苏俊杰，清华大学学士，美国芝加哥大学金融数学硕士，拥有11年证券从业经验，近4年投资管理经验。历任MSCI Inc.分析员，华泰柏瑞基金量化投资部投资经理，财通基金量化投资二部负责人，2019年加入鹏华基金，现任量化及衍生品投资部总经理兼基金经理，先后管理了多只量化对冲、指数增强和主动量化产品，深耕量化投研领域。本期，苏俊杰将与大家一同分享“‘AI+’ 基本面量化投资框架”。
1、量化投资是采用数量化方法进行投资交易的一种投资方法。如果投资是科学和艺术的结合，量化投资就是投资中相对科学的一面。
2、量化投资具备纪律性和系统性特点，因为相对而言会更客观，从数据出发建立模型，很少会受到人的情绪、外界波动的干扰，这样长期来看，量化投资就能够在我们这个市场中获得超越市场的表现。
3、“AI+”基本面量化就是将基本面信息和AI技术进行深度融合、优势互补，以基本面量化为主，以人工智能模型和多元数据作为补充，人工智能算法和经典的多因子框架互补，同时引入基本面观点和NLP技术去控制风险。
4、在我们团队的理念中，我们认为模型本身并没有那么重要，重要的是坚持这样一个持续进化和迭代的理念，然后不断去优化、迭代这样一套体系，使它能够更好适应未来的市场环境。
5、我们没有停下来的理由，只有不断去进化，不断去适应这个市场，才能够在竞争越来越激烈，也越来越有效的市场中，尽可能地去获得一点点超额收益，体现出我们职业投资管理者的价值。
6、回撤的发生不可避免，因为市场永远不可能简单地重复，历史会重复，但是不会简单重复，每次都会有不一样的情况发生。
Q1:能否请您简单介绍一下自己的从业经历，以及是如何在量化投资领域持续深耕，成长为一名优秀的基金经理及团队管理者的？
苏俊杰：实际上，这十几年我一直深耕指数化、量化投资领域。我的第一份工作是在MSCI Inc.担任风险管理以及一些组合管理工具的开发工作，之后加入公募基金行业，一直从事指数化投资、量化投资领域的研究和投资工作。在这十几年的过程中,我越来越体会到量化投资、指数化投资的魅力和前景，也逐渐成为了一名指数化投资的信仰者。所以,我现在在这条道路上越走越远，这几年国内的量化和指数化投资也得到了飞速发展。
公募基金作为市场中最专业的机构投资者，我们也希望能够在这条道路上做得更好，我也希望能够带领鹏华基金量化及衍生品投资团队，在指数化被动投资以及一些Alpha投资领域能够做得更好
Q2:对于很多投资者朋友们而言，量化投资不像常见的权益和固收投资，大家一直都感觉比较神秘。能否请您先和大家介绍一下什么是量化投资？目前的发展又是怎样的？
苏俊杰：实际上，量化投资是采用数量化方法进行投资交易的一种投资方法。如果投资是科学和艺术的结合，量化投资就是投资中相对科学的一面。
从国外发展来看，从统计套利、多因子到机器学习，多元化策略包括了因子投资、机器学习、高频交易、系统化投资等等。以国外著名的文艺复兴为例，西蒙斯作为数学家，早先从统计套利起步，后期也引入了机器学习模型。目前全球的量化投资都朝着多元化投资在发展，作为一个舶来品，量化投资在国内的发展相对国外而言起步比较晚。从最初简单的数量化指标组合，到现在形成了完善的多因子框架体系，再到目前我们国内的量化投资慢慢也融入了AI技术和理念。
不管是在公募还是私募领域，这几年国内量化都取得了迅猛发展。一方面，得益于指数化投资大繁荣，这些年ETF迎来大发展，从千亿规模发展到现在15000亿规模。另一方面，主动量化在此基础上也得到了非常大的发展，包括公募和私募。公募主要以中低频量化交易为主，私募普遍以中高频量化交易为主。目前来看，量化交易贡献了市场上相当可观的交易量，成为市场中一股重要的定价力量及流动性提供者。
Q3:能否请您再和大家分享一下，量化投资作为一种定量投资方式有什么特点？
苏俊杰：量化投资是一种系统化、框架性的投资方式，它的决策流程和我们通常了解的主观投资有所区别。量化投资往往从数据出发建立模型，然后得到最终的投资组合，并且最后转化成持盘交易，这是量化投资普遍的流程。
正是基于这样的流程特点，量化投资具备纪律性和系统性特点，因为相对而言会更客观，从数据出发建立模型，很少会受到人的情绪、外界波动的干扰，这样长期来看，量化投资就能够在我们这个市场中获得超越市场的表现。无论海外还是国内，过去10年的发展历史基本上都已经证明了这一点。
Q4:今天的分享主题是 “AI+”基本面量化投资框架，可否分享一下您的量化投资理念？以及我们应该如何去理解“AI+”基本面量化这一概念？
