文章来源：聪明投资者

这几年公募量化的出镜率很高，不仅仅是ETF规模井喷，指数增强产品也进入了春天：从超额收益、持有体验到规模增长上，大有成为基金投资第三类势力的趋势。

用博道基金量化投资总监杨梦的话讲，这是她从业以来感受到的，量化发展的第三波浪潮，“大家对公募量化指增产品的支持度、认可度都逐渐起来了” 。

正好，最近杨梦做客张翼轸的“精分派”播客，于是去围观了整个过程。

听她用1.5倍的语速，条分缕析地交流两个小时。

把量化这个“黑匣子”里里外外打开，让我们看到“技术外衣”下，深具传统投资信仰、用心抠细节、非常有纪律的量化生产线。

杨梦入行13年，毕业于浙江大学，本科和硕士学的都是金融。实习时做行研，却因为细致入微、逻辑缜密的数理思维，被当时的伯乐领导一眼相中，让她在偶然间与量化一拍即合。

“我更喜欢从数据当中寻找规律，编程写起来也非常有成就感。只能说非常幸运，到现在我都深切的认为自己适合做量化。”

2014年加入彼时还是私募机构的博道投资，一路跟随博道拿到公募牌照， 并在2018年8月开始管理博道旗下第一只公募基金——$博道启航混合A(OTCFUND|006160)$。

随后，博道基金在主流宽基指数如沪深300、中证500，以及主流赛道指数如消费、成长、红利等连续布局“指数+”系列产品，截至2024年三季度末，杨梦领衔的量化团队在管基金共12只，总规模超百亿。

细看杨梦所管理的量化指增产品，拉长时间看都有不错的超额收益。

尤其是，$博道中证500增强A(OTCFUND|006593)$、$博道沪深300指数增强A(OTCFUND|007044)$成立以来均连续5年（2019-2023年）跑赢对标指数。

除了常见的指增产品外，她还会结合投资者实际需求，打造“准指增”产品，比如：$博道远航混合A(OTCFUND|007126)$。目前从投资策略来看，这只定位为“基金指数增强”产品，对标Wind偏股混合型基金指数（885001）做增强。

据了解，博道远航的策略改造也是她在通过不断与投资者沟通和交流中产生的灵感，希望一定程度上帮助大家解决选基难的痛点。

自 2021年6月运行“基金指数增强”策略以来，博道远航相较于 885001已经累积了一定的超额收益。

据Wind数据统计，截至2024年11月11日，$博道远航混合A(OTCFUND|007126)$今年以来收益14.44%，同期Wind偏股混合型基金指数（885001）为9.76%，相较指数获得超额收益4.68%；自2021年6月策略改造以来超额收益累计为17.39%。

杨梦身上有着深度的“理工”标签，“我的很多推论必须有能够说服我自己的历史验证”。

这一要求也烙印在了她的模型搭建中。

有几点印象非常深刻：

1、重视投资的底层逻辑，认为基本面和估值对股票定价同等重要，因此因子配权上始终是均衡。

杨梦谈到，量化做投资其实跟主动基金经理做投资没有本质差别，都是在挑选更看好的公司。“只是主动基金经理是通过调研等方式来选择，我们是通过数据分析。”

2、非常有纪律的工具化产品思维。杨梦会把贝塔和阿尔法严格的区分开来，贝塔一定是清晰的，比如不会在一个300指增里面买一堆小股票；在此基础之上，借助多年量化实盘经验，再叠加一层阿尔法，布的都是指数增强类产品，去满足不同偏好投资人的要求。

3、在极致行情中，也不会去做人工干预。基本原则就是，做超额收益时，希望它相对稳定，可预期、可控制。

据杨梦介绍，AI已经融入到量化投资的方方面，目前有一半的框架是用AI的全流程去做的，另外一半传统的框架里也有用到AI去做量价因子。

“但是，不要把AI想得太神秘，AI对量化界来说，可以理解为一次统计工具的更新。我觉得，金融投资是在AI如火如荼发展中，唯一一个没有太大压倒性优势的地方，因为这要取决于规律的稳定性。”

