存量时代来临，人工智能助力金融机构盘活客户

       近年来，国内经济迅速复苏增长，贷款业务作为金融机构主要业务之一，规模也不断扩大，然而疫情冲击之后的信贷市场，移动互联网带来的流量红利已经消失，数字经济时代的大背景之下，技术快速迭代，市场竞争加剧，新业态不断产生，新增获客效益正在逐渐减低，盘活优质存量客户成为金融机构的当务之急。

　　金融存量时代正在来临，客户黏性下滑、获客成本高企、风控能力缺失等挑战日益凸显，过去粗放式的营销和经营策略难以为继，专家表示，新客户成本上升、新户风险激增等问题的出现使得各家企业全面提升数字化经营，纷纷通过大数据、AI、供应链等科技手段提升贷款的风险防控质量，挖掘存量客户价值。

　　百融云创作为国内领先的独立AI技术平台，在大数据、人工智能等金融科技领域深耕多年，在中国累计为逾4800名金融机构客户提供服务，在各类信贷场景的实践中积累了丰富的案例。

　　在精准营销方面，百融云创通过存量客户标签体系、存量客户价值评分体系的搭建，可以帮助金融机构实现精准分层。以信贷场景存量客户交叉营销为例，基于营销响应分、营销成单分，精准从沉睡客户或流失客户中找到贷款需求高的客户作为精准营销对象，通过对高响应客户进行短信、IVR、人工等手段进行营销，可提高营销响应率，有效节约成本，同时无需求的客户不会被营销打扰，有需求的客户可及时找到合适的产品，逐步提升用户体验。

　　在智能风控方面，百融云创可以帮助金融机构实现从贷前反欺诈、贷中预警到贷后管理的风控全生命周期管理。针对存量客户的潜在风险，百融云创根据强弱规则监控和评分监控，自动将客户分成ABCD四个风险等级。针对中高风险的客户，进行号码状态核查并进行统计，对可联状态的客户减免部分息费，促进客户提前还款；对不能联系的客户采用IVR/短信/提醒式机器人，进行高频监控。对于低风险用户，百融云创则自动转入低频监控处理，并根据客户授信额度使用情况采取提额措施或进行机构内其他产品交叉营销。

　　对于金融行业来说，客户是业务发展的关键，百融云创自成立以来一直不断深化人工智能和大数据在金融场景中的应用，依托技术优势为金融机构提供赋能。在存量时代，百融云创能够帮助金融机构结合客户生命周期和场景不同因时、因地施策，为金融机构打造优质的产品，为金融科技提供更加便捷的服务。

来源：钥城网

基本面量化

       基本面选股主要有多因子模型、风格轮动模型和行业轮动模型三类。

多因子量化选股策略

       多因子模型是应用最广泛的一种选股模型，基本原理是采用一系列的因子作为选股标准，满足这些因子的股票则被买入，不满足的则卖出。多因子模型相对来说比较稳定，因为在不同市场条件下，总有一些因子会发挥作用。

风格轮动量化选股模型

       风格轮动模型是利用市场的风格特征进行投资，比如有时候市场偏好小盘股，有时候偏好大盘股，如果是风格转换的初期介入，则可以获得较大的超额收益。

行业轮动量化选股模型

       行业轮动与风格轮动类似，由于经济周期的原因，总有一些行业先启动，有的行业跟随。在经济周期过程中，依次对这些轮动的行业进行配置，则比买入持有策略有更好的效果。

       上文就是对基本面量化的简单说明，对这类文章感兴趣的朋友可以关注小编。

关于量化投资风口下的思考

        2021年上半年已过去大半，回顾整个上半年，市场风格频繁切换，震荡是A股的主要基调。

        全球范围新冠疫情反复，经济受到的影响仍未完全消除，随着后疫情时代下全球经济发展与金融格局的调整，中国资产配置结构正迎来变局：A股和美股波动加剧，大宗商品价格上行，居民房产配置见顶、银行理财与集合信托等打破刚性兑付、阳光私募在高净值人群金融资产占比有望超越信托等私募固收产品。而近些年，发展势头强势的私募量化基金将成为行业的增长点与高净值人群资产配置的新风向。

