苏俊杰是入选“财福100”的基金经理之一，今天我们从量化评分、组合特征、市场适应性、与其他基金经理的比较以及问答这五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，鹏华基金目前在管规模8804.93亿，产品数量322只，其中主动偏股型基金规模780.63亿元，股票指数类规模495.07亿元。
在管理经验上，基金经理苏俊杰具有丰富的从业经验和投资经验，从业年限超过11年，投资年限4.76年；目前管理规模为137.14亿元。
在管理能力上，苏俊杰获得绝对收益和风险调整后收益的能力较强，选股能力也处于中上水平。
作为一名量化型基金经理，苏俊杰在指数类以及主动量化产品均有布局。指数类方面，在沪深300、创业板、科创板、中证500和1000、国证2000均有布局，对于宽基覆盖较广；主动量化方面，代表作为鹏华量化先锋，其定位为中证500增强。
数据来源：猫头鹰基金研究院
在其跟踪沪深300的产品中，我们以鹏华沪深300指数增强为例
自任职（21年3月）至今，鹏华沪深300指数增强相较于沪深300超额收益18%，但超额收益在21年9月以及22年11月出现一定的回撤，近期超额收益有所增加。与同类沪深300增强基金相比，近三年苏俊杰跟踪误差中等偏大，但超额收益突出，整体信息比率较高。
图1：鹏华沪深300指数增强与沪深300指数净值曲线对比图
数据来源：猫头鹰基金研究院，时间区间2021/3/5-2024/6/11
图2：鹏华沪深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），时间区间为2021/6/12-2024/6/12
在其跟踪中证1000的产品中，我们鹏华中证1000指数增强A为例，成立以来该产品较中证1000有较为稳定的超额收益，2023/2/9至今超额收益超过10%，与同类别跟踪中证1000的指数增强相比，苏俊杰维持较低的跟踪误差且能够获取较高的超额收益，信息比率表现优秀。
图3：鹏华中证1000指数增强A与中证1000指数净值曲线对比图
数据来源：猫头鹰基金研究院，时间区间2023/2/9-2024/6/11
图4：鹏华中证1000指数增强A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），2023/2/9-2024/6/11
苏俊杰是一名量化基金经理，在多个宽基赛道均有布局，包括沪深300，中证500、100，科创板，创业板，其指数增强产品相较于基准指数有较高的超额收益，在同类产品中这种超额收益也处于中上水平，整体信息比率表现优秀。
1、在我自己过去将近十年的投研过程中，我也一直把选股作为自己专注的能力圈范围，不断的去钻研，通过选股获得更加稳定的超额收益。所以，这个我想也是我们为什么能够在一个比较长的时间的维度里面，或者说能够在各种各样的市场环境里面给持有人带来更好投资体验的原因。
2、我们会始终保持一个策略，持续进化和迭代基本的投资理念。我们认为策略本身并不是最重要的，最重要的是我们整个量化的团队理念是保持持续进化和迭代的，我们的团队要有能力去对于这个模型不断的优化，来适应整个不断变化的资本市场。
3、我们投资的系统性和纪律性是量化投资得以获得成功的一个非常重要的保障，因为我们倾向于认为投资是反人性的，所以只有通过这种纪律性和系统性的组合构建和交易执行，我们才能够在不断变化的市场中，在一个比较长的时间维度里获得超越市场的收益率。
我自己总结过去十年，我在量化投资上面的理念主要有以下三点。
第一，做量化投资是一个基于基本面的量化，就是我们量化模型和方法以及对于股价的预测，主要是从基本面信息的角度出发，去构建因子，去对于股票未来的超额收益进行预测。我们预测信息的主体主要是以基本面信息为主。其次，对于组合的风险控制，我们用到的风险模型也主要是依据一些基本面信息构建的风险因子构成的，所以这是我们基于基本面量化投资的基石。当然了，我们也会引入很多像量价、另类数据的一些因子到我们的模型中，去丰富一些基本面信息覆盖不到的一些收益来源。随着市场的发展，我们也慢慢地注意到这种量价因子的引入，以及一些另类阿尔法数据源的引入，对于我们模型的表现带来了非常大的增厚。但是总体来讲，我们对于收益和对于风险预测的主体信息，还是来源于上市公司的基本面。
