近期，权益市场出现较大波动，让不少投资者将目光再次转向红利资产。公司特邀兴证全球红利量化选股基金拟任基金经理田大伟，为大家带来新基解读、热点解答！

田大伟博士具有丰富的从业经验，是一位具有14年证券从业经验的老将。10年投资管理经验中，曾管理多只公募量化基金、量化专户产品，管理资产多元广泛，公募+资管私募双管齐下。田大伟博士曾管理多只公募量化基金，过往管理代表产品量化公募基金产品A，管理区间单位净值累计增长近0.45元/份额，管理期内的三年期回报位净值增长率为28.44%，超越同期基准近15个百分点。

金句整理：

 在海外市场，红利资产已经被证明具有长期配置价值。目前中国市场上市公司分红空间正在持续提高，政策也鼓励分红。未来国内的高分红行业的长期趋势会随着产业技术的发展而变迁，匹配产业升级的大趋势。但与国内市场相比，国内红利指数缺乏对分红可持续性的关注。

 多年实践下来，我觉得因子只是一棵“树”，量化投资需要的是一片“森林”。成功的量化投资策略需要具有强大的自生力，可以不断地繁衍。而这个“森林”就是量化体系。

 机器学习方法包含的类型很多，我们可以先聊聊其中的一种：遗传规划。遗传规划方法就像 “编程魔术”，通过编程模拟生物进化过程，寻找各个量化因子之间的秘密公式，来“繁殖”更好的量化因子

 我们希望为投资者提供这样的方案：提供“A股+港股”红利资产，在红利投资中，使用量化选股策略，可以规避股息率、估值及选股的部分问题，助力提升红利投资体验。

 加入兴证全球基金之后，我体会很深的是公司团队的步履不停，一同与时间赛跑，我个人其实也蛮兴奋的。对于这个产品，我的管理目标是尽全力以客户为中心，为客户提供一个好的投资体验。

如何看待当前红利投资机遇？

问：我看到直播间很多小伙伴在问红利资产投资的前景，2024年红利类资产一直是投资者们重点关注的赛道，请问在当前政策环境下，会如何影响红利资产和市场风格呢？

田大伟：首先我们先对红利策略进行一些概念上的界定。红利投资策略，又称高股息策略、股息投资策略，是一种注重上市公司分红能力的投资策略，其核心思想是选择那些具有高股息率、高盈利、低估值特征的优质公司股票，力争通过获取稳定的股息收入和潜在的资本增值来追求长期收益。高股息率的公司，往往财务状况、利润和现金流情况比较好，估值性价比高，未来经营预期也比较乐观。

这里我们可以列举几个数据，截至2023年底，中证红利指数的股息率近6%，是同期中证全指指数的3倍；同时中证红利指数的估值是近5倍PE，远低于同期中证全指指数超16倍的PE。

在海外市场，红利资产已经被证明具有长期配置价值。如80年代的美国、90年代的英国、00年代的日本，在增长和利率中枢下台阶、企业分红意愿和能力提升的背景下，确实走出了长达十年的红利行情。正如本杰明格雷厄姆所说：“分红回报是公司成长中最为可靠的部分”，能够带来稳定股息收入的“确定性资产”被市场青睐。在长期低利率时代尤其如此。截至2023年底，美国红利ETF产品规模达4000亿美元左右，获得了大量投资者的认可。

除此之外，在政策鼓励下，A股的分红仍然具有提高空间。从监管层面上看，证监会近期明确提出要“进一步规范上市公司现金分红行为，鼓励和引导上市公司分红，完善常态化分红机制”，有助于提升红利类资产的长期投资价值，为投资者提供更加可预期的分红现金流，有助于提升上市公司的股东回报意识，理顺公司治理。同时上述政策也对掏空式的高比例分红亮了红牌，防止大股东侵害上市公司其他股东的权益。

与此同时，高分红行业会逐步匹配产业升级的趋势。A股近十年高分红行业由顺周期为主导到传媒、计算机、家电等行业分红率边际大幅提升。对比国际市场，未来高分红行业的长期趋势会随着产业技术的发展而变迁，匹配产业升级的大趋势。