       从2017年到2020年，量化基金在所有证券类私募基金占比从不足5%提升到15%，管理规模增长了4倍，根据数据显示，2020年量化私募规模达7600亿元，量化交易占整个A股成交量占比超过15%。

       不管是从规模增长还是比重增长来看，2020年都可以称为量化投资大年。在2021年三季度，量化投资更是迎来了大步跨越，管理规模超1万亿，未来市场潜力巨大。

       在对冲基金最为发达的美国市场，量化基金已成为财富管理生态重要组成部分。除了大名鼎鼎的文艺复兴、桥水基金，还有TwoSigma、D.E.Shaw等量化巨头也是成就了无数财富传奇，历久不衰。至关重要的是在成熟市场，对冲基金或量化基金已经与国内媒体所营造的“高风险、高波动”脱钩。量化基金主要强调的是收益水平相对稳定，与市场走势关联度相对较低且抗冲击能力强。

1、量化投资如何赚取超额收益？

       许多投资者都会将量化投资与主观投资进行比较，其实他们本质都是在为财富增值服务。现在许多主动投资也用到了量化工具，他们两者不是割裂的。量化投资其创造超额收益的本质在于资本市场本身可以创造财富，A股市场是一个弱有效的资本市场。市场中信息传递不够充分，机构参与比较分散，同时个人、机构都不是完全理性化的，会受到情绪等因素的影响，因此会存在错误定价的机会、市场过度反应的机会。正因为信息的传递不够充分，才使量化投资具备投资的广度、深度。

2、未来量化市场的发展是什么样的？

       量化投资在中国是2010年才开始发展，虽然发展已进入快车道，但总体而言还是一种比较小众的投资方式。量化投资有很多策略，近两年比较火热的有中性策略、CTA策略、量化多头策略，很多人可能觉得量化投资就只有这几个策略，但其实并不是这样，许多投资者对量化投资的理解可能还是比较局限的。在未来，量化市场总体会是一个百花齐放的状态，会有更丰富的量化策略出现，有更多的衍生工具被运用，也会有新的信息源、新的数据源。

3、量化赛道已经开始“内卷”了吗？

       在相同的策略中，可能会出现内卷的情况，量化投资是一个对人才密集需求的行业，人才竞争、技术竞争，这个也是必然的规律。但是量化市场是很大的，仍然会有更大的空间可以留给量化机构，所以也不必过分的强调这种“内卷”。

4、机器学习是量化投资的转折吗？

       机器学习算法的应用，不是量化投资的转折，而是科技对投资的赋能，机器是不能取代人类的。投资是一个无穷尽的博弈，在这个博弈中整体的发展路径和时间线都会被拉的很长。

       机器会取代人类吗？目前这个阶段完全没有迹象对此进行佐证，只能说人和机器都不断地在进步、在发展。

       站在当下，我们可以说AI赋能相比过去更加强，但是如果从更长期的角度来看，这也或许只是时间长流中很微小的一环，科学技术不断更新迭代，未来会有更多新的东西，我们相信在投资中是不会出现终结者的。

来源：腾讯网

量化投资专题报告：成长型行业投资模式的探讨

一、成长股生命周期阶段的划分

1.1、成长股生命周期的定量划分

       根据生命周期理论，一个公司的成长周期可以划分为 4 个阶段：初创期、成长期、成熟 期、衰退期。不同阶段股票的盈利增速差异很大，估值定价逻辑也不同，因此不太好去 做横向比较，有必要先对成长股的生命周期做一个初步分类。

       基于企业盈利增速的变化是划分生命周期不同阶段的最直接的思路。处于初创期的公司业绩增速刚刚开始抬头，处于成长期的公司业绩增速应该是加速上升，处于成熟期的公司业绩进入稳态，而进入衰退期的公司业绩增速应该出现明显下滑。但是从实际操作层面来说，很难基于上市公司公布的净利润同比或者营收同比去做 生命周期的划分，原因在于这些指标受短期因素干扰较多，波动很大，企业实际业绩的 变化并不会完美地契合这个理论模型。

       从一个新的角度出发去构建了生命周期的划分模型，核心思路是基于现 金流量表的三大指标来区分当前这家公司处于什么阶段。这三个指标分别对应着：经营活动的现金净流量、投资活动的现金净流量、筹资活动的现金净流量。选择这些指标的 原因有两个：

