长江金工 天弘基金量化基金经理调研

00:00:00 后。本次电话会议仅服务于长江证券研究所白名单客户。未经长江证券事先书面许可，任何机构或个人不得以任何形式对外公布、复制、刊载、转载、转发、引用本次会议相关内容，否则，由此造成的一切后果及法律责任由该机构或个人承担，长江证券保留追究其法律责任的权利。 00:00:30 各位尊敬的投资者大家下午好，欢迎大家持续的关注我们长江精工的嗯量化基金经理系列调研活动。我们今天非常荣幸地邀请到的是天弘基金的量化团队，来和我们做一个详细的分享。 00:00:47 那么天弘基金的量化团队呢，目前呢，我们观察到他们搭建了一个非常完备的一个产品矩阵，覆盖宽基行业主动量化以及量化固收加等产品。那么适适配呢，那这个机构资金的多元化配置，那目前呢，旗下的宽基指数呢，近一年的8个产品里面全数都是正超额的，那么其中像中证2000超额呢，目前已经达到了。26.28创业板指的超额呢，创业板指增强的超额达到了8.64， 00:01:18 然后整体的产品的信息比呢，也排在嗯纸纸质的产品的前列。那么运运作满3年以上的这个5只宽基产宽基的这个嗯，产品的超额的平均分位数呢，也在全新产的这个超额产品的前百分前百分之。嗯，前25%这样的一个水平，然后同时呢回撤的控制也是非常的非常的好的。 00:01:43 然后同时呢，我们观察到嗯天虹基建天华团队呢近两年呢，其实它是一个嗯在一个快速的发展并且进步进步的一个一个状态。嗯整体来说它的发展还是非常快的，同时呢，依托这个AI的多模型的一个量化框架呢，打造出了一个嗯，目前与市场上面其他的嗯阿尔法。来相比呢是较为独立的一个阿尔法，那我们可以看到它整体的一个嗯，中中证的一个像这 个中证500的一个增强，嗯增强的超额收益呢，跟其他的市场上其他的超额收益比呢，其实相关系数是非常低的。那么他们整体的一个嗯超额收益的一个挖掘的方式呢也是比较独特的。 00:02:24 嗯，所以呢，我们今天呢啊来邀请他们重点分享一下，那么我们首先我们也邀请邀请天弘基金的宋鹏总，来给我们介绍一下整个团队的一些细节，有请宋总。诶，好的，谢谢秦瑶老师可以听见吗。可以非常清楚。哎好嘞，呃，谢谢秦瑶老师啊，也谢谢各位呃在线的投资者。 00:02:48 那我是天弘基金量化投资部的宋鹏。那在线的呢，还有我们整个量化投资部的总经理杨超总，那由我们两个人呢就展开对我们整个团队的介绍。 00:02:59 那首先是我呢，先对我们整个天弘量化的这个产品啊，给大家做一个简单的一个介绍的，让大家了解一下我们这个整个产品的一个布局，其实刚刚秦瑶老师也说过了，就是我们整个产产品的话布局也是非常的全。 00:03:14 然后呢，我们的产品呢主打的一个特色呢就是一个科学的一个风险收益比吧啊，其实大家也都能呃关注到我们整个的产品，其实从超额的呃这个平均水平上上，我们一直在其实就是前25%这样一个水平。但是我们的信息比会更高啊，我们一般都都是在前15%这样一个水平。呃说到这样一个特色以后呢，就介绍一下我们整个产品呃一个矩阵啊，其实我们整个天虹量化产品体系的呃架构还是相对来说是比较全的。 00:03:45 其实呃单从指增这个赛道的话，我们现在目前已经有19支产品了，其实在市场上也是比较非常头部的一个呃位置。呃像大家呃就是比较熟悉的一些呃大盘中盘小盘的指针，我们是几乎都有的啊呃而且我们的产品它不仅是有一号的，还是有二号的啊。那比如说我们这个呃指增的一号啊，指增的1号其实我们就是标准的市场上一些指增的打法，其实我们还有一套，一个是指增的2号，那指增的2号是稳稳增，它是追求胜率的啊。一个是追求1号呢是超额的一个锐度和信息比，那2号呢，我们只追求这样一个胜率。 00:04:25 那同时呢，除了这些1号2号，我们呃也有一些对应的一些产品的ETF啊，比如说a500ETF,还有1000的指增的ETF，所以说从这一块上我们其实呃基本上在整个宽基指增上，我们基本上已经布局完毕了，那我们还有最后两只产品可能现在也在。 