乔亮是入选“财福100”的基金经理之一，今天我们从量化评分、产品表现、与其他基金经理的比较以及问答这四个维度介绍基金经理，方便大家对基金经理有更全面的认识。
猫头鹰主要从基金公司、管理经验、管理能力、获奖情况等四个维度对基金经理进行打分。
在基金公司上，万家基金目前在管规模4153.86亿，产品数量149只，其中主动权益类基金61只，规模449.03亿元。
在管理经验上，基金经理乔亮具有丰富的从业经验和较为丰富的投资经验，从业年限超过17年，投资年限超过4年；目前管理规模为113.37亿元。
在组合管理上，近三年来，与同类基金相比，基金经理乔亮控制跟踪误差和获取超额收益的能力大致处于平均水平。
在获奖情况上，近五年中，乔亮获得了1次英华-三年期指数增强最佳基金经理奖和1次英华-三年期指数增强优秀基金经理奖
作为一名主动量化型基金经理，乔亮目前管理的产品对标的指数种类较多，沪深300、中证500、中证1000等均有涉及。
在其跟踪沪深300的产品中，我们以万家沪深300指数增强A为例，其任职以来该产品相较沪深300指数有明显超额收益；但近一年与成立3年以上的28只跟踪沪深300指数的指数增强量化型基金相比，万家沪深300的跟踪误差相对偏高，其超额收益也比较低。
图1：万家沪深300指数增强A与沪深300指数净值曲线对比图
图2：万家沪深300指数增强产品跟踪误差/超额收益表现
数据来源：猫头鹰基金研究院（气泡大小代表规模大小）
在其跟踪中证500的产品中，我们万家中证500指数增强A为例，成立以来该产品相较中证500指数也有大幅超额收益；近一年与成立3年以上的26只跟踪中证500指数的指数增强量化型基金相比，万家中证500的跟踪误差相对适中，超额收益相对偏低。
图3：万家中证500指数增强与中证500指数净值曲线对比图
图4：基金经理乔亮万家中证500指数增强产品跟踪误差/超额收益表现
数据来源：猫头鹰基金研究院（气泡大小代表规模大小）
在其跟踪中证1000的产品中，我们万家中证1000指数增强A为例，成立以来该产品相较中证1000指数也有大幅超额收益；近一年与成立1年以上的23只跟踪中证1000指数的指数增强量化型基金相比，万家中证1000的跟踪误差和超额收益均处于较低位置。
图5：万家中证1000指数增强与中证1000指数净值曲线对比图
图6：基金经理乔亮万家中证1000指数增强产品跟踪误差/超额收益表现
在投资策略上，基金经理乔亮主要通过科学建模来追求长期稳健的超额收益，坚持用纯粹的量化模型投资而尽量少掺杂个人的主观判断；从结果上看，其跟踪沪深300、中证500和中证1000的产品均能做到在其管理期内相对基准指数有明显超额收益，但近一年来与同类基金相比收益率均表现不佳，在跟踪误差的控制上，沪深300增强偏离较多，而中证500和1000控制得相对较好。
1、科学投资，前沿量化。通过科学的投资方法，用“纪律”克服人性的弱点，用模型作为探索投资机会的工具，结合市场的具体演化，追求长期、稳健的超额收益，为投资者提供真正的长期投资价值。
2、我们坚持用纯粹的量化模式来投资，即完全系统化、完全量化模式地进行量化投资。通过训练模型而不是进行主观判断，让模型本身对市场风格变化有一定的自适应性，以较好地去切合和跟随市场。即使是市场风格变化，也能够找到适合市场风格的投资组合，从而产生一定的超额收益。
3、量化策略的特点是逆水行舟、不进则退。策略模型会失效，只有通过不断地进化寻找新的增长点，或者是寻找新的数据、新的方法，并将其融合到整体投研框架中，投资才能跟得上市场的变化。万家基金的量化团队是业内较早在传统量化投资模型中，融入机器学习、AI驱动等非线性模型。
