大家资产王新星：保险资管中的低频量化实践

作者：量化藏经阁

题图：量化藏经阁微信公众号

嘉宾介绍

王新星：大家资产量化投资项目组负责人，2006年起先后任职于中国银行江苏省分行、新华保险股份有限公司投资管理部、泰康资产管理有限责任公司风险控制部、金融工程部，2015年起管理实盘账户，具有多年权益及衍生品实盘管理经验。

投资目标

价值投资风格，优选估值合理、质地优良的股票，争取在价值股表现良好时大幅超越市场；而在价值股表现不佳时，尽量减少亏损。

投资方式

相对收益策略：从底层因子入手到搭建量化模型，最终将全市场模型、截面分域和时序分域等3种模型进行融合，在施加风险约束的情况下，严格控制策略相对基准成分股的偏离和行业暴露。

绝对收益策略：结合定性和定量的方法，采用量化初筛股票，并配合定性分析进行复审去除业绩表现不稳定的股票，同时利用事件驱动策略，显著提高组合的风险收益比，实现稳定的绝对收益。

以下发言稿整理自大家资产王新星先生在国信证券2025年度策略会金融工程分论坛的发言实录

一 国内量化发展历程

1.1 国内量化十年发展之路

我要演讲的题目是《保险资管中低频量化实践》。回顾我的经历，我于2011年加入泰康资产。当时，泰康资产已经拥有量化团队，但量化交易主要依赖等权混合策略。这种策略涉及多个因子，构成一个综合策略，最终形成一个包含几百只股票的权重组合。当时，量化交易的目标是通过多样化策略提高投资组合表现。我们使用不同的因子评估股票，从而选择表现较好的标的。随着技术的发展和市场变化，量化交易的策略也在不断演进，逐渐向更加复杂和精准的方向发展。

在2014年，小盘股表现较好，而等权混合策略最终暴露在小盘股上。2014年12月，Size因子回撤，部分量化组合的超额收益回撤达到30%。从那时起，业界开始关注Barra模型和优化器，并将其逐步引入到量化组合中。同时，巴克莱国际投资管理有限公司（BGI）的海归派也将低频量化的投研模式规范化。

2017年至2020年，伴随市场走牛，基金和险资逐渐加大对权益市场的投资。从量化角度看，尽管2017年Size因子进入回撤状态，但整体超额收益仍相对较好，价值股表现也很强劲。

2021年以来，由于2020年牛市出现了机构抱团行为，随后因估值过高导致市场瓦解。这一变化带来了新的机遇和挑战。当前，Alpha在大盘股上的获取变得越来越困难，300指数的超额收益降低，而500指数的超额收益也逐渐变得难以实现。同时，私募高频策略受监管的影响较强。

在2023至2024年，微盘股经历了剧烈波动。2023年，微盘策略一度实现绝对收益，但到了2024年春节前后，微盘股出现大幅回撤。

1.2 海外市场收益概览

从海外市场的经验来看，进入21世纪以来，巴菲特的伯克希尔公司、Fama-French的价值因子收益以及纳斯达克指数的表现均引人关注。自2000年起，伯克希尔的股价与价值因子的表现几乎相当，这显示出巴菲特在价值投资上的一致性。然而，纳斯达克在2000年的回撤接近70%，之后虽有所回升，但与上述两种价值投资方式的差距依然较大。

二 国内投资者分类及险资特征

2.1 国内投资者分类

在国内市场，如果将险资或公募的量化交易定义为机构量化，那么其他市场参与者，可以大致划分为以下几类：

• 机构主观：主要聚焦于头部公司，如中证800；
• 游资：倾向于主题轮动或涨停板；
• 私募量化：侧重于全市场的指增或高频交易；
• 散户：更偏好小市值股票，这导致小市值股票的换手率一直较高。

机构量化当前处于一种与其余市场参与者有相似点但不完全相同的阶段。我认为有两句值得注意的话。首先，“水至清则无鱼”，意味着如果我们的投资策略偏向超大市值或主观多头，我们的竞争对手将是全市场的卖方分析师和买方分析师。通过量化方式与他们竞争，虽然有可能实现超额收益，但这种收益越来越难以获得。第二句是“钓鱼要去有鱼的地方”，这是已故的查理·芒格先生常说的话。我们应尽量在主流机构看不到的地方寻找相对容易实现超额收益的机会，这一点尤为重要。

