私募札记|以多因子模型与全流程风控为内核的量化体系

（来源：云通数科）

《私募投资基金监督管理办法》中第十二条规定，私募基金的合格投资者和是指具备相应风险识别能力和风险承担能力，投资于单只私募基金的金额不低于100万元且符合下列相关标准的单位和个人：

1.净资产不低于1000万元的单位；

2.金融资产不低于300万元或者近三年个人年均收入不低于50万元的个人。

前款所称金融资产包括银行存款、股票、债券、基金份额、资产管理计划、银行理财产品、信托计划、保险产品、期货权益等。

本文不构成买入任何证券、基金或其他投资工具的建议，不涉及任何具体私募基金产品推介。对于文中所提供信息，所导致的任何直接的或者间接的投资盈亏后果不承担任何责任。

管理人简介

1.管理人概况

管理人R，是一家以量化投资与量化对冲为核心业务的私募证券投资基金管理人。公司以严格控制行业及风格暴露、强调Pure Alpha获取为核心的投资框架，主要布局市场中性、指数增强及量化选股等策略，通过短周期Alpha、中短周期基本面Alpha等构建超额收益，同时注重组合风险敞口管理与收益来源的稳定性。

2.核心成员

创始人、总经理：拥有17年对冲基金及衍生品投资相关从业经验，本科毕业于香港中文大学金融系，后获得美国威斯康星大学麦迪逊分校经济学硕士学位。早期曾任职于**期权交易所研究及产品开发部门、**集团全球对冲基金相关部门，2013年起加入**证券另类投资部先后负责交易运营、期权量化投资及股票量化投资等业务。此外，其还兼任**大学金融系研究生校外导师，并曾担任中国金融期货交易所期权专家组顾问。

创始合伙人、投研总监：拥有约15年量化投资及金融建模相关从业经验，本科毕业于香港科技大学数学系；其后赴美国西北大学深造，先后取得经济学理学硕士及统计学博士学位。职业生涯早期任职于**银行担任数理模型专家，2013年加入***量化投研部任量化研究经理，从事量化研究及金融衍生品相关工作，并于2016年加入***旗下量化投资机构，负责亚太市场量化投资及对冲策略，期间管理规模超过5亿美元的量化对冲资产，投资覆盖港股、A股、台股及日韩市场。

创始合伙人、投资总监：拥有约11年量化投资及金融工程相关从业经验，长期专注于中国股票市场量化投资与对冲策略研究。本科毕业于清华大学数理基础科学试验班，后获得美国加州大学伯克利分校工业工程与运筹学博士学位，研究方向主要涉及金融工程及金融市场微观结构，并曾围绕限价订单簿最优下单等主题开展学术研究，在相关国际期刊发表论文。曾于2015年加入中信证券另类投资部，参与量化投资相关工作，2017年进入**投资管理有限公司担任对冲基金经理，主要负责基于高频数据、人工智能等技术的股票量化策略研发与投资管理。

合伙人、市场部负责人：本科毕业于复旦大学计算机系爱尔兰班，取得复旦大学与爱尔兰都柏林大学双学士学位，后获得美国纽约州立大学宾汉姆顿分校计算机科学硕士学位。曾于2010年加入**证券，历任营业部部门主管、副总经理等职务；2017年加入**证券，先后担任营业部总经理及分公司总经理，并参与推动营业部向分公司体系升级。

3.生产流水线

公司以IT基础设施和算力系统作为底层支撑，构建了一套覆盖数据、研究、组合、交易及风控全流程的标准化量化投资生产流水线。公司首先通过超高频内存式数据库及中低频关系型数据库，对Tick级行情、基本面及财务等多维数据进行分类存储与处理；在此基础上，由策略平台开展Alpha因子挖掘及模型研发，围绕日内、隔夜及长期不同持仓周期构建策略，并结合机器学习、深度学习、Learning to Rank等算法模型提升策略研究能力；随后通过组合优化平台对不同策略进行资金配置及风险权重调整，并进入交易平台完成风控监控、交易路由及算法执行，最终将交易指令部署至上交所、深交所、中金所及北交所等主要交易场所。

