国金量化专访——公募量化黑马

关于国金基金

提到量化，大家可能首先想到量化私募四巨头，因为大部分优秀的量化管理人都出现在私募基金。而公募基金，虽然量化产品占比较小，但仍不乏一些优质的管理人。今天我们要介绍的这家机构是一家公募基金公司，而且旗下量化私募基金表现毫不逊色于一些量化私募的表现，它就是国金基金——公募中的量化黑马。在正式介绍国金基金之前，先用业绩来展示一下国金量化的实力。在刚刚过去的2022年，大部分股票类基金都收益为负的背景下，依然获得12.23%的正收益。

国金量化基金业绩表现优异，而业绩的背后是公司多年的投入和投研团队的专注和积累。对于投资者而言，量化指增类产品不仅可以在跟住指数beta收益的同时，还能额外收获超额收益。在长期的投资中，量化指增类产品一般适合认同长期持有β收益的投资者。

接下来，介绍一下国金基金的公司情况。国金基金管理有限公司成立于2011年11月2日，总部位于北京。除此之外，国金基金的股东实力也十分雄厚，目前国金基金拥有七家股东，其中国金证券为最大的股东。

根据wind数据，截止2023年二季度，国金基金总规模为513.44亿元，管理基金数量51只，其中货币市场型基金241.56亿元，债券型基金91.22亿元，混合型基金67.73亿元，股票型基金65.06亿元，REITs47.87亿元。

追溯国金量化的发展历程，作为国内首家将量化投资写入核心战略的公募基金公司，国金量化历经牛熊变迁，始终保持对量化投资的投入和建设力度。也正是因为多年的心血投入和对量化策略的研发热情，国金基金从众多机构中逐渐脱颖而出。

关于投研团队

国金基金量化的发展历程，最早可以追溯到2013年。2013年，国金基金开始搭建量化平台，引入事业部制，最初有四五个团队在量化平台上运作。目前的国金量化投资团队由姚加红领衔，团队核心成员均出身于知名院校的经管、计算机专业，“金融+IT”复合背景，擅长运用人工智能机器学习方法，构建人工神经网络预测模型。

姚加红，国金基金总经理助理兼量化投资事业部总经理，国金量化多因子、国金量化多策略基金经理，国金新智能量化系列专户投资经理。金融从业19年，姚加红的从业经历可能和以往的基金经理有所不同，他本人是从IT成功转型为量化投资经理的。

2004年，姚加红于北航计算机专业硕士毕业，2004-2011年在博时基金信息技术部担任高级程序员，2011-2013年担任国金基金信息技术部总经理。2014年开始研究机器学习和量化投资。2016年，姚加红正式从IT岗位转型为量化投资经理。后续的时间里，在他的带领下，国金量化不断发展壮大。

从数学上看，投资的预测和风险管理都是有关预测的问题，前者是预测投资的收益，后者是预测收益的波动。从IT到量化投资经理，靠的是技术和数学的积累，在充分利用前沿技术的基础上，预测投资标的收益，管理投资组合风险，创造相对稳定的绝对收益。而姚总的优势，恰恰是利用了前沿技术在投资上的丰富应用，以技术为驱动的核心，以稳健的目标为理念。

目前，国金量化研究团队6个人，主要支持团队近40人，包括IT，交易和风控等部门，为投研支持，软硬件建设，基础数据清洗，交易实施和风险控制等业务全链条保驾护航。

关于投资策略

国金量化策略整体的投研框架以机器学习为基础，提高预测能力，以多目标、多周期为框架做预测组合，最后生成比较稳定的投资收益。对于量化策略而言，难点不在于区间时间内超额收益有多高，而在于超额收益的稳定性。国金量化以追加超额收益的稳定性和持续性为目标，不断优化策略模型。