00:04:45 在发行的一个路上啊，那其实说到呃这块儿呢，是我们一个呃基本上一个产品的一个核心。然后呢其实我们现在还有一块儿呢， 00:04:54 其实我们的一个行业指增，这个行业指增呢也算是我们一个特色吧。呃实际上我们现在也是市场上应该是唯一一家吧，布局啊布局齐了这5个啊，主要主流的这个行业的一个指增产品，而且也是一个市场上一个绝版了，因为现在目前监管对于这个行业类的指增的啊批准也是呃，也是限制比较多啊。那而且我们这5只呃行业指责呢，其实跟同类因为同类都比较少，那其实我们一般都会啊，跟一些一些主动权益的同类的产品啊放在一起去比较。其实呃你像在牛市，当然这种指增的锐度是不如他们的，但是时间拉长了， 00:05:32 比如说看三年五年，我们再去跟这些同赛道的一些主动权益基金的产品比的时候，其实我们的产品的业绩是并不差的。可能我们也是在他们的平均前30%这样一个位次那。你要是再看回撤或者说信息比率这些，那我们肯定就是非常非常靠前了啊。那呃现在的话，其实我们整个部门的发展除了这些呃指增的话，我们呃也是我们算是我们整个呃产品团队的一个呃，整个一个一个第二增长曲线嘛。 00:06:04 就是主动量化啊，就是右下角这一块儿这个黄色的这块区域，其实我们现在已经有3支啊产品在运作了。 00:06:10 呃，那首先第一支呢是我们一个红利智选的一个产品，那这是一个红利的主动量化产品。其实我们这个产品的话是基本上就是存在红利内做选股的，而且我们过去是呃在全红利里选股，而且跑赢整个全收红利全收益指数的。那我们第二个产品呢是这个支行量化选股， 那这个产品呢是我们呃对标整个主动啊这个呃主动偏股混合基金的，就是932055和885001啊这样的一个基金呢，呃在5月21号吧，这个产品也。是当天啊，一天就募集了93个亿啊，这也是我市场上也是对我们整个量化产品团队能力的一个认可啊。 00:06:53 我们也最近也刚刚发布了呃一个支行瑞信，后续的话我们整个主动量化里边的呃价值啊成长啊，甚至我们也有行业轮动的产品啊，这个产品体谱系呢会越来越全面。 00:07:05 那现在呢，目前我们就是呃左下角这块粉红色的区域，其实我也可以说是我们整个团队的一个第三成长曲线吧啊，就是量化固收加产品现在我们已经有一只了，后续我们也会在量化固固收加领域呢就是陆续的把我们的产品布局。那后续呢，各位投资者呢也可以就是呃关注我们整个量化产品啊一个表现吧， 00:07:28 那后边呢，就是说这些产品的业绩呢，其实大家也呃都比较专业啊，大家也都能看到，我就不再给大家介绍了。呃，就是说为什么就是嗯近一年或者近半年我们的产品业绩比较好，这些的话，那大家都在线上我们。领导也在线上啊，大家有问题的话就直接提问吧。反正我们这个杨超总在线上给大家进行答疑解惑。嗯，好嘞，我就这么多。哎好的好的好的。那么我们现在呢，非常荣幸地邀请到嗯， 00:07:59 天红基金量化团队的总经理杨超总，来跟我们来进行进一步的进一步的交流。嗯，王超总，您可以听到我们说话吗？嗯好的，那个谢谢谢谢秦瑶总啊，谢谢各位投资者。 00:08:17 今天下午在这个这个今天这个这个暴跌的一天的这个收盘之后，还有心情参加这个会议跟我们去做一个交流啊。你嗯，要不然的话是呃蒋总，咱们这边是客户可以开麦是吗？对对，然后客户这边呢，嗯，参会的客户呢，可以可以直接举手发言，或者是呢他会以提问的这样的一个形式，或者是他会私信到我这边，嗯，各种各种形式呢来去进行爱来去提问。嗯，我们可我们可以看一下，嗯，各位投资者嗯。他投资者，然后经过了一个简短的介绍之后呢，可能大家对于这个天虹量化团队呢都还是都还是比较好奇的。 00:09:01 那么有一些细节的话，可以嗯尽力可以尽情地去嗯发言， 00:09:05或者是或者是发或或者私信给我来去代提问都是可以的，来进行一个进一步的交流。 