会议要点

1. 探秘结合前景

• 量化投资被提高关注度，首先对量化历史进行回顾，区分出四个发展阶段：萌芽期（04-09年）、第一波上涨期（10-16年）、低谷期（至20年）、第二次春天（21年至今）。量化规模快速增长，多样性增加。

• 市场轮动的速度在加快，个人投资经历差异导致的缺陷被放大；权益投资由单一选股转向组合管理，对组合的多项要求提升。量化策略的运用逐渐融入基金经理的权益管理中。

• 量化结合权益的方式多种多样，取决于金融经理对量化的理解和掌控。与权益投资理念的多样性相仿，量化与权益结合的细节也存在差异。

2. 探索量化投资的多元融合

• 量化投资方向：量化投资被细分为择时、资产配置和个股选择三大方向，而非量化专属。

• 缠论方法的局限性：缠论方法存在理解差异大并且难以用定量方式得出结论的问题。

• 择时研究方法：模拟基金经理审视市场趋势的过程，通过历史波段和点位的对比来定义短期趋势，并判断未来走势。

3. 择时与配置探索

• 择时模型的应用：利用历史数据比对，如果当前形态与历史中相似形态的反弹力度都高于一定阈值，判定当前上涨的概率为100%。通过择时模型，可以区分中期和短期上涨概率。

• 资产配置的定量与监控：在资产配置上，区分可量化回测的因素和需要持续监控的指标。利用宏观经济变化、行业轮动等因素构建投资模型。

• 不同投资策略的效果对比：基于宏观数据、行业轮动、景气度变化等驱动指标，评估不同投资策略的有效性，例如家电或血液制品等行业投资。

4. 预测与分歧探索

• 投资策略分类：将所谓的景气度代理变量分为两类，第一类具有预测作用，如资金流；第二类无预测作用，尚需探索。

• 行业轮动和仓位分析：通过实时监控不同行业的基金仓位变动，观察基金对行业看法的一致性或分歧，分歧较大的行业可能尚未被完全pricein，可能存有一定的alpha收益。

• 产业链供应链角度分析：研究基于产业链供应链的行业层面阿尔法传导，度量行业间的紧密关系，紧密度高的行业涨幅更大对半导体的传导可能更显著。

5. 权益量化的多元标签与深度解析

• 基金经理有多种风格和类型，不能期望他们适应所有市场环境。在股票数量增长和市场信息爆炸的情况下，单靠增加研究员和经理的人力资源已不足以应对复杂性。

• 权益投资的多样性促使量化投资同样需要多样化。量化核心在于因子分析，因子是基于市场历史数据和投资经验总结的代表性概念，有助于简化选股过程和管理资产。

• 权益量化的结合探索了包括但不限于行业、风格及其他模型，通过因子分析可以构建更抗跌的投资策略，有利于在多变市场中找到优质资产并提高资产配置效率。

6. 寻找扩散与补涨机会

• 投资热点与股票选择：市场上涨引起关注后，研究员会寻找被市场忽略的机会。涨后的关注可能会导致热点扩散及补涨现象。

• 机会发现过程：基金经理根据市场现象委托研究员发掘新机会。研究员通过供应链、专利等方式，寻找与热点公司关联紧密的标的。

• 投资标的的表现评估：通过定期回顾推荐标的与相关热点指数的表现，验证分析与选择的准确性，并调整策略。

7. 量化策略与权益投资结合

• 通过历史回溯和持续跟踪，发现并构建高度相关的标的名单可形成有效的投资策略

• 策略包括月度调仓、持仓集中度控制，展示较好的历史回报，年化收益约为18.7%，持续跑赢基金经理收益率中位数

• 最新策略（系列一）年内绝对收益约为6.72%，明显超越基金经理收益率中位数的10.5%

会议实录

1. 探秘结合前景

其实这个主题是嵌入我们年度展望中的，之前也在考虑这个主题是否恰当，大家可能更关注明年的风格偏好或进行宏观趋势分析，但我们都知道，量化在这样的长周期预测中可能作用有限。因此，我们选择了一个不同的主题，即权益与量化结合的前景探索，并为大家做了完整展示。

