在中國，量化投資的發展速度正跟它的交易速度一樣一日千里。

這個蓬勃于江湖草莽、壯大于海歸私募、規范于監管機構的投資范式，混合著機器學習、人工智能等深奧詞匯，與占地面積等于10個籃球場的超級計算機等都市傳說一起，迅速地在國內市場和投資者心智里占據了一席之地。

在正處于機構化的歷史進程中的A股，擁有量價、CTA、基本面多因子、統計套利、指數增強等策略的量化投資，往往能夠快速發現投資機會。而在這背后，是一個團隊甚至一家公募基金公司在持之以恒地研究、積累之后，所搭建的量化模型。

對于量化投資的多種策略，以及在中國市場的應用，博道基金的何曉彬可能是國內認知最深刻的人之一。

何曉彬，廈門大學經濟學博士，從事證券、基金行業已經超過18年，擁有9年量化實盤投資經驗，先后在多家公募、私募擔任金融工程研究員、總監、專戶投資經理。2014年加入博道投資從事量化投資，2017年擔任博道基金研究部負責人，開始參與打造融合股票、量化、債券等策略的大研究平臺，同時又管理專戶量化產品。

長期歷練中，何曉彬在融合多年的基本面研究管理和深厚的量化策略背景下，開辟了自己的獨特風格：融入長期基本面邏輯的“量化+”投資方法論。

通過對主動投資和量化投資的比較研究，他發現，傳統的基本面主動權益投資超額收益高但勝率并不穩定，在風格多變的A股，每年業績排名穩定性并不理想。而持倉分散、追求系統化投資的量化策略超額收益更可持續，也更適合震蕩分化的行情。

為此，他特意融合兩者，基于長期基本面邏輯，在好生意+長期競爭力+行業景氣上做系統化投資，兼具基本面投資和量化賦能的優勢，力求讓基本面投資更“系統”，讓量化投資更“聰明”。

在具體策略上，一方面，針對主動投研團隊深度研究形成的長期競爭力推薦池，通過量化模型篩選，構建長期競爭力組合；另一方面，從基本面因子出發，超配景氣行業和個股，構成景氣驅動力組合，充分融合博道基金長期基本面研究和量化研究成果，發揮“1+1>2”的合力，力爭長期可持續的超額收益。

近期，貓頭鷹研究院與縱橫國內量化江湖多年的何曉彬，進行了一次深度交流。在交流中，何曉彬完整闡述了他的投資策略。本文把對話內容進行精選，以饗讀者。

貓頭鷹：博道基金研究副總監兼研究部總經理何曉彬，是一位非常資深的，做量化出身的實力老將，擁有18年從業經驗，之前都是管理私募或專戶量化產品，這次他終于推出了首只公募產品：博道研究恒選，這是一只采用定量和基本面投資融合策略的產品，先請何曉彬系統介紹一下他的投資方法。

何曉彬：量化策略的主要優勢在數據的寬度，可以在更多的股票上去尋找超額收益，或者說更可持續的超額收益。

現在整個量化多因子策略發展態勢有兩個方向，一個方向是往AI機器學習方向，把策略交給算法。另一個發展方向，是利用主動邏輯因果關系去補足量化在長期數據維度的不足。

目前我們量化團隊在這兩個方向都在嘗試，楊夢團隊更多圍繞著量化增強策略、機器學習的方向深耕，我自己則希望在基本面量化方向更前進一步。

我給自己的定義是基本面投資“新勢力”，有點像現在的造車“新勢力”。造車“新勢力”是軟件重新定義汽車，也是希望將豐富的智能和互聯網產品體驗賦能汽車，本質上它還是要做造車這個工作。我自己的量化策略，核心還是圍繞著基本面投資，希望融合量化和基本面投資在不同時間維度的優勢，我整個框架是基本面為體、量化為翼，用系統化方式做基本面投資。

圖：權益基金長期回報拆解

公募主動權益基金作為基本面投資策略的代表，歷史上創造了優異的超額收益，我進一步去對其收益做了一個分解，研究超額收益的能力究竟來自哪里，為構造量化策略提供思路。分析數據結果，最后我把收益來源拆解出了三個層次，分別是：

（1）第一層，權益資產風險溢價，即承擔了權益資產本身波動后，應被補償的回報，這是用非常低的成本可以拿到的，比如去買中證800指數ETF。根據2006年1月1日至2022年3月31日Wind數據顯示，中證800指數年化收益率為10.52%。

（2）第二層，較容易獲取的超額收益。2006年1月到2022年3月偏股混合型基金長期年化回報是15.38%，高于同期權益資產風險溢價本身，那么，這部分超額收益就是偏股混合型基金整體作為基本面投資者創造的價值。

我們進一步分析這部分超額收益的來源，歸因結果顯示，倉位選擇貢獻很小，主要是行業選擇能力和個股選擇能力，兩個能力還比較平均，行業能力主要體現在消費、醫藥、科技、高端制造等更優質行業的超配，所以公募權益基金總體靠“兩把刀”爭取超額收益，意味著要參與競爭也需要行業配置和個股選擇能力。

