证券时报记者 裴利瑞
开年以来,科技板块高歌猛进,红利资产相对承压。但近期,光大保德信基金却选择逆市布局一只红利量化产品——光大保德信红利量化选股混合,且基金经理拟由公司量化业务负责人朱剑涛亲自管理。
对于为何在当下时点布局红利量化基金,朱剑涛表示,虽然目前的科技股行情对红利资产造成一定的虹吸效应,但“躁动”后的市场短期内有回归基本面的趋势;同时,AI也正在重塑量化投资,有望实现从提升效率到提升投资收益的进阶。
防御性资产也能稳中求进
朱剑涛坦言,今年以来,科技股的价值修复行情非常迅猛,从而对红利资产形成了一定的虹吸效应,2个多月的时间,科技资产与红利资产便形成了明显的收益差异。Wind数据显示,截至3月14日,今年以来科创50指数上涨10.03%,中证红利指数则下跌了2.47%。
“但低利率环境下,险资等长期资金对稳定高分红的需求不会减弱。即便短期科技股虹吸效应明显,但随着政策红利释放和年报业绩披露,如果没有持续的新题材或热点涌现,市场短期内会逐步向基本面方向回归。” 朱剑涛认为,未来红利策略的吸引力仍有望延续。
同时,朱剑涛认为,中证红利指数的成份股集中于银行、煤炭等传统行业,超额收益空间相对有限,此次新产品选择了主动量化策略,优势在于适当优化股票池,通过多维度打分动态优选个股。
谈及新产品,朱剑涛将其定位为一只“红利+”的基金,“+”的方式一方面是优化选股范围,将股票投资标的从“中证红利指数成份股和备选成份股”调整至“在过去2年中,至少有一年实施现金分红,现金分红率或股息率处于市场前50%”;另一方面,是使用量化策略更高效挖掘有效因子、控制风险。
对于量化策略的竞争力,朱剑涛认为关键在于细节:“量化是系统工程,每个环节差1%,最终结果可能差10%。”以红利策略为例,传统中证红利指数仅按股息率筛选,而红利量化选股可以根据股息率对可投资标的进行筛选,通过动态加权、行业约束和交易优化,在控制跟踪误差的同时实现超额收益。以“红利”这类稳健属性资产打底,用量化方法追寻超额收益,力争做到“稳中求进”。
机器学习应化繁为简
如何通过量化投资获取超额收益?“量化投资的本质,是用更精细的工具挖掘市场逻辑。在我们看来,Alpha(超额收益)= Logic (逻辑) + Tech (技术) + Luck (运气),我们的目标就是让逻辑、技术与运气形成合力。” 朱剑涛解释,运气成分不是说要去搏一把,听天由命,而是提醒自己一个客观事实,量化模型永远只能解释市场波动的一部分,甚至是一小部分,不能迷信模型,要跟随市场变化持续迭代,才有可能长期战胜市场。
值得一提的是,今年以来,基金公司掀起了DeepSeek本地化部署热潮,朱剑涛告诉记者,光大保德信基金也已经本地部署蒸馏版大模型,大力开发拓展机器学习策略,嵌入多层次的量化模型,让AI赋能量化投资。
对于机器学习模型的开发,朱剑涛提出了一个反直觉的观点:“金融数据信噪比低,模型不是越复杂越好。”团队的核心工作反而是化繁为简,因为与机器学习模型擅长的文本、图像领域相比,证券投资市场的“噪音”含量很高,参数多、体量大的复杂模型可能逐层累积放大输入端的数据噪音,影响模型的准确性和稳定性;实践中,通常先用学习能力足够强的复杂模型去训练学习规律,然后再通过正则化方法对模型进行“修剪”,降低复杂度,提升模型样本外泛化能力。
作为业内较早将机器学习纳入实盘的团队,朱剑涛对AI大模型技术的应用既有期待,也有克制。“目前来看,大模型更多是效率工具,比如自动生成研报综述、辅助因子挖掘,还没到直接产生收益的阶段。随着技术进步,大模型可能在量化投资中挖掘出更多新的阿尔法,提升投资收益。一旦实现这种突破,或改变公募量化投资的格局。” 朱剑涛表示。
避免低概率博弈
朱剑涛的职业生涯,几乎与中国量化投资的发展史同频共振。
他自2010年入行,先后在信托、券商、私募、公募从事量化研究,曾担任东方证券量化首席分析师、进化论私募量化研究负责人等职,2023年加入光大保德信基金,更新升级了公司的量化投资体系,例如改进现有机器学习模型架构、开发新机器学习模型,扩充阿尔法因子库,亲历了量化投资从传统多因子模型到机器学习策略的迭代。
2024年以来的A股市场,科技股快速修复与红利资产的跷跷板效应,让量化策略面临考验。朱剑涛坦言,年初至今的行情集中度较高,量化依赖统计规律,需要分散持仓,但热点过于集中时,超额收益容易回撤。不过,他对此并不焦虑:“量化策略的修复需要时间,就像抛硬币,短期可能偏差,长期必然回归概率。”
“我们不会为了短期排名盲目调仓,而是坚持纪律,避免低概率博弈。”比如,对于近期热议的“另类数据”,朱剑涛保持了理性。“我们测试过舆情、产业链、卫星数据等数十种来源,最终发现只有少数能提供增量信息。”他举例,产业链网络数据能捕捉上下游公司的联动效应,但这类数据不是标准的表格形式,需通过特定神经网络模块加工分析。
非特殊说明,本博所有文章均为博主原创。
如若转载,请注明出处:http://www.mvteam.cn/10786/
共有 0 条评论