作者：lanse001来源：雪球

2023年6月14日很有荣幸跟着雪球调研团参加了对国金瑞信基金的马芳经理的调研。马经理管理的国金量化多因子股票A(006195)业绩表现出色。

【资料图】

本文较长，主要包括对国金量化多因子股票A(006195)的深度测评，本次调研信息分享等内容。其中重点是国金量化多因子股票A(006195)的深度测评。

一、国金量化多因子股票A(006195)深度测评

（一）、基本信息

国金量化多因子股票A(006195)是国金瑞信基金的一只量化基金，现任基金经理是马芳和姚加红。

国金量化多因子股票A(006195)的投资目标：本基金通过多因子量化模型方法,精选股票进行投资,在充分控制风险的前提下,力争获取超越比较基准的投资回报。

这个投资目标点出了国金量化多因子股票A(006195)股票A(000991)的主要特点：多因子量化。

作为股票型基金，基金的投资组合比例为：股票资产投资比例为基金资产的 80-95%；权证投资 比例为基金资产净值的 0-3%；每个交易日日终，在扣除国债期货、股指期货合约 和股票期权需缴纳的交易保证金后，持有的现金或者到期日在一年以内的政府债 券比例合计不低于基金资产净值的 5%，其中，现金不包括结算备付金、存出保证 金、应收申购款等。

1、资产配置策略 本基金采用自主开发的量化风险模型对市场的系统性风险进行判断，作为股 票、债券、现金等金融工具上大类配置的依据,并随着各类金融工具风险收益特 征的相对变化，动态地调整各金融工具的投资比例。同时，本基金将适时地采用 股指期货对冲策略做套期保值，以达到控制下行风险的目标。2、量化选股模型 （1）多因子选股策略 1）模型构建：本基金股票部分的构建采用 Alpha 多因子选股模型。根据对中国证券市场运行特征的长期研究，利用长期积累并最新扩展的数据库，科学地 考虑了大量各类信息，选取估值(Valuation)、成长(Growth)、质量(Quality)、市场(Market)、和一致预期(Forecast)等几大类对股票超额收益具有较强解释度 的因子，构建 Alpha 多因子模型，从全市场可投资股票中优选股票组合进行投资。2）因子调整：本基金量化投资经理和研究人员根据市场状况的变化，定期 或 不定期地对模型进行复核和改进，发掘影响股票超额收益的有效因子信息，适时调整多因子的具体组成及权重，以不断改善模型的适用性。

目前规模55.04亿元（2023.3.31），能够正常申购。

该基金中间基金经理发生过一些变更，现任经理马芳是2020-09-03上任的，至2021-07-22是与宫雪合管，2021-07-23后独立管理。2023-01-05与姚加红合管。

晨星基金类型：晨星分类中盘成长股票——中盘平衡。

业绩比较基准是85%×中证500指数收益率+15%×中证全债指数收益率。

（二）、业绩分析

1、净值表现。

与沪深300指数相比：马芳任职以来，2020 年 9 月 3 日起至2023.6.15涨幅达49.13%，大幅跑赢了沪深300指数的-18.96%.

2、最大回撤较低:

基金近2年最大回撤21.07%，回撤较小，低于沪深300指数，同类排名13/439 优秀，表现出色。（439只股票型多头量化基金）

3、风险收益比较高，

基金的风险收益比指基金的单位风险所能带来的收益，风险收益比越高说明承担单位风险带来的收益越高，基金的投资性价比越强。风险收益比常用夏普比率和卡玛比率来衡量。

夏普比率和卡玛比率都比较优秀，近1年的夏普比率（1.37）和卡玛比率（1.06）排名分别是同类第8名和第6名。（439只股票型多头量化基金）

（三）、资产配置和管理能力分析：

1、大类资产配置：

马芳任职以来一直保持高股票仓位（80%以上），持有债券在0到2.07%之间，因为是股票基金，股票仓位一直在80%以上，一般不择时。（合同约定股票及存托凭证资产占基金资产的比例为 80%-95%）