（3）第三層，較難獲取的超額收益。這是優秀公募權益基金經理進一步超越同行創造了更高的超額收益，這個超額收益相對更難，因為要有更高的超額收益需要組合里有長牛股，而市場少數公司獲得大部分市值增長，“馬太效應”非常明顯，不論A股還是美股都有這個現象，這意味著組合要有更高的超額收益，需要找到這些少數的優秀公司。

因此，要想賺到后面兩個超額收益，需要在三個維度上構建能力圈：第一個維度是個股選擇能力；第二個維度是行業配置能力；第三個維度是對優秀公司的認知。我們希望在保持量化寬度優勢的同時，借助主動深度研究數據資源，補齊量化在長期基本面方面的不足，使得量化模型最終具備這三個維度的能力圈。

數據測算顯示，如果一只權益型公募基金的業績表現能夠長期穩定在50%分位數之上，比如40%分位數，那么7年多后，它長期累計業績的排名分位數是20%左右，這就是一個很好的產品了。我們希望能夠融合量化和長期基本面投資的優勢，爭取在跟住偏股混合型基金長期平均水平的基礎上再加一些對優秀公司的超額認知。

我們基于前面的這些思考去搭建組合的策略，構造了“核心+衛星”的復合策略。

圖：何曉彬投資框架

以“長期競爭力策略”為例，它是在主動投研團隊的長期競爭力推薦池基礎上量化方式精選個股。我們公司的主動投研團隊很注重對優秀公司的研究，內部倡導學習型組織，大家相互分享認知，除了管理好自己的組合外，基金經理、研究員都要推薦自己心目當中認為長期優秀的公司，研究平臺把這些數據沉淀在整個系統里面，所以在我們的投研系統有完整的基金經理以及研究員，對優秀公司研究的認知沉淀。我們把這個數據作為模型的長期基本面因子，量化精選形成策略。

在我看來，要實現把主動基本面研究的認知沉淀在量化策略里，肯定不能依賴于量化基金經理本身主觀去理解全部的認知邏輯，但是量化方式又需有一個客觀的篩選規則。

在這個規則方式的確定上，我探索了很久，去想這些數據該怎么用它，后來受到橋水的啟發，達里奧在《原則》里面有提到他們內部怎么去對大家研究的觀點形成更有效的決策，提出了所謂的“創意擇優”，只要系統跟蹤每個人過往的觀點準確率，在這個基礎上再去賦權，通過加權就可以形成相應更優的觀點。

這對我們的工作很有啟發。我們每年也都做研究員數據的考核，包括模擬組合超額收益高不高，重點推薦收益怎么樣等等，這些數據全都在我們內部投研系統沉淀下來了，這樣我就可以利用這個數據，去做一些篩選和加權。

這里面最關鍵的要素就是研究基礎設施的數據，如果沒有這個東西是很難去做的，我覺得這也是我們這個策略的核心壁壘。因為只有少數的公司能夠投研全員參與合力做同樣的事情，而且這個數據還是活的數據，不是一次性篩選就結束了，它是一個動態持續在更新的數據，這個我覺得是很有價值的。

雖然最終我們是用量化方式構造策略，但是高度還原了主動投資的過程，盡量讓兩種方式取長補短，發揮多元和穩定的優勢。

我的新產品就是用這樣的多策略配置投資組合框架，產品設計多元配置的特點決定了它很難階段性跑到最前面去，但也確保不會跑到最后面。我們按照這樣策略配置的目標，希望收益能夠長期達到偏股混合型公募基金中位數之上一點的目標，比如能夠在50分位數到20分位數之間，這樣的話長期累計的回報會非常有競爭力。

貓頭鷹：好的。謝謝何博。何博是一位非常資深的量化從業者，之前也管理過很多的私募產品或專戶的產品?，F在是要在博道發一只公募產品，核心策略是用長期競爭力精選個股量化策略，衛星策略是用景氣驅動力優選行業量化策略，結合起來是可以取長補短的。

我們關注到，市場上有一些基金產品是對標偏股混合型基金指數（885001）的，其中有博道原來的量化產品，也有其他家公司量化產品在對標這個指數。何博能不能介紹一下，這個核心+衛星的策略，跟這個指數對比起來會有什么優勢？

何曉彬：我總結一下，我們這個策略把投資目標定在偏股混合型基金中位數之上的核心邏輯。

我們覺得要戰勝偏股混合型基金指數，一個核心問題是解決戰勝基金重倉股指數的問題。

因為所謂的中位數收益，其實就是偏股混合型基金指數的收益，怎么拿到第二層的超額收益？假如說我們穿透把偏股混合型基金所有的持倉提取出來構建一個投資組合，這個投資組合理論上對應偏股混合基金指數的收益。