       1） 这三个指标的正负号可以反映当前这家公司在经营层面、投资层面以及筹资层面收 缩和扩张状态，可以侧面反映当前公司的成长阶段；

       2） 这三个指标的正负号在时间序列上的稳定性很好，与第一种思路中采用公司的净利 润或者营收同比增速相比，前者可以很好地规避后者短期波动较大的问题。

具体划分流程如下：

       1） 初创期：经营活动现金净流量为负，投资活动现金净流量也为负，说明公司在经营 层面虽然处于入不敷出的状态，但是投资层面依然在积极扩张，是初创型公司的典型特 征；

       2） 衰退期：经营活动现金净流量为负，投资活动现金净流量为正，说明公司在经营层 面处于入不敷出的状态，投资层面也没有扩张，反而处于收缩状态，是衰退期公司的特 征；

       3） 成长期：经营活动现金净流量为正，投资活动现金净流量为负，筹资活动现金净流 量为正，说明公司在经营层面可以自给自足，投资层面在扩张，筹资层面在积极对外吸 纳资金，是成长期股票的典型特征；

       4） 成熟期：两种情况，1、经营活动现金净流量为正，投资活动现金净流量为正；2、 经营活动现金净流量为正，投资活动现金净流量为负，筹资活动现金净流量为负，均说 明公司经营层面可以自给自足，但是在投资或者筹资层面没有很强的扩张意愿，是成熟 期股票的特征。

1.2、不同成长阶段股票特征分析

       接下来验证上述划分方法的合理性，这里主要从三个维度去做验证：利润增 速、收入增速、盈利能力。

       第一个维度是利润增速，分别统计了四个阶段股票未来一年净利润增速的中位数。可以发现，利润增速最高的是成长期的股票，其次是成熟期，衰退期明显为负，四个阶段利润增速的柱状图和上一节的生命周期曲线非常接近，确实符合这 4 个阶段股票业绩增速的特征。

       第二个维度是收入增速，分别统计了四个阶段股票未来一年营业收入增速的中位数，。营业收入增速和利润增速的最大区别在于初创期，具体表现为初创期的股票利润增速没有很高，但是营业收入增速非常快，甚至超过成熟期的股票，这也确实是初创型公司的典型特征。

       第三个维度是盈利能力，分别统计了四个阶段股票 ROIC 的中位数。可以发现，盈利能力最高的阶段是成熟期的股票，这也符合公司的成长规律，由成长期进入成熟期，一般来说业绩增速会下滑，但是盈利能力会有所提升。

       以上三个维度的统计结果基本上符合投资者对这四个阶段特征的定性认识，因此说明上 一节划分方法是具备合理性的。

二、不同阶段成长股股价驱动因素分析

2.1、四个阶段的股票是否都值得研究？

       在研究不同阶段股价驱动因素之前，这里首先想回答一个问题：这四个阶段（初创、成 长、成熟、衰退）的股票是否都值得去研究呢？我们认为不是的，这里建议大家把成长 期和成熟期的股票作为重点研究对象。原因有以下两个：

1、成长期和成熟期的盈利增速明显更高，稳定性也更好

       成长期和成熟期的股票的净利润增速普遍更高，具备更高的成长性，另外盈利增速的稳定性也明显高于另外两个阶段。除此之外还有一个很有意思的现象，就是初创型公司在 2016 年出现了一个明显的分界线，在 2016 年以前业绩增速很高，在 2017 年以来业绩增速很差。 这个分界线正好对应着大小盘风格的大拐点。造成这个差异有个深层次的原因，那就是在 2016 年之前很多中小公司是通过外延并购来实现业绩增长的，而 2017 年以来这一块的贡献大幅降低，导致小票业绩很差，因此市场整体风格也就转向大市值股票。

2、成长期和成熟期的分析覆盖比率也明显更高

       成长期和成熟期的股票覆盖比率明显高于另外两个阶段，其中成长期最高，有 44%的股票有分析师覆盖，成熟期有 38%，衰退期最少，只有 18%的公司有分析师覆盖，市场也是把成长期和成熟期的股票作为重点覆盖对象。

