今年全球股市震盪加劇，影響市場行情的變量因素更加複雜。在此背景下，以數量化模型為依據的量化投資，憑藉更加精準高效的優勢，得到市場的廣泛關注。量化投資是科學和藝術的結合，科學技術的每一次迭代或者投資藝術每一點精進都可以讓投資的效果得到提升。
長信基金量化團隊十年如一日，擁抱機器學習的浪潮，加深對公司和行業的理解，圍繞科學和藝術兩個維度不斷推陳出新，將新的成果納入模型之中，保持模型的競爭力。如何篩選出穩定有效的量化因子？量化策略又該如何發揮作用呢？長信基金量化投資部基金經理宋海岸認為，篩選出穩定有效的量化因子是量化投資策略的第一步，而要想獲得量化因子，首先要確定超額收益來源，主要源於三個方面：
基於內在價值
精選優質公司
從價值投資的邏輯出發，以基本面為基石科學選股。在財務因子上，偏好高ROE標的，關注公司的淨利潤增速、現金流與淨利潤的匹配度。整體的選股邏輯是，挖掘盈利能力強、成長性較好，具有護城河的上市公司。同時以更為合理的價格買入，伴隨公司的成長，從而力爭獲取長期穩健的超額收益。
基於市場波動
捕捉交易性機會
密切關注市場行情變化及其它投資者的動向，捕捉交易性投資機會。比如：要想獲得超額收益，可與市場的“噪聲交易者”進行反向操作。當“噪聲交易者”較多買入時，傾向於賣出；當“噪聲交易者”賣出時，傾向於加倉。相反地，選擇與“北向資金”等聰明資金保持相對一致的步調，跟隨聰明資金操作。規避市場上過度投機的公司，等待市場迴歸理性後獲得相應的投資回報。
基於海量數據
AI以量取質
在信息大爆炸的時代，人腦處理數據的能力受到挑戰，可以運用AI技術在海量數據中提取出有效因子。這種海量數據中發現的因子，看起來似乎邏輯性不強，但卻常常能“以量取質”，挑選出優質的股票。
可證明、可驗證、可持續
篩選Alpha因子
經過多年的摸索和嘗試，形成了可證明、可驗證、可持續的篩選因子原則，進而把因子劃分為Alpha因子和風險因子。Alpha因子和風險因子最直觀的差異就是Alpha因子可以長期持續穩定的跑贏市場，風險因子只是階段性的跑贏市場，長期是均值回覆的狀態。所謂可證明，是指邏輯上要可以被證明，或來自於學術文獻、或來自於投資實踐、或來自於大數定律的以量換質；所謂可驗證，是指在海內外股票市場的歷史長河中，這個因子都有不錯的表現；所謂可持續，是指從面向未來的角度，判斷因子是否符合未來的市場狀態，是否可以保持其選股能力。
目前長信基金量化團隊儲備了基本面因子300個，技術面因子100個，機器學習因子600個，豐富的選股因子增強了對市場刻畫的細膩程度，進而可以見招拆招，為持續獲取超額收益提升了基石。
彙集Alpha因子
構建多因子模型
將儲備的Alpha因子彙集起來，對全市場股票形成一個客觀全面的評價。選股模型可以劃分為線性模型和非線性模型。線性模型基於線性迴歸，是各個Alpha因子的線性組合，缺點是忽視了因子之間的非線性特徵，優點是比較便於理解，可控性強；非線性模型多采用機器學習的方法，基於歷史捕捉到因子的非線性特徵，缺點是可控性較差，優點是非線性規律的發現能力強。線性模型和非線性模型的特點互補，結合市場狀態靈活運用可以起到1+1>2的效果。
專欄鏈接
1.長信基金安昀：再談對“絕對收益之心”的理解和執行
2. 長信基金黃韻：堅守好公司是穿越牛熊的制勝之道
3.長信基金葉松：積極的心態在底部尋找投資機會
4.長信基金左金保：與時間為友 追求長期穩健的超額收益
5.長信基金吳廷華：堅信價值 努力獲取可持續的絕對收益
6.長信基金高遠：立足基本面投資 相信週期的力量
7.長信基金楊帆：發揮資產配置優勢 力爭獲取絕對收益
8.長信基金塗世濤：以衍生品為矛 打造另類量化絕對收益
9.長信基金朱垚：以概率思維應對風險
10. 長信基金陳言午：以安全為盾 構建絕對收益組合
