报告系统分析了2023年主动量化基金表现及规模增长,强调主动量化基金相较主动权益型基金的风险收益优势。银河量化优选A基金利用机器学习量化选股模型实现较优业绩,基金整体呈低仓位、低换手率,微盘股暴露较低,行业配置与风格偏好动态调整,整体偏小市值和高估值风格。机器学习模型(GBDT+NN)在沪深300成分股多空组合中表现出超额收益与较好风险控制,为量化投资策略变革提供动力
| 指标 | 2021年 | 2022年 | 2023年 |
|---|---|---|---|
| 银河量化优选A收益率 | 29.14% | -17.04% | -2.49% |
| 偏股混合型基金收益率中位数 | 6.15% | -21.38% | -14.16% |
| 主动量化型基金收益率中位数 | 7.77% | -20.29% | -7.90% |
| 银河量化优选A年化波动率 | 15.63% | 17.91% | 11.80% |
| 偏股混合型基金波动率中位数 | 24.32% | 23.92% | 16.12% |
| 主动量化型基金波动率中位数 | 19.78% | 21.37% | 13.29% |
| 银河量化优选A最大回撤 | -6.91% | -21.74% | -14.61% |
| 偏股混合型基金最大回撤中位数 | -20.75% | -29.37% | -25.13% |
| 主动量化型基金最大回撤中位数 | -15.27% | -26.34% | -17.92% |
| 银河量化优选A夏普比率 | 1.67 | -1.07 | -0.29 |
| 偏股混合型基金夏普比率中位数 | 0.33 | -1.00 | -1.01 |
| 主动量化型基金夏普比率中位数 | 0.43 | -1.06 | -0.67 |
报告标题: 控制微盘风格暴露,机器学习赋能量化投资
作者与分析师: 高智威、赵妍(执业资格纳入报告)
发布机构: 国金证券股份有限公司
发布日期: 2024年初
覆盖主题: 主动量化基金表现分析与银河量化优选A基金详细研究
核心论点及目标:
报告指出近两年来,主动量化基金表现优异,尤其是在2023年主动权益型基金整体收益大幅走低(偏股混合型基金指数下跌13.52%),主动量化基金组合的表现相对更好(2023年收益为-7.06%)。主动量化基金由于投资分散与策略的快速调整能力,更容易适应市场快速变化,拥有更优的风险收益比。图表1显示,从2021年末至2024年初,主动量化基金累计超额收益率维持正值,且领先于偏股混合型基金收益率。图表2揭示主动量化基金资产规模由2021年Q1的约575亿元增长至2023年Q4的1128亿元,显示投资者青睐及资金流入趋势。
针对未来,报告认为市场仍处于存量资金博弈、难形成单一投资主线,题材轮动和热点频繁,强调主动量化基金由于其分散化和交易频繁特征,在热点不断切换的行情依然有优势。结合A股维持较高行业轮动强度,主动量化基金2024年仍值得关注。
主动量化基金近年加仓微盘股成为现象级动向之一,部分基金2023年收益率超10%。图表3展示了主动量化基金持有微盘股市值从2022年以来大幅上涨,至2023年中报约30亿元。图表4则显示主动量化基金与万得微盘股指数的相关系数水平从2021年六月低点逐步提升,2022年起整体相关系数保持在较高水平,表明微盘股在主动量化基金内部地位提升。
传统多因子策略已趋拥挤,机器学习模型带来策略更新动力。报告强调数据层面(高频量价因子、NLP发掘)与模型层面(GBDT、神经网络等机器学习架构)两大趋势,推动因子挖掘和合成效率与效果提升。
图表5详细列出具体机器学习算法及模型体系,包含:
图表6展示GBDT与NN模型及其合成在沪深300成分股的投资绩效:
此数据表明机器学习模型通过非线性建模、复杂因子合成,提升策略收益和风险参数,促进量化投资科技升级。
基金成立于2017年4月27日,现任基金经理罗博自2021年6月7日任职。该基金属于偏股混合型,主要运用机器学习量化策略,资产规模较小,约0.17亿元,管理费率1.5%,托管费率0.15%,开放申购赎回。,6]
基金在基金经理任职期间表现优于偏股混合型指数及主动量化基金整体,表现出稳健的超额收益能力。图表8显示,累计收益率三星趋势优于主动量化及偏股混合指数。2023年银河量化优选A收益仅亏损2.49%,显著优于偏股混合基金中位数-14.16%及主动量化基金中位数-7.9%。从排名来看,2023年该基金在偏股混合基金排名226/2063,在主动量化基金排名58/210,均处于较优区间。近3年累计收益4.46%,远优于两类基金中位数的负值。波动率指标显示,其年化波动率低于两类基金中位数,表明风险控制较好。最大回撤水平较低,夏普比率显著高于中位数,综合反映良好的风险调整后收益能力。,7]