苏俊杰： 这几年AI确实是一个炙手可热的名词，尤其去年ChatGPT横空出世以来，AI成为了A股市场投资的高度热词。实际上，“AI+”基本面量化就是我们将基本面信息和AI技术进行深度融合、优势互补，以基本面量化为主，以人工智能模型和多元数据作为补充，人工智能算法和经典的多因子框架互补。同时，我们还会引入基本面观点和NLP技术去控制风险。
AI作为一个新的技术手段，类似于我们更先进的生产工具，好比我们人类从石器时代进化到铁器时代，再到青铜器时代，再从工业革命进入现代化社会，我们的工具在不断进步。
原来，我们的分析框架可能仅限于传统的统计、数理统计方向，现在将AI的理念和技术融入到我们的模型中，我们对于数据和信息的挖掘深度以及理解程度会进一步加深，这也是我认为“AI+”的基本面量化能够在未来持续发挥效用，并提供超越市场的超额收益的核心理念。
Q5:可否请您进一步和大家聊一聊这一策略有什么样的优势？
苏俊杰：从策略框架上来看，“AI+”基本面量化模型既融合了经典的投资理念和思想，包括相关的行为金融学理论，又利用了最新的人工智能技术，提升了数据挖掘效率，能够更广泛地挖掘潜在投资机会。“AI+”主要“+”在哪些方面，我认为主要有2个方向：
第一，对于数据源的挖掘。我们通过AI技术把一些原来我们没法处理甚至没法获取的数据，能够融入到我们的模型中，比如，海量的高频数据，一些非结构化数据，一些舆情以及产业链相关数据，通过AI技术我们都可以把它逐渐融入到我们现在的模型中。
第二，对于数据信息的挖掘。AI作为一个先进的生产工具和先进的技术，它能够帮助我们更好地去挖掘数据中的信息，榨取数据的价值，更好地利用这个生产资料。
所以，我认为“AI+”能够从以上两个维度给我们带来增益，并最终体现在我们的模型或者最后的管理业绩上。通过“AI+”理念的融入，我们打造了这样一套从理念上或者从示范效果上比较领先的体系，在业绩上能够更好适应不同市场环境，在不同市场环境下都能够获取相对市场比较稳健的超额收益，从而也实现我们作为专业管理人的价值所在。
Q6:能否请您给大家继续介绍一下鹏华基金的量化指数增强投资体系？
苏俊杰：我将我们的量化投资体系定位为“科技赋能下的基本面量化”，也就是“AI+”的基本面量化。实际上，我们是业内率先打上“AI+”标签的团队，今年AI特别火，但过去其实很多人对于AI在投资中的应用还有一些质疑，因为他们认为这可能会造成一些数据上的噪音，比如过拟合现象在量化中比较明显。
目前我们已经形成一套相对完善的体系，会从海量数据出发，充分利用高频历史行情数据、中低频历史行情数据、比较传统的基本面数据、行业数据、产业链相关关系、上下游变化、宏观交易数据等等，里面就有我们这几年做得比较多的另类数据体系。另类数据的范畴非常大，既包括前面提到的这些产业链、行业链相关数据，也包括像ESG、舆情等数据。
所以，我们会把这3大块数据融合起来：交易信息的量价、基本面信息的财务报表、海量的另类数据。将这些海量数据融合后，我们再通过人工智能技术以及研究员自身对于信息的深入理解和挖掘，从中发现相对于价格走势，有比较稳定预测能力的一些信号或者特征。
人工智能技术不仅有信息挖掘能力，在信息合成方面也具备非常强的拟合能力。我们会利用像神经网络、遗传规划、NLP这些人工智能方法，将这些数据和挖掘出来的特征进一步结合，形成我们最终比较有效且稳定的模型。
这整个一套体系就是我们讲的符合量化策略特征，从数据出发，挖掘数据中包含的信息和特征，形成模型和预测，最终转化为二级市场上的交易，实现最终的投资回报。
在这个过程当中，我们会不断打磨、迭代每个环节。从数据处理维度，我们会不断去深度挖掘所有能够获取的信息，研究员们每天也都在不断寻求新的因子，寻找尚未被发现的、对于价格或者对于收益率预测有效的Alpha因子。另一块就是我们的“AI+”人工智能算法，因为借助于计算机的算力，AI在信息和数据挖掘方面具备了人所不具备的优势。
首先，它能够处理海量数据。第二，它不知疲倦，能够完成我们人类所不能完成的重复劳动。所以，我们进一步拓宽了数据挖掘，目前我们内部已经形成了超过5000个Alpha因子，其中既包括我们研究员人工挖掘出来的一些特征和因子，也包括了机器学习挖掘出来的特征和因子。
最后，我们这套“AI+”基本面增强体系从两个维度进行了增强，在数据源维度，我们进行了非常大的扩展，在数据挖掘维度，我们通过人工挖掘和机器挖掘形成了庞大的因子库。
以基本面信息作为主体，以大数据和人工智能的方法作为补充，二者相得益彰，最终实现对传统量化指数增强的再增强。在我们团队的理念中，我们认为模型本身并没有那么重要，重要的是坚持这样一个持续进化和迭代的理念，然后不断去优化、迭代这样一套体系，使它能够更好适应未来的市场环境，这就是我们持续进化迭代的理念所带给我们的不断前行的优势。