这种超理性的表达，贯穿交流。

我们将这场对话交流的部分整理出来分享给大家。更完整的部分，欢迎大家到小宇宙“精分派“收听，感受杨梦谈到量化时的动人情绪。

1. 第三波量化浪潮中，公募量化进入春天

问：从你的从业经历来，谈谈公私募行业量化投资的大变迁？

杨梦：我是2011年入行，当时公募基金基本上都是以主动权益或者是债券为主。

第一波小高峰，从零开始逐渐崭露头角，应该就是2014年和2015年。

2014年全年当年业绩最亮眼的应该是沪深300指数增强的产品。

那个年代市场的成熟度还没有现在这么强，所以做超额收益的空间相对来说确实也更大一些。

第二波，是明显地感受到了私募量化的崛起。

在2014-2016年这种巨大波动行情当中，靠频率比较高的交易，有一批私募机构取得了非常瞩目的成绩。

第三波，是从2021年开始。

一方面，公募量化产品整体而言，当年超额收益还是比较显著的，一些做得好的产品，2021年的业绩超过了私募量化产品，而且当年四季度，私募量化的超额也出现了比公募量化更显著的回撤。

所以，公募量化虽然面临一定限制，比如不能做高频交易，但是这些年的方法论一直在迭代，再加上收费结构的不同，费后到投资者手里的收益还是很有竞争力的。

另外一方面，就是主动权益基金业绩的阶段性低迷，更早在2014年其实也出现过跑不赢宽基指数的情况。

所以，这个过程中，量化产品的持有感受就会不一样。比如你会发现，量化在2019到2021年好像能战胜10个点，但是2022年、2023年还是能战胜10个点。

这个时候，这种超额的持续性就开始受到关注。

而且包括ETF，以及指数增强类基金，都有很明确的基准，大家对这类产品的收益预期会比较清晰。

在这一波中，随着ETF产品大爆发，大家对公募量化指增产品的支持度、认可度都逐渐起来了。

2. 量化跟主动一样，本质上都在挑选公司

问：指增对很多普通投资者而言，是一个不太熟悉的概念。能不能具象的描述一下，你的工作到底是做怎样的一件事？

杨梦：其实量化去做投资跟主动基金经理没有太大的差别，本质上都是在挑选公司。

只不过，主动基金经理是通过调研、深度基本面研究等方式来进行选择，我们是通过数据分析。

哪些数据呢？比如，每天的交易数据、上市公司财报、估值等数据，都能够落实到相关指标，然后我们会利用这些指标，用历史数据去做检验，得出一些规律。

因为站在当下，我们不知道未来，但可以通过这些指标的过往表现来辅助判断。

比如，估值这一指标，假如通过历史检验可以发现，估值最便宜的一批股票，能够始终跑赢平均水平，那么我们大概率就可以遵循这个规律。

当然，我们肯定不止一个规律，而是很多个规律组合在一起，形成了预测股票收益率的模型。

做好这件事情后，就可以做指增。

什么叫指增？首先有一个指数，然后对它做增强。

简单理解，沪深300指数有300个成分股，每个股票也有具体的权重配比。假设某成分股的权重达到5%。我们通过数据分析，判断该公司未来一段时间会在涨势最好的20%里，我就在5%的基础上加一个点，变成6个点。