不同于大部分主动量化基金大量持有微盘股,银河量化优选A与万得微盘股指数相关系数较低(2023年均值0.59),且重仓股平均市值较大,2023年均超过300亿元,显示该基金风险偏好较偏大盘股,收益并非来源于微盘股暴露。图表14和15形象说明相关系数趋势和持仓市值变动。,8]
该基金运行偏低仓位,持仓占比明显低于主动量化基金中位数,显示更为稳健的资金配置。持股集中度同样偏低,重仓股持股比例普遍低于主动量化基金中位数。图表16与17清晰展现仓位与重仓集中度情况。,9]
基金换手率明显低于同类,2023年上半年换手率仅173%,远低于主动量化基金315%中位数,显示基金选股稳定换手节奏偏缓,降低交易成本风险。
基金相较中证500有明确行业超配/减配倾向,2021年中报至2023年中报行业配置经历了从周期行业(电力及公用事业)向电力设备及新能源行业的转变,动态调整反映基金对市场景气度和政策导向的响应。图表19至23展示具体行业超配比例及变化趋势,突出周期与新能源轮动特征。,10]
基金整体偏向小市值和高估值风格,表现为规模、盈利、账面市值比负暴露,残差波动率风格因子正暴露,表明基金选股偏好相对成长型、相对高风险波动的股票。图表24展示风格因子暴露时间变化,体现风格持续性特征。
现任基金经理罗博博士,银河基金资深基金经理,2009年起任职,管理多只基金,合计管理23.85亿元资产。银河基金成立于2002年,作为国内首家市场化机制下的基金管理公司,管理资产规模逾1000亿元,债券基金占比高达63.37%。公司产品涵盖股票、混合、债券等多类,具备丰富的资产管理经验。图表25和26充分展示基金经理管理产品和银河基金整体产品布局。,12]
报告明确指出:
显示2021年底至2024年初,主动量化基金累计超额收益率与偏股混合型基金的收益率走势。主动量化基金跌幅较小,长期表现更优。暗示量化基金分散及快速调整的策略优势。
主动量化基金资产规模由2021年Q1的575亿元增加至2023年Q4的1128亿元,规模近乎翻倍,说明市场对该策略认可度提升及资金持续流入。
2022年起微盘股仓位快速增加,2023年达到约30亿元,说明微盘股成为部分主动量化基金关注焦点和业绩驱动。
相关系数由2021年初的0.1上升至2023年接近0.7,量化基金整体微盘股暴露增强,说明微盘股成为行业重要策略方向。
展示了集合了多种GBDT与神经网络模型的复合模型架构,突出了机器学习复合模型的复杂性和多样性,有利于捕捉数据间非线性复杂关系。
GBDT+NN组合模型在沪深300表现最佳,综合收益率及风险指标均优于单一模型,验证机器学习复合模型优势。
银河量化优选A持续跑赢偏股混合型指数和主动量化基金平均表现,展现策略稳定收益能力。
银河量化优选A利润表现明显优于两类中位数,排名稳中有升,特别2023年虽市场整体低迷但损失较小,展示良好抗跌性。
近三年累计收益4.46%远优于两类基金中位数负收益,体现基金中长期超额收益的竞争力。
银河量化优选波动率和最大回撤显著低于同类中位数,夏普比率优于同类,风险调整收益表现良好,显示稳健的风险管理和策略抗风险能力。
基金微盘股暴露较低,重仓股平均市值长期保持百亿以上,表明不依赖微盘股驱动业绩,注重大盘股和核心资产配置。
最低股票仓位与低持股集中度突出稳健特征,散户分散风险,规避单一资产风险,符合量化分散策略逻辑。,9]
低于主动量化基金中位数的换手率反映选股耐心和交易成本控制,有别于高频交易特征,展示不同量化风格。
基金行业超配具有明显动态调整且趋势与经济政策、产业景气度相符,从周期向新能源板块转移,反映了灵活应对市场主题切换的能力。
基金持续负暴露于规模、盈利、账面市值比,正暴露于残差波动率,证实小市值、高估值及高波动属性,是成长偏好型策略的体现。
经理管理5只基金,经验丰富,总管理规模23.85亿。银河基金整体资产超千亿,债券占主导,显示机构整体实力雄厚,支撑基金管理。,12]
报告并无专门估值专题章节,因焦点为基金策略与业绩表现分析,且量化基金因选股多样化、费用折扣频繁,估值和目标价指标不适用。报告通过历史收益及风险指标全面展示基金表现,且结合机器学习策略分析,间接说明策略价值。
报告明确指出三点风险:
且强调基金未来收益不及预期风险,提醒投资者注意市场、策略及模型固有限制以及业绩波动可能。
本报告全面分析了主动量化基金特别是银河量化优选A的策略表现、行业偏好、风格暴露及风险控制情况,结合机器学习技术的发展趋势,系统展示量化投资技术迭代推动基金业绩和风险管理提升的路径。
关键发现包括:
总体而言,报告立场积极推荐关注主动量化基金,尤其是银河量化优选A,强调其机器学习赋能下的风险收益优势及稳健投资风格,建议投资者关注其在2024年行业轮动频繁且市场分歧显著的环境中的表现潜力。
本文严格依据报告原文内容展开分析,全部关键数据、表格与图形均得到了详细剖析和渗透解释,且遵守报告溯源规范,确保内容的权威性和完整性。
量化掘基系列之十六:控制微盘风格暴露 机器学习赋能量化投资_高智威_3星级.pdf