策略详情

1.策略介绍

主要覆盖日间Alpha策略、基差管理及个股融券对冲三大模块。其中，日间Alpha策略是核心收益来源，公司依托数理建模、大数据及人工智能技术，基于公开市场信息挖掘个股Alpha，通过分散持有数百只股票并采用程序化交易进行动态调仓，重点捕捉中短期个股超额收益；在基差管理层面，公司针对股指期货升贴水及期限结构变化进行适当的跨期交易；在个股融券对冲方面，由量化模型生成多维度匹配的个股多空组合，通过券商的个股融券业务对冲市场波动风险，获取整体持仓的超额收益。

2.因子组合

在因子工程层面构建了由基本面因子、技术面因子及人工智能模型共同组成的多维度因子体系，覆盖不同数据频率、投资逻辑及持仓周期。其中，基本面因子主要基于A股公开财务数据、财经新闻及分析师研报等信息，从价值、成长、盈利、质量、社会舆情、分析评级、公司治理及股权结构等维度刻画上市公司基本特征，主要用于挖掘低换手条件下相对稳定的中低频超额收益；技术面因子则侧重高频市场数据，围绕价量关系、资金流向、筹码分布、截面离散度、北向交易及融资融券等维度捕捉短周期市场交易行为及高换手环境下的个性化Alpha。在此基础上，进一步引入人工智能技术，将基本面、技术面及市场环境等多维信息进行非线性融合，并利用深度神经网络等算法对市场结构变化进行动态识别和适应，从而实现因子组合的持续优化并最终形成股票投资组合。从历史回测收益归因来看，Alpha收益主要来源于量价关系、财报信息、事件驱动及另类舆情四大类因子。

3.策略研发流程

策略研发以实盘交易认知及学术前沿研究为起点，将形成的投资理念进行代码抽象和程序化表达，并利用历史数据开展模型训练与回测，在此基础上通过回测结果进一步进行风控模型的设计与优化；随后进入模拟交易阶段，在独立验证数据上检验策略及风险控制体系的稳定性，并通过样本外跟踪观察策略表现，以识别和降低模型过拟合风险。经过多层次验证后，策略进入实盘运行，并持续跟踪实际交易表现，将实盘反馈重新纳入研究体系，用于策略迭代和模型优化。

4.策略管理

采用多子策略并行组合的策略管理机制，通过持续引入和动态淘汰子策略，实现组合结构的迭代优化。在上线机制方面，备选子策略不仅需要在开发定型后经历充足的样本外静止期检验以满足上线要求，还必须表现出与现有在线策略的“良好低相关性”，以确保实现真正的策略分散与互补；在下线机制方面，若在线子策略在实盘中未能达到开发初衷，或者在特定市场环境下暴露出明显弱点，则会被果断剔除。

风控理念

（一）事前约束

在组合构建阶段建立多维度风险约束机制，由投研平台对目标仓位进行风险评估与限制，重点关注个股偏离度、行业及风格暴露、流动性等指标。在组合形成前，通过对潜在风险敞口进行量化评估，控制单一个股、行业及特定风格因子对组合整体表现的影响，降低非预期风险暴露，为后续交易及组合运行设定风险边界。

（二）事中监控

在组合运行过程中，公司依托交易系统结合实时行情对持仓进行持续监控，并开展聚类分析、合规检查及实时损益归因拆解。其中，聚类分析用于识别组合中潜在的集中度及相似风险暴露，合规检查用于确保交易及持仓符合既定投资约束，同时通过实时损益归因分析跟踪收益来源及风险变化，从而及时识别异常波动和潜在风险，并根据市场变化进行动态调整。

（三）事后报告

交易结束后，公司通过日末风控报告对当日组合风险进行系统复核，重点从压力测试及VaR值等维度评估组合潜在损失和极端情景下的风险承受能力。通过对风险指标及实际运行情况进行事后检验，进一步验证既定风控措施的有效性，并为后续风险参数调整、组合优化及策略迭代提供依据。

产品与收益表现

公司已形成覆盖沪深 300、中证 500、中证 1000、中证 2000 四条指数增强线及市场中性、灵活对冲两条绝对收益线的完整产品矩阵，公司采用 "价量轻混基本面" 的中频换手因子框架，** 以上实盘超额来自 Alpha 选股而非风格暴露，行业与风格约束严格，指增超额修复周期短、回撤低，综合撤单率低至 **；同时通过母子结构确保多期产品回报同步，并承诺资管与自营头寸无差别对待，容量充足。