2.2、不同阶段的股票的股价驱动因素

2.2.1、基于分析师覆盖数量的股票池初筛

       从量化投资者的角度来说，要预测不同股票未来盈利增速，能够参考最直接、覆盖度最 高的指标只有分析师预期数据。建议投资者可以考虑把分析师覆盖数量作为股 票池初筛的条件，核心理由有两条：

1、分析师覆盖数量越多的公司，未来成长性越好

       将成长期和成熟期的股票按照分析师覆盖数量从低到高分为 5 组， 然后再统计每组股票未来一年净利润增速的中位数。可以发现两个特征：1）覆盖数量越 多的组，未来一年净利润增速的中位数普遍越高，成长性越好；2）对于覆盖数量最高 的那组（大于 15 的公司），未来净利润增速的中位数并不是最高的，反而出现下滑。核 心原因这类公司大多数属于行业的龙头型公司，对于这类公司大多数分析师都会出具覆 盖报告，即便这类公司预期盈利增速没有很高也是如此，这可能是需要注意的一点。

2、分析师覆盖数量越多的公司，盈利预测的准确性越高

       将成长期和成熟期的股票做类似的分组，并分别统计每组股票未来一年预期净利润相对于真实净利润高估的百分比，把这个指标作为盈利预测准确度的代理变量。可以发现，分析师的盈利预测普遍偏乐观，但是乐观的程度内部是有结构化的差异。分析师覆盖数量越多，公司的信息被市场挖掘得也越充分，盈利预期的准确度 也越高。

       因此建议投资者可以把分析师覆盖数量超过 5 作为一个初筛的条件，因为一来这些股票未来的成长性确实越好，二来盈利预测的准确性也更高，数据可靠性会更好 一些。

2.2.2、盈利对比：成长期 VS 成熟期

       接下来研究成长期和成熟期股票股价涨跌幅和盈利增速的关系。和传统因子测试方法不同的是，是反过来按照实际收益率表现分组，然后去统计每组股票尤其是涨幅最高的股票到底有什么特征，实现一个复盘的目的。

       成长期和成熟期股票的盈利增速对股价的影响有很大差异：

       1） 成长期股票：盈利利增速非常重要，股价涨幅最高的那组股票盈利增速的中枢也 是最高的，两者存在严格的单调性；

       2） 成熟期股票：盈利增速和股价表现并不存在严格的单调性，盈利增速低并不意味 着股价表现就不好。

       从另外一个角度来进一步验证上面的观点。如果分别在成长期和 成熟期去选择预期净利润增速大于 30%的股票等权配臵，月频调仓，分别计算两个组合 的超额净值表现。可以发现，策略在成长期里面超额净值的夏普比率约为 0.8，在成熟 期里面只有 0.4，差异非常明显，进一步说明了对于成长期的股票盈利增长才是最重要 的。

2.2.3、估值对比：成长期 VS 成熟期

       市场上关于估值的主流投资理 念有两种：一种是认为“买得便宜”很重要，估值高低对股票最终超额收益的影响很大； 另一种认为“好货不便宜”，宁愿为优势的公司付出合理的估值溢价，也不要去买看上去 估值很低但容易有价值陷阱的公司。这两种投资理念看似冲突，但其实没有严格的对错 之分，还是要具体看研究什么类型的股票。如果细分到成长股和成熟期的话，那就有明 确的结论了。

       按照股票实际收益率表现分组，然后统计每组股票预期 PE 的中 位数。可以发现：

       1） 成熟期的股票：“买得便宜”很重要，涨幅最高那组股票估值中枢也是最低的，两 者存在严格的单调性；

       2） 成长期的股票：“好货不便宜”的特征更加明显，涨幅最高的那组股票估值中枢并 不是最低的，反而出现比较明显的抬升。

       成熟期股票选股需要把估值放在很重要的位臵，而成长期股票盈利增速才是 核心，估值可以适当放松要求。

三、不同阶段成长股的选股策略构建

3.1、成长期股票投资模式

3.1.1、成长期股票投资：核心思想

       成长期股票投资模式的核心思想可以总结为一句话：以盈利增速 为核心，“好货不便宜”，可以适当放松估值的要求。也就是说，在成长期股票里面选股， 无论是从量化入手，还是从基本面入手，最重要的事情都是尽可能找到盈利增长最快的 公司。对于估值的话可以不要限制太严，否则容易导致很多牛股选不到。