00:09:12 嗯啊其实我觉得今天呢是最近这一周呢，其实嗯，市场市场的这个整体的一个调整是比较大的，嗯，但是呢，但是呢，其实可能这个也给我们量化产品更多的一个嗯机会吧。因为我觉得我们量化产品这边呢，还是以还是以这个分散布局，然后分散风险，然后回撤控制这一块呢，还是还是还是非常有优势的。所以其实可能正是正是这个时候会跟市场会有，市场上面会有更多的这个呃更多投资者更会有更多的精力来去关注，嗯量化的产品。 00:09:46 嗯，那要不这样，我先我先这个抛砖引玉来提提一个问题吧。嗯，就想问一下这个杨超总，嗯，其实你其实目前呢，可能大家还是比较关注AI这一块，在这个量化在量化这个整个投资中的一个应用的情况。嗯，想想问一下您这边嗯，像目前的话，嗯，像目前的话整体的一个嗯AI的模型，嗯，您在在您的这个投研流程中已经扮演到一个什么样的嗯角色？那么有哪些呃非结构化的一些特特殊的数据，哎您您已经开始使用了。 00:10:27 啊是这样的啊，就是因为从这个AI的应用来讲的话，我觉得其实没有什么特别神秘的东西，因为其实原来大家最早去做这个线性多因子的时候，只不过就是说呃人通过去挖掘一些线性表达的因子，或者说再去做非线性的。处理或者说再去做就是分域啊等等这些东西，条件化的这个阿尔法，其实本质上而言的话，其实都是一个去发掘特征，然后去发现这些特征对错误定价的这个。解释有一定的这个获利的空间，那都是建立在这个市场。并不是充分有效的这个大的环境基础之上的啊。 00:11:11 那其实AI的话，它其实仅仅就是通过这种。呃，更加快速的那一个特种工程，加上一个决策的这个过程，去把这个东西的数据维度和决策维度，包括实现效率的话提升的一个过程。 00:11:28 所以我觉得本身而言的话，其实AI其实它相较于原来的多因子策略而言的话，它仅仅其 实就是一个效率上的一个一个提升，本身其实并不是一个特别。啊特别呃神秘的一个东西，但它的决策过程的话，可能确实在内部的这样的一些啊，新性代数的这种就是包括加激活函数的这种非线性的表达，它会使得我们很难去直观地去去线性去理理解它。但是它的整个网络架构这边的话，其实你是怎么去构建它它的这个逻辑表达的这个链路啊，就是思维链的话，其实是是可以去通过我们的过去的这种投研对市场的理解去去设计的。 00:12:12 就他的决策过程、思考过程。啊，你是确实是包括他的结果最后的这个确实是有点偏啊，黑箱或者不可理解的，但是他的他的这个如果我们把它比比成一个人的话，他的这个工作流，它的处理信息的这个每一个模块的这个功能的话，其实都是偏白盒的。 00:12:35 啊，我觉得这是第一点，第二点来讲的话，就是你刚才提到的这个数据的问题。 00:12:41呃，其实A股的这个目前公共领域的这个数据。我觉得我觉得可能还大家还是处在一个。卷这个卷算法，然后卷特征，然后卷工程的这个这个阶段吧， 00:12:57 但是在数据层面的话。嗯，我觉得很难去谈的很多，因为呃其实如果说这个数据有用的话，其实我告诉大家了，这个东西它就是阿尔法啊，你不能把阿尔法就是说就是一旦这个东西包括在海外来讲的话，你用什么数据可能都是保密的。所以我觉得可能对于国内而言的话，它目前处在的这个阶段的话可能还没有到。呃，就是大家意识到这个数据可能更重要的这个阶段，可能大家可能目前还是在处在这个AI方法论本身扩散的过程当中。 00:13:33 但是在数据这边的话，确实随着大语言模型的这样的一个。啊，这个普及吧，啊，包括现在有些模型它的本地化的部署的成本也越来越低，嗯，那它的一些对一些。 00:13:47 啊，我们原来所认为的一些不可被结构化的一些数据的话，都存在了一定结构化的啊，处理的方式可以拿来我们去做做验证。 00:13:58 我觉得这块的话，都是我们在去做一些积极尝试的一些一些研究方向，但是呢，呃，这个过程的话，无异于这个也是大海捞针吧就是。呃，你找到一些非结构化的东西，但是如果这个东西它本身它有一定的这个先验性，它的就是有一些未来数据在里面的话，因为本身大语言模型它本身的。这