財聯(lián)社4月16日訊（記者 封其娟）姜鵬團隊用實踐證明，量化投資是對市場結構變遷的動態(tài)響應。對他們而言，量化策略持續(xù)迭代的核心，始終聚焦優(yōu)質(zhì)公司的價值波動機遇，在投資者結構分化與宏觀環(huán)境不確定性中，探尋量化投資的長效生命力。

姜鵬于2017年6月加入中信保誠基金，歷任金融工程師、基金經(jīng)理等。在2023年年末，姜鵬帶領團隊搭建“核心衛(wèi)星”投資框架，用以布局指數(shù)增強產(chǎn)品。所謂“核心”，是以多因子選股為基石，深度錨定公司經(jīng)營質(zhì)量、治理結構等中長期基本面因子，在追求收益的同時著重把控風險，力圖精準控制指數(shù)跟蹤誤差；“衛(wèi)星”則是創(chuàng)新性的融合事件驅動、成長價值風格等多元策略，這些策略不僅具備長期超額收益潛力，且彼此間呈現(xiàn)低相關甚至負相關特性，通過有效協(xié)同提升組合整體超額收益水平。

鑒于傳統(tǒng)機構占比下滑、交易型資金占比持續(xù)攀升，長期基本面因子有效性有所減弱，團隊構建了“基本面+AI”的雙輪模式；在多元共生的投資者生態(tài)下，以多因子策略捕捉投資者交易共性，包括中長期偏好和短期交易特征，用衛(wèi)星策略適配機構特性。

除強化策略的內(nèi)生風控能力外，團隊還用主動研究、反向預測等加固風控防線。摒棄原始數(shù)據(jù)黑箱模型，以基本面因子融合算法捕捉交互關系，嵌入文本輿情監(jiān)測與高管言論情感分析，交叉驗證業(yè)績前瞻信號；針對量化超額衰減，反向預測個股短期潛在下行風險，結合超配、低配實現(xiàn)變相“做空”；同時升級市值風控與個股預警體系，抵御風格輪動與黑天鵝風險。

宏觀視角上，姜鵬主張逆向推演。從國家及全球長期趨勢反推當下演化路徑，強調(diào)科技是破解資源瓶頸與分配矛盾的關鍵。他指出，宏觀預判需規(guī)避線性外推，僅在重大宏觀事件沖擊或者超預期政策變動等情景下調(diào)整模型。

持續(xù)迭代的“核心衛(wèi)星”投資框架

當前，姜鵬團隊仍舊沿用經(jīng)典“核心衛(wèi)星”架構。具體來看，“核心”或通過以70-80%的基本面因子融合20-30%的機器學習策略而構建，兼顧風險控制與收益挖掘；“衛(wèi)星”占比約20%，依托扎實基本面研究，保持策略鮮明特性。

經(jīng)過2024年的市場實踐，姜鵬發(fā)現(xiàn)原有策略體系中的中長期基本面因子雖仍有效，但波動大幅加劇。尤其是下半年，在產(chǎn)業(yè)趨勢投資和中小盤投資潮的沖擊下，這些歷史超額收益的核心驅動因子，不僅未能延續(xù)穩(wěn)定的超額收益，甚至階段性出現(xiàn)收益負貢獻。

這一變化與市場投資者結構重構緊密相關。他指出，險資、銀行理財、公募基金及北向資金等傳統(tǒng)機構投資者的市場占比有所下滑，而量化交易資金、游資群體等交易型資金占比有所增長。

基本面因子的歷史有效性，很大程度上依賴于機構投資者長期穩(wěn)定的價值發(fā)現(xiàn)行為與持倉偏好。

近年來，基本面因子使用者規(guī)模有所收縮，定價主導權有所下降，而私募資金、游資群體及杠桿交易力量的定價話語權持續(xù)攀升。姜鵬認為，盡管市場風險信號或已現(xiàn)，但這一結構性轉變?nèi)钥赡艹恃永m(xù)態(tài)勢。