问：很多直播间的小伙伴关注的另一个问题就是关于红利策略的拥挤度、延续性的讨论都有一定分歧，您是怎么看的呢？

田大伟：我倾向于认为在目前资产荒的环境下，红利类资产可能仍有一定可持续性。30年国债目前已不到2.5%的收益率，而主流红利指数仍有4-5%的股息率。另外红利本身并不存在超额收益的概念，事实上我们只能说红利是一种BETA，适合认同这种风格的投资者，并不适合所有人，也不能断言这一风格未来会比其他风格表现的更强或更弱。

长周期视角，全球诸多经济体整体身处利率下移的通道中——随着时代发展、经济增速放缓，各类资产价格下降，获取投资收益率的难度会加大，利率下行也是大势所趋。

其实隐含的逻辑就是，利率下行至低位，高股息资产对绝对收益资金而言具备配置吸引力。利率对红利策略有效性有一定影响，一方面是由于利率下行时高股息率的股票收益率相对偏高，另一方面是由于红利策略的收益来源于股息，这使得红利指数产品具有“类固收”的性质，机构投资者在低利率环境下倾向于利用这类产品替代固收产品以提高收益。

如果我们观察近15年的中国国债10年期收益率与中证红利指数净值，可以看到，二者长期呈负相关关系，红利指数产品在股息率明显高于国债收益率的时候，可以作为债券的替代品进行配置。而当前中国10年期国债收益率处于低位水平，一定程度上有利于红利指数的表现。

在全社会无风险收益率逐渐走低的过程中，这些低估值、业绩稳定、分红率比较高的上市公司的价值修复或许还会继续下去。这里面主要是分布在各个行业里面的偏成熟的公司，更多地分布在像金融、公共事业、部分周期股以及港股的互联网公司，他们的估值也偏低，有一些高分红、高回购的公司，这种修复行情或许还会继续下去。

对于A股来说，股息率较高的公司往往步入了相对成熟的产业周期，营收、净利润增速较“低股息公司”更慢，成长性不佳，在盈利水平长期稳定在个位数的情况下对增速不会过度敏感，分红是更顺理成章的选择。

量化策略可以帮助我们更好地投资吗？

问：A股市场有量化公募基金到现在也就是20年，量化投资方法会有什么变化呢？

田大伟：我觉得20年间已经经历了三个阶段，初期的量化投资是基于规则的投资，中期是系统化投资，现在是算法交易和机器学习。早期的量化投资是基于规则的投资。基于规则，期待成功的经验在未来市场能够复现。量化投资会通过编程对大量历史数据做更完备的检验。

问：具体是怎么做的呢，或许田大伟博士可以以PB策略举个例子？（注：PB策略即市净率（Price-to-Book Ratio）策略，是一种基于公司账面价值进行投资的方法。市净率的计算公式为：市净率 = 股票市价 / 每股净资产。一般来说，市净率低于1的股票被认为是价值被低估的，可能存在投资机会）

田大伟：如果我们选择PB策略作为我们量化选股的因子，量化投资会在每月初把所有股票按PB高低分组，月末看低PB组合的收益是否大于高PB组合。如果过去十年每个月都这样做，低PB组合能够持续稳定地战胜高PB组合，那么在实践中就可以购买低PB组合来获取超越市场平均水平的收益。

我们把PB称之为PB因子。在实际操作中，我们会尽可能细分到合适的组数，并在不同的板块、不同的指数、不同的时间等尽可能多的维度对因子进行测试。好的量化因子会在各个组别里都呈现出规律性，这样的量化因子称之为阿尔法因子。

一般单因子很难表现出色，所以就引入了因子组合的概念。如您的PB低于1，ROE大于10%组合，将低PB和高ROE进行组合。在组合方法上，早期的量化投资将各因子进行线性组合，等权买入，或者把高低因子组合收益差作为权重构建组合。