我们的多因子量化选股模型总体上包含4个步骤：多种Alpha策略模型、定制化改进的风险预测模型、组合优化系统控制事前组合风险暴露、收益和风险归因系统。
数百个阿尔法因子保证模型在各种类型的市场中都存在有效因子，构建多种不同类型的、彼此相关性较低的阿尔法策略组合，在保证收益的同时分散组合模型风险。
在使用Barra风险模型的基础上进行二次开发，定制化的实现万家基金量化风险预测模型。风险预测模型再开发的目的是进一步适应中国A股市场，更体现中国资本市场的特点。
使用商业化AXIOMA组合优化软件，保证投资组合在各个风险因子及行业因子上的暴露安全可控。根据不同产品的收益风险偏好，对组合优化模型进行参数设定，保证投资组合构建与投资目标保持一致。
我们团队自主开发了整套收益风险归因体系，包括了BRISON业绩归因模型以及Barra风险归因模型，综合评估产品业绩表现。定期对所管理产品及跟踪策略生成业绩归因报告，分析研究策略表现，明晰当前市场风险，保证对策略持续改进，确保组合合理性。
万家量化投研团队依靠自主研发，开发了更加适用于中国股票市场的量化多因子选股策略，同时引入蕴含市场情绪与交易特征的高频量价因子，缩短股票收益预测窗口；股票组合是通过组合优化的方式得到的，会采用大数据机器学习进行市场风格识别预测的量化模型，能够更加科学、积极地跟踪市场风格变化，自主分析市场各因素变化及时调整不同种类、风格的量化因子在模型中的权重，得到alpha收益预期值，然后通过定制化改进的风险预测值，事前约束好各个风险因子及行业因子上的暴露、以及个股的偏离程度、个股权重的设置等等，以保证投资组合暴露安全可控，最后使用商业版AXIOMA组合优化器得到最优的股票持仓以及权重。
在A股市场，公募权益基金长期业绩表现优于宽基指数。长期来看，公募权益基金具有较强的选择行业(赛道)和风格的能力(Beta择时)，结合最近几年公募权益基金规模的飞速发展，持股集中度的持续提高，资金推动效应不断增强。公募权益重仓股的表现跟公募权益（相对于宽基指数）的超额收益高度相关。
在另外一边，虽然量化投资策略不善于做行业和风格的择时，但是如果给定一个既定的股票组合基准，量化选股能够做出较为稳定、较为优秀的超额收益。
为了构建能够长期战胜大多数权益类基金的量化选股策略，我们将优秀权益基金选择行业和风格的能力，与量化选股做出稳定超额收益的能力相结合：强强联手，以达到最优化的效果。
因此万家主动量化策略以偏股混合基金指数作为投资希望战胜的目标，通过我们的量化选股和行业配置策略，主动适应不同的市场风格，前瞻性选股，提高选股胜率，以追求（相对于偏股混合型基金指数）能获得长期稳定的超额收益。股票投资在风格配置上相对均衡，行业配置偏向于行业景气度高的行业。在量化选股方面精选行业内质优个股组合，持股较为分散。
万家量化投研团队具备多年量化多因子选股理论实践基础，是市场上较早将线性与非线性算法应用与实际投资的团队之一，长期处于业内较领先水平。
万家量化策略中，加入了采用大数据机器学习进行市场风格识别预测的量化模型，能够更加科学、积极地跟踪市场风格变化，自主分析市场各因素变化及时调整不同种类、不同风格的量化因子在模型中的权重，使得万家量化指数增强策略能够力求更加稳定高效地获取超额收益。
在风险模型定位为合理水平情形下，力争获取最大化收益补偿。经业内领先的组合优化器进行精准风险控制，相对回撤较低，组合表现较为稳健。
全文完，感谢您的耐心阅读。
如果您想了解咨询更多关于猫头鹰会议服务与投研工具，欢迎联系客服预约申请试听。
