导读：在全球成熟市场，衡量一个基金经理重要的指标是信息比例（Information Ratio），这个指标衡量基于跟踪误差所带来的超额收益。跟踪误差越小的条件下，超额收益越高，意味着这个基金产品的超额收益能力越强。这也意味着，基金经理相对基准的跟踪误差不应该太大。
景顺长城的量化投资总监黎海威却有一个不同的产品思考，他认为如果对应的基准波动太大，是比较差的Beta，那么即便获得相对丰厚的Alpha，用户的持有期体验也不会很好。大部分指数增强的产品，都是以沪深300或者中证500为基准做增强，在这个基础上力争产生稳定的alpha，在足够长的持有期内，效果是不错的。因此对于机构或者类机构的“长钱”而言，指数增强基金是个性价比很高的选择。但如果投资者缺乏资产配置能力，投资期限又比较短，则投资效果难有保证。
黎海威认为，好的产品应该让持有人在持有期内赚到钱，提高产品的夏普比率让客户拿得住变得很关键，即使以适度扩大跟踪差和降低信息比率为代价，也是值得的。通过对于Beta的重构，将产品的投资重点削减为7-8个好赛道上，再发挥基本面量化在个股选择上的优势，就能大幅提高夏普比例，给持有人比较好的产品体验。
回归到收益的三大来源：择时、行业选择、个股选择。过去基本面量化投资，主要通过个股选择获得超额收益，并没有在行业选择上进行优化。景顺长城基金的黎海威希望通过重构Beta，在行业选择上也能获得超额收益，最终好的Beta+Alpha能带来更好的绝对收益。
以下，我们先分享一些来自黎海威的投资“金句”：
1. 多因子模型如同我们做决策时要考虑的因素，一个决策经常是多个因素的结合，最后才能得到一个结论
2. 中国资产管理行业一个普遍的问题是，持有人赚到的收益并没有基金产品收益那么高
3. 另一个问题是，我们资本市场虽然Alpha是比较丰厚稳定的，但是宽基指数Beta波动很大
4. 我们在想的一个问题是，要大幅提高Alpha也不容易，那么如何让产品的夏普比例更高，给持有人更高的投资收益和体验呢？一个比较可行的办法是重构Beta，把所谓的坏Beta变成好Beta
5. 我觉得如果按照真正代表中国经济发展的行业，对指数进行某种重构，这个基准的表现会比沪深300和中证500更好
6. 我们测试了一下，通过优化行业Beta，有可能将夏普比例提升到1左右 ，对应20%左右的年化回报率和20%左右的最大回撤。这个情况差不多对应中国最顶尖的多头资产管理人
7. 对于个人投资者来说，他们最关注的是收益率，其次是波动率不要太大。他们的投资目标，和专业的机构投资者不一样，也没有机构投资者的资产配置能力
8. 我觉得无论是主动管理还是基本面量化，Alpha都是来自于持续而稳定的投研能力
多因子模型是科学分配影响决策的多重因素
朱昂：能否谈谈你的多因子基本面量化投资框架？
黎海威
我从2004年开始进行量化投资，前几年一直在BGI专注于亚太市场的投资，到了2007年开始对A股市场进行研究。在2012年我回国后开始进一步践行在A股市场的基本面量化投资。
我们做投资的出发点，和主动管理基金经理做的选股差不多。每一个基金经理做投资都有自己的独特视角，有人会看公司的价值属性，也有人会看公司的成长属性。我们的投资框架，只是通过量化工具将看待公司的角度变得更加系统。
多因子模型如同我们做决策时要考虑的因素，一个决策经常是多个因素的结合，最后才能得到一个结论。
比如说你要买房子，可能要考虑未来是否能升值保值，要考虑地理位置，要考虑交通出行，还要考虑贷款的比例和银行利率等各种因素。每一个决策也有其自身的约束条件。大家都想买大房子，但是也要兼顾自己的收入情况，还贷压力等等。最后这所有的因素，构成了我们在哪里买房，买什么房子的决策。最终我们可能就交易那么一套房子，但是实际考虑的因素很多，看房子的数目也很多。这个例子也能从另一个角度来说明我们的多因子模型，是多种因素结合在一起之后，最终得出买入哪个股票的决策。
朱昂：运用多因子模型的基本面量化选股和主动研究选股，什么差异？