问：投资者们也说，这个思路类似他们同时考虑股价便宜的和业绩优秀的因素，可是依旧会亏钱。

田大伟：上述方法还是相对好的概念，市场跌的时候，可能会跌得少些，但还是会亏钱的。另外就是组合投资的概念，历史回测时是以高低组合来评判的，实践中就要整个组合购买，组合好不等于个股好，但在好组合中找到好股票的概率会更高。

问：如果经过层层检验发现一个好的阿尔法因子，是不是投资就可以成功了。

田大伟：理论上是这样，但似乎没有总是有效的因子。多年实践下来，我觉得因子只是一棵“树”，量化投资需要的是一片“森林”。成功的量化投资策略需要具有强大的自生力，可以不断地繁衍。而这个“森林”就是量化体系。在这个量化体系中，因子开发所用的原始数据需要统一，因子计算通用函数需要统一，因子回测模块需要统一，但因子的组合可以是千变万化。有了这样的量化体系，可以在很短的时间内对新的因子做一次全场景的回测，而不用担心是否使用了错误数据和方法，回测结果是否可比等问题。

有了这个量化体系后，很多流程都模块化，标准化了，量化投研人员就可以站在“巨人”的肩膀上，集中精力进行新因子核心逻辑的研发，就可以腾出时间来做更加精细的研究，以争取获得更好的投资效果。

问：各类指数都可以作为基准，以量化来增强吗？

田大伟：是这样的。所以对于量化投资来说，第一步就是寻找有好的阿尔法因子，第二步是构建各种策略组合。在实践中，量化系统可以同时研究和跟踪非常多的因子，各类因子与各类基准进行组合生成不同的产品策略。此时的量化投资就进入了系统化投资阶段。不断丰富量化因子武器库和策略库，以应对不断变化的市场，满足客户的需要。

问：那有没有更新的方法来处理这些因子武器库和策略库数据呢？

田大伟：肯定是有的，处理好这些数据不仅需要算力的提高，也需要方法论的进步，其中之一就是机器学习方法。机器学习方法包含的类型很多，我们可以先聊聊其中的一种：遗传规划。遗传规划方法就像 “编程魔术”，通过编程模拟生物进化过程，寻找各个量化因子之间的秘密公式，来产生更好的量化因子。首先是随机生成一堆可能的公式，这些公式就像是生物的基因，让它们“繁殖”，交换或者变异上一节点公式的组成部分，生成新的公式。不断重复这个过程，让这些公式一代一代进化，直到找到能够满足因子评价指标的公式。

遗传规划最终生成的是公式，这些公式虽然复杂，但还是可以直接看到公式的结构，可以做些理解的。但以神经网络为代表的机器学习模型迭代出的结果是没有公式的。

神经网络类机器学习跟遗传规划一样，把类似高开低收等朴素的因子输入到模型中，模型会在 “训练数据集”中不断调整自己的内部参数，找出哪些数据特征和未来股票涨跌有关系。并通过“验证数据集”来验证模型的结果是否样本外稳健，确定最终的模型参数。模型训练好后，每当输入给模型新的数据时，模型就会自动经过内部参数的运算，生成预测值，也就是我们的机器学习类因子。

机器学习本质是对大量数据进行非线性组合来寻找X与Y之间的稳定关系。还记得在早期量化阶段各因子的线性组合吗？机器学习可以把高开低收等各类朴素因子通过加减乘除等各类公式生成一系列特征因子，把这些特征因子彼此连接通过“激活函数”进行非线性组合，并一代一代向前传播，来预测出Y值。比较预测Y值与真实Y值之间的差异，再反向通过调整传播过程中的各个参数值，使得预测值逼近真实值，从而确定一组合格的参数。

问：现在的量化投资方法听起来已经很复杂了，不知道未来会怎么样？

田大伟：未来的量化投资方法已经在孕育中了，只是目前还没有特别好的成果。例如强化学习方法就像在虚拟的市场环境中进行“交易”，根据交易结果的好坏得到“奖励”或者“惩罚”来修正交易过程，直接给出“最优”的买卖信号。那时可能就步入了人工智能和金融工业化阶段。