反过来，假设我们发现它在跌得最惨的一批股票里，就把权重一些，比如降到两个点。

挨个看一遍之后，就形成了新的权重，生成了一个新的组合，目标是能够表现的比沪深300指数更好，这是做指增的大概过程。

当然里面还会有一些细节的东西，比如还得保证对300指数的跟踪，不至于跑太偏等等。

3. 寻找确定性规律，把因子做得更精进

问：像你讲到的这个指标，其实也是我们很多时候听到的“因子”这个概念，对吧？

杨梦：对，就是一个东西。

问：因子一般会分成两类，一个是基本面的，一个是量价的。你会怎么用？

杨梦： 我们的核心在于多因子模型，“多”非常重要。

将每个因子都做得更精进，再组合起来，多因子模型才能发挥更稳定的作用。在团队研究员的分配上，我们对于这两个方面也是分别安排人进行研究。

具体来看，什么是基本面类型的因子？

这其实是跟主动选股基金经理最相似的地方，通过对公司基本面的分析，去寻找未来基本面趋势能够向好、景气度比较高的公司。

只不过主动是通过调研等一系列方法去做分析和判断，看一家公司未来的利润能做到多少，合理的市值在多少，现在还有多少的空间？

而量化一般不会去做调研，但是我们可以从上市公司的财报中找到很多可以提高对上市公司未来基本面、景气度判断胜率的因子，通过因子对公司进行分析。

量价类型的因子是什么？通俗理解，就是看技术图形，主要是从市场的交易价格中去寻找对股票未来收益率可能有预测作用的因子。

很多个人投资者，包括主动基金经理，大家总归要看市场是怎么想的，价格是怎么交易出来的，最近的走势等等。

所以，量化投资肯定也要看交易数据，但交易数据每天都在变化，所以要去找一些规律。

其实从股票定价的公式来看，Price=EPSxPE，你的超额收益能力，要么来自于你能够很好的去预测EPS的趋势，就基本面的趋势，要么来自于你可以很好的去预测估值波动的趋势。

在我自己信奉的投资理念里面，我觉得任何时刻去预测一个股票的价格，基本面和估值都是同等重要的。

我们的理念肯定是两者都做，因为量价类的数据、或者偏基本面逻辑的内容，都有可发挥效用的地方。

所以，我们在因子配权上始终是均衡。

问： 如果用普通投资者熟悉的主动基金来类比，是不是说相当于其实你不会去压一个特定的赛道？

杨梦：可以这么理解，我们相当于选择做了主动选手里面的均衡派选手。

问：说到技术图形，也有不少人理解量化投资好像就是做技术分析？

杨梦：技术分析跟量化投资是完全两回事，虽然看起来好像都是在看图找规律。

大家看技术指标，我理解更多的是想去择时，去判断它未来到底会涨还是跌。而且不同的人看可能会得出不一样的结论，它有解读在里面。

但对量化投资选股来说，我们更关注的是截面问题，我们不对这个指标做判断，我们更多是想借助它选出未来可能表现更强势的股票。

比如哪怕都一起跌，但我只要能看准谁跌的少，谁跌的多就可以了。

量化是去捕捉确定性的规律。

我们对这一点很看重，每做一次决策，为什么要这么做？为什么要用这个因子？一般都是要通过很长时间的数据来检验，充分验证之后我们才会放进模型。

4. 基于基本面和估值，保持风格均衡

问：现在很多人都在猜，未来两年可能是成长风格占优。像这种因子的判断，你在操作中会不会去做呢？

杨梦：我们是不去做这个判断的。

在怎么配因子这件事上，也涉及量化不同流派的所谓“世纪大讨论”。

比如因子择时，比较主流的是去追因子动量。大概意思就是过去好我就配它，不好了我就不配了。

这听起来适应性很强，但问题是，你看多长的时间？

可能一个长期有效的因子，这段时间没效了，你不配了，但之后它有效性又很强了，这就容易啪啪打脸。

追动量的好处是什么？当你追到适配的时候，你弹性会更高。但另一面，你一定要忍受它逆转时要承受更大的波动。而我们并不想去承担这种大波动，持有人体验会不好。

另外一个流派就认为因子根本是不可择时的，不可预测的。我个人是比较赞同这一点的。

当然我觉得不存在一个绝对占优的做法，更多还是要结合自己的理念，选择自己匹配的、更能坚持的，我们选择的就是一个“龟缩”的做法，当然也是有过深刻的教训。

5. 指增中的“PRO”和“PRO max”

问：现在公募的指增，一种是跟踪沪深300，中证500，中证1000这类“标准指增”。还有一种被称为“准指增”的产品，比如$博道远航混合C(OTCFUND|007127)$，对标万得偏股（混合型基金指数）来做指增。