黎海威
量化相比人脑，有一个很大的优势就是信息数据处理能力。
我们能够覆盖的股票有1500多只。主动管理的投研，可能更注重研究深度，每一个研究员覆盖10-20只股票，通过20-30个研究员的团队，能够覆盖大概几百只的股票池。
由于量化的优势是宽度，覆盖面足够广，劣势是缺少主动投研对一个公司的深度理解，所以我们不会在单个股票下注太重，持仓是比较分散的，投资的风格也比较分散。我们的交易频次也会相对传统主动投资会高一些。通过持仓数量较高，交易频次较高，最终形成比较大的样本量，通过投资宽度来提升投资效果。
比如说一年交易100次，又同时持仓100个股票，对应1万个样本数（当然，最好每一次交易之
间都是互相独立没有相关性的）。这样的结果，就比一年只有10个样本数要好。
当然，我们并不是做高频量价交易的量化，基本面量化的换手率在量化投资中算是比较低的。
用更好的产品基准，提升用户体验
朱昂：许多基本面量化投资的产品，都是做沪深300宽基的指数增强，但你好像对产品设计有一些不同的想法？
黎海威
无论是做主动管理还是量化投资，大家可能主要都是在思考如何获取Alpha，但是我过去这段时间对Beta的思考更多一些。从一个资产管理机构的角度出发，我们是希望设计有生命力的产品。
中国资产管理行业一个普遍的问题是，持有人赚到的收益并没有基金产品收益那么高。
我自己也是一个基金持有人，当年离开美国的时候有一些养老金在我的IRA退休账户。由于IRA的钱是税收递延政策，但是在退休之前是不能拿出来的，等于是强制我们做长期投资，资金的投资期限就特别长。我这几年也在这个账户里面配置一些基金，年化下来收益大概有10%的收益率。
中国的问题是，个人投资者买基金的钱，大部分资金属性不是特别长。
另一个问题是，我们资本市场虽然Alpha是比较丰厚稳定的，但是宽基指数Beta波动很大。
比如说2015年市场回撤的时候，沪深300一下子就回撤了超过30%。2016年熔断两天，也一下子回撤了20%。2018年全年也有20%以上的回撤。这种级别的回撤，对于大部分个人投资者都是忍受不了的。
要降低波动的一个办法，可以通过股指期货把Beta都对冲掉，完全保留下Alpha，我们看到目前主流的市场中性策略大部分是这样的。当然，如果年化超额收益不是那么高（特别是相对于300基准），把波动降低后扣除对冲成本后，回报率也会下降。
朱昂：所以你在思考Beta的问题？
黎海威
两年多前市场对所谓的中国好Beta和坏Beta有过一轮热烈的讨论。以沪深300为代表的宽基指数，波动较大，对应的夏普比率远低于美国的道琼斯指数。我们看到的是美国股市慢牛长牛而中国股市牛短熊长
我们在想的一个问题是，要大幅提高行业内选股的Alpha不容易，那么如何让产品的夏普比率更高，给持有人更好的投资收益和体验呢？一个比较可行的办法是重构Beta，把所谓的坏Beta变成好Beta。
我们把投资收益的贡献进行拆解：择时、行业选择、个股选择，从中去思考我们如何进行优化。首先是择时，这个从长期来说对收益负贡献的概率很大，我觉得择时并不能提升你的收益，最多是一种风险管理工具，能把波动率降低，控制回撤，提升一些夏普比率。
那么接下来就是行业选择，我们观察到这些年许多主动管理基金做得比较好，主要是行业选择上做对了。那么我们如何从量化的角度选择行业呢？
我会先从整个国民经济发展的趋势角度出发，去思考未来五年、十年、十五年国民经济发展会变成什么样子，什么行业会受益于国民经济的发展趋势。
一般来说，大家的收入大概率会提高，生活水平越来越高，肯定会关注能提升生活质量的领域。其次，随着中国在全球产业链的附加值提升，更多会依赖技术进步，而不是劳动力的红利。那么和技术驱动相关的行业，也应该在国民经济的占比越来越重要。第三，人口的老龄化是必然趋势，中国老龄化速度可能比当年的日本还快一些，那么医疗相关行业的需求也会比较好。