考慮到交易所持倉市值統(tǒng)計等投資者結構數(shù)據(jù)存在半年至一年的更新時滯，團隊設定以半年度或年度為周期的漸進式調(diào)整機制，在堅守長期投資邏輯的同時，動態(tài)平衡短期市場波動與客戶體驗訴求。

基于此，團隊逐步迭代策略，融入AI技術，構建“基本面+AI”的雙輪模式。根據(jù)游資、私募占比的動態(tài)市場測算，調(diào)整交易類策略權重，以適配市場結構的動態(tài)變化。

除前述結構性動因，姜鵬堅守“核心衛(wèi)星”投資框架，更因當前多元共生的投資者生態(tài)：游資散戶與機構資金同臺博弈，機構陣營中險資偏好穩(wěn)定分紅資產(chǎn)、公募更聚焦高成長方向。

他認為，市場投資者既有交易共性，又因所屬機構、資金性質(zhì)不同存在特性。團隊以基本面與量價因子構建多因子核心策略，捕捉交易共性，如對優(yōu)質(zhì)公司的中長期共識、短期止盈傾向等；通過衛(wèi)星策略精準適配各類機構特性，像高分紅策略匹配險資偏好、核心資產(chǎn)策略刻畫北向資金特點。但因市場共性大于特性，故多因子為核心。

2023年底至今，團隊延續(xù)使用中長期底層基本面因子，這些因子從2017年起便持續(xù)運用。自2024年起，團隊引入文本處理與大模型人才，將數(shù)據(jù)源從標準化數(shù)據(jù)庫，拓展至文本輿情、音視頻等非結構化領域。原先依賴財報數(shù)據(jù)測算公司成長性，如今借助情感分析技術挖掘官網(wǎng)新聞、交易所互動及高管發(fā)言等場景中體現(xiàn)出發(fā)展態(tài)度，嘗試預估企業(yè)潛力。

策略迭代中，姜鵬團隊始終聚焦挖掘中長期優(yōu)質(zhì)公司價值，并同時側重動態(tài)捕捉波動中的投資機遇。

主動研究+反向預測，強化風控體系

底層邏輯的有效性對策略而言至關重要，機器學習類策略亦如此。姜鵬團隊在策略迭代過程中，規(guī)避黑箱模式，采用經(jīng)長期驗證的基本面因子融合前沿算法，模型輸入兼顧邏輯與實證，訓練因子覆蓋基本面與交易數(shù)據(jù)，有效捕捉因子交互關系，較單一模型顯著降低組合波動，強化內(nèi)生風控能力。

在風控層面，團隊還將主動研究思路嵌入量化風控體系，依托文本輿情監(jiān)測體系，每日篩查持倉個股，聚焦輿情異常標的。對存在輿情問題的股票，進一步核查基本面與管理層動向，當管理層頻繁變動、經(jīng)營風險高、業(yè)績下滑等多重風險共振時，才考慮從組合中剔除，避免單因素誤判。

選股時，傳統(tǒng)財務指標易漏業(yè)績反轉潛力股，改善信號常早于財報體現(xiàn)，如高管在交易所互動平臺透露訂單增長、分紅計劃等。團隊通過捕捉前瞻信息并交叉驗證，較單一因子更具先機優(yōu)勢；針對市場謠言干擾，團隊嚴選數(shù)據(jù)源，優(yōu)先采信公司官網(wǎng)、上交所互動平臺、實控人公開訪談等權威渠道；而對于一些監(jiān)管弱、信息雜的平臺，因易被機器發(fā)言與虛假內(nèi)容充斥，暫不納入數(shù)據(jù)采集體系。

自去年三季度起，基本面因子波動加劇。團隊引入低相關性新因子，嵌入加權與風控體系，構建“AI因子驅動收益、基本面把控風險”的協(xié)同框架。實踐表明，將部分基本面因子從收益端轉至風控端，較簡單加權策略穩(wěn)定性更強。后續(xù)團隊將雙向拓展：收益端基于投資者結構挖掘交易因子，風控端強化基本面研究應用。依托長期基本面積累，讓團隊在因子交互分析與風險管控上具備一定優(yōu)勢。