Q7:可否请您进一步和大家聊一聊这一投资体系有什么样的特点？以及是如何实现超额收益的？
苏俊杰：我们是以中低频多因子框架为主，以高频量价和人工智能方法作为补充。在成熟的多因子框架体系中，以中低频基本面因子为主，获得的主要是基本面均值回复的收益，而人工智能的方法和中高频数据能够带来更多更高维度的Alpha收益。通过对数据源不断拓展和运用AI算法算力，不断丰富Alpha来源，即我们前面讲到的5000家因子库，最终实现了我们对于未来收益或者价格更稳定的预测。
事实上，多因子模型多周期下的预测和我们以前做的也非常不一样。原来我们的预测周期更多以月度为单位，对于单一周期的预测，这种预测方法相对而言确实有一定效果，但是超额收益的稳定性不强。通过这种多周期、多频段的预测，我们把预测周期从月度提升到了周度，甚至是2-3个交易日的频段，这样不仅能够获得基本面均值回复的收益，同时也能够获得短期交易上的波动以及情绪波动带来的收益增厚。此外，我们在持盘交易过程中，利用短周期预测还可以进一步帮助我们压缩交易成本，使得转化效率更高。
这一套体系的系统性、科学性已经在我们过去10年的投资历史中得到了比较好的检验，我们的持盘业绩也说明了我们这套体系确实行之有效。
当然，这套体系本身也不是一成不变的，市场在不断进化和前进的过程中，我们也在不断进化、迭代，只有这样我们才能更好适应这个市场。在不牺牲量化纪律性和系统性的基础上，我们一方面迭代我们的系统，另一方面我们也拥抱新技术和新理念，包括像现在国际上比较流行的做法，我们也会慢慢把基本面信息以及一些主观信息纳入到我们的量化体系中来。我们没有停下来的理由，只有不断去进化，不断去适应这个市场，才能够在竞争越来越激烈，也越来越有效的市场中，尽可能地去获得一点点超额收益，体现出我们职业投资管理者的价值。
Q8:今年以来行情一直处于不太稳定的状态。面对这种产品净值的下跌和回撤，除了在操作端用专业投资能力和风控能力进行调整，您在日常中如何保持一种平稳的投资心态？
苏俊杰：市场波动不可避免，在我过去十几年的投资生涯中遇到过很多次市场大幅波动。从业到现在，我经历了两轮完整的牛熊周期，其中还有多轮风格剧烈切换的周期。对于我们职业投资人而言，这种牛熊切换、风格切换，对我们的投资理念和投资的结果都是非常深刻的考验。
我认为要想保持一个相对平和的心态，首先必须要有投资理念和方法论的支持。对于量化投资体系和方法论，我有自己的信仰，我在这么多年的从业经历中慢慢成为了一名量化和指数化投资的信仰者，在这个过程当中我也体会到了投资是科学和艺术的结合，但首先是科学。
所以，我们的模型、所有因子以及最终交易的体系都经过了大量历史数据检验，在过去的历史上它的统计检验结果能够站得住脚，同时我们在过去十几年相对稳定的持盘业绩也证明了这一点。
其次，回撤的发生不可避免，因为市场永远不可能简单地重复，历史会重复，但是不会简单重复，每次都会有不一样的情况发生。所以，每当这种市场波动、风格切换、牛熊切换来临，对我们的模型或者投资业绩造成影响时，我们往往会坐下来去进行一些更加深入的分析，去反过来回顾或者审视我们这样一套投资体系和方法论，从而能帮助我们更好地去改进它，去迭代它，使得它在未来具有更强的适应能力。这里面包含两块：
第一，我们会深入分析因子和模型，研究发挥作用的市场环境是否会发生系统性变化。比如，这一次我们遇到了一波比较大的回撤，像今年年初以来极度反转的行情和过去4、5年的行情都非常不一样。在这个过程中，我们的模型和体系遇到了一些挑战，此时就需要我们首先分析原因，其次要去预测这个原因，导致这个模型回撤的原因是不是市场系统性变化，是不是由于市场定价效率的提升，是不是投资者微观结构变化所导致的，还是只是由于短期外力因素、情绪变化所导致的，从而能够帮助我们做出更加审慎、更加准确的判断。
第二，我们要加强自身的研究能力，不断去进化迭代这套系统。因为你不能停下来，你只要停下来，市场上所有人都在进步，最终你会被这个市场所打败、所淘汰。所以，我们只有不断进步、不断优化我们的因子、模型、框架和方法论，与时俱进，才能够适应这个市场并活下来，逆水行舟，不进则退。
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。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。
$鹏华沪深300指数增强A(OTCFUND|005870)$$鹏华上证科创100ETF联接A(OTCFUND|019861)$$鹏华上证科创100ETF联接C(OTCFUND|019862)$
本文作者可以追加内容哦 !
