EP22 基金投资的第三条道路：在确定与不确定之间

精分派

85分钟 ·12天前

3529

做播客迄今，一直作为嘉宾在好几档节目串台，终于在自己博客“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，深入探讨了指数增强基金这条在主动投资、被动指数之外的“第三条道路”。通过她们的分享，可以了解到量化投资的本质、指数增强基金的优势特点，以及如何选择和配置指数增强基金。对于普通投资者而言,这是一个值得关注的投资方向。

🎯时间轴:

02:24 嘉宾介绍

03:30 回顾中国量化投资发展历程

07:04 量化投资在基金行业地位的变迁

13:47 私募量化的崛起与发展

21:29 量化基金经理的日常工作内容

38:00 从大学生到量化基金经理的成长历程

42:23 女性量化基金经理的优势探讨

46:09 AI在量化投资中的应用与局限

51:04 量化投资中的人为因素与系统设计

54:14 不同指数的超额收益空间差异

58:06 指数增强基金在市场大涨时期的表现

01:03:25 小盘股风格与指数增强策略

01:13:23 如何选择指数增强基金

01:18:13 指数增强基金的选择指标

01:21:34 指数增强基金在资产配置中的定位

01:24:20 结语:机构投资者青睐指数增强的启示

🎧 重点内容:

量化投资追求的是可预期、可复制、可持续的投资方法

AI是量化投资的一个工具,但不会完全颠覆投资本质

选择指数增强基金要关注业绩、方法论、跟踪误差等维度

指数增强基金适合作为长期配置型投资工具

展开Show Notes

drwns

2024.11.12

杨梦的表达还是很可以的，把量化解释得很清楚

张翼轸

:对的，我聊过那么多量化基金经理，杨梦属于最能表达的

神经蛙_ybjO:表达方面，女性均值高于男性。

captainmiaoo

2024.11.12

量化嘉宾方面，再许愿：招商基金的王平公募里少有的pb-roe价值投资框架做量化的；华夏基金孙蒙，超强的超额能力。

张翼轸

:这两位的确很很强。孙蒙面基采访过，比较难。王平老师的确强

神经蛙_ybjO:孙蒙的我持有，今年超额一般。

共5条回复

堡垒与花

9天前

今年的Earl精选什么时候出来呢，刚又重听了去年的也是十一月出来的，很想听听有没有新的调整。

张翼轸

:下周就出，没大调整，就是把徐治彪和林英睿调出，换两位更均衡的

堡垒与花:嗯明白了，希望有机会讲讲招商量化精选，不知道是算法策略好还是王平强，没有找到讲这个基金的，好强

共4条回复

Kevvvin

10天前

56:51 张老师很会问问题嘉宾回复的也很棒果然是好问题带来好答案非常喜欢这种逻辑清晰的访谈

Ass嘟嘟

2024.11.13

第三条道路：指数增强型基金。

「✅量化投资」
2011年，以主动权益或债券为主，量化是个点缀。
2014~2015年，第一波小高峰，超额收益空间大、股指期货长年升水。
2015年股灾后，股指期货开始深度贴水，交易大幅受限。
2016年，第二波私募量化崛起，逐渐向上游扩展，做指增、降低频率等传统量化的领域。
2019~2020年，史无前例的主动权益大爆发，量化投资一直处于边缘的角色。
2021年，以核心资产的持续下跌开始为标志，主动权益出现拐点，开始分化。
任何一种投资方法论，一旦在市场上的占比超过一定幅度，基本意味着它的收益衰减。

「✅海内外」
海外并没有特别强的指增的代表产品，反而中国指增行业发展还不错。
1）市场投资人结构不同
海外机构投资者多，做超额收益难度较大。
2）产品限制
海外可以做对冲基金（全球）。国内只能体现为指增或市场中性产品。

