馮雨生，北京大學金融學碩士，CFA(特許金融分析師)。2007年7月加入長盛基金公司，曾任金融工程與量化投資部金融工程研究員等職務，現任長盛基金量化投資部總監，兼任長盛成長價值、長盛中證100指數基金等基金經理。

　　在人工智能風口下，量化投資漸熱。特別是進入下半年以來，市場熱點分化，結構性機會交替涌現，公募基金中的量化產品業績開始回暖，長盛基金旗下量化家族成員集體綻放。

　　長盛基金量化投資部總監馮雨生告訴記者，整個量化投資就是把人的市場洞察能力轉變成超額收益的過程，“我們需要對這個市場不斷地研究，不斷地探索，去尋找能夠產生超額收益的機會”。

　　業績超越市場平均水平

　　繼主動量化基金在去年大放異彩之后，今年以來，公募基金行業內的主動量化型產品便呈現井噴狀態。據Wind數據統計，目前市場上共計100只主動量化基金中，就有41只是今年新成立的。似乎越來越多的人，在越來越認可這種使用數理化的模型來進行投資的模式。

　　而和部分剛剛布局主動量化產品的基金公司不同，長盛基金算得上是業內較早涉足此類產品的公司。目前長盛基金旗下共有7只主動量化產品。其中最早的一只基金——長盛成長價值成立于2002年。據馮雨生介紹，該基金完全用量化方式來管理，而且它只選股不擇時，倉位較為恒定，選股方面則基本上完全按照相關的基金合同，對成長性和價值性相關的個股進行配比，也使用相關的多因子模型。由于更加注重基本面，所以該基金的換手率相對比較低。據Wind數據統計，截至11月30日，該基金成立以來回報為719.75%，近五年回報為161.85%；而今年以來回報為14.08%，跑贏大多數主動量化基金。

　　在今年的基金市場中，量化基金整體的表現并不盡如人意。據Wind數據統計，截至11月30日，今年以來主動量化基金平均收益為2.14%，被動指數型量化基金平均收益為10.53%。而長盛量化團隊旗下的16只量化基金，今年以來主動量化基金平均收益為8.36%，被動指數型量化基金平均收益為14.54%，大幅跑贏市場平均水平。

　　產品業績的優異表現和長盛基金量化團隊的投研實力分不開。據馮雨生介紹，他們的量化團隊從2005年起正式建立，至今已有12年時間，團隊由基金經理、基金經理助理和研究員組成，發揮團隊協作的優勢，目前主要由研究員負責做各種策略，把能夠產生超額收益的因子做成策略，基金經理選擇運用和驗證這些策略，讓優秀的策略為投資者帶來良好的回報。

　　“國內其他量化團隊主要從海外引進，長盛基金的量化團隊主要為自身培養。”據馮雨生介紹，他從北大畢業后就加入長盛基金，至今已10年，其他成員也多為自身培養的量化研究的熱愛者。

　　馮雨生坦言：“我比較相信數學。過去能夠產生超額收益的東西，如果在條件和邏輯不變的情況下，未來產生超額收益的概率也會比較大。”

　　實際上，由于最終主導投資的是承載量化模型的那一個個“硬殼機器”，與主動投資相比，人在其中的作用似乎更為被動，即便是主動量化基金，也曾給很多人留下被動投資的印象。馮雨生表示，他也認同機器在某些方面有勝過人的地方，“我個人覺得人的很多能力目前是逐漸地被機器超越了，尤其在發現有趣的模式及能夠賺錢的模式上面，機器要比人強大很多。”但同時，他也表示，因為模型是人做的，策略也是人寫的，因子也是人編制的，所以人仍然是其中最核心的部分。

　　“人的主觀能動性體現在主動地利用因子形成策略，模型則根據某一個策略計算出來結果，我們就按這個結果來做交易。不同的量化團隊，人的主觀作用和模型的作用占比高低不一樣。如果一直在探索模型的過程中，可能就不斷地需要人來尋找新的因子。”

　　注重研究市場異常現象

　　與一般的基金相比，量化基金的特點在于策略的形成和實施是以模型為基礎，不僅不同的量化團隊所采用的量化模型不同，而更為核心的則在于因子的挖掘上。“選擇因子是核心，然后才是這些因子怎樣轉化成組合，再通過組合轉化成超額收益。”馮雨生說。