3.1.2、成长期股票投资：基础策略

       基于核心思想先构建一个简单的基础策略。这个策略分别从盈利和估值两个维度设了一些筛选条件，其中盈利层面的筛选条件两个：1）分析师覆盖数量至少有 5 个，也就是之前说的初筛条件；2）一致预期净利润增速在 30%以上。 估值层面只需要设臵一个大概的上限就行，这里要求一致预期 pe 小于 80 倍，只要不是 太夸张都能够接受。

       这个基础策略满足条件的股票等权配臵，月频调仓， 基准是成长期股票等权。过去 10 年组合复合年化收益率约为 20.59%，基准年化收益率 10%，年化超额收益 10.59%。基础策略有初步的选股效果，但其实还有很多改进的空 间。

3.1.3、成长期股票投资：策略改进

       考虑到成长期股票盈利增速最重要，策略改进我们这里主要从盈利层面入手。这里主要看两个维度，一个是看“当前”，另一个是看“未来”。“当前”是考虑公司当前净利润的 质量，代理变量是应收账款和净利润的比值，比值越大，意味着公司当前净利润质量越差，容易出现所谓的纸面富贵的问题。“未来”是考虑公司未来潜在的损失，代理变量是 商誉和净利润的比值，比值越大，意味的未来商誉减值的风险越高，潜在的边际影响更 大。

       如果分别按照应收账款占比和商誉占比将成长期的股票分为三组， 然后统计每一组股票未来一年净利润变化的中位数。可以发现，比值越高的组，未来净利润下滑的力度确实越大，说明这两个指标确实包含了一部分未来净利润变化的信息。

       将应收账款占比和商誉占比作为风险剔除指标加到原有的基础策略里面，改进后策略效果如下所示。加入应收占比限制后组合的年化收益可以从 20.6%提高到 22.1%，加入商誉占比限制后组合的年化收益可以进一步提升到 26.9%，最终年化超额收益约为 16.9%，提升的效果非常明显。另外，策略偏主动思路，选股数量不多，平均每期持有 股票个数约为 17 个。

3.2、成熟期股票投资模式

3.2.1、成熟期股票投资：核心思想

       成熟期股票的投资模式和成长期很不一样，其核心思想也可以总结为一句话：“买得便宜” 很重要，盈利增速可以适当放松要求，未来盈利增速低并不意味着股价表现就不好。事实上，这个从直观逻辑上也能理解。对于成熟期的股票来说，盈利增速很难像成长期股 票那样再爆发性增长，因此估值买贵了大概率是需要很长时间来消化的，导致持有收益 率变低。

3.2.2、成熟期股票投资：基础策略

       基于成熟期股票的投资模式构建下面的基础策略，和成长期股票的基础策 略非常类似，区别在于成熟期的股票估值筛选条件大幅收紧，要求一致预期 pe 不超过 50 倍，而盈利增速的要求放松，大于 20%就行。基础策略净值组合年化收益率 14.13%，基准年化收益率 12%，年化 超额收益 2%，基础策略效果很一般。

3.2.3、成熟期股票投资：策略改进

       公司内在价值 V 取决于以下几个变量：初始投入资本 Invest Capital，资本 回报 ROIC，加权资本成本 WACC 以及增长率 g

       1） ROIC > WACC ，越高的业绩增速可以带来更高的公司内在价值, g 越大，V 越大；

       2） ROIC < WACC ，追求越高的业绩增速反而对公司价值造成损失, g 越大，V 越小；

       当一个公司的资本回报小于加权资本成本时，这时候业绩增速越高并不一定 是好事情。实际数据是否能得到验证呢？如果将成熟期的股票按照 ROIC-WACC 从低到高分为三组，然后分别 统计每一组股票未来一年净利润增速和未来一年股价涨跌幅的相关系数。可以发现，对 于 ROIC-WACC 大于 5%的公司，相关系数为 0.43，非常强的正相关性，这时候业绩增 速越高大概率意味着股价表现越好。而对于 ROIC-WACC 小于-5%的那组公司，两者的 相关系数大幅降低到0.14，这样就很容易出现净利润增速高而股价表现反而一般的问题。因此，对于成熟期股票选股，盈利层面仅仅看预期净 利润增速还不够，需要把 ROIC-WACC 这个维度的信息考虑进来。

