01
单纯数据建模
量化策略的局限性
我认为单一的量化模型存在很大的问题，一方面是过度拟合，容易对历史上某一时间的市场表现进行拟合，但实际上A股市场风格多变，且投资受政策影响很大；另一方面，量化模型存在很多假设，比如假设外部环境没有大量的变化，但实际上A股的政策环境、市场环境、资金环境，甚至监管环境都会经常发生变化。因此，依靠单一量化模型很难解决模型失效的问题，而且当模型失效后很判别模型运行的有效性，比如一些量化组合某段时间表现非常好，忽然出现大的回撤，而且连续几年都表现不佳，我认为这是单纯的量化模型永远无法解决的问题。
解决这个问题的前提就是量化模型和策略要根据市场变化不断进行升级迭代，因为A股市场是一个经常发生变化的生态系统，作为生活其中的生物也必须不断更迭，适应市场。更迭也需要有自己的思路，一方面要了解最新文献，比如对市场的研究；另一方面要把主动的投资逻辑和投资思路进行量化建模。
02
有艺术更科学
主动管理 + 量化实现
正因为单纯的量化模型无法考虑外界因素的干扰，也无法洞察市场机制。所以，我认为量化模型应该基于重点投资逻辑和经营策略进行开发，而不能进行单纯的数据挖掘，因为挖掘容易出现问题。所以，长期优质个股选择带来的机会是量化模型选股的前提。我经常和部门优秀的主动基金经理进行交流，不仅将他们的投资思路融入我的量化模型，还不断用他们的投资思路对模型进行迭代，不断适应市场变化。
所以我们的量化产品有两大优势：第一，基于主动投资逻辑进行建模，能够解决单纯量化模型容易长时间失效的问题，投资表现将更为持久和稳定。以鹏华研究智选为例，它能适应不同的市场变化，实现相对稳健的业绩；第二，这是由主动投研部门打造的量化产品，主动研究的支持力度非常大。一方面，我可以从部门优秀基金经理身上汲取投资理念和投资逻辑；另一方面，我们的研究体系非常完善，从宏观策略到各个行业都有覆盖，比如，可以通过研究员剔除有瑕疵的个股，避免踩雷，从而使组合更稳健。
03
定量指标建模
全市场智能广选股
在个股选择方面，我主要从基本面因素和市场因素相结合的角度把握个股机会，同时考虑市场短期波动影响。具体包含两个方面：第一，长期的股价因素，主要包括估值水平、盈利的趋势变化及边际变化、公司未来的成长性三个维度；第二，市场情绪指标，主要用于规避风险，例如我很早就将成交拥挤度纳入投资策略中。
总结来说，整个投资思路就是量化建模、全市场选股、行业基本面跟踪验证，最后筛选出有效投资标的，形成有效投资。
以上观点仅代表基金经理个人观点，不代表基金管理人观点，不构成实际投资建议，也不代表基金过去及未来持仓。投资有风险，投资需谨慎。公开募集证券投资基金（以下简称“基金”）是一种长期投资工具，其主要功能是分散投资，降低投资单一证券所带来的个别风险。基金不同于银行储蓄等能够提供固定收益预期的金融工具，当您购买基金产品时，既可能按持有份额分享基金投资所产生的收益，也可能承担基金投资所带来的损失。您在做出投资决策之前，请仔细阅读基金合同、基金招募说明书和基金产品资料概要等产品法律文件和本风险揭示书，充分认识本基金的风险收益特征和产品特性，认真考虑本基金存在的各项风险因素，并根据自身的投资目的、投资期限、投资经验、资产状况等因素充分考虑自身的风险承受能力，在了解产品情况及销售适当性意见的基础上，理性判断并谨慎做出投资决策。
$鹏华成长智选混合C(OTCFUND010265)$$鹏华研究智选混合(OTCFUND007146)$$鹏华研究驱动混合(OTCFUND006230)$
本文作者可以追加内容哦 !