2、行业配置分析：

历史行业配置：从细分行业来看，电子、计算机、钢铁、通讯、食品饮料都配置过。轮动比较明显，比例经常调整。

当前行业配置：电子、计算机、钢铁、通讯是前4大重仓行业。

从归因分析来看：超额配置了行业。

可以看出：

（1）行业配置没有太多偏好，电子、计算机、钢铁、通讯都配置过，轮动比较明显，比例经常调整。

（2）第一大行业一般不超过25%，比较分散，符合量化基金的特点。

3、10大重仓股和选股能力分析：

（1）最新10大重仓股：

10大重仓股集中在电子、计算机、钢铁、通讯等行业上。第一大重仓股比例只有0.38%，持仓极度分散。以2022年报来看占比0.1%的股票有214只，最大持仓只有0.83%。

四季度调仓幅度较大，新进了沪电股份9只个股，只保留了立讯精密1只。呈现高度分散，换股频繁的量化特点。

10大重仓股财务数据特点：均值:PE:40.0PB:2.0ROE:5.1%市值:1452.3亿，高PE，中PB，ROE较低，市值偏大盘。

前十大重仓股持股比例合计3.19%。持股集中度很低，符合量化基金的特点。从某种角度来看，10大重仓股并不能完全展示基金的特点，量化基金的量化策略更为重要。

从持股的集中度来看，基金的持股集中度波动较大，目前是非常分散，集中度只有3.19%。

前十大重仓股季度风格变化，换股剧烈。如2022年第4季度持有的多数是食品饮料、基础化工等，2023年第1季度变成电子、计算机、钢铁、通讯类股票。

结合基金业绩来看，基金经理的交易能力较强。

从换手率来看，近年来逐步降低，可能与规模增大有关。妈经理说：换手在量化里面属于非常低的频率，基本上平均下来是一个半月到两个月这样的时间就是一个票。

从归因分析来看，有行业配置、超额配置、选股、交互收益都有贡献了明显的超额收益，其中行业配置收益主要来自制造业。制造业超配了9.61%。

（四）、收益拆分分析（基于财务报告）

从收益拆分来看，主要收益来着股票投资收益。

打新收益占比较小，近2年打新贡献度为0.25%。

来自雪球的业绩归因显示选股是主要来源：

最主要的收益来源是股票收益，而且股票非打新贡献的收益较高，侧面反映基金经理的主动管理能力是不错的。

（五）、持有人结构分析：

最新报告显示机构持有比例较大，比2022.6.30大幅提升。历史数据方面机构持有比例波动较大，在0至43.06%之间。

基金规模：规模波动较大，2022年3季度以来规模大幅增长。最新合并规模为55.04亿元，规模较大，最新份额方面为净赎回。马芳任职以来任职规模的增长来着基金净值增长和份额净申购两个方面的贡献。

（六）、投资理念：

投资框架：马芳表示，

（七）、基金经理：马芳女士:中国,1980年7月7日出生,中国人民大学硕士。2003年7月至2005年7月在华泰贝通网络科技有限公司担任IT事业部测试工程师,2005年8月至2015年9月在奥博杰天软件北京有限公司担任软件研发中心证券交易系统自动化测试部经理,2015年9月至2016年5月在北京海峰科技有限责任公司担任特定估值方案项目部经理,2016年5月加入国金基金管理有限公司,历任量化投资运营中心副总经理,产品中心副总经理,量化投资事业部副总经理。2020年9月3日担任国金量化多策略灵活配置混合型证券投资基金基金经理。2020年9月3日担任国金量化添利定期开放债券型发起式证券投资基金基金经理。截至2022年1月11日马芳女士兼任国金量化多因子股票型证券投资基金的基金经理。2022年11月14日起担任国金沪深300指数增强证券投资基金基金经理。

目前累计任职时间2年又282天，管理6只基金，以量化型为主，合计规模114.56亿元，任职回报都比较好。

姚加红先生:硕士。历任博时基金管理有限公司信息技术部高级程序员,国金基金管理有限公司信息技术部总经理、指数投资事业部副总经理,现任国金基金管理有限公司量化投资事业部总经理。2023年1月5日担任国金量化多因子股票型证券投资基金、国金量化多策略灵活配置混合型证券投资基金基金经理。

累计任职时间：158天，现任基金资产总规模65.21亿元。

（八）2023年1季度主要观点

国金量化多因子一季度超额风险收益 特征相对稳健，主要源于收益来源的多样化和分散的持仓风格。量化策略是不断储备和迭代优化 的过程，目标是获取相对持续和稳健的超额收益.