       估值层面的改进建议将 PEG 的因素加入进来。即便控制 了 PE 的影响之后，PEG 越高的股票未来估值下滑力度越大，因此估值层面的改进可以 从这个角度切入。另外值得注意的是，前面分析的指标都是通过影响未来净利润增速的 变化来影响股价，而 PEG 是通过影响未来估值的变化来影响股价。

       盈利层面的改进是进一步筛选 ROIC-WACC 大于 5%的公 司，年化收益可以从 14.8%提升到 18.4%。估值层面的改进是进一步筛选 peg 小于 1.3 的公司，年化收益率可以进一步提升至 22.2%，改进后的策略表现提升得非常明显。

3.3、成长期+成熟期综合选股策略表现

       最后建议投资者将上面成长期和成熟期策略综合到一起使用，等权配臵两个 策略选股来的股票，可以做为 TMT 行业的选股组合。该组合收益表现如下所示，组合复 合年化收益率约为 25%，平均每期持有股票个数为 23 只，TMT 基准年化收益率只有 7%。 分年度来看的话，组合只有在 2014 年有-6%的负超额收益，其他年份基本为正。过去 两年组合效果也还不错，2019 年收益率 75%，2020 年收益率 50%。

四、结论汇总

       报告主要解决三个问题。1）如何基于生命周期理论去对成长股做不同阶段的划分？2） 不同阶段成长股股价核心驱动因素是什么？3）不同阶段成长股应该如何去选股？

       成长股生命周期四个阶段的划分。以 TMT 行业为研究对象，从经营活动、投资活动、 筹资活动的三个现金净流量出发，划分出成长股当前处于生命周期哪个阶段（初创期、 成长期、成熟期、衰退期），并从利润增速、收入增速、盈利能力三个维度验证划分方法 的合理性。

       成长期和成熟期股票应该作为重要研究对象。成长期和成熟期的盈利增速历年中位数最 高，分别为 14%和 8%，明显高于初创期(-2%)和衰退期(0%)。另外，成长期分析师覆 盖比率 44%，成熟期为 38%，初创期和衰退期分别为 29%和 16%，因此这里也建议重 点关注前两个阶段的股票。

       影响股价两个根本因素：P=EPS*PE。也就是说，根本上来说只要解决 2 个问题：1） 如何更准确地估算未来盈利增速；2）如何更好地比较不同股票估值性价比。本文建议把 分析师覆盖数量超过 5 个作为初筛条件，这些股票未来成长性普遍更好，盈利预测的准 确性也更高。

       成长期更看重盈利增速，成熟期更看重估值。1）盈利层面，对于成长期来说，股价涨 幅最高(>50%)的那组股票，盈利增速也是最高的(32%)，两者存在严格的单调性，成熟 期股票不存在这种关系；2）估值层面，成熟期股票“买得便宜”很重要，成长期股票体 现“好货不便宜”特征。

       成长期和成熟期股票投资模式不同。1）成长期：以盈利增速为核心，“好货不便宜”， 适当放松估值要求，最终策略年化收益率 26.9%；2）成熟期：“买得便宜”很重要，盈 利增速和股价的关系会受 ROIC-WACC 的影响。最终策略年化收益 22.2%。两者综合策 略 2010 年至今年化收益率 25%，TMT 基准年化收益率 7%，平均每期持有股票个数 23 个，可以作为 TMT 行业偏主动的选股组合。

五、风险提示

模型基于历史数据构建，未来存在失效风险。

来源：财是

现在的资管没有躺赢可言

       国内的量化投资发展历程大致可以分为三个阶段：萌芽期、转型期、快速发展期。

       2010年，国内股指期货上市，这一品种双向交易、T+0多次交易且自带杠杆的特点催生了国内量化投资的萌芽，我们看到，在萌芽期（2010-2015年），量化投资保持超低换手，但随后的四年，行业主流的股票量化交易实现了从低换手向高换手的跨越。

       2019年至今，人工智能算法越来越多的使用在量化投资的各个领域，底层的基础数据越来越丰富而且广泛。此外，交易执行上不断精细化，算法交易广泛应用。在这样的背景之下，我们看到，不同的量化管理人赚取的常常是差异化的超额。