　　具體選擇什么因子，則需要基金經理和研究員具備市場洞察力。馮雨生告訴記者，系統本身是不產生超額收益的，超額收益取決于人的輸入以及人對這些因子的理解。整個量化投資就是把人的市場洞察能力轉變成超額收益的過程。“我們需要對這個市場不斷地研究，不斷地探索，去尋找能夠產生超額收益的機會。”他說。

　　除了考察一些海外成型的能夠產生超額收益的因子之外，馮雨生介紹說，他們會特別注重研究市場的異常現象，建立模型的目的就是為了捕捉市場異常現象來實現超額收益。“如果市場非常有效，模型或者主動投資所能產生的作用并不是很大。就是因為市場不夠有效或者它存在的異常現象比較多，所以才會出現投資機會，才會讓你戰勝這個市場。只要是你能夠找得出持續穩定的異常現象，能夠提供超額收益，那你就能夠持續地戰勝市場。”他說。

　　例如他們發現在上市公司公告業績超預期之后，超額收益有可能不只在公告之后的短時間產生，而可能在較長的時間里仍然會產生。“這就是市場異常現象。我們需要做的交易就是發現市場超預期公告以后，就會買入這些股票，如果這種異常現象一直存在，我們就能夠通過這個策略取得超額收益。”他介紹，只要是A股市場出現了比較有意思的現象，或者出現他們覺得能做出超額收益的現象，便會針對這個現象，專門開發相關的因子，放到量化模型里來。

　　“我一直有個觀點，量化基金的模型差異性越大越好。模型越類似，超額收益會逐漸遞減，但是當體現出模型的差異化以后，可能面對的就是一片藍海。”據馮雨生介紹，他們當前選擇的模型和因子，也是更傾向于使用市場中用得比較少的，也是研究的深度比別人更深的因子。

　　所以，從指標層面，即選擇因子上，長盛基金量化團隊會減少使用別人用得特別多、容易產生踩踏的因子。“我們刻意找了很多比較有差異化的因子，比如非常注重盈利質量，還有公司治理方面的因子，包括網絡關注度，我們希望對市場有一些與別人不一樣的洞察能力來獲取差額收益。”他說。

　　其次，馮雨生表示，同行可能更多用簡單線性的模型，而長盛基金量化團隊在模型上下的工夫更深，會特別注重模型捕捉投資機會的能力及模型泛化的能力。“長期來看，量化應該是很有前途的投資方法，因為它的整個過程相對來說更加科學，它的處理寬度，選擇標的的寬度，以及在市場洞察方面都有特殊的優勢。”他說。

　　人工智能助力量化投資

　　馮雨生表示，A股是比較有意思的市場，能夠大概率產生超額收益的主要集中在相對來說估值比較合理的股票上。而他通過統計數據發現，20倍估值和50倍估值的股票，其成長性并沒有本質差異。A股里仍然有很多結構性的投資機會，就在估值比較合理的成長股中，目前他們組合的很大一部分持倉就是估值比較合理的成長股。

　　馮雨生認為，雖然存在結構性的投資機會，但是也有結構性的泡沫，以前結構性泡沫主要出現在小市值股票上，而目前很多大股票也被炒得很高了。當然，大盤藍籌仍然很有投資價值，結構性泡沫只是局部的現象。

　　目前市場提供smart β主動量化產品，如量化主題或者行業類型的量化基金，現在已經有了醫療量化、信息安全量化等，即在某個行業或某個主題里投資，且完全用量化手段來做。

　　“目前一個新的轉變是，不僅依靠傳統的事件研究或者海外的相關主題研究來獲取超額收益，我們還會借助人工智能或者深度學習的東西，來捕捉可能用人比較難以尋找出來的投資機會。”馮雨生介紹，當前，金融領域對人工智能的應用也越來越廣泛，業內不少量化團隊都表示開始借用人工智能的力量來進行投資。人工智能提供了很強大的工具，比如有一些可以盈利的模式，用簡單的信息模型很難捕捉，但是用人工智能或者神經網絡深度學習的方法，就能夠捕捉到投資機會。

　　在談及我國量化基金與國外的不同時，馮雨生表示，A股本身交易比海外活躍得多，不少在國外效果并不好的因子在國內可能效果不錯。當然，海外的模型不能直接套用到A股上，因為A股的異質性現象較嚴重，需要對A股做專門的測算。“A股與境外市場進行對比研究后，我們發現差異很大，在建模方面，很多因子是不一樣的。”