关于基金采用的量化策略，详细见下面的调研分享。

二、本次基金调研分享的信息：

1、现在国金整个的量化团队，目前这个团队是姚总带领的，核心有六位同事，整个是一个统一输出的管理方式，跟分PM有所差别。这样每个人管一块，大家自己会有自己的小方向，但是统一管理从一致性的调度上，从资源的利用上，包括从结果的输出上，一致性会更高一些。

统一管理的方式我们会按照自己策略的特色进行运作，基本上是一个流水线的方式。我们的策略本身还是基于机器学习搭建的，以模型构建为主的框架，所以我们在分工上也分前端数据、变量、特征，到建模、组合优化，按照各个模块分工构建。

2、说到策略方面，刚才我说到我们是以机器学习为基础核心做的一套技术架构，在此之上我们构建了一个多策略的架构。我们的多策略不是多资产的配置，和这个概念是有绝对的区分的。我们的多策略指的是我们会把市场按照多个维度划分，每个维度逐个构建子模型，进行判断和预测，这些子模型叠加起来，最后共同给每个股票打分，形成一个股票的排名，最后着落在股票排名上。

我们所有这些交易的动作，唯一的判断和依据就是这个股票的大排名。从架构上，从逻辑上是这样的一个逻辑。

在具体使用的数据上，在实盘里面我们基本上都是用的标准化的数据，有基本面类的，有量价类的，主要是这些数据。一致预期也会用，这个部分已经算是标准数据了，也不是什么另类数据了，所以在实盘里主要是这种标准数据在用。在模型层面就是我刚才提到的，我们会分成不同维度的对市场进行划分构建子模型，进而构建我们自己的投资组合，是这样的一个方式。整个框架从2014年2015年构建以来，有八九年的时间了。在发展过程中都非常稳定，没有什么变化。但是由于它分的维度非常广泛，可以在任何方向上进行精进，这也是我们做的本身优化迭代的一个方向。

3、我们投资的目标确实也是提供相对稳健的超额收益。

4、我们自己的做法跟传统的多因子会有一些差别，从实证上来看也有比较明显的一些区分。有一些比较好的观测点，比如2021年的9月份之后，比如去年10月份左右，都是比较好的一些观测点。因为从市场上来讲，我们拿市场上比较热门的一些因子，比如超预期因子。我们看到这个因子，它在我刚才说的这些时段会有超额回撤，而且幅度比较大，看起来不太像这种阿尔法的表现。

这边是我们自己的一个实盘的超额表现，从这个对比上也能看得出来，和市场上的相关性会比较低，差异也比较大，这样会很好地体现它的配置价值。所以我们自己的量化产品，也是一直在提它的可配置性、可配置价值比较高，因为它跟市场上产品的相关性会比较低，自己的超额也相对比较稳健。为配置性提供了一个很好的工具。

5、多策略跟多因子的差异是，它是对着300去做的。我们的精选跟多因子是一类的，完全一样。

6、提  问：对行业偏离是怎么看的呢？

马  芳：我们在模型里边会有一个部分，就是我们会对行业去做判断，是有一部分这样的收益，所以在时点上我们会有一些偏离。但是在组合上我们又会去给它做一个限制和优化，目标是控制风险的情况下获取收益最大化。

