作者：私募finder（知乎平台同名） 好投学堂专栏作家
一、公司介绍
这家私募成立于2018年底，2019年底发行第一支产品，目前公司规模2亿左右，自有资金2000万，公司现有8人，研究员 6 人，运营人员 1 人，销售人员 1 人，6位投研是公司的合伙人，共同持股90%，且在一起合作创业5年以上，团队非常稳定，实控人和基金经理均拥有 10 年以上量化策略研究和交易经验，其他合伙人在创设本公司之前，均在量化平台公司工作 2-3 年，量化 IT 技术和策略研究经验丰富。
公司于2019年底备案第一支产品，2019-2020年开展实盘实验，建立交易体系，改进和丰富策略。到 2020 年底，交易和策略体系基本构建完成（后期持续优化），2021年在完整的交易体系下运行，充分验证策略的绩效稳定性，2022-2023年策略持续稳定运行，并于去年开始对外募资。
二、策略介绍
公司采用“多因子+机器学习”的选股逻辑。
策略研究采用课题制，由首席策略师或基金经理确定研究课题后，策略团队协作，完成策略建模和测试工作。策略团队各成员的技能和分工为：J总主要负责机器学习算法研究，F总主要研究策略组合优化和风控算法，Z总主要研究日线量价因子和基本面因子，X总主要研究高频因子，L总主要研究算法交易，W总主要研究事件和另类因子
因子层面：因子库约 3700 个，全部为人工挖掘，其中量价因子占比60%、基本面因子占比30%、事件因子占比10%。
策略层面：有32个子策略，因子输入后，使用机器学习算法训练策略，每个策略可在任意时间截面上，给 A 股所有股票打分
策略组合：以期望回报为目标函数，以各策略分数和各产品当前持仓为输入，以 50 多个 Barra 风格因子暴露水平和行业/指数成分偏离度为约束，首先使用非线性函数映射策略分数和风格暴露，再使用动态规划算法得到各产品的换仓指令
算法交易：算法交易全部自研，各产品根据换仓指令，调用算法交易模块执行换仓操作
目前股票池有400多只股票，持仓股票数量在200只左右（还有1倍的空间），各股票等权建仓，市值中性化，即便有特别看好的股票，单票也不会超过0.75%，平均持仓周期 5-6 个交易日，双边年换手80-100倍。
业绩展示：
中证500指增
股票中性
三、问答
1.问：因子是用机器学习算法自动挖掘的么？
答：不是，底层因子都是人工设计和开发的，只有“用底层因子构建策略”这个步骤使用机器学习算法。底层因子设计是基于策略研究者对市场和交易的理解，而不是数据本身。
2.问：在不同的市场环境下，是否执行主观择时和策略适配等操作？
答：本司遵循纯量化客观交易的原则，在各种市场环境下均采用同一套策略组合和风控参数配置，不主观预判市场风格，不进行主观择时，不干预自动交易。通过增加策略风格多样性、提高组合优化和风控水平，使基金产品在各种市场环境中拥有Alpha 获取和回撤控制能力。
3.问：风控参数如何设置？
答：我们采用非线性函数输入动态规划进行风控，因此，风格暴露、行业暴露和指数成分暴露没有恒定的值域或标准差，从实际运行情况来看，对标指数成分暴露比例为 25%-40%，风格因子线性暴露绝对偏离不超过+-20%，行业暴露偏离不超过+-15%。
4.问：是否采用了第三方算法交易服务？
答：没有，算法交易是自研的，因此冲击成本稳定性、可预测性强，不存在与其他交易者共用同类算法交易服务平台导致的拥挤问题。
5.问：换仓时点如何选择？具体如何操作？
答：经过优化后，目前执行 1 次全市场数据扫描和策略计算，总共需要 5ms，因此可以在盘中任意时点，根据最新市场信息完成一次换仓操作。由于目前管理规模较小（2 亿），实盘中每 10 分钟执行 1 次换仓，每次换仓都使用最新市场信息重新执行规划，但只买/卖策略建议换仓股票一定金额比例，从而保持全天总换仓比例基本稳定，降低交易冲击成本。
6.问：策略的预测周期是多长？
答：策略预测周期为 2-10 个交易日，组合后最佳预测周期为 5-6 个交易日，与平均持仓周期一致。
7.问：整体风格是否偏向小市值股票？
答：大小市值股票风格轮动是量化策略最大的风险来源（没有之一），目前，本司基金产品的市值暴露已经中性化，在 Barra 市值因子上的线性暴露水平，平均为0.52，范围为 0.39-0.58。
8.问：策略 Alpha 的主要来源是什么？
答：目前，在 A 股市场，主要的资产定价因子（比如市值、价值、动量等）已经 Beta化了。因此，本司策略在这些因子上基本中性配置，并不依靠投机性地配置小市值、高波动股票来获取短期收益，也不重仓押注任何热点行业。策略的 Alpha 主要来自于对复杂组合条件下各类套利机会的深入挖掘，蕴含了对交易行为学的洞察、对公司财务风险的评估和对市场风格的适度择时。
9.问：同时采用 32 个策略的原因是什么？
答：这些策略在主要风格因子上的暴露具有互补性，组合使用可以大幅度降低在极端市场风格下产品净值回撤。研究 Alpha 水平较高且风格互补的策略，是量化领域重要而困难的任务。
10.问：在什么市场条件下，策略易获高 Alpha？反之，策略回撤的主要原因是什么？
答：在热点散乱、轮动性强、流动性高的市场环境下，策略容易获得高 Alpha，而在事件或情绪驱动的单一风格、单一行业持续行情中，策略容易出现回撤。
11.问：如何保持各产品绩效的一致性？
答：本司部署的中心节点服务器维护所有产品的实时持仓，使用同一组策略进行统一规划，公平随机分配交易机会给所有产品，从而保证各产品绩效的长期一致性。
（注：因交易机会随机分配，以及个别时段新策略上线试运行等问题，可能造成短期绩效差异）
12.问：策略的优化更新周期是多长？
答：每季度执行一次策略数据更新，而策略优化升级周期则不确定，要看策略研究进度。按过去 3 年的经验，一般每半年会对策略进行一次较大幅度的优化升级。
13.问：策略研究有什么新进展？
答：我们采用运行一批、储备一批、在研一批的策略研究制度。目前，储备（尚未大规模应用于实盘产生收益）策略包括：自动化 T0 策略、基于场内信用和场外 DMA 联合个股融券的多空策略等。此外，更多风格互补的策略正在持续研发中。
14.问：目前有多少自营资金？产品的资金来源？
答：自营资金约 2000 万，高净值客户资金约 3000 万，其余 1.5 亿为 FOF 等机构资 金, 5 家机构投资了我们的基金产品。
15.问：请自我评价，基金产品和策略和主要竞争优势是什么？
答：本司策略的回撤周期和市场上头部/主流量化基金不同步，对于 FOF 基金而言，有很高的风险配置价值；总体 Alpha 能力稳定且居于市场同类产品前列；后备策略充足，抵御市场 Alpha 水平进一步下降的能力较强；风控严格高效，产品最大回撤逐年显著下降。
重要声明与风险提示：本报告仅供合格投资者及定向客户参考，本文中的数据信息均来源于公开资料，文中的观点、结论和建议仅供参考，不构成任何投资建议，投资者据此做出的任何投资决策与作者无关。
投资有风险，入市需谨慎
