2周前给大家盘点了今年业绩较好的公募量化基金《盘点今年业绩排名靠前的公募量化基金》，其中有提到国泰君安胡崇海，其中有提到他在因子方面做了一些很有意义的尝试，比如较多的使用了高频量价因子、以及对另类因子的挖掘等，今天就来详细了解下这位基金经理，并给大家分享下这次对胡崇海的调研信息。
一、基金经理
1、简介
胡崇海，浙江大学数学系博士，08年博士毕业。13 年的投研经历，其中 5 年研究经历，8 年投资经历。曾任香港科技大学人工智能实验室访问学者，其后加盟方正 证券研究所、国泰君安证券咨询部及研究所从事量化对冲模型的研发工作。2014 年加入国泰君安资管。在 Alpha 量化对冲策略、指数增强以及事件套利策略等方面有独到且深入的研究，是国内较早将机器学习技术应用到实战投资的量化投资经理之一。
从业经历：
2014 年底：加入国泰君安资管，并参与管理私募产品；
2021 年：任职国泰君安中证 500 指数增强基金基金经理；
2022 年：任职国泰君安中证 1000 指数增强基金、国泰君安量化选股混合、国泰君安科技创新精选 3 个月持有混合基金基金经理；担任国泰君安资管量化投资部（公 募）总经理；
2023 年：任职国泰君安沪深 300 指数增强基金基金经理，现任国泰君安资管量化投资部总经理。
从胡崇海的学历背景和从业经历可以看出他在人工智能和量化策略研究方面有非常深厚的背景和经验。21年之前主要在国泰君安资管管理私募产品，21年底才开始接管公募，所以公募的任职时间并不长，但实际投资经验还是丰富的。
2、现任基金
数据来源：蝶蜂数据，收益和回报数据统计截止日期为2023-8-11。
胡崇海现任基金5只，3只指增基金，一只全市场选股主动量化产品，一只科技创新主题量化产品，总规模合计31.77亿。
任职满一年的仅有500指增产品（014155），从今年以来的收益来看，全市场选股量化产品业绩更为优秀，因为产品投资约束更少，也在情理之中。
二、业绩表现
我们以成立时间较长的500指增产品的业绩表现来大概看下胡崇海的业绩特征。
对于一个指增产品，我们最为关注的自然是它的超额收益。
直观上来看胡崇海管理的这个500指增产品成立以来的超额收益非常稳定，且波动很小。
为了有个更清晰的认识，我选择了几个业绩相对不错的500指增产品，来看看他们的超额收益对比情况。由于国君500指增成立于21年底，剔除前期的建仓期，我们对比几只产品2022年以来的超额收益情况。
数据来源：蝶蜂数据
可以看到，虽然国泰君安中证500指增（014155）的超额收益不是最为优秀的，略为逊色于华夏500指增，但是稳定性却非常突出，超额的波动和回撤都是同类中最优的。
再看胡崇海管理的1000指增基金（015867）成立以来的超额收益情况。
数据来源：蝶蜂数据
除去产品成立之初的建仓期时间，超额收益曲线的波动和回撤也都很小，曲线非常平滑。可以说明胡崇海的量化策略确有其独到的过人之处。
这次调研中胡崇海重点介绍了国君量化的特点和投资理念，这里分享给大家。
三、国君量化的特点
1、不断精进的模型。
永无止境，没有躺平，一个模型躺平几年就失效了，现在的模型相比之前有很大的改进，如果用三四年前的模型，完全不改进，我们就跑不赢指数，甚至会跑输很多，市场不断往前走，我们也在不断迭代自己。
“过去几年我们从基本面、高频量价，从线性到机器学习、深度学习，11年间有8 次升级，我们的升级还在路上，永无止境。”
2、自研的交易系统。
私募量化很多都是自研的交易系统，特别是几家大私募，很少外包，持牌机构中（不管是公募还是私募），自研交易系统的并不多，我们算是早期自研交易系统的，2014年到资管平台使用之前在国泰君安的自营部门使用，2014年以后到国泰君安资管后改造成了Alpha，2018年后又改造成了偏高频的，从以前简单的拆单交易到现在自带预测的算法交易，对于整个高频量价、偏高换手率的策略来说，兼容性比较好。
3、不断更替的因子库。
这是胡崇海比较得意的一部分，也是他调研中重点介绍的一部分内容。
“因子库就像厨师炒菜一样，底层的原材料要好，对于量化来讲，需要关注它的因子库。一些从端到端的训练可能不一定完全看因子，因子是机器生成的，在我们当前的框架下还是人工挖因子，通过挖掘一些有逻辑的因子，不断积累，我们的因子有将近十多年的积累。”
这里可以留意到国君和国金的量化团队在因子挖掘上有些不同，国泰君安胡崇海的量化团队需要人工去挖掘因子；上次对国金姚加红的调研中他们团队提到不需要人工挖掘因子，只需要知道用到哪些数据，并不关心数据的应用逻辑，特征工程由机器学习完成（也就是胡崇海提到的端到端的训练）。从这里可以看出国金的量化团队的模型主要是深度学习模型，因此不需要人工特征工程(因子)。