两种产品的差别在哪里？

杨梦：标准指增最大的好处是合同约束了投资空间。

如果基金名称中带了某某指增，80%及以上的持仓必须来自指数成分股，大幅约束了偏离指数的可能。

缺点就是，希望通过成分股外可能的行情来做增强的空间也大幅缩窄。

最终就是盈亏同源。

所以，标准指增是投资者去投资，获得超额收益最清晰的一种方式。

准指增是从业人员为了稍微突破一点限制，所创作出来的一个品种。

它的好处是，预期的超额弹性会相对更大；缺点是当波动来临的时候，超额波动也会更大一些。

算是不同风险收益定位的两类产品。

问：相当于PRO和PRO max的区别？

杨梦：对，差不多。

6. 跟ETF相比，指增产品更加适合配置型需求

问：指增最重要的部分是跟踪的指数，不同的指数增强做出超额收益的难易程度如何？

杨梦：从两方面来看。

第一，不同指数根据主要投资者结构的不同，超额空间不太一样。

中小股票指数中机构投资者的占比肯定相对较低，大一点的股票指数中机构投资者占比较高。

所以，市值较大的指数，超额收益的难做程度会更高，比如300指增、500指增、1000指增，难度是递减的。

第二，从成分股的个数和行业集中度来看。

举个例子，上证50、科创50这样的指数，只有50个成分股，量化去做增强，相对来说就没那么擅长。

因为，量化最后呈现出来的超额收益可预期、可复制，核心是要通过大样本来确保规律的稳定发生。

特别狭小的样本范围面临的波动肯定会相对较大，所以量化去做增强的难度就会比较大一点。

问：从长时间来看指增能跑赢指数，但是“9·24”开始的这一波反弹，非常多的指增产品是显著跑输指数的。能不能给我们回顾一下，这一波指增的表现为什么靠后？

杨梦：两个核心的因素，

第一个因素是仓位。

对于指数增强基金而言，日常只能放到95%以下的仓位，因为合同规定基金资产至少要留有5%的现金。

所以，在这一轮暴涨的过程当中，因为仓位之差，跟指数相比就显示出了差距。

第二个因素是因子。

观察这一轮上涨我们可以看到，高波指数显著跑赢低波指数，这种现象跟长期的量价规律是相反的。也正是因为阶段性规律的紊乱，跟长期规律的背离，导致因子也出现了阶段性不适应的问题。

多因子模型追求的是一个长期有效的规律，在面临阶段性不适配环境的时候，超额收益也会出现波动。

强调一下，超额收益是有波动的，哪怕是买指增产品，也不能预期超额收益是没有波动的，任何阶段都要跑赢，所以超额收益也需要时间的积累。

这也是为什么跟ETF相比，指增产品更加适配配置型需求。

配置性需求是我本身要去买这个指数，基于相对长周期的判断，我愿意通过长时间的持有去享受它可能的贝塔给我带来的回报，再加上可能的超额收益。

只要能以这种心态持有，完全可以忍受它阶段性的波动。

但是，交易性需求确实就满足不了了，比如你就是冲着暴涨，而且交易快速便捷去，肯定是买ETF更好。

问：是不是可以认为就是说指增是相对理性的，在弹性股主导的行情中，比较吃亏。但是，如果回到基本面的行情中，就能够发挥它获得超额的一个作用？

杨梦：通常来讲都是这样子。

历来第一波如果发生了这种规律的紊乱，它后面随着波动率的回落，都会有一个长期有效规律回归的一个过程。

所以一般在第二阶段超额收益都能够有比较好的一个修复。

7. 把贝塔和阿尔法严格区分开，提供工具化产品

问：在阶段行情转好的预期是很强的时候，会不会去做点人工干预？

杨梦：不会，也没法人工干预。

因为我们知道我们的优势不在于主动判断。

你在这个市场上到底能赚什么钱，跟你在什么地方有研究禀赋有很大的关系。

我们天天没有在盯这些东西，而是专注做超额，我们天天搞模型、挖因子，就希望这个模型长期的预测能力不断地提高，创造超额的能力不断提高。

从来都没有一个确定的路径来去证明我擅长做（择时）这个事，能持续地从中赚到钱，这种事我们一般不太敢做。

问：包括像今年1月份那波中小盘接近于崩溃的行情中，也没有做任何的调整？

杨梦：也没有做任何的人工干预。

这跟方法论也有关系。我们所有的指增组合出来，都会对一些典型风格因子做比较严的控制。

问：比如像你管理的博道远航，还是有一定自由度，你会做一些调整吗？

杨梦：也不会。

尤其是像$博道远航混合C(OTCFUND|007127)$，它对标的是885001，这个指数本身是偏中大市值，那么我的组合最后拿的股票，平均来讲也都是偏中大市值，而且市值从来都不是我们选股因子当中要去做控制的风险因子。