总体而言，股票市场是个复杂市场，量化投资还很年轻，主动量化产品的总规模和单个产品规模都相对较小，量化产品的业绩波动也很大，需要更长时间的检验。

新基发行，期待与你同行

问：可否请田大伟博士介绍一下，目前兴证全球基金是如何打造量化投研团队的呢？

田大伟：目前公司量化选股策略会由公司量化投研团队、风险管理部、信息技术部、研究部、固定收益部、FOF投资与金融工程部、交易部协同作业，形成全面的支撑体系，通过团队的紧密配合，构成了坚实的风险控制与技术支持体系，共同致力于为投资者创造长期投资回报。

目前公司有4名量化基金经理、投资经理、研究员，合力发掘量化因子，共同丰富量化投资模型。目前量化团队定期跟踪因子数量超过1000个，在库逐日跟踪因子数量近500个。

在风控方面，公司风控体系完善，已建立起完备的事前、事中、事后风险管理流程。在坚守合规底线框架的基础上，对投资风险进行实质性管控。公司风控在量化投资的市值、仓位、行业、准入名单制定方面经验丰富。

问：这里也想请问一下田大伟博士，对于正在发行中的兴证全球红利量化选股基金，我们会采用什么样的投资方案呢？

田大伟：我们希望为投资者提供这样的方案：提供“A股+港股”红利资产，在红利投资中，使用量化选股策略，可以规避股息率、估值及选股的部分问题，助力提升红利投资体验。

红利的可持续增长被忽视的一个重要原因是：如果在A股市场上强调，例如红利连续3年增长，那么筛选出来的组合的股息率就不会高，从而使组合偏离红利资产本身的红利属性。我们通过量化多因子方法来处理这个难题。将红利可持续增长各影响因素数量化为一个Alpha因子，并与其他Alpha因子进行混合，这样构建出的组合并不是要求组合中每只股票的分红金额都增长，但可以保证分红金额持续增长的概率比对标的红利指数成份股高。

用多因子做辅助增强可以避免目前市场上普遍的红利SmartBeta策略过于单薄的问题。红利SmartBeta策略加入低波或者质量因子，可以理解为单一Alpha因子增强，因为加入的因子有逻辑，历史回测和未来业绩确实也有增强，但在很多时段，这类策略的回撤会比较大，单一Alpha因子失效了。多因子增强总的增强效果与多因子类似，但回撤会好很多。

另外，我们的量化策略重视行业、市值等风格因子中性。而有些红利策略为了追求高的历史回测业绩，行业、市值、甚至股息率都会偏离对标指数过多，实盘中存在风险。灯火阑珊处的公司值得好好挖掘，这也是主动投资的优势所在。

问：我看到直播间有小伙伴对于田大伟博士量化选股策略比较感兴趣，请问能稍微展开介绍一下吗？

田大伟：在构建投资组合时，本基金采用量化选股策略，主要包括但不限于以下这些。多因子量化选股：在数据实证分析的基础上，综合评价股票估值、成长、盈利、营运质量、事件特征、价量特征，以及分析师对估值、盈利、成长等财务指标的预期等方面，挑选出符合一定标准的股票用于构建股票组合。会持续研究各类型因子，对所采用的因子做出适当更新或调整。

投资组合优化：本基金会使用组合优化方法，综合考虑预期回报、预期风险、交易成本、以及持股集中度等因素，并辅以基本面分析等方法来确定个股的投资权重。股票组合构建完成后，本基金管理人将对组合运作绩效持续跟踪，根据市场变化及时调整投资组合，力求获得持续的投资回报。

问：兴证全球红利量化选股基金作为公司发行的首只红利量化选股基金，您对这个产品有什么期待？

田大伟：加入兴证全球基金之后，我体会很深的是公司团队的步履不停，一同与时间赛跑，我个人其实也蛮兴奋的。对于这个产品，我的管理目标是尽全力以客户为中心，为客户提供一个好的投资体验。目前中国市场上市公司分红空间正在持续提高，政策也鼓励分红。未来国内的高分红行业的长期趋势会随着产业技术的发展而变迁，匹配产业升级的大趋势。但与国内市场相比，国内红利指数缺乏对分红可持续性的关注。为了在不损害红利资产特性的同时确保其可持续性，我们需要采用量化选股策略来优化资产配置，力争提供一份合理的红利量化投资方案。