「✅量化基金经理」
根据（每天交易的）数据分析，挑选看好的公司。站在当前，做历史检验，预测未来的收益率。
投资：可预期、可复制、可持续。注意细节。
1）指数增强
指数的每个成分股都有对应的权重。如果最近判断A未来在涨的最好的那批，增加权重；反之，降低权重。挨个判断，形成新的权重。
2）多因子模型
基本面：通过调研/财报交流判断，可持续性、坏账风险等等。寻找未来基本面趋势向好、景气度较高的公司。
量价规律：找一些技术图像（市场的交易价格）的规律走势。
选股 - 截面：相对强弱。
历史回测：任何一个动作和调整，最好不带有主观判断色彩，通过长时间的数据检验。
3）因子择时
因子动量：轮动可能导致你配的很偏，是风险隐患所在。另外因子不可预测。盈亏同源，弹性很高，但要忍受逆转时更大的波动。
均衡：比如预测股价，基本面、估值波动，始终维持各自一半。
4）能力
学习能力、思维模式。看问题的能力，以及效率。

「✅量化 - AI」
AI已经方方面面渗透到各种的环节中，是一种工具、一个补充。
基于已有研究的基础之上寻找增量。异常情况 → 归因系统 → 研究进展。
不做判断，不代表不要感受市场。看盘感受市场微观结构变化。
按照金融的原理设计模型。金融市场的规律永远在时变，再极致的AI都无法抓到时变的规律。
AI在量化界只是一次统计工具的更新，没有底层算法的创新。

「✅区别」
1）标准指增
合同大幅约束了偏离的可能性，但增强的空间也大幅缩窄。
2）准指增
名字里不带“标准指增”，但实际又按对标某个指数做的，不受合同的限制。
好处是预期的超额的弹性相对更大，坏处是当一些波动来临时，超额波动也更大。

「✅超额收益」
1）投资者结构
根据不同指数主要的投资者结构的不同，超额空间不太一样。在中小股票指数里，机构投资者的占比相对低；反之，机构投资者占比相对高。
2）成分股个数、行业集中度
量化的超额收益，是通过大样本确保规律的稳定发生。
如果在一个非常狭小的样本范围内，面临的波动相对较大，做量化增强的难度相对较大。
3）不同指数
平均超额实现的水平差别不大，只是每年难度不同，取决于行情的热闹程度集中在哪个地方。也会有阶段性窗口的问题。
按机构持仓比例的角度，沪深300增强＞中证500增强＞中证1000增强。长期的超额空间中证1000增强＞中证500增强＞沪深300增强。

「✅跑输指数」
9月24日到现在指数增强基金显著跑输指数。
1）仓位
ETF可以满仓，其他类型的基金，合同规定5%必须是现金。
2）因子阶段性失效
从风格的角度，高波指数显著跑赢低波指数，跟长期的量价规律相反。
阶段性规律的紊乱和长期规律的背离，导致因子阶段性失效。
3）超额收益的波动
指增产品更适配配置型需求，基于相对长周期的判断持有，可以忍受阶段性的波动。
ETF更适配交易性需求。
你在这个市场能赚什么钱，跟你在什么地方有研究禀赋、方法论有很大关系。
4）压力测试
历史回测，最不好的时候会造成多大影响，选择一个能接受的，定下来。除非市场发生一个新的做压力测试的场景。

「✅定位」
工具化的指增产品。
比如小盘就是小盘，而不是在300指增里买一堆股票。把贝塔和阿尔法严格区分开。
周期轮动 - 贝塔：具有长期配置的价值，都有布局的意义，但可能会有阶段性好/不好的阶段。

「✅选择指增」
1）底层配置
作为长期配置型投资工具。
在工具化大浪潮的背景下，指增产品贝塔的丰富程度远高于以前的，投资者有更多的选择余地。
既可以兼顾透明度和低偏离度，还能赚钱阿尔法。
2）选人/团队 - 可持续性
3）指标
业绩（1.2年）、跟踪误差（5年以上）、持仓（风险因子的暴露）。
看业绩的基础之上，对方法论进行归类。
比如业绩在前1/3，规模不要不太也不要太大、稍微做点分散，再筛掉跟踪误差较大的。

为什么机构投资者愿意配置指数增强基金？