2.1 保险资金投资特性

谈到保险公司的低频量化，资金性质决定了保险公司在投资时压力和机遇并行。主要压力在于保险公司需要保本，负债成本通常高于同期限的国债和信用债。因此，仅依靠债券投资是不够的，最终仍需将一部分资产配置于权益市场。

另一方面，保险公司在会计和税收等政策方面的考量也影响投资决策。我们不仅要关注综合收益，会计利润和税收同样重要。例如，市场在9月份之前保持熊市，相对收益尚可，绝对收益略为负数。当市场上涨时，为了保住绝对收益，可能会被迫卖出部分股票。市场持续上涨时，仓位较高可能会导致再次调整。总体来说，我认为择时非常困难，因此我更倾向于将这部分工作交给在权益投资方面更有经验的专家，而将精力专注于选股。

最后，保险资金的性质和渠道被监管认定为私募，因此不能进行高频交易。但在自律方面，实际上与公募相似，隔日反向交易和信息披露等方面的要求也相对严格。在我之前的工作中，每个月需要撰写十几份月报。

三 资特征如何进行稳健的低频量化投资

3.1 量化投资步骤拆解

今天的讨论颇具趣味，我想探讨如何进行稳健的低频策略。在相对收益方面，这并没有太多新意，依然要依赖多因子模型。从2015年开始管理300增强策略的实盘以来，我深刻认识到多因子模型在控制相对收益回撤和信息比率方面的优势。

如今，量化从业人员的整体素质显著提升。过去以事件驱动为主，现在已发展到模型动物园。底层因子的挖掘依然依靠人工，但在此基础上，模型融合得到了发展。我们从线性模型拓展到Boosting、深度学习和随机森林等更复杂的模型，策略融合采用Stacking、静态等权以及Contextual Modeling等方法。

在顶层结构中，我们通过结构化的风险模型进行权重优化，以实现个股权重超低配置。在执行800或中证1000的指数增强策略时，通常持仓数量在100至200只股票甚至更多。每只股票的配置可能仅为1到2个百分点，这样可以将非系统性风险降至最低。同时，基于Barra模型的分析，十个风险因子加上30个行业因子的风险暴露，确保跟踪误差控制在5%以内，从而有效跟踪指数。

接下来，我们利用大数据统计模型来挖掘潜在的Alpha。目前，我们的因子主要依赖人工挖掘，机器辅助，现有因子超过500个，主要聚焦于基本面和量价，另类数据相对较少。所有数据均录入数据库进行分析。

从模型动物园的角度来看，模型分为三类，分别为全市场模型、横截面与时序分域模型。首先为传统全市场模型，该模型的优势在于市场宽度，利用经济学的广泛统计意义。当前市场上已有超过5000只股票。若策略在单只股票上的胜率为51%，扩展至5000只股票时，多空判断的胜率将显著提高。

尽管全市场模型表现强劲，但历史上也经历过回撤阶段。因此，横截面和时序分域模型在一定程度上可以弥补全市场模型相对表现的低谷。综上所述，模型融合旨在提升策略的稳定性。

在优化器方面，过去的模型未进行优化时，双边换手率可能达到30倍以上。然而，通过优化器，我们可以在Alpha和换手惩罚之间找到平衡。施加换手惩罚后，超额收益从15.3提升至18.2，同时双边换手率降至12倍。该模型在初始规模约为20亿时运行。如果规模达到上百亿，换手率可能会降低至1到2倍。

在风险控制方面，量化交易通过分散交易来降低非系统性风险。剩余的系统性风险需要通过控制相关因子暴露来管理。今年，量化策略普遍经历了显著的回撤阶段，尤其是非线性市值因子波动较大。下图中今年市场中Beta和Size因子均出现了两次超过四倍标准差的大规模波动，这对量化模型构成了严峻挑战。以往依赖风险暴露获取Alpha的策略，可能会经历显著回撤。例如，2017年在Size因子上的暴露同样出现了前高后低的情况，导致无法获得Alpha。

然而，如果能将Size因子控制在严格中性状态下，超额收益的走势会相对恢复，表明底层Alpha模型依然有效。这可能是由于风险因子的控制超出了历史模型的统计范围，因为黑天鹅事件总会发生。