对于那些风险因子，我们到底控到多少，也是根据历史回测来的，我们得知道，它最不好的时候，会给我造成多大的影响？

然后我去选择一个能接受的影响，把它定下来（就不太动了），除非市场之后又发生一个新的做压力测试的场景。

所以，我们对这些因子的暴露控制，都是有具体原则的，它不依赖于我们对中小市值本身表现的判断。

问：所以产品里面一直没有投小微盘之类的，也是这个道理？

杨梦：对，但这并不是说我不看好中小盘的投资价值。

虽然我不会在一个300指增里面买一堆小股票，这是为了保证产品的风格特征是清晰的，但是从产品布局而言，可能以后我会去布小微盘类的产品，这还在我们的规划里面。

我们现在去布产品，是把自己充分地定位为工具化的产品，我们会把各种具有中长期投资价值的各类指数和风格的产品补全。

只是我们是工具化的指增产品，而不是ETF，我会把贝塔和阿尔法严格的区分开来。我会倾向于把我的贝塔明确地告诉投资者，如果就是一个做小盘的产品，那么当小盘不好的时候它肯定不好了。

但是阿尔法，我们希望它相对稳定，可预期、可控制。

8. 量化投资本质上还是投资，AI大模型本质上是算法

问：怎么看待AI对量化行业的影响？

杨梦：是一个趋势，目前AI在我们自己的实盘中占比也较高。

我们现在有一半的框架是用AI的全流程去做的，另外一半传统的框架里也有用到AI去做量价因子。

但是，大家也不要把AI想得太神秘，对量化投资界来说，其实可以理解为一次统计工具的更新。

我觉得量化投资本质上还是做投资，AI大模型本质上是算法。

在AI如火如荼发展的各个领域中，金融投资领域可能是唯一一个AI没有压倒性优势的地方，因为（AI的应用）要取决于规律的稳定性，但金融市场的规律是时变的。

再极致的AI，也没有办法完全抓到这种时变的规律，而且（金融市场）它还有反身性，你在参与市场的同时又会去影响市场，所以投资领域有着非常复杂的作用机理，跟其他领域的AI应用不一样。

问：你们会招什么样的人来做量化的研究？比如偏AI方向的？

杨梦：我不太卡专业，更看重本身的思维模式，然后学习能力。

9. 个人投资者做好几个功课，选择指增就不会太离谱

问：对普通投资者而言，你会建议怎么去选择指增基金？

杨梦：首先肯定是看业绩，这是人之常情。

但对于公募指数增强基金来讲，因为它总归有一个对标的指数，而且合同有约定投资范围，所以它的表现跟对标指数的差距不会太大。

当然阶段性来看，比如一年、两年的维度，因为方法论和配置不一样，比如风格的暴露或者市值的加成，表现会有些差异，这就需要你对各家有进一步的研究和了解。

如果更专业一点，其实可以通过它的持仓，看它主要风险因子的暴露情况。公募量化产品的好处之一就是持仓透明，你可以通过半年报、年报的持仓试图去做一些跟踪分析。

如果说实在弄不太清楚，可以做些分散，比如同一类型的多拿几只。

这也是指增产品对个人投资者很友好的一个地方。

而且，从配置的角度来看，现在市场上可选择的公募指增产品，比如说我们的产品布局里面，贝塔的丰富程度是远远高于以前。

不管是什么样的行情，都能找到适配的产品，可供投资者选择的余地也比以前大很多。

（风险提示：本文系转载，版权归原作者所有，如涉及版权问题请联系我们删除。本转载仅包含一般性信息且仅供参考之用，并非意在提供金融信息服务或构成出售或购买任何证券或金融产品的要约邀请或宣传材料，亦非有关任何公司、证券或金融产品的投资意见或推荐建议。本文所载的意见或判断可能会改变。本文的数据被认为是可靠的，但博道基金不对其完整性或准确性作出任何明示或默示的陈述或保证。博道基金对直接或间接使用或依赖任何有关数据、预测、意见或其他信息产生的损失概不负责。）