这方向今年以来备受关注，我们会从多个维度介绍这个话题，其中包括量化的发展回顾和未来展望以及具体的应用分析。但关于国内量化发展过程，我们就不再详述。大家可能知道从2004年第一个量化基金成立至今，我们将整个量化市场分为四个阶段。2004年至2009年是量化的萌芽期；2010年至2016年是第一波发展期；接下来到2020年是个相对低谷的徘徊期。2020年权益市场表现强劲，量化表现最好的产品仅能追平权益基金经理收益率的中位数，也就是大约55%。2021年至今我们称之为量化的第二春。我们见证了量化规模尤其是ETF的快速增长以及量化策略多样性的大幅提升。

接下来我们观察市场的变化。为什么要提这一点呢？因为我们在与客户交流过程中常遇到相关问题。很多权益客户经常问，是否能够建立一个优秀的量化模型。在某种意义上，量化并非万能答案，我们应该更全面客观地评估市场。目前市场主要发生了两个变化。首先是市场轮动速度加快。通过观察申万二级行业轮动速度图，我们可以明显看到近两年轮动加快。这意味着个股研究上的不足可能被放大，个股不同阶段行情的差异要求我们持续提升投资决策的经验和技能。

其次是权益市场的变化。在今年与权益市场的互动中，我们发现很多权益基金经理开始从重点选股（pick）转变为整体组合管理（portfoliomanagement）。这表明需要更多地关注组合收益、风险和回撤稳定性。例如，今年很多基金经理在组合中配置红利股，不单因其抗跌特性，还因为从组合风险分散角度进行了控制。此外，许多大型机构和明星基金经理也开始将量化策略整合到权益投资中，这一趋势在过去两年里愈发显著。

现在的问题是，如果要运用量化，什么样的方式是恰当和合理的？这将是我们接下来重点探讨的内容。接着，我们将探讨量化如何与企业进行结合。常听到的关于量化的讨论多集中在择时方面，但实际上择时并非量化独有的功能。择时本身就是投资经理在台下经常讨论的主题，并不特定于任何一种投资策略。

我们要说明的是，量化的应用范围很广，就像权益投资一样，不同的管理理念和投资方法有所差异。量化与权益结合的方式千差万别，这取决于基金经理对量化理解和掌控的深度。同理，当一个看消费板块的基金经理开始研究机械板块时，可能需要一段时间去积累和学习，以适应新领域的投资需求。

2. 探索量化投资的多元融合

首先谈量化投资，我们可以将其分为三大方向：择时、配置和个股选择。需要说明的是，这些策略并非量化独有，而是我们在实践中尝试的方法。传统上，大家熟悉的是缠论，然而，缠论的问题在于每个人理解不尽相同，且缺乏定量的判断方式，所以经常是千人千解。我们团队在2015年和2021年尝试了两次应用缠论，但最终因其难以定量归类而放弃。尽管如此，我们从中吸取了教训，提出了点和效率理论。

在兴业证券，我们有一个由权益类基金经理组成的精工群，通常只讨论择时观点和量化分析的深度洞察。在2021年9月，我们发布了一个关于择时的研究，它虽然借鉴了缠论，但实际上更类似于基金经理的行为模式。例如，观察沪深300指数的价格走势，通过滚动鼠标识别短期趋势，并与历史位置进行比较。这一动作涵盖了多个要素，例如如何定义鼠标滚动形成的短期趋势，以及如何对照历史走势。

我们认为波段是载体，而点位与趋势是最终的目标。波段的大小受路径依赖，即不同市场环境中涨跌幅的意义是不同的。我们提出了一个严格的波段划分方法，并以沪深300为例演示了短期波段情况，结果与肉眼观察基本一致。此外，我们还探讨了如何定义当下点位以及如何判断未来趋势。

以2021年9月15号为例，我们通过图表说明，将当天沪深300的收盘点位与前两个端点相关联。端点是波段中的高点和低点，只存在两种形态：高-低-当前点位或低-高-当前点位。我们的方法是完全可复制的，不同于常规的高点低点判定方法。我们定义了一个名为“点位效率”的概念，通过比较当前点位与历史高低点的价格差异来衡量效率。例如，9月15号的点位效率约为0.196，说明当时的反弹力度较弱。