3.2 相对收益策略表现与绩效归因

下图是我们相对收益策略的历史回测情况，结合全市场模型、截面分域和时序分域模型进行等权合成。在施加风险约束的情况下，我们对成分股暴露和个股行业超配进行了严格控制，得到了历史Alpha的表现。

近期确实出现了一定的回撤，尤其是9月底以后散户主导市场的现象，这与以往的历史统计规律有所不同。亏损的股票上涨，而盈利的股票下跌，这种现象对模型造成了影响。然而，我认为这种回撤是可以接受的。

从长期来看，相对收益策略整体Alpha表现依然稳定，年均超额收益相对稳定。绩效归因显示，在Barra结构化风险模型的超额暴露方面，我们基本控制在正负0.2以内。累计的Alpha表明，主要的超额贡献来自于纯Alpha，而市值因子也有正贡献。行业暴露控制得较为严格，基本在正负1个点左右。

我曾在2019年4月底实施的500增强策略中，观察我们策略Alpha的表现。过去五年中，价值因子相较于成长因子表现逊色，但我们的Alpha依然保持向上趋势。有趣的是，在价值股短暂表现突出的时刻，我们的模型表现良好，基本能够精准把握时机。然而，价值股回调时也会经历较大回撤，但总体上仍可保持相对稳定。

我希望能够向投资者或资金方传达我的目标：在价值股表现良好的时候，我希望能够大幅超越市场；而在价值股表现不佳时，尽量减少亏损或跟随市场波动。

为了跟住市场，我认为首先需要坚持多因子策略，并定期进行绝对估值评估。绝对估值可以有效纳入量化模型中。此外，加入季节效应、事件驱动和套利策略的融合，可以帮助我们度过价值投资的低迷期。通过将500增强的日度收益率与中证500、HML和SMB指数进行日度回归，我们发现我们的日度Alpha大约为4个基点，累计年化Alpha约为11%。在价值股上的暴露T统计量为2.43，而小盘股的T统计量则相对不显著，为1.3。

3.3 绝对收益策略表现与绩效归因

3.3.1巴菲特与格林布拉特的价值投资理念

接下来，我想讨论绝对收益策略。这种策略并不像私募普遍采用的市场中性方式，而是受到巴菲特投资组合的启发。在1962年，巴菲特在合伙人信中详细介绍了他的投资方法。研究显示，巴菲特在早中期的收益表现稳定，尽管后期有一年或两年出现亏损，总体依然正向增长。

AQR进行了一项研究，探讨如何将巴菲特的Alpha用量化语言复现。研究发现，如果不包含著名的量化因子，其Alpha大约为5个百分点。这反映了伯克希尔哈撒韦早期阶段的表现。但如果我们将量化因子进行分析，比如SMB（小盘股暴露）、HML（价值股暴露）、UMD（动量减去反转）、BAB（低波动）、QMJ（高质量）的暴露。其中越小的UMD值表示偏好左侧交易，而BAB因子则反映低波动股票的暴露，代表对稳定组合的偏好。QMJ（质量股减去垃圾股）是AQR的一篇著名论文，研究表明，将这些量化因子与投资组合业绩进行回归后，其Alpha接近于零。我们可以发现巴菲特主要关注的是价值股和高质量股票的组合，这些策略为他带来了显著的超额收益。

此外，乔尔·格林布拉特也是量化界知名的人物，他的年限约为二十多年，年化超额回报约为30%。巴菲特和格林布拉特有许多相似之处，例如，他们都有相似的学术背景，并深受本杰明·格雷厄姆的影响。

在选股策略上，巴菲特倾向于低估值和高质量的股票，而格林布拉特在其著作《The Little Book That Still Beats the Market》中提到的投资组合同样是以低估值和高质量股票为主。这种共通的投资理念显示了价值投资在实践中的一致性。

巴菲特在追求绝对收益的策略中，通常包括两到三类主要策略。第一类是低估策略，这种策略通常指的是对低估股票的投资。如果这些低估股票持续下跌，巴菲特会在价格进一步下跌时继续买入，形成所谓的左侧交易。当持有的股票达到一定程度后，他可能会对整个公司达到控制，进而通过清算公司的有形资产来实现盈利。

