免费观看又黄又劲爆的视频免费,黑丝在线中文字幕,国产美女午夜福利久久,亚洲系列日韩专区中文字幕,熟妇人妻va精品中文字幕

“一只科創(chuàng)綜指量化指增基金，和傳統(tǒng)指增基金有什么不同?”，這是我最近問博道基金量化投資總監(jiān)楊夢的一個問題。

作為 EarlETF 的老朋友，以博道遠航打響業(yè)內(nèi)知名度的楊夢，最近要發(fā)行博道科創(chuàng)綜指增強基金(C類023902)，所以我好奇的是這只基金和以往的指增有什么不同。

不過在為這款新產(chǎn)品路演時，楊夢并未強調這款指增產(chǎn)品的策略差異。令人驚喜的是，楊夢用非常多的篇幅，用“第一性”的視角——是的，就是那個被馬斯克一直奉行的思維方式，去解釋應該如何迭代量化策略。

聽完楊夢的“第一性”思考，當時讓我對她的這只新產(chǎn)品更有信心了。

迭代的意義

知道楊夢，相信許多人是從博道遠航(007126)開始的。這只跟蹤萬得偏股混合型基金指數(shù)(885001)并以指增形式運作的偏股混合型基金，也是筆者每年末更新的中的一員。

下圖是 2023 年迄今，博道遠航相對萬得偏股混合型基金指數(shù)的超額收益走勢，蜿蜒向上的超額曲線，煞是好看。

當然，博道遠航自 2021 年開始嘗試追蹤萬得偏股混合型基金指數(shù)，并非一帆風順，至少 2022 年，并算不上特別出挑。

但正如我以前在談及量化基金時很強調的：量化基金經(jīng)理不斷迭代，以適應市場的能力至關重要。

在這次路演中，楊夢以博道遠航為范本，復盤了一路上在量化投資策略上的幾次迭代。下圖是筆者整理后做的一個示意圖，主要是兩大迭代：? AI 全流程；? AI 賦能后的新風控。

站在第一性原理之上

在這次路演上，楊夢提到了一個詞——“第一性”。她表示，這些年的迭代，正是基于這一思路推進的。

所謂"

談及“第一性原理”，最著名的推崇者，無疑是馬斯克。比如他在推動 Space-X火箭項目時，利用第一性原理，做了很多顛覆的嘗試。

在傳統(tǒng)航天領域，火箭制造成本高昂，人們普遍認為這是行業(yè)標準，難以改變。然而，馬斯克運用第一性原理重新審視這一問題。他沒有被“火箭就是貴”的觀念束縛，而是回歸火箭的本質——一堆金屬材料。他發(fā)現(xiàn)，火箭的主要材料如航空級鋁合金、鈦、銅和碳纖維等，其市場價格并不像火箭成品價格那樣高不可攀。如果從原材料采購入手，直接購買這些基本材料，再自行加工組裝，成本會大幅降低。于是馬斯克選擇自己采購原材料，像購買普通鋼材一樣，按重量計算成本，再利用 SpaceX 自己的工程師和生產(chǎn)線進行加工制造。這樣一來，原本價格高昂的火箭部件，成本被大大壓縮，從而為 SpaceX 在航天領域贏得了成本優(yōu)勢。

復盤楊夢團隊這些年在量化策略的迭代，也正是站在“第一性原理”，不是沿著原有的路徑簡單改良，而是追問“為什么”。

AI全流程：打破因子思維的桎梏

傳統(tǒng)量化投資，尤其是多因子模型，通常遵循一個典型路徑：構建因子庫→篩選因子→組合因子→信號生成→組合優(yōu)化。這一路徑根植于Fama-French三因子模型等經(jīng)典理論，已成為行業(yè)標準范式。

但楊夢團隊不滿足于在已有范式上精雕細琢。她提出一個更根本的問題：預測股票收益的本質是什么？是找到幾個預設的“因子”嗎？還是從更基礎的原始數(shù)據(jù)中，直接識別能預測未來收益的復雜模式？

所以早在2019 年，博道基金的量化團隊就開始進行AI量價因子的研究，緊跟私募界轉向AI的趨勢。在公募領域，這應該算比較早的嘗試，也為博道占到了先機。到了 2023 年，博道啟動“AI全流程框架”多因子模型的研發(fā)。這標志著從僅用AI輔助生成因子，轉向構建一個由AI主導信息處理流程的獨立、并行框架。

“我們開發(fā)了AI全流程框架，整個過程就沒有人工定義的因子了?！睏顗粼诓稍L中坦言，“它用的就是原始的數(shù)據(jù)，可能只是經(jīng)過一些簡單的特征工程的處理，然后通過這樣的一個較深的神經(jīng)網(wǎng)絡模型，直接給出來端到端的最終預測?！?/p>