3. 择时与配置探索

首先，我们需要回顾历史并进行对比。历史上高点和低点是怎样连接的？现在假设当前的形态与历史上的某些波段类似，历史上存在100个与当前相似的形态，且每个波段的反弹都超过0.196。这意味着什么？它表明当前的上升概率是100%。技术分析反映了量价信息，认为历史会重现。如果历史上与香港市场相似的100个波段中有80个反弹力度更大，那么上涨概率应该是80%，这表示了一个基本的价格效应转化为上涨概率。但要注意，这只是一个基础的定义，并不是全部。例如，相似波段的反弹可能时间长短不一，这就涉及到时间效率的问题。我们会考虑中期和短期上涨概率的叠加，这构成了我们的择时模型。

技术分析之所以受到欢迎，是因为它具有泛化能力，适用于各种标的。我们目前的模型已运用了两年，主要针对主要宽基指数，如沪深300、中证500、上证50、800型等。如果系统性的其他矿机突然发出上涨概率低的信号，市场就可能出现问题。反之，如果上涨概率普遍较高，则市场前景应该较为乐观。

配置层面是投资的另一个重要方向，可以从宏观到中观，再到行业层面进行深入研究。在配置方面，我们需要明确哪些因素可以进行量化，哪些则不可以。量化的职业病是过分依赖回测，这可能不适用于所有情况，尤其是在宏观经济数据较为稀疏时，很难依据回测结果就断定策略的有效性。应当区分需要进行定量回测和监控的因素。

在监控方面，我们会关注如CPI和PPI的背离、隐含与实际波动率的差异等信号。在可进行回测的领域，例如行业和风格轮动，市场需求尤其强烈。我们已经撰写多篇关于行业轮动的报告，并将它们归类，如根据宏观经济的变化进行分类，或是依据单一赛道中的具体指标，例如为什么选择家电而不是血液制品，可能取决于家电行业景气度的边际变化。这些逻辑清晰而简单，但也意味着实际操作中的复杂性，譬如在医药领域就有诸多细分，每个都需要详尽研究。

因此，我们认为当前上涨概率是100%。在配置层面，我们强调区分可量化和不可量化的因素，并重视监控市场的同步指标。在我们的模型构建基础中，这一点至关重要。我们将继续深化这些领域的研究，以尽量降低策略运行中的复杂性，提高我们的投资效率。

4. 预测与分歧探索

第三种方法是利用所谓的景气度代理变量，也就是通过资金流、超预期表现、动量效应等指标来预测市场趋势。目前，代理变量被广泛应用，可以分为两类：第一类具有一定的预测作用，例如资金流。量化策略在捕捉权益市场的“最左侧”收益方面存在缺陷，某种程度上也存在赔率问题，即确定性不足。但是当代理变量表现出较强的确定性时，可能意味着超额收益并不高。这类代理变量虽然有效，但很难实现丰厚收益。另一类代理变量则完全无法预测市场走势。我们对这两类代理变量进行区分，这是目前讨论较多的方法之一。

另外，就像分析个股时会考虑择时问题一样，在行业层面也是同理。我们曾经进行过针对行业层面的技术分析，应用泡沫理论。泡沫的形成并不完全是负面的，股价的大幅上涨也是一种泡沫。通过泡沫理论可以监测行业泡沫的形成期，并进行相应的策略部署。

在市场接受度较高的行业轮动方面，我们采取了与其他机构不同的方法。举两个例子，第一个是仓位测算。通过实时监控偏股型基金在不同板块的仓位变化，可以进行深入分析。设想市场上只有三个基金产品A、B、C，关注的行业是军工和医药。通过观察这些基金产品对军工行业仓位的变化，我们可以看出市场对于该行业的意见非常分歧，而对医药行业的看法却相对一致。我们认为，仓位测算中存在较大分歧的行业具有更大的潜力，因为这意味着机构对行业的看法还未形成明确的盈利预期，行情有可能尚未充分发酵，存在较多的alpha机会。相反，如果市场上的基金产品对某行业的仓位变化不大且趋于一致，则可能已被市场充分消化（pricein）。所以，捕捉仓位分歧实际上是寻找尚未被市场充分认可的投资机会。

我们还研究了基于产业链供应链的行业阿尔法传导。例如，如果半导体行业的上游行业出现大幅上涨，当然这对半导体行业来说是一个重要信号。我们知道行业层面存在明显的动量溢出效应。如果我们能够量化四个行业与半导体行业之间的紧密关系，并发现紧密度较高的行业表现更出众，那么它们对半导体行业的影响可能会更大。这类研究至今表现良好，今年的收益大约是行业轮动的三个百分点。