第二类的套利策略与低估策略有些相似，在界定上可能比较模糊。如果能够控制到公司，进入董事会后，通过套利行为可以在短时间内变卖公司，获得现金。格林布拉特在其书籍《You Can Be a Stock Market Genius》中深入探讨了量化套利机会，包括重组股和分拆股票等，强调持有20到30只股票，每年可以实现约40%的收益，并且每年都能保持正收益。

上面两个例子中无论是定性组合还是定量组合，核心都是坚守价值投资。在价值投资表现不佳时，通过套利机会获取绝对收益，并平抑价值股低迷期的风险。

3.3.2量化与定性分析相结合挖掘投资机会

我曾在两年前实施过一个价值精选组合，主要在港股市场进行。当时恒生指数经历了一轮熊市，整体亏损约10%至20%。相比之下，我们的组合表现非常稳定。经过多年量化投资的实践，我发现，如果要进行集中投资，使用定性分析对量化组合进行复审，可能会挖掘出更好的投资机会。

例如，在持仓中有一家传媒上市公司，该公司在量化评分中表现优异，引起了我的兴趣。在进一步研究后，我发现几乎没有人讨论这只股票，卖方分析师也没有相关报告。当时这只股票的估值仅为五倍，市值为50亿，净资产100亿，现金60亿，且没有负债，每年净利润12亿。经过深入了解和确认公司经营无问题后，我将其纳入组合。尽管在上涨过程中经历了回撤，但整体回撤始终控制在20%以内，表现相对独立于港股整体行情。

在探讨价值投资时，许多人会质疑估值因子的有效性。我对A股市场自1992年以来进行了32年的长时间回测，结果显示，原始的B2P（账面价值/总市值）因子在多头端表现良好，年均超额收益约为4.5个百分点，相较于等权组合有明显提升。然而，E2P（净利润/总市值）在多头组合中表现不佳，超额收益不足1个百分点，反而是高估股票的超额收益更高。这确实对价值因子的有效性提出了挑战。

我们在量化分析中经常会进行因子的中性化处理。通过这种方式，可以看到之前投资的低估值股票主要集中在银行和钢铁等传统行业。经过中性化处理后，估值因子的表现有所恢复，从0.8提升至5.9，但空头端的表现依然较差，仍然存在超额收益。

我们进一步扩展了因子动物园，加入了多个估值因子，例如销售收入比企业价值（S2E），结果显示其多头端表现良好。在分析股息率（D2P）时，我们发现分红收益率的多头端表现非常强，年均超额收益约为六到七个百分点。此外，现金流比企业价值（CF2E）因子在历史走势上几乎没有回撤，虽然在92、93年初期略有回撤，但其夏普比率持续保持在较高水平。

关于Ret_48因子，这是在期货市场上广泛使用的因子，基于过去四年的收益率计算而来。通过量化方法补全数据后，发现这个因子同样有效。有趣的是，在空头端的表现上，过去四年涨幅较大的股票，其空头端的表现却非常差。这种特性使得这个因子可以有效弥补其他价值因子的一些短板。

综上所述，虽然某些传统价值因子在特定市场环境中可能表现不佳，但通过引入股息率、现金流比企业价值和Ret_48等因子，我们能够构建更为稳健的投资组合，实现更好的风险收益平衡。

在对价值因子进行主成分分析后，我们将多种因子融合，得到了一个新的主成分。结果显示，这个主成分在多头端的表现显著，多头端年化达到了9.47%，明显优于之前的所有单一价值因子。这一结果表明，尽管每个价值因子都有其强项和弱项，但通过综合它们，我们能够识别出更为可靠的价值股票。

进一步分析第三主成分时，我们发现它在B2P和E2P因子上表现出负暴露，而在D2P（股息收益率）和Ret_48（过去四年的收益率）因子上则是正暴露。S2E（销售收入比企业价值）和CF2E（现金流比企业价值）因子也表现出正暴露。这一主成分的多头组合收益超过5个百分点，这一分析提示我们，不仅要关注传统的价值指标，还要重视现金流表现较好的股票。此外，严重低估的股票表现往往优于中性或稍微低估的股票。