       北京丰润恒道，一家创立于2014年6月的阳光私募基金公司，从成立到现在，一直使用使用量化投资的投资方法，致力于为投资人提供稳健的绝对回报。

合伙人团队经历几轮牛熊变换，具备丰富的量化实盘经验

       公司共有3位创始人，杨丰、何川和陈岳松，他们具备国内一流大学的教育背景、坚实的投资理论体系和丰富的量化投资实盘经验。

       杨丰，中国人民大学金融学硕士，曾任国家开发投资公司旗下投资子公司投资总监，中国人民大学国际货币研究所研究员，主要负责指导公司战略方向，领导投研团队研发交易模型，负责公司投资决策，专注于研究量化选股（量价类和基本面）。

       何川是北京邮电大学计算机博士，普度大学访问学者。曾任职于百度等互联网公司，从事人工智能技术研究。其以合伙人的身份创立丰润恒道，负责公司策略研发工作，负责公司量化投资策略研发工作，尤其擅长多因子模型和情绪驱动的择时模型，同时也负责CTA策略的研发。

       陈岳松，合伙人，IT总监。曾就职于甲骨文（Oracle），负责中国区技术开发工作，合伙创立丰润恒道，其负责量化投资系统架构搭建。由于公司从研究到交易都是用的自研系统，系统的架构搭建、更新和迭代显得尤其重要，公司每年用于软硬件的支出也占公司支出的相当部分。

       2014年到现在已经经历了几轮牛熊市场变换，量化投资技术也随着数学、统计学、计算机的深入应用和AI技术的发展不断的迭代而日趋成熟。丰润始终愿意走在市场和量化技术的前沿，去吸收和引进全球领先量化金融机构的成熟经验和技术，结合中国市场的实际情况，探索研究适合中国资本市场特色的投资策略、研发体系、风控体系和交易体系。

以数理为信仰，大胆假设、小心求证

       丰润恒道从2014年创立之初就专注于做A股二级市场的量化，主要是自营资金，2018年涉足估值和商品期货交易，即CTA。2019年底切入资管赛道，先后布局指数增强、量化对冲和量化平衡产品。

       从公司的收益表现来看，最近3年（2018.8.31-2021.8.11），公司累计收益达到**%。多头产品近三年的年化收益超过30%。风格更均衡的量化多策略产品可追溯到2016年，年化收益为14%。

       从融智风格测评的情况来看，作为一家量化投资公司，丰润恒道的整体风格注重防御，他们致力于获取可控波动下的投资回报。

       要实现这样的投资目标，依靠的是一套成熟的量化投资方法。在核心竞争力上，丰润恒道在策略、算法、系统上有三点优势：

       因子库端，因子库的不断扩充、投资组合的持续优化、多频段信号的全面糅合；

       数据端——高频数据的有效应用、大数据信息的高效提取、另类数据的及时采购；

       工具端——低成本对冲工具的合理选择、衍生品工具(期权、收益互换)的综合使用。

       他们专注于股票量化，从2014年一路走来，体会到的不仅仅是时代和科技给他们带来的机遇和发展，还有给他们带来的问题和挑战。

       在丰润恒道看来，现在的资管已经没有躺赢可言，量化这个赛道更是如此。虽然量化经过这两年的快速发展，一些趋势已经可以看见，比如规模向头部迅速聚集，头部企业在规模扩大后在研发的人力物力方面具有一定优势等，但也可以观察到量化到达一定规模后其盈利能力会到达瓶颈，并且头部的企业名单也是动态变化的。

       在研发、设计和管理产品过程中，丰润恒道始终以数理为信仰，本着大胆假设、小心求证的态度，不忘为客户提供长期稳定收益的初心去做工作。

以量化选股策略为纬，以择时体系为经

       丰润恒道的股票量化投资策略可以分为选股策略和择时策略两大策略系统。

       过度自信、损失厌恶、心理账户、选择性记忆等投资者心理偏差会让市场出现非有效性的机会，而这正是量化选股策略的超额收益来源。举例来说，2016年11月9日，美国总统大选，川普获胜，川大智胜（002253）盘中大涨几乎涨停；而之后连续达30个交易日的持续下跌。对于这种现象，我们通过舆情信息可以提前捕捉，而通过当日的走势则可以提前离场。

