同时对于我们，目前我们管理规模其实是不是特别大，只有60亿左右，处于中型私募的规模也是有一个比较灵活的策略表现。这个规模不是特别大，使得我们从市场里面拿走相应的超额收益其实是更容易的。打个比方，比如说我们现在60亿，我们要赚1%的超额收益，可能我们只用从市场里面拿走6000万的超额收益。这个收益其实它本身是一个绝对的概念，不是一个收益率的概念，如果我是1000亿的管理规模的管理人，我要赚1%的超额收益，可能我就要从市场里面拿到10个亿的超额，所以难度对比其实是比较明显的。所以说中型私募的一个发展的红利仍然是有的。对于我们而言的话，我们仲阳天王星也是在业内，一直追求风险和收益的平衡，来追求一个更好的风险收益比，带给各位投资人更好的持有体验。

Q＆A

1、500指增跟1000指增的策略是否一致？

答：500指增和1000指增，其实在底层的我们的策略设计层面不会有太大的区别。我们本身的底层的这个策略和阿尔法模型在大部分情况下是一样的，可能会有一些细微的区别，某些模型小的模型，小的因子它可能更适应于比如说小票的环境可能有些微调，但是本身核心的阿尔法大模型不会有太大的差别。

2、目前的算力和人力配置的情况怎么样？

答：目前我们也是有我们自建的一个机房，我们配备了相应的深度学习的GPU，但是这个算力的话可能还是处于一个能够匹配我们目前的投资需求的水平，我们最近几年平均每年的一个投入成本，在算力和硬件上面大概有2000-3000万的投入。我们投研大概目前是40位投研团队。

3、深度学习和量化基本面以及量价的权重各占多少？

答：目前我们基本上是以可能大部分还是以量价逻辑为主，基本面的话可能在实盘当中的运用并不是特别多，深度学习的话也基本上会用到很多量价的数据。所以说跟是否是深度学习没有太大的关系，但是我们深度学习的方法在我们的实盘当中也是有应用的，目前占比可能能达到一半左右。

4、指增都是满仓运作吗？有仓位择时吗？

答：我们只能都是满仓运作的，不会有仓位的择时，包括我们的量化选股，包括我们的500指增和1000指增。

5、4月份,500指增和1000指增的超额为什么差异这么大？

答:可能也是作为投资人去看到了很多全市场的情况。包括从3月份以来，全市场大部分的管理人的超额可能都不是特别好，可能一方面原因市场其实还是缺少了一些主线的行情，这种板块的切换其实是比较快的。对于我们而言，我们可能更能够抓住市场一些日内交易的机会，因为从3月份以来市场的成交量放大了很多，其实提升了一些日内交易的机会。所以从3月份以来，我们仲阳天王星的超额的业绩在行业内其实还不错，我们的超额从3月份以来也一直在修复我们的净值，到现在我们最近几周净值也在创新高，至于说500指增和1000指增在最近这段时间为什么差异会有一点大，原因在于最近小票的风格可能被打压了很多，所以说小票本身的一些阿尔法的机会也并不如500。500比较偏均衡的一个配置，在三四月份像一些传统比较冷门的板块发生波动，其实意味着这个市场有一些均衡的机会，均衡的机会可能以500指增为代表的产品的话，还是比较适应。

6、量价数据是到什么颗粒度？

答：我们基本上会去看逐笔成交的数据，可能是最细的一个颗粒度了。

7、我们的交易的动作是您来做，还是有交易员听指令？

答：我们是量化交易，我们只要设定模型去模型自动的去获取数据，以及它会自动去判断我们的交易，给出我们目标的持仓。

8、1000的成分股占比有多大？

答：我们量化选股模型其实没有对标相应的指数，它在全市场里面去选股票的话，在1000成分股里面，首先我们没有一个目标的值，它可能是一个随机的值，但是随机值它是一个结果，不是一个目标。这个结果的话大概可能占比到1000的成分股里面，可能只有20%~30%。

9、1000的量价因子占比九成吗？

答：是的。

10、截面的交易频率是几次？一般在什么交易时间完成？

答：我们的交易其实是分布在全天的，我们在全天范围内都是有交易的。但是由于市场的成交量的分布其实并不是特别均匀，可能在开盘和收盘的时候这个成交量分布得比较多，但是我们本身自己的交易是相对来说比较均匀的。