基于这些发现，我结合部门现有的价值和低波动策略做了一个简单的SmartBeta组合。具体选择上，以PETTM（市盈率）小于20和特质波动率偏低的股票为标准，市值大于30亿的股票中选取100只，采用等权重换仓。结果显示，除了2018年，组合每年的收益均为正，并且显著跑赢中证500指数。

我们将刚才提到的价值低波组合与Wind中的中长债指数进行合成，得到了一个15:85的配置比例，这样的组合能够实现类似全天候的绝对收益。这一组合在历史上表现出极低的回撤，最大回撤仅为2.24%，年化收益为5.66%，收益回撤比约为2.8。而同类型的Wind二级债基在同期的年化收益为2.1%，回撤则高达8%，显示出我们的组合在风险控制方面的优势。

接下来，我们探讨如何在不使用债券或股指期货情况下，通过纯权益投资实现绝对收益。通过量化模型，我们可以对200只标的股票进行估值，得出其内涵价值。例如，某只医药股票的盈利能力价值显示其市值低估，结合自由现金流的价值，年均收益预估在25%左右，净利润价值为18%。在分析增长潜力时，考虑到该股票的销售收入和净利润增长都保持稳定上升，经营性现金流和自由现金流的增长趋势也良好。唯一的下降趋势是固定资产，因为作为一家医药公司，该公司在过去九年内几乎没有进行资本扩张，固定资产逐年折旧，但销售收入却显著上升。这表明该公司将资源主要投向销售和研发，形成了良好的增长态势。通过对该公司的深入分析，我们发现这家公司市值不到70亿，账上现金超过60亿，每年净利润在7到9亿之间。如果报表真实性无疑，这家公司显然非常盈利。经过20年的股息再投资计算，发现仅靠股息，这家公司的收益从1元涨至2.5元，稳定地超越了银行存款。

作为对比，另一家制造业公司市值300亿，估值十倍，他具有隐含资产，为500亿的其他上市公司股权投资和200亿的净现金流。尽管这家公司的表现看似良好，收入和利润都在增长，但其ROE（净资产收益率）和ROA（资产收益率）却仅有5%左右，盈利能力较低。更令人担忧的是，这家公司每年的分红非常低，尽管账上有200亿现金，仍旧频繁融资，导致每股摊薄至六毛钱，现金流也显得不稳定。这些疑点促使我们对公司的整体评估产生疑虑。去除一些有潜在问题的公司。

此外，事件驱动策略也是一个重要的考虑点。通过识别短期内可能产生回报的事件，我们可以在价值股表现不佳时提升组合的稳定性。这种策略不仅能够增强收益，还能在市场波动中提供额外的保护。

总体来看，结合定性和定量的方法，去除不稳定的资产，同时利用事件驱动策略，可以显著提高组合的风险收益比，实现稳定的绝对收益。

在今年九月底和十月初，我在大家资产构建了一个新的投资组合。尽管建仓时市场处于高点，组合的估值却相对有利：PE为8.77倍，PB为0.93倍。与中证800相比，这个组合在估值上显示出明显优势，股息率为5.92%，Beta值仅为0.54，ROE与中证500相当，为10.74%。如果剔除有息负债，PE可能降至六倍多，PB降至0.6倍。组合的股息率与红利组合不相上下。

值得一提的是，这个组合的Beta值与可转债指数相似，大约在0.5左右。由于可转债的底层公司质量相对较低，其PE和PB指标普遍不及我们的组合。我们最终构建了一个包含50多只股票的组合，波动和回撤控制良好，且集中度较高，前几大重仓股占比在7%到6%之间。

在不同市场环境下，这个组合的表现相对稳健。尽管绝对收益在市场初期回调时略显负面，但相对收益表现较好，超额收益在截至昨日时已接近5%。相比之下，申万价值指数相对申万成长一度回撤超过20%，而我们的组合表现相对稳定。

在市场反弹时，我们的组合迅速回升，绝对回撤控制在三点多，而中证800的回撤则超过7个点。

未来，我们计划将指增、量化价值投资、事件套利等策略融入产品线，以进一步增强投资组合的有效性，力争实现8%的收益，同时将波动控制在10%以内。

风险提示：本文基于演讲嘉宾在国信证券2025年度策略会金融工程分论坛公开发言进行整理，发言内容仅代表其个人观点，不构成对任何人的投资建议。