今年全球股市震盪加劇，影響市場行情的變量因素更加複雜。在此背景下，以數量化模型為依據的量化投資，憑藉更加精準高效的優勢，得到市場的廣泛關注。量化投資是科學和藝術的結合，科學技術的每一次迭代或者投資藝術每一點精進都可以讓投資的效果得到提升。長信基金量化團隊十年如一日，擁抱機器學習的浪潮，加深對公司和行業的理解，圍繞科學和藝術兩個維度不斷推陳出新，將新的成果納入模型之中，保持模型的競爭力。
如何篩選出穩定有效的量化因子？量化策略又該如何發揮作用呢？長信基金量化投資部基金經理宋海岸認為，篩選出穩定有效的量化因子是量化投資策略的第一步，而要想獲得量化因子，首先要確定超額收益來源，主要源於三個方面：
基於內在價值
精選優質公司
從價值投資的邏輯出發，以基本面為基石科學選股。在財務因子上，偏好高ROE標的，關注公司的淨利潤增速、現金流與淨利潤的匹配度。整體的選股邏輯是，挖掘盈利能力強、成長性較好，具有護城河的上市公司。同時以更為合理的價格買入，伴隨公司的成長，從而力爭獲取長期穩健的超額收益。
基於市場波動
捕捉交易性機會
密切關注市場行情變化及其它投資者的動向，捕捉交易性投資機會。比如：要想獲得超額收益，可與市場的“噪聲交易者”進行反向操作。當“噪聲交易者”較多買入時，傾向於賣出；當“噪聲交易者”賣出時，傾向於加倉。相反地，選擇與“北向資金”等聰明資金保持相對一致的步調，跟隨聰明資金操作。規避市場上過度投機的公司，等待市場迴歸理性後獲得相應的投資回報。
基於海量數據
AI以量取質
在信息大爆炸的時代，人腦處理數據的能力受到挑戰，可以運用AI技術在海量數據中提取出有效因子。這種海量數據中發現的因子，看起來似乎邏輯性不強，但卻常常能“以量取質”，挑選出優質的股票。
可證明、可驗證、可持續
篩選Alpha因子
經過多年的摸索和嘗試，形成了可證明、可驗證、可持續的篩選因子原則，進而把因子劃分為Alpha因子和風險因子。Alpha因子和風險因子最直觀的差異就是Alpha因子可以長期持續穩定的跑贏市場，風險因子只是階段性的跑贏市場，長期是均值回覆的狀態。所謂可證明，是指邏輯上要可以被證明，或來自於學術文獻、或來自於投資實踐、或來自於大數定律的以量換質；所謂可驗證，是指在海內外股票市場的歷史長河中，這個因子都有不錯的表現；所謂可持續，是指從面向未來的角度，判斷因子是否符合未來的市場狀態，是否可以保持其選股能力。
目前長信基金量化團隊儲備了基本面因子300個，技術面因子100個，機器學習因子600個，豐富的選股因子增強了對市場刻畫的細膩程度，進而可以見招拆招，為持續獲取超額收益提升了基石。
彙集Alpha因子
構建多因子模型
將儲備的Alpha因子彙集起來，對全市場股票形成一個客觀全面的評價。選股模型可以劃分為線性模型和非線性模型。線性模型基於線性迴歸，是各個Alpha因子的線性組合，缺點是忽視了因子之間的非線性特徵，優點是比較便於理解，可控性強；非線性模型多采用機器學習的方法，基於歷史捕捉到因子的非線性特徵，缺點是可控性較差，優點是非線性規律的發現能力強。線性模型和非線性模型的特點互補，結合市場狀態靈活運用可以起到1+1>2的效果。
專欄鏈接
1.長信基金安昀：再談對“絕對收益之心”的理解和執行
2.長信基金黃韻：堅守好公司是穿越牛熊的制勝之道
3.長信基金葉松：積極的心態在底部尋找投資機會
4.長信基金左金保：與時間為友 追求長期穩健的超額收益
5.長信基金吳廷華：堅信價值 努力獲取可持續的絕對收益
6.長信基金高遠：立足基本面投資 相信週期的力量
7.長信基金楊帆：發揮資產配置優勢 力爭獲取絕對收益
8.長信基金塗世濤：以衍生品為矛 打造另類量化絕對收益
9.長信基金朱垚：以概率思維應對風險
10.長信基金陳言午：以安全為盾 構建絕對收益組合
（CIS）
“
中國基金報：報道基金關注的一切
Chinafundnews
版權聲明：
《中國基金報》對本平臺所刊載的原創內容享有著作權，未經授權禁止轉載，否則將追究法律責任。
授權轉載合作聯繫人：於先生（電話：0755-82468670）
萬水千山總是情，點個 “在看” 行不行！！！