国金量化策略框架的流程主要分为3部分，一是特征工程，主要来自研报、行情、一致预期等信息，在大量不同的数据中挖掘不同的数据特征，再根据这些信息加工具体特征；然后基于不同的特征用神经网络和非神经网络的机器学习训练，生成相对准确可靠的模型，将这些模型等权线性叠加，预测不同标的以及不同周期，最后生成投资组合。基于特征工程下的模型同时运行的目前大概有几十个，每个模型的预测能力是关键，在每日的观测下，一旦某个模型某些时间里表现不佳，则会被替换掉，以保证整体预测的有效性。

在市场风格层面，国金量化策略也会有所预测，国金量化策略对市场不同风格等维度建立了预测模型，目标是获取相对稳定的超额收益。市场风格极端的环境不可避免，但发展到极致时又会回归。同时用严谨的风控模型，无论是行业、风格，从偏离的大小还是偏离的时间都有严格的控制，以尽可能保证预测收益的稳健性，短时间内会对市场风格和行业有所侧重，但是偏离幅度受到风险模型的严格限制，同时偏离的依据是预测某些市场风格和行业有超额。包括在2022年这个超额难做的年份，国金量化策略也依然把握住了市场节奏。

国金量化策略采用机器学习技术“自上而下”构建选股模型，在风险模型约束下，紧密跟踪基准，严格控制运作风险，并根据各个子模型一定时期内的表现情况对其迭代，提高整体模型的适应能力，目标取得持续稳定的超额收益。依据经济基本面、市场情况等相对基础的数据触出发，构建模型选取中长周期具有超额收益的个股构成股票投资组合。选股模型不仅从盈利和营利收入等角度评估上市公司的价值和成长性，同时充分考虑市场情绪等因素为标的合理定价。模型使用的输入变量主要可以分为基本面和情绪两个主要方面：（1）基本面：可以分为成长、价值、质量和动量四个大类。（2）情绪：反映市场情绪的变量，例如资金流和技术性变量等。以上变量经过分类构建不同的预测子模型，共同决定选股的输出结果。

关于产品业绩

国金量化公募产品策略脱胎于成熟的公募专户策略，专户产品多以绝对收益为导向，对策略超额的稳定和持续性要求比较高，经过六年多时间的实盘运作，其超额体现了稳定持续的特征。国金量化策略以技术为特色，模型具有较强的迭代优化驱动力。

数据来源：wind

国金量化多因子股票A，业绩比较基准指数为中证500，以量化选股的方式获取超额收益。以国金量化多因子股票A近三年的数据为例，截止2023年7月12日，区间累计收益率60.85%，年化收益17.17%，最大回撤21.07%，以中证500指数为基准累计获得了71.54%的超额收益，年化超额收益23.8%，在同类策略基金中排名领先。即使在市场震荡的2022年，也依然取得了12.23%的绝对收益，获取了约32%的超额收益（对标中证500指数）。

数据来源：wind

根据wind2022年年报的数据，从Brinson和行业占比分布来看，国金量化多因子A产品行业控制比较严格，偏离较小，基本行业偏离大多在2%以内。从近三年行业配置来看，也可以发现国金量化多因子A行业分布相对均衡。

数据来源：wind

国金量化多策略灵活配置混合A，主观对标沪深300指数，以量化的方式获取超额收益。以国金量化多策略灵活配置混合A近三年的数据为例，截止2023年7月12日，累计收益率40.09%，年化收益12.33%，在同类策略基金中排名领先。即使在市场震荡的2022年，也依然取得了6.39%的绝对收益。

数据来源：wind

根据wind，2022年年报的数据，从Brinson和行业占比分布来看，国金量化多策略A产品行业控制比较严格，偏离较小，基本行业偏离大多在2%。从近三年行业配置来看，也可以发现国金量化多策略A行业分布相对均衡。

对于产品布局，国金量化业务将充分发挥量化业务的核心竞争力，利用策略的多样性及团队投资特色，建立全面的量化产品线。利用单一策略或组合策略，布局专户产品，追求绝对收益。构建多策略组合，布局纯量化公募产品及与固收投资相结合的混合型公募产品，追求相对收益。通过“专户+公募”，满足投资者的多样性投资需求，提供适应不同市场环境下的量化产品。