針對量化超額衰減、正向預測準確率下降，姜鵬在嘗試反向利用模型與因子預測股票短期潛在下行風險后，發(fā)現(xiàn)反向預測效果更佳。因為A股做空受限，低質(zhì)量標的的負向阿爾法難實現(xiàn)，指增可通過超配、低配變相實現(xiàn)預期效果。

由此，團隊將整合主動研究與反向預測模型納入風控體系，先通過主動研究篩選高風險個股，再利用反向預測調(diào)整持倉周期內(nèi)大概率走弱的標的，動態(tài)優(yōu)化組合風險。

基本面上，依賴主動研究“排雷”；交易行為上，規(guī)避高擁擠、短期暴漲及高換手個股。風險管理升級聚焦兩個維度：一是優(yōu)化市值風控，在匹配基準指數(shù)平均市值的同時，強化市值分布均衡性，抵御風格輪動風險；二是搭建個股預警體系，動態(tài)監(jiān)控單票風險，防范 "黑天鵝" 事件沖擊組合。

美股與A股量化邏輯差異明顯。美股以機構主導，需貼合機構投資邏輯；A股早期散戶多，量化投資也從側重捕捉定價偏差，轉向趨勢跟隨。量化基金憑借固定的規(guī)則與風控，雖彈性弱于主動基金，但風險相對可控。

宏觀推演需逆向思維：科技是破局的關鍵

姜鵬認為宏觀層面問題往往難以借助量化手段解決，更多依賴個人的理解與判斷。當下，許多人在分析宏觀經(jīng)濟時，容易陷入就事論事的陷阱，習慣依據(jù)當前政策和數(shù)據(jù)，按常規(guī)路徑推導未來走向，評估影響和意義。但他覺得，真正有效的宏觀分析應反其道而行之，從未來向現(xiàn)在推導。首先需從國家及全球層面預判長期趨勢，再反向推演實現(xiàn)該趨勢可能的演化路徑，基于當下的現(xiàn)實選擇可能性最高的路徑。

以宏觀經(jīng)濟“做蛋糕-賣蛋糕-切蛋糕”的框架為例，“做蛋糕”依賴資源、能源與技術。當前資源、能源有限，但需求隨人口增長不斷攀升。從宏觀角度看，提升資源利用效率的技術進步，是全人類必然且長期的發(fā)展方向。

姜鵬對技術驅動經(jīng)濟增長的中長期前景持樂觀態(tài)度，雖時點難測，但短期波動無需過度關注。受當前能源資源限制與科技瓶頸影響，全球利益分配矛盾有所激化，這一矛盾可能將持續(xù)至技術和資源問題得到解決之前。他強調(diào)，科技是打破困局的關鍵，也是經(jīng)濟發(fā)展的長期主線，其進步直接關系到資源瓶頸的突破和經(jīng)濟的可持續(xù)發(fā)展 。

他直言，受考核周期與客戶體驗制約，需靈活應對短期波動調(diào)整策略，而長期投資邏輯保持不變。

在姜鵬看來，宏觀預判需避免線性外推。目前已明確兩類觸發(fā)模型調(diào)整的情形：一是重大宏觀事件沖擊超預期財政刺激或化債政策落地；二是國內(nèi)外超預期政策變動。其余情況，既定策略大概率不變或者僅做微調(diào)。

他談道，2023年9月末至10月初因子表現(xiàn)疲軟，隨后因流動性改善、杠桿資金活躍及策略熱度回升，因子有效性持續(xù)修復。短期波動中，技術領先機構更易斬獲超額收益，即便同類線性模型也呈現(xiàn)明顯分化。

姜鵬坦言，長期來看，隨著量化機構技術投入與資源配置趨同，技術水平、因子運用及方法論差異將逐步縮小，市場有效性提升，獲取高超額收益難度加大。當前私募量化領域，長期深耕的機構仍具顯著護城河，后來者追趕尚需時日，現(xiàn)有方法論短期內(nèi)仍具生命力。