（具体业绩表现文末扫码查看）

交流实录

Q1:整个公司是不是按照基本面的量化？基本面它占比大概一般是多少，比如说300或者A500，那后面是否就是存量价了？

A:文末扫码查看

Q2:去年在基金市场的资金比较一致的时候，你们的打分不高，是因为你们认为没有去做趋势追踪票，去年易中天这一部分你们就吃不到,今年迭代主要迭代在这个部分吗？

A:去年明显涨得太厉害，整个从基本面不管是市盈率，还是大家通常认知的这些基本面指标，财报指标就已经是超溢价了，我们就给它的打分会偏低。

Q3:今年可能大家也特别明确，就7月之前吧，我觉得市场上依然还是比较集中度很多爆款，包括集中在科创的那一部分，包括存储这类的.当我们觉得是要有一部分做趋势的票的时候，可是现在市场的资金又开始不知道该怎么选，分歧很大，没有主线的时候，那是不是对你会这个趋势票有影响？

A:现在属于一个小微票行情，因为没有大的抱团主线，市场是不太有方向，您可以看微盘股指数差不多是在8月份开始非常的活跃。其实2000是靠近风格，因为2000已经是偏小的票了，但是因为微盘股整个市场是受过伤的，容量是有限的，所以即使推我们也没有推微盘，我们依旧会推2000指数，原因是因为首先它接近小微票，但是它流动性会更好，容量上就会更高一点。然后所有的票也不会非常极致的去抱那些微盘股，最终它还是所有的小票，或者我们市场上的一些资金，因为没有什么抱团行情去拥抱，流窜在小票里面去做，它的交投是活跃的，交投一旦活跃，超额就比较好做。这种情况下，我们可以看，比如说9月以来整个产品的超额其实是不多的，但每周都会有收益，市场总是轮动的一个过程，不能说因为现在没有，我们就不去布局，毕竟买指增还是要买贝塔，在贝塔相对安全的一个角角度下，或者是哪天升跌的情况下去建仓贝塔，收益会更好。

当然作为长期投资来讲，大家都是看阿尔法，像我们的1000指增产品经过了这么多年，它才勉强上去过，现在又在我们当年建仓的水下了，但是我们的产品净值已经超过2了，长期的投资，我觉得看大家阿尔法的能力，但短期波动的时候，建仓选择一个比较好的指增建仓点，大概率还是看贝塔。超额这件事情当然是前期大家考虑的，在短期的建仓里面，我们要指增还是要按贝塔去建，整体上来看的话，指数最近会有一些比较清冷的时刻，正是因为这种清冷的时刻，反而是大家去布局指增产品一个好的时间点。

Q4:这个阶段不只是你们的2000，其他的2000都还跑得不错。这个阶段市场是没有什么主线，资金没有共识的时候，那资金在小票里面。如果比如9月份这样的躁动，那一旦是稍微有一点缓解，资金又往新一轮抱团，在9月10月份以后，也许突然间爆出个新的来，那么对于小票会不会影响比较大？同时，假如今天我们要想在这个阶想建仓的话，您觉得是1000还是建2000更好？

A:文末扫码查看

Q5:您刚刚展示的灵活对冲的是一个量化产品B.然后我看上线的是个A，因为我觉得像你产品的灵活对冲，其实在未来一个特别宽幅震荡来讲，它特别好,你的对冲的部分，你是用完全用股指来做对冲?

A:对，我们都是用股指期货。

Q6:因子层面组合优化现在是怎么做的？

A:组合优化现在还是非线性，就会用到机器学习深度学习去做，没有什么人工参与的部分。

Q7:以往会定优化目标，那现在呢？

A:依旧还是这样，我们新的信号会有时序的参与，时序因子的加入会不一样，一点，前期在因子层面不一样，在组合层面并没有变。

更多交流实录欢迎文末扫码查看！

限于文章篇幅及适当性要求，更多管理人信息及尽调报告，

欢迎加入【知识星球】👇

]article_adlist-->

风险提示：本内容仅代表原创方或原作者的分析、推测与判断，本文仅出于传递信息之目的，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性，本人不作任何明确或隐含的声明或保证，且不承担信息传递的任何直接或间接责任。相关信息仅供参考，不构成广告、销售要约，或交易任何证券、基金或投资产品的建议。 ]article_adlist-->