给红利加点量！

兴证全球红利量化选股基金正在发行中！

未来期待，与你同行！

$兴证全球红利量化选股股票A(OTCFUND|021979)$

$兴证全球红利量化选股股票C(OTCFUND|021980)$

#当红利遇上量化，新“基”会来啦#

风险提示：基金有风险，投资须谨慎。兴证全球基金承诺以诚实信用、勤勉尽责的原则管理和运用基金财产，但不保证基金一定盈利，也不保证最低收益，基金过往业绩并不预示其未来表现，投资人应当认真阅读《基金合同》、《招募说明书》等基金法律文件，了解基金的风险收益特征，并根据自身的投资目的、投资期限、投资经验、资产状况等判断基金是否和投资人的风险承受能力相适应，自主判断基金的投资价值，自主做出投资决策，自行承担投资风险。我国基金运作时间较短，不能反映股市发展的所有阶段。基金管理人管理的其他基金的业绩或拟任基金经理曾管理的其他组合的业绩不构成基金业绩表现的保证。观点仅代表个人，不代表公司立场，仅供参考，不作为投资建议，观点具有时效性。基金投资须谨慎，请审慎选择。基金产品由兴证全球基金管理有限公司发行与管理，代销机构不承担产品的投资、兑付和风险管理责任。
材料中涉及的中证沪港深高股息指数数据只作为红利主题策略举例展示，本基金尚未成立，业绩比较基准指数不代表本基金未来业绩，历史业绩不代表未来，基金投资须谨慎。关于本基金的利润分配和分红的条款，请参考兴证全球红利量化选股基金的完整基金合同及招募说明书。注：分红条款不作为盈利保证和业绩承诺，本基金不必然每年分红。
本基金是股票型基金，其预期风险与收益高于债券型基金、货币市场基金、混合型基金。基金管理人对其评级为R3。本基金业绩基准为：中证沪港深高股息指数收益率95%+银行活期存款利率（税后）5%。本基金股票资产投资比例为基金资产的80%—95%（其中投资于港股通标的股票的比例占股票资产的0-50%），投资于本基金界定的红利主题股票的比例不低于非现金基金资产的80%。每个交易日日终，在扣除股指期货、国债期货和股票期权合约需缴纳的交易保证金后，本基金应当保持现金或者到期日在一年以内的政府债券投资比例合计不低于基金资产净值的5%，其中，现金不包括结算备付金、存出保证金、应收申购款等。拟任基金经理田大伟投研经历：2010年4月至2018年3月，就职于光大保德信基金管理有限公司，历任金融工程师、首席策略分析师、投资经理、基金经理、绝对收益投资部总监。2018年4月至2023年9月，就职于华鑫证券资产管理总部，历任副总经理、投资总监、资管量化投资部总经理、投资经理。2023年9月至今，就职于兴证全球基金管理有限公司，现任专户投资部总监助理兼投资经理、兴证全球红利量化选股股票型基金拟任基金经理。兴证全球基金承诺以诚实信用、勤勉尽责的原则管理和运用基金财产，但不保证基金一定盈利，也不保证最低收益，投资人应当认真阅读本基金基金合同、招募说明书等基金法律文件，了解本基金的风险收益特征，并根据自身的投资目的、投资期限、投资经验、资产状况等判断本基金是否和投资人的风险承受能力相适应，自主判断基金的投资价值，自主做出投资决策，自行承担投资风险。我国基金运作时间较短，不能反映股市发展的所有阶段。基金管理人管理的其他基金的业绩或拟任基金经理曾管理的其他组合的业绩不构成基金业绩表现的保证。过往业绩并不预示未来，基金收益有波动风险。基金投资须谨慎，请审慎选择。
代表产品A指光大核心A，区间回报数据来自光大保德信基金季报。基金累计份额净值来源：光大保德信基金官网。拟任基金经理过往管理业绩是基金经理与所在公司投研、风控团队共同努力的结果，过往业绩不代表未来表现。本基金尚未成立，不作为未来投资承诺。