接下来是个股赋能策略。量化与权益结合的策略越来越注重个股层面的因素。比如红利策略在今年1月份的报告中展现了不错的样本外收益，热点扩散、补涨策略和超预期策略同样有效。

最后，量化和权益领域的结合非常有意义。例如，PPI模型和低估值策略都是寻找市场中安全边际高的反弹机会。这些内容值得更深入的探讨。

5. 权益量化的多元标签与深度解析

首先，基金经理往往带有特定的标签，例如成长型、价值型、均衡型，他们处理不同的风格与领域，比如科技、医药、消费甚至教育等。基金经理的分类五花八门，我们不可能期待他们随着市场的牛熊更替而不断调整策略，这实际上也是不现实的，至少目前没有基金经理能持续做到这一点。

既然权益投资有多种方法和风格，量化投资也应该是这样，它不是一成不变的。量化投资的一个关键概念是因子。如果市场上只有5只股票，一个基金经理或许能够覆盖，但随着股票数量的增加，单靠一个人显然是不够的。这就引出了团队的概念。现在市场上有5000多只股票，未来可能还会增加，这种情况下，通过增加研究团队的人数来覆盖所有股票显然是不现实的。

基金经理在他们无法完全覆盖市场时会依赖历史经验，比如关注低估值、高成长或PPI模型等风格，这些风格历史表现较好。这些基于历史投资经验的方法可以被抽象为因子。因子其实就是投资的一种工具，类似于选定某一类资产进行投资。所以量化的核心是利用因子，而因子的本质就是一种资产类别。

从权益基金经理的多样化投资方式中，我们可以洞察出不同的因子和模型。有鉴于此，我们已经在权益和量化投资方面进行了很多结合工作，例如分析不同的行业，如医药、科技、家电。

我们聚焦一些具体的策略，例如红利和补涨策略，尤其是考虑到年底之际，大家对于明年的展望尤其关心。对于红利投资，大家最关注的是红利增强、攻击性以及潜在的红利陷阱。我们经常听说的红利低波动和红利质量实际上是红利增强的一部分。我们为什么关注红利？因为红利策略在市场下跌时具有一定的抗跌性，但抗跌并不是只有红利一种方式。

举例而言，如果一个企业的基本面变化与宏观经济的相关性很低，说明它受宏观经济影响较小，相应的也更抗跌。同样，企业的经营稳定性也是衡量其抗跌能力的一个因素。稳定的企业更容易受到市场疲弱时期的青睐，因为预期的确定性较高。在我们今年1月份的报告中，我们提出了多种抗跌策略的模型，并举例说明了这些模型的表现。截至11月30日，这些模型的收益率大约为22%，这远高于红利指数的超额收益。报告中还涉及到通过红利因子进行各种研究的细节，但这些内容已经由顾淑佳部门深入讨论过。

6. 寻找扩散与补涨机会

我们首先来看一个实例。当市场经济出现大幅增长，一个基金经理往往会对新能源板块保持关注。如果假设某周新能源板块涨幅达到30%，许多投资者可能没有及时买入。在这种情况下，基金经理通常不会立即宣布看好新能源，而是会指派研究员进一步探索该板块尚存的机会。典型的例子是今年1月和2月，随着GDP的大涨，大家都急切地想知道还有哪些股票带有相似概念。

实际上，市场上每天都有被忽略的机会。涨势一旦引起注意，就会产生一种羊群效应，导致热点的扩散，甚至出现补涨现象。基金经理可能会让研究员筛选出一批潜在的投资标的。举例来说，就如同我们今年2月12号发布的一份报告所指出的特别机会一样。报告中我们分析了含TATP概念指数的股票，如万德、通联和同花顺等。

我们应该首先对当前的热点进行明确定义。曾以万德和同花顺的概念股为代表，但我们也可以随时关注更换其他概念股。例如，基于TATP概念，研究员不会选择与之无关的股票。按此逻辑，如果我们以汽车行业为例，则会发现它与一些概念股紧密相关。