我会从国际比较的视角，去看中国这些行业和发达国家相比，处在什么阶段，哪些方面比较相似。中国在老龄化方面和融资方式转变方面和日本比较类似，工业制造业方面和德国比较类似，消费升级和技术升级方面和美国有些像。我们如果看Wind数据，会发现2013年之后涨的最多也是这些行业。
我觉得如果按照真正代表中国经济发展的行业，对指数进行某种重构，这个基准的表现会比沪深300和中证500更好。
有了一个好行业的Beta，再通过我们的基本面量化选股，获得个股选择上的Alpha，最终大概率就能实现比较高的绝对收益。这个基准覆盖的行业，可能会从原来沪深300的30个行业，变成7-8个行业。那么我们一定程度上牺牲的，是针对宽基指数（比如沪深300）的信息比率（IR），因为产品的跟踪误差会变大。
回归到产品的本质，用户体验比跟踪误差更重要
朱昂：通过跟踪误差的偏离，来实现更高的绝对收益？
黎海威
过去我们一直看重的是信息比率，就是以尽量小的跟踪误差，获得尽量高的超额收益。这背后的思想是，我们的客户有自己对Beta基准的配置能力，投资期限能够比较久。但是我们做了很多年之后发现，许多客户并不为信息比例买账，客户的体验不见得很好，他们在乎的是产品的总收益和波动， 有比较高绝对收益和夏普比率的基金，会给客户比较好的体验。
我们就思考如何优化我们的产品，通过学习优秀主动管理基金的产品，也做出一些不一样的东西。
我们测试了一下，通过优化行业Beta，有可能将夏普比率提升到1左右，对应20%左右的年化回报率和20%左右的最大回撤。这个情况差不多对应中国最顶尖的多头资产管理人。
朱昂：重构了Beta之后，能够给客户带来更好的体验？
黎海威
本质上，我们是在好的赛道里面寻找Alpha。通过优化基准结构，我们能够降低Beta的波动率，提升整体的夏普比率。我们认为，更高的夏普比率能帮助客户提升长期持有的收益，特别是大部分个人投资者。
对于个人投资者来说，他们最关注的是收益率，其次是波动率不要太大。他们的投资目标，和专业的机构投资者不一样，也没有机构投资者的资产配置能力。
超额收益来自投研能力
朱昂：在行业上会比沪深300更加集中在优质赛道，但又不像行业基金那样集中？
黎海威
是的，我觉得量化相对于主动管理的优势还是来自宽度。在相对分散一些的行业中，会体现出比较好的优势。我们看主动管理的基金经理，一般都是很优秀的行业研究员出身，不然做不了基金经理。这几年基本上都是来自成长性行业的研究员成为基金经理，很少看到来自传统行业的人做基金经理。这背后也代表资源配置的方向。
同样一个基金经理，他们也需要慢慢拓展自己覆盖的能力圈，不能完全依赖一个行业来获得收益。量化投资也是类似的思路，我们在覆盖宽度上有一定优势，也是需要不断做一些优化。基本面量化对于信息处理的能力，比人脑要强，也不会受到各种情绪的干扰。所以，
量化是做宽度，主动是做深度。我们也希望找到一个合适的领域，将两者更好结合。
朱昂：你的多因子选股模型中，如何对不同因子的权重进行调整？
黎海威
我们的模型本身需要不断研发迭代，不是一台“印钞机”，每天什么不做就能掉钱下来。我们属于中低频的量化，
多因子的权重需要观察宏观经济和风险偏好的变化。
如果大家风险偏好较低，就会追求安稳，类似于现金流就会更加重要。如果流动性宽松，大家就会给成长更高的溢价。
朱昂：超额收益（Alpha）来自竞争优势（Edge），你认为自己的优势是什么？
黎海威
我觉得无论是主动管理还是基本面量化，Alpha都是来自稳定而持续的投研能力。
基金经理作为Alpha的管理人，最终要做出好的产品，这对于主动管理和量化投资都是一样的。就像手机供应商，如果产品做不好，市场份额肯定会慢慢下去。有稳定持续的Alpha输出能力，我们再找到一个好的Beta，就能做到让人满意的绝对收益。
朱昂：现在一些高频量化的私募也进入低频领域了，会不会对你们带来更激烈的竞争？
黎海威
其实低频也在往高频走，大家互相学习。低频要做好，跟踪逻辑比交易系统更重要。下一个阶段，我觉得可能是中高频方向的竞争，这一块有一定容量，也需要逻辑和交易能力。而高频量化更多的是靠技术手段。
- end -