第二点，我们会始终保持一个策略，持续进化和迭代基本的投资理念。我们认为策略本身并不是最重要的，最重要的是我们整个量化的团队理念是保持持续进化和迭代的。我们的团队要有能力去对于这个模型不断的优化，来适应整个不断变化的资本市场。我们每个季度都会对模型进行精细化的改进，这里面包括像新数据和新方法的运用，也包括了模型因子库不断的进化和迭代，我们的研究员其实每天都在不断去研究新的因子，加入到我们模型中，对于我们的因子库去进行丰富和迭代，这是我们量化投资理念的第二点。
第三点，也是我们前面讲到的量化投资本身的基本特点，也是我们非常坚持的，就是投资的纪律性。我们投资的系统性和纪律性是量化投资得以获得成功的一个非常重要的保障，因为我们主要倾向于认为投资是反人性的，所以只有通过这种纪律性和系统性的组合构建和交易执行，我们才能够在不断变化的市场中，在一个比较长的时间维度里获得超越市场的收益率。在投资的流程中，我们始终贯彻了纪律性和系统性，不以牺牲纪律性为代价随意地对组合进行调整，以上就是我自己在做量化投资中所坚持的几个重要的投资理念。
03
您的指数增强投资策略的具体投资流程是怎样的？
首先第一步是数据的处理，我们会从数据出发，把海量的数据收集过来去进行预处理，作为我们后面策略构建、因子构建的基础。
第二步就是基于这些数据，我们会在上面去挖掘因子，我们把这一步称之为特征的提取或者因子的挖掘，海量的数据这里面包括了基本面数据，也包括了量价数据和许多另类数据。通过这些数据，我们去构建因子，这些因子其实每一个从不同的维度对于股票未来的收益率都能够有预测的作用。
第三步就是基于我们刚才第二步里面构建的这些特征或者因子，在这个基础之上去做策略的构建，策略构建的流程可能运用到很多种方法，比如说可以用人工智能的方法去选择因子，去选择特征，去构建策略。也可以用传统的一些线性方法、聚合的方法，也可以用筛选的方法等等，这是第三步策略构建。
当构建完一个策略以后，第四步就是我们的组合构建，基于策略对这个股票有相应的排序。在这个基础之上，需要去进行组合的构建。在组合构建的过程中，不光要考虑股票的收益，还要考虑股票的风险以及交易的成本，或者说投资成本，这是在组合构建的环节，我们所需要考虑的内容。组合构建完以后，接下来我们会去进行交易的执行，因为如果只到组合构建这个层面，实际上还是停留在纸面上，需要把这些构建完的组合放到市场上去交易执行，才完成了从数据到实盘的转化。
最后我们还有一部分非常重要的，就是我们的投后分析，其实是很重要的一个步骤，会帮助投资过程中形成流程上的闭环。因为投后的分析包括了归因分析，包括了因子的跟踪和监控，通过这样一些归因分析，能够帮助了解模型收益的来源，获取模型，或者说去感知模型改进的这样一些方向，从而更好的去指导从数据处理到策略构建，到组合构建到交易执行这样的四步环节，所以这是我们整个量化投资的流程。
对于主动投资，大家可能比较熟悉。但对于量化投资，大家可能始终觉得好像隔着一层纱一样。其实我觉得量化投资并不神秘，它跟主动投资殊途同归。因为不管是量化投资还是主动投资，我们的目标都是追求一个相对于基准、相对于市场超额的阿尔法。
我觉得就这个目标来说，两者是一致的，所以在选择采用量化投资方法的这样一些产品的时候，我觉得首先需要看它是不是能够相对于市场能有一个比较好的阿尔法。第二点，我觉得量化投资和主动投资不一样的地方就是我前面反复提到的，能够做到一个比较稳健的阿尔法。从国外市场的研究来看，量化投资在超额收益这块，如果考虑风险调整以后的超额收益，实际上相对来说是要更高的，就是我们能够获得一个更加稳健的相对于市场的阿尔法，所以我觉得这类产品会比较适合对于超越市场或者对于超额收益的预期要求比较稳定的这样一类投资者朋友。尤其是像我们前面提到的量化指数增强的这类产品，我觉得就非常适合那种预期一个相对于比较基准有稳定可预期超额收益的投资者。
最后，我想回到我们策略的理念上，因为其实我们觉得策略本身不重要，重要的是我们要有一个团队，这个团队需要具备能力和知识储备，去不断地进化和迭代这个模型，所以我们在选择量化产品的时候，不光要看它的阿尔法是否显著且稳定，我们还要去关注它是不是一个成熟且优秀的量化团队。在选择量化产品的时候，一定要去选好的管理人，好的公司，好的团队，我们要去做调研，去看一下这个基金经理以及他的团队是不是具备了这样一个理念和能力，能够去持续地迭代他们的策略，或者说他们的模型，因为我们的市场其实变化是非常的快的。如果你不具备这个能力，在未来你可能没有办法提供阿尔法，甚至可能跑出这个市场。所以我给到大家的第三点建议就是希望去选择一些优秀的，持续不断去迭代的这样一些团队，然后选择他们管的一些产品去投资，这样我觉得能够在投资的结果以及超额收益的这个维度上能够更加的有保证。
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。
