量策基金营
第一期访谈
为了更客观和深入地挖掘私募管理人的投研逻辑，也为了更好的输出策略配置的干货，好投基金研究院联合亿鲲资产推出【量策基金营】系列栏目，我们将以“买方”的视角，挖掘策略的本质特征，多维度展现管理人的核心能力与特色。
嘉宾介绍
FOF&管理人
蝶威资产基金经理：濮元恺
现任浙江蝶威资产管理有限公司研究总监兼基金经理。负责股票alpha多因子模型、商品期货时间序列模型开发工作。2016 年加入中国量化投资学会专家委员会。2018年至 2019年担任励京投资管理（北京）有限公司研究总监。其撰写的《量化投资 技术分析实战》图书获得众多业内人士推荐，帮助很多量化交易者走上起步之路。
FOF基金经理：李明鸿
上海财经大学金融学专业。拥有13年证券从业经历，包括10年期货公司资管机构服务从业经验，3年多私募基金行业FOF投资管理从业经历。过往线下尽调过几百家私募基金管理人与几十家公募基金，建立了各类资产从投资逻辑、投资策略、投资敞口和风险因素等全方位的投研体系，形成了从宏观、中观到微观的自上而下的逻辑分析框架。
“精彩观点”
汇聚
- 关于交易频率
低延迟的一些交易平台是否只能对比较快频率的交易有用，而对比较慢频率的交易没有用呢？即使是基本面量化这样慢速的模型他依然需要很低延迟的交易的一些方式来降低冲击成本。随便去接低速的柜台让他发的单子以普通的方式去成交，甚至去对价去成交，但这样就要承受更高的冲击成本，产品的绩效自然就会有微微的折损。如果精益求精的话每一笔单子发到市场上的时候，都要考虑市场的承载量，要考虑当前的价格波动率，要考虑这种买卖的订单的不平衡的一种状态，针对快速的环境开发的一些模型，依然在慢速模型的交易层面是有帮助的。
- 关于策略迭代
在策略迭代的过程中，保证持续性的关键在于考虑策略的交易频率、使用的数据量以及预测周期。如果策略的交易频率非常高，使用的数据量非常海量，且预测周期很短，这种情况下，问题更多地变成一个纯统计问题，而不是典型的金融问题。在低延迟交易中，重要的是统计绩效。可以通过构建统计模型来预测资金曲线，并在合理的交易费率下实现一定的收益风险比。如果市场的微观结构能够维持一段时间，并且机器学习模型的拟合能力较好，抗过拟合性能也较强，那么在合理的范围内，可以相信该策略能够持续地实现一定水平的收益。
然而，在使用模型时，需要警惕一些情况。如果收益曲线的斜率开始放缓，甚至开始衰退导致亏损，这可能意味着市场环境发生了变化，或者模型的适应能力出现问题。在这种情况下，及时对模型进行调整或下线策略，以避免进一步的亏损，是非常重要的。
- 关于过拟合的控制
控制过拟合是在机器学习中非常重要的问题。为了对抗过拟合，我们需要考虑以下两个关键方面：
1）样本容量和样本的生态丰富性：确保训练数据的样本容量足够大，并且涵盖了丰富多样的场景和情况。如果训练集过小或者只包含特定的情况，模型可能在其他未见过的数据上表现不佳。要尽量避免只在特定行情或情况下进行训练，而要尽可能涵盖各种可能性，以适应未来的数据。
2）设计验证集：在模型训练时，除了在训练集上进行训练，还要使用一个独立的验证集来评估模型的性能。确保模型在验证集上也有良好的表现，而不是仅仅在训练集上表现优异。如果模型在验证集上表现差，可能意味着过拟合。因此，要确保模型在验证集上表现与训练集上相似或接近。
- 关于蝶威的基本面量化策略
我们的基本面量化策略主要采用基本面数据和逻辑因子，进行中长期收益预测。通过构建多因子模型，选择低估值、低Beta和高业绩增长的股票。然后通过算法交易降低换仓成本，并采用财务异常识别，剔除可能存在风险的股票，使得底仓管理更具稳健性。基本面量化策略相对于传统的量价策略，更侧重于中长期收益预测，拟合度较低。策略主要特点在于其因子中大部分为基本面因子，且寻找低波动的股票，通过对高动量股的特殊处理来构建非线性动量。
- 基本面策略相较于其他策略的区别
相较于一些主流策略如指数增强、空气指增等，基本面量化策略差别在于更注重基本面因子，且在选股过程中主动避开高动量股。该策略在市场环境不好、熊市时表现较为强劲，回撤较小，与A股的Beta相关性较低。在上涨市场中，基本面量化策略可能勉强跟得上指数的涨幅，表现相对保守，但在下跌时表现出较好的防御能力。总体来说，基本面量化策略在过去3年中表现出非常突出的盈利能力，但对于未来市场的影响和Beta相关性等还需要继续观察和探索。
- 关于量化策略的验证
建议关注持仓构成和交流了解管理人的投资思路，而不仅仅看收益曲线。量化投资的发展将越来越受限，但持续学习和迭代将是未来的核心竞争力。而对于基本面策略，由于对未来超额收益的预测不稳定，因子的IC值和IR值都成为重要的评估指标。通过严格筛选具有稳定ICIR曲线和较低回撤的因子，可以帮助构建更强健的基本面模型，使其在实盘交易中表现更稳定和有效。
- 关于学习
学习非常重要，如果需要，我会重复一百次做出相同的选择。不断寻找答案、追问、探索新技术是我持续进步的动力。而技术共享和互助将有助于整个行业的进步和发展。
在这个行业里，有两位老师的书值得我们学习。量信投资的联合创始人，石川老师领衔出版《因子投资：方法与实践》、及《基本面量化投资》的作者，来自于北京大学的张然教授，他们的逻辑，他们的书中的好的因子，指导了我们如何把这些因子复现下来，放到机器学习的框架里去做。
关于我们
好投基金研究院
我们成立于资管元年的2022年，顺应了资管新规的要求，致力于为大资管时代的财富管理行业提供专业、独立、客观的买方基金投研服务。我们的研究团队由头部买方机构和各领域专家组成，借鉴国外FOF投研理论，结合自研的智能投研系统，逐步形成了适合国内市场的基金投研体系。我们提供深入的市场分析报告、策略研究报告，帮助投资者制定更好的投资决策。同时，我们以独立的买方视角进行尽调，精选优质管理人，提供专业客观的尽调报告，帮助投资者全面了解基金公司的投研实力和运作情况。我们的目标是提供最优质的买方基金投研服务，为投资者提供更多专业、独立、客观的投研分析。
• END •