当然这也可能和胡崇海认为人工挖掘的带有自己对市场理解和逻辑的因子比机器挖掘的因子更有效有关。“因子无非是找到市场往前演进的数据中所蕴含的投资机会，这中间非常容易带入我们对市场的理解，有时候单一因子刻画没有行为金融学的行为，或是我们对市场的某种理解，经过对因子的精雕细琢，我们觉得比机器挖掘的因子好一点，一是经过精雕细琢，可以带入我们对市场的独特理解，二是有逻辑的因子不太容易完全失效，机器挖掘的因子如果失效之后就不会再回来，有点偏向于从历史数据中挖出 有效因子（的路径），我们还是尽量追求精雕细琢。”
4、充分发挥集团优势。
国泰君安资管是头部券商国泰君安证券的100%控股子公司，在数据库、硬件层面、软件层面都得到了母公司的参与和支持，算力上也得到了母公司的支持，对母公司有较大依赖。另外借用母公司交易席位，在交易佣金上也享受到了万分之1.5的较低佣金。
四、投资理念
1、人工挖掘因子，避免同质化
胡崇海认为如果市场上的量化模型都是用深度学习模型，把原始数据放进去训练合成，再输出标准信号，其实这样的模型同质化非常强，容易失效，再强的模型也会失效，所以他在构建模型、挖因子的过程中都要引入自己对市场的理解，这也是他坚持用人工挖因子的原因，这样可以避免同质化，可以在市场上活的久一点。
2、基本面和技术面相结合
“我们坚持的就是希望抓取的股票是基本面和技术面共振，基本面和技术面共振都是从量化角度刻画。”
“我们整体是把这两个底层因素相结合，如果纯粹靠技术面肯定会经常踩雷，如果纯粹靠基本面，基本面的波动率很大，估值一失效可以失效两年，情绪也可以失效两年，如果大类因子一失效，Alpha曲线画的就不太平稳。”
通过引入高频量价数据，在基本面的情况之下做一些技术面交易，熨平超额收益的曲线。这种基本面和高频相结合的模型使得他们的产品在同行之中超额收益比较好，整体比较平滑，和我们前面看到的情况比较一致。
目前国君量化模型中大概是30%基本面因子+70%高频量价因子，基本面里包含所有的另类数据，技术面基本来自于高频量价和日内数据。
这也是体现出胡崇海团队量化策略稀缺性的地方，因为当前公募量化中还是以基本面因子为主的。
3、是AI深度融合的精细化量化投资团队
对于这个拗口的概念，胡崇海的解释是：纯粹 AI的话，对于算力和整个团队的挑战是比较大的，毕竟不是一家专门搞AI的公司，AI只是一种工具；除了AI之外，胡崇海团队更希望把“精细化”引入进来，所有因子的雕琢、对于细节的雕琢，希望体现出团队的工匠精神。
“我们希望把数据清洗、因子刻画、机器学习模型内部的一些雕琢做到极致，模型不需要多，但几个好的模型我们希望通过不同市场环境的考验，对每个模型有一些自己的理解，每个模型的性格、脾气有所了解，而不是纯粹追求非常先进的模型，这些都不是我们的特长，我们的特长是希望以AI为工具，把我们的精细化贯穿始终，去赚我们能力范围内能够赚到的钱。”
在模型上胡崇海也是一种比较开放的态度。AI领域的模型从大的层面来说一是传统的机器学习，二是现在比较流行的深度学习，两种各有所长。胡崇海认为单模型无法通吃市场，所以需要将机器学习和深度学习结合起来，构建多个模型再做融合。
“现在我们有10个子模型，每个子模型10%的权重，等权合成。”
胡崇海的这套理念整体上我还是比较认同的。
五、关于量化投资需要注意的点
胡崇海在调研中也给量化泼了些冷水，对于我们正确认识量化投资还是很有帮助的。
1、量化不是“包治百病”
量化不是唯一好的投资方式，一切都是轮回，这种轮回是对于2019、2020年非常强的主观超额收益的均值修复。主观投资2019、2020两年跑赢超额40多个点是常态，但作为一个大的群体跑赢40多个点后面就会相对难受一些，当前就是这个难受阶段。
2、量化的Alpha在衰减
量化好不好不能看Beta，大部分公募基金、主动管理跑不赢指数，但量化要把指数的因素剥离，看Alpha的强弱，如果你觉得量化好做，那就要看这个量化的强度是否有衰减，如果Alpha的强度在衰减，那么量化也不好做。
衰减其实是量化永恒的主题，量化也并不是蓬勃发展、积极向上，衰减是因为这个市场中参与主体越来越多，同质化越来越大。
所以我们在投资量化的时候需要密切跟踪的是基金的超额收益状况，如果超额出现持续下降，那模型可能失效了。
最后还要提醒大家的一点就是胡崇海管理的全市场量化基金国泰君安量化选股混合发起包含3类份额，除了C份额，还新设了D份额，解决了大家的费率问题。
a. A 类-申购 1.5%；持有满 365 天赎回 0 费率
b. C 类-申购 0 费率，持有满 365 天赎回 0 费率
c. D 类-申购 0 费率，持有满 30 天赎回 0 费率
D份额在费率上更为占优，大家申购的时候要注意了。
$国泰君安中证500指数增强A(OTCFUND|014155)$$国泰君安中证1000指数增强A(OTCFUND|015867)$$国泰君安量化选股混合发起A(OTCFUND|016466)$
本文作者可以追加内容哦 !