這一思路徹底打破了傳統(tǒng)因子框架的限制，具有三大突破意義：

一是解放了信息提取能力。傳統(tǒng)因子框架中，大量有價值的信息被人為篩選過濾掉，而AI全流程能夠從更原始、更豐富的數(shù)據(jù)中提取深層次信息，捕捉傳統(tǒng)因子難以發(fā)現(xiàn)的復雜非線性關系。

二是提高了模型適應性。神經(jīng)網(wǎng)絡的靈活性使其能夠自動調整對不同市場周期的響應，而傳統(tǒng)因子模型則需要人工干預，容易滯后于市場變化。

三是創(chuàng)造了真正的差異化優(yōu)勢。在眾多量化產(chǎn)品同質化嚴重的背景下，AI全流程框架從根本上區(qū)別于傳統(tǒng)方法，避開了“內(nèi)卷區(qū)”，為超額收益開辟了新空間。

站在 2025 年的當下，這套全 AI 流程或許已經(jīng)不新鮮了，畢竟哪怕公募基金也已經(jīng)有許多的量化基金開始討論類似的“端到端”模型，但是博道基金能夠在 2 年前用上，并于 2023 年 Q2開始雙框架并行: 采用傳統(tǒng)框架與AI全流程框架各占一半權重的模式進行投資，就意味著相比大多數(shù)競爭者的搶跑，而且量化領域，搶跑意味著信息差，意味著超額的來源。

當然，搶跑總有被追趕被追上的時候，這就要求量化基金經(jīng)理能夠不斷與時俱進，不斷領先同業(yè)。進入 2024 年，楊夢的量化策略迭代，重心放到了風控上。

風險管理：控制風險而不是指標

投資的本質是風險管理。在指數(shù)增強這一“帶著鐐銬跳舞”的策略中，風險控制尤為關鍵。這里面又存在一個平衡：風控太緊，超額收益空間就有限；風控太松，超額收益的波動又會太大，楊夢團隊之前屬于是“中堅型”，適度偏離的情況下，最大化追求超額收益。

傳統(tǒng)上，這種控制主要通過設置跟蹤誤差上限、行業(yè)偏離約束、風格因子偏離約束等方式實現(xiàn)。然而，當面對2023年10月和2024年1月等極端行情時，楊夢團隊發(fā)現(xiàn)，即使收緊Barra風險模型的約束，也未能完全避免組合波動。

為何會出現(xiàn)這種情況？

楊夢基于第一性原理的思考給出了答案——需要從風控模型要達到的目的、底層原理出發(fā)，重新審視現(xiàn)有工具是否真的達到了目標。

其團隊于今年上線了自研的風控系統(tǒng)，在兩個層面實現(xiàn)了突破：

風險模型的重構。團隊利用AI技術重構了整個風險因子體系，對傳統(tǒng)風險因子進行“降維和提純”，找到更能解釋市場波動的潛在因子。這相當于重新定義了衡量風險的“基本單位”，使風險度量更加精準。

精細化風險控制。他們不再滿足于對風險因子暴露的“總量”控制，而是深入到其“內(nèi)部構成”或“分布”。楊夢舉例道：“同樣達到市值因子偏離0.3倍標準差的目標，可以通過買一個2000億的股票加一個50億的股票，也可以通過買一個1000億的股票加一個100億的股票實現(xiàn)。兩者在總量上相同，但風險特征可能截然不同?！?/p>

這并不是我第一次聽到公募量化優(yōu)秀的基金經(jīng)理談及這個問題，不過不同的基金經(jīng)理會有不同的選擇。某些或許并不介意這種總量與構成的偏差，甚至樂于“利用”，來實現(xiàn)比如更好的市值下沉。

但顯然，楊夢選擇的是控制回撤，控制風險，從而希望提升超額收益的季度和年度勝率。

為此，他們對優(yōu)化器進行了“比較系統(tǒng)性的改造和重寫”，實現(xiàn)了對風險暴露分布的精細化控制，大大提高了組合在極端情況下的穩(wěn)定性。從結果上來看，超額收益的“勝率”更高了，而且，這種控制下，“賠率”還沒有下降。

這種對細節(jié)的極致追求，正是楊夢所強調的“工匠精神”——“量化投資的迭代，往往不是一蹴而就的顛覆性創(chuàng)新，而是點點滴滴的改進，都來自于對很多細節(jié)的第一性原理的思考和迭代?！?正如諺語所言：魔鬼藏在細節(jié)之中，量化投資的成功也藏在這些微小但關鍵的優(yōu)化之中。