但是，我們其實是不知道偏股混合型基金實時的持倉，只能知道每個季度前十大重倉，但是理論上也可以把它的前十大重倉提取出來，做抽樣復制，去構建一個組合。

這個重倉股策略我們做了模擬測算，歷史回測的收益在中位數附近，因為這個持倉是有滯后的，同時還沒有交易這個維度，但已經可以近似替代了。

所以，首先要解決戰勝基金重倉指數這個問題，但其實單靠量化方式很難。因為基金核心持股很多是長邏輯，量化優勢更多是一些短邏輯，因此，我認為只能靠主動深度基本面研究賦能選股才能解決這個問題，這是我們長期競爭力策略配置的基本邏輯。

此外量化可以在基金重倉風格之外的地方賦能，例如補充短期景氣度的超額收益。因為市場的風險偏好會變化，有時候給長期的競爭力賦權更重一點，有時候對短期的景氣度看得更重一些。所以我們形成了核心的長期競爭力策略+衛星的景氣驅動力策略的混合策略，力爭超越偏股混合型基金的長期平均回報。

貓頭鷹：可能對于很多個人投資者來說，量化產品需要有更明確的定位。何博做量化的時間非常長，對傳統的多因子，機器學習AI策略，包括在私募產品當中比較特殊的量化策略也好，都有比較豐富的經驗。在你來看，從傳統的多因子，過渡到機器學習，或者基本面結合比較多參考主動基金經理這樣一些思路，這些策略它們之間比較來看的話，您會更加推薦目前這個產品的策略嗎？

何曉彬：其實從資產配置角度，我一直有這么一個理念：配置越多元，整個組合收益的性價比就會越高，理論上兩個方向的策略都值得配置。

從策略比較的角度來看，機器學習主要往價量這個方向發展，更多是賺均值回復的錢，或者是市場里情緒波動的錢。這類策略不一定符合多贏的格局，因為這部分超額收益，很大一部分是從散戶那里搬過來的。

而往基本面投資方向發展，則更多是把企業的盈利，把企業創造的價值搬給投資者，可能這個更符合多贏的格局。

從策略容量維度來講，均值回復的價量策略，畢竟還是會有策略容量的上限。但基本面這個維度它的容量是很寬廣的，因為企業的價值創造可以不斷擴大。

當然從資產配置角度，兩個策略他們在不同的維度上，都是為了創造超額收益。從組合的角度，最好就是多元配置。

貓頭鷹：我們看到偏股混合型基金指數，在2019、2020年大幅度跑贏同期上證指數。但在今年，則跌幅比較大。你覺得如果產品對標這個指數的話，長期來看，會不會有比較好的超額收益？

何曉彬：我覺得偏股混合型基金指數跟寬基指數對比，實質有風格輪動的因素，因為偏股混合型基金整體偏成長風格。

A股市場2016-2018年是偏價值風格，2019-2021年是偏成長風格，今年確實有可能進入到偏價值風格。本輪價值風格占優，我們研究下來背后可能有三個主要原因：

1）伴隨陸股通的開放，海外資金持續流入A股，國內利率中樞下行和市場波動率下行，A股呈現一定的美股慢牛特征，對應中美資本市場聯動性提高，我們統計了18年以來美股成長價值輪動表現和A股風格輪動基本一致，通脹高企背景下美聯儲加息預期使得美股成長風格向價值風格輪動，對應也外溢到A股，使得近期市場也呈現價值風格占優的情況；

2）商品價格高企，偏上游的周期行業維持高景氣，保持著一定的市場活躍度，這些行業總體偏低估值的特征；

3）國內穩增長背景下，市場對房地產企穩和基建發力的預期較高，使得金融、地產、建筑等低估值行業有明顯的表現。

關于風格輪動我之前看到一篇文獻《量化周期》，這篇文獻回顧了美國過去一百年，傳統因子例如動量、價值、質量等的表現，文獻的結論是因子輪動，跟經濟周期、通脹周期，包括情緒周期關系都不是那么緊密。

我們研究也發現，上一輪美聯儲2016年-2018年的加息周期，2016年開始加息的時候，確實也是出現了成長向價值輪動，但是后面它雖然一直在加息，其實風格還是又回到成長了。

所以短期關于成長價值的輪動，后面還需要再緊密觀察，到底是不是長周期拐點，關鍵是盈利趨勢的判斷。

長期來看，我們還是回到“三個層次”的收益來源上，我們對企業基本面長期價值創造持有堅定信念。

貓頭鷹：按照你的復合策略，組合分散度、股票數量和換手率大體是什么情況？

何曉彬：我們在每一個策略構造上，都有做單獨的分散度風控措施。比如長期競爭力策略中單個行業的上限是20%，個股的上限是10%。

從股票數量來看，長期競爭力策略大概選出來30-40家公司，景氣度輪動策略大概選出50-60家公司，合計大約80-100個股票。

換手率的情況來看，由于長期競爭力策略的因子是長期維度，雖然這個池子在動態變化，但是總體這個策略換手率會稍微低一些，而景氣度輪動策略的換手率會稍微高一點，所以一個偏低一個偏高換手率搭配在一起，合計大概單邊年化換手率是3倍左右。