7、 提  问：我理解在时点的角度可能会有适度的偏离，但是您偏离的额度或者比例是有一个安全控制的，或者有一个边际控制？

马  芳：对，它平均上会落到一个比较小的范围里面去。

8、提  问：规模增长对于我们的策略是否有影响？

马  芳：当时我们自己在做的时候，对这一块真的是非常谨慎。在过程中它在做，我们也在一直观测，这是一方面。另外一个非常重要的点，我们公募产品的换手在量化里面属于非常低的频率，基本上平均下来是一个半月到两个月这样的时间就是一个票。从它进来到换掉，基本上是平均是这样的一个时间，所以它的换手非常低。

这样的话它能够容纳的量本来就不会太小，所以我们现在之所以还在接，确实是因为它在量上还有比较大的一个容量。规模会放在200亿元上，可能会停一停、看一下。

9、提  问：最近两年持股集中度在持续下降，截至2023年，Q1创了历史最低，这在以往主要出现在熊市期间。请问是否是量化模型提前提示当前市场赚钱效应很差？2023年Q2持仓集中度有无提升呢？

马  芳：2022年年底的时候集中度很高，这跟市场的形态变化有关，跟这个没什么关系。

姚加红：在数量上讲，有一些尾部持仓，虽然数量较多但是尾部的占比并不大，总体集中度差别并不是特别大。2022年年初的时候规模太小，导致集中度被动相对而言高一点，从策略上讲，主要执行的策略是一套，但是规模太小了过后，必须提升一点集中度，才能保证有些票能买到。所以这个并不体现策略的变化。

10、 提  问：市场上同类上涨，且同类初始样本股票池的量化基金规模有多大？第二个问题是，请问这个规模占这些股票的日均交易额多大？

姚加红：首先对于机器学习而言，这个很难去界定，因为别人也不会告诉我，他们的股票池和他们的算法。我们自己也只能尽量扩大我们的选股范围，比如我们不会局限于小票，或者只局限于某一个高波动的股票，我们不会局限于这些范围。这就意味着我们在选股上的标的比较多，不会因为微盘股或者是这些东西的流动性，而导致产品规模起来以后不好做，就不会产生这个问题，所以股票池是全市场的。

从策略的角度而言，这个更难界定，因为我也不知道别人做的是什么。但是一般而言，机器学习是非线性的，所以跟这种线性的多因子模型撞车的概率是比较小的。多因子模型都是线性的，大家能想到的基本上也都差不多。比如成长、价值、ROE、预期、贝塔，大家能想到的基本就是这些因子，无非是稍微做一些加工，但本质上都差不多。

因为都是线性的，虽然是不同的组合，但大家撞车的概率还是比较大的。但是非线性的，有几家结果表现完全相同，这个是不太现实的，这不太可能。所以理论上讲这一块跟市场上其他家撞车的概率会比较小一点。这个也是从我们的超额，尤其是专户的超额，专户我们在2021年9月份之后，整个量化私募的回撤，超额波动得比较大，但是我们也不太受影响，主要的原因也是在这里。这种做法跟市场主流的线性的多因子发生冲突的概率并不大。

11、提  问：量化多因子的超额收益来自于哪些行业？模型有偏离或做错的时候吗？

姚加红：超额的来源，我们是追求在风格、行业和个股的阿尔法这三者之间维持一个平衡。

（个人理解：具体的量化模型基金公司不能详细介绍，通过调研主要了解国金基金的量化是基于机器学习模型，是非线性的，与其他基金公司有较大的区别，目前超额收益表现还是不错的，后续会观察规模的影响。）

总结

风险提示：国金量化多因子股票A(006195)属于股票型量化基金，风险等级为r5，属于高风险产品，风险高于混合型基金、债券基金和货币基金，基金历史表现不能预测未来.本文为个人看法，不作为投资建议，据此入市风险自担。

总结

（1）基金的业绩表现上具有收益高、最大回撤较低，风险较低、性价比高的特点。

（2）行业配置没有太多偏好，电子、计算机、钢铁、通讯都配置过，轮动比较明显，比例经常调整。

（3）第一大行业一般不超过25%，比较分散，符合量化基金的特点。

（4）股票集中度很低，符合量化基金的特点。

著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。风险提示：本文所提到的观点仅代表个人的意见，所涉及标的不作推荐，据此买卖，风险自负。

标签：