以同花顺的概念股指数为例，假如研究员筛选出30只相关股票，甚至在产业链和供应链上也会有所关联。我们曾筛选出与这30只原始股票有紧密联系的10只标的，比如大华股份，在接近3月时翻倍。我们可以比较推荐的这10只和原始的30只股票的收益表现如何。从2月19号到3月底的数据可以看出，除了第一周外，我们的选择多数时间都能跑赢车辆GDP概念指数，这说明热点确实扩散了。

回到新能源股票，假设有一些股票与宁德时代或纬锂能存在密切关系，那么研究员在推荐新的新能源板块股票时，它们与这两只股票必然有所联系。专利是近两年私募特别关注的一个领域，公司与公司之间网状关系的研究也引起了极大关注。这是由于市场风格的快速转换和热点传递的需求。

通过公司间关系，修治链供应链以外，我们还可以考虑专利。专利是一个复杂的领域，它包括专利的分类，就像行业分类一样。有趣的是，一个专利有时可能属于多个领域。比如，与宁德时代或纬锂能的专利分布类似的公司，他们之间可能也有紧密的联系。

最后，关于量化的问题。量化分析师通常偏好回溯测试，它是验证概念有效性的一种方法。尽管基金经理可能不会明确要求做这样的测试，但根据供应链或产业链推理出与宁德时代有紧密联系的公司，这样的策略是值得肯定的。

7. 量化策略与权益投资结合

我想讨论的是回测，大家知道，现在如果你给我几只股票，我就能找出一些最相关的投资标的。比如，假设有一个基金经理从2011年起就开始运用一种方式，怎么操作呢？以2010年1月份为例，如果他能够把握住第一波热点，然后运用这种方式捕捉到第二波热点，哪怕他在6月份错失了第一波，那在判断市场时中国投资者是否能找到第二波热点就成了关键。

我找到了一种策略，如果这位基金经理净值表现良好，说明这种策略是有效的。但问题在于，基金经理的调仓速度究竟是快是慢？投资的重仓股是集中还是分散？这都是需要考虑的。我们假设基金经理采用的是月度调仓策略，同时他的持仓可以灵活分配，集中投资时可能选择10只或50只股票，分散时则可选择100只或200只。集中与分散的选择实际上是一个关于规模大小的问题。集中投资到底意味着什么？

回到2011年1月份，我不可能去复判断当时的热点，所以我们该如何去判断当时的热点呢？我提出了一种方法，我们就选当月表现最好的行业中涨幅最大的10只股票，这意味着300只股票构成了1月份的热点。我的任务就是选择与这300支股票相关性最强的标的。这样做的原理与之前提到的经历相同，只不过我每个月都会进行一次这样的操作。通过这种方式，我可以优选出10只、50只或者100只与这300支股票相关性最高的股票，这样就形成了一种策略。

那么这个策略的表现如何呢？大家可以看下右下角的图表，从2010年到现在，每年的表现都一直很好，1万元的投资收益率大致上接近于18.7%，而且每一年都能跑赢基金经理收益率的中位数，每一年的表现也能反映经济的增速，这正是补涨概念的体现。这个策略是今年1月份推出的，到目前为止，系列一的表现怎么样？今年到10月底的绝对收益率大约是6.72%，与此同时，基金经理收益率的中位数大约是10.5%左右，所以超额收益是非常客观的。这证明我们通过这种量化的方式去分析是有价值的，即使不涉及到回撤，也完全是基于逻辑可行的。

我今天给大家讲的最后一个板块是关于补涨策略的，量化与权益结合的方式其实多种多样，从核实到配置再到个股层面，我们讨论了基本面量化、红利增强和补涨等多种策略。尽管今天我们只能简要介绍，但相信对大家有所启发。

同时，如果大家对细分方向感兴趣，比如红利增强、热点扩散、DAC建模，或者是医药行业的策略，我们2017年的研究表明今年医药板块的超额收益也非常客观，绝对收益大约是7到8个百分点，超额收益则大约是15个百分点。如果大家感兴趣的话，可以随时跟我们客户销售或者团队取得联系。

今天的报告就到此结束，如果大家有任何问题，可以提问。最后，非常感谢各位一直以来对新郑进攻的支持，我们会继续努力，争取研究的深度和厚度再上一层楼。我们可能不是最好的，但我们至少是最用心的前三名，会坚持我们的研究质量。

再次感谢大家参加本次电话会议，在此告辞，祝大家生活愉快，再见。