我们采访了量化基金经理夏祥全，来看看他的“年终总结”和对量化投资及中证1000的展望！
在过去的2023年，从量化投资的视角，市场发生了哪些大事？
我就分享下感受最深的几件事吧。
第一，A股指数波动率调整至较低水平。沪深300的年化波动率下降至13%，低于2022年之前近20%的水平，其他的宽基，包括中证2000等小盘指数也有类似特征。
第二，行业分化较大。传媒、通信领涨市场，涨幅超30%，美容、电力设备等下跌近30%。
第三，主题或者风格层面，表现也相对极致。WIND概念指数中，ChatGPT概念指数、微盘股指数涨幅均较大，中特估指数经历回调后涨幅依然近14%；红利、低波等具有典型低风险偏好特征的风格表现相对较好。
特别提下红利风格，中证红利长期波动率与沪深300相近，但表现更优，长期具备一定性价比，在今年的低波动、风险偏好下降的环境下，市场关注度有所提升。我们的红利量化基金也已拿到批文，后续将和大家见面。
2023年，以ChatGPT为代表的大模型热度不断，而且大模型在各个行业的应用逐渐开始落地，你如何看待这个新事物对量化投资的影响？
大模型对量化投资的影响主要包括两个方面，第一，作为一个概念，大模型的开发与应用会对相关上市公司的业务、业绩产生影响，或者会对投资者的预期产生影响，从而影响股票价格表现；对于以基本面逻辑为主的量化投资模型，由于较难有及时的数据来反映这种变化，这可能带来额外的扰动。
第二，大模型作为一种工具，它丰富了量化投资的工具库，在大模型热门之前，量化投资领域已经使用了机器学习、深度学习的一些方法，但大模型在大算力、大数据和参数量的训练方式下所取得的良好结果，为量化投资使用相应方法提供了较好的借鉴。但金融市场的属性，大概率会使得这一工具在金融领域展现出辅助而非颠覆性作用，将大模型与量化投资模型有机结合，对于我们提升效率会有一定帮助。
您如何看待量化投资的收益来源？
在我所坚持的量化投资中，首先会将投资逻辑因子化，而由于逻辑的差异，不同因子收益来源可能不同，但大体根植于市场的非有效性，定价偏差、反应过度或不足、锚定效应等都可能是部分因子的收益解释。另外，量化投资拥有以概率取胜、可回溯、克服人性弱点等关键特征。从这些特征出发，精耕细作，也可能规避一些损失或者说，捕捉到一定的收益。
作为中证1000增强的基金经理，如何看待中证1000增强的投资价值？
从两个维度来讲，中证1000是典型的小盘股代表，行业分布上偏新兴成长，在经济复苏和盈利上行周期中，中证1000的盈利增速往往相对较高，这也在股票价格上有所反应；和微盘股除了市值上的差异外，中证1000的成分股中，具有细分行业技术优势的专精特新股票也较多，这为中证1000提供了较好的基本面支撑。
另外，中证1000的成分股构成为指数增强的实施创造了较好的环境。它的行业分布均匀、成分股权重分散，金融类占比低，这都有利于以广度、以概率取胜的量化策略的实施。
给2024年的投资者的一句话
权益市场天然属于乐观者，而作为指数增强的基金经理，我愿竭尽全力为您的乐观增添一分可能。
风险提示：基金有风险，投资需谨慎。上述内容不作为任何投资建议，不代表对未来市场表现的保证，不代表本公司对基金业绩的任何承诺或预测。观点仅代表当时看法，今后可能发生改变。基金管理人不保证基金一定盈利，也不保证最低收益。基金的过往业绩并不预示其未来表现，基金管理人管理的其他基金的过往业绩及其评级并不预示本基金的未来业绩表现。投资人应当认真阅读《基金合同》、《招募说明书》等基金法律文件，了解基金的风险收益特征，并根据自身的投资目的、投资期限、投资经验、资产状况等判断基金是否和投资人的风险承受能力相适应。
$申万菱信沪深300指数增强A(OTCFUND|310318)$$申万菱信中证500指数优选增强A(OTCFUND|003986)$$申万菱信中证1000指数增强A(OTCFUND|017067)$
本文作者可以追加内容哦 !