       数据源方面，丰润恒道的数据来源已经从主要来源于传统量价类数据、财务数据、扩展和加入了来自互联网平台的另类数据；并对这些海量数据进行分析和比对，从中找出相关性和规律，由此挖掘出基本面因子和量价因子；并且由这些因子构建出策略形成股票池来获取超额收益，同时叠加择时、日内和打新来增厚产品的总体收益。

       丰润恒道的多因子及事件驱动策略超过100个，根据逻辑稳健程度以及历史表现赋予权重。超过1000个备选因子库，实际使用因子超过400个。年度换手150倍，平均单票持有时间为2天左右；股票组合与对冲标的市值中性以及行业中性。这是选股层面。

       择时策略模型的构成上，40多个择时模型，独立发出择时多空信号；根据策略逻辑性以及历史表现赋予相应权重；根据策略多空信号以及权重得到总体市场判断，分别判断上证50、沪深300和中证500多空。

       举例来说，趋势跟踪模型通过多个模型信号过滤噪音，发现市场趋势性机会。中国市场追涨杀跌现象明显，趋势跟踪策略在大多数市场时期能及时发现并跟进中等级别以上的行情。情绪模型根据市场及新闻作为情绪代理指标发现市场情绪趋势性机会，在情绪过度反应时反向交易。

在技术快速迭代的当下，如何保持自身的高竞争力？

       自新冠以来，在疫情影响，经济复苏、国家产业布局和国际关系的影响下，股市的市场风格和行情轮动变化较大，尤其今年以来尤其明显；但无论市场和风格如何变化，量化的经典理论、研究方法和对数据规律的探究始终是不变的。只不过大数据时代的到来，为他们的数据来源、研究的思路提供了更多的选择和可能性，因子挖掘使用的具体工具和方法也更加的复杂。

       据丰润恒道介绍，未来，他们将主要从三个方面来保持自身的高竞争力。

       第一是对团队的打造，包括分工协作，内部分享和成员自身的不断提高；

       第二是不断学习和吸取经典理论、前沿研究成果，结合本土市场来做本地化的策略研发；

       第三是持续不断的对系统软件硬件的迭代投入，以满足更大量的数据处理和交易需要。始终以长期思维行进，在更长远的时间能进步，在这个领域上走在前沿。此外，公司更加看重长期回报的确定性，不会去承担系统性风险。

       通过对团队凝聚力和研究能力的整合，以及对前沿理论研究成果的探索，他们对投资策略做了更新和迭代。他们看好基本面因子配合量价类因子使用的表现，在新产品中会配置基本面因子，同时也积极布局高频策略，因为对于量化投资来说，频率越高，独立预测的机会越多，整体的表现就会越稳定。

       未来他们将仍然以指数增强和量化对冲两条经典产品线为主，尤其对指数增强产品进行细分，既推出标准化产品，也可以根据客户的风险来设计。这主要通过丰富产品中的策略或因子配置来实现；这样做的好处是既可以服务不同需求的客户，也可以适应市场环境的变化。

来源：网易

策略观点｜量化投资，未来可期

       如今，九坤、明汯、灵均等头部量化机构，都在发行不对标指数的量化选股产品，以追求和主观管理人更为公平的业绩对比。

       熟悉老私基的读者会知道，老私基的每周业绩里面股票多头是不分什么主观多头和指数增强的。

       老私基一直是透过表面看本质，对老私基来说，主观和量化都是股票市场里面刨食的东西，都一样，市场涨，都会收益，市场跌，你本事再大也一样会受影响。

        所以，对老私基来说，本质上所有的股票多头赚的都是市场涨跌+超额收益，对于投资人来说，无非是在可以承受的波动范围内选择超额收益高的那几个产品而已。

       不过，老私基和投资人以及机构沟通下来，会发现投资人也好，机构也好，都会把主观多头和量化指数增强做一个有很强的区分。

       认为主观多头赚的是企业成长的钱，需要给更多的时间，不用担心短期的波动，也不看这个基金是否能跑赢市场。

       反过来，对于量化指增，投资人特别关心超额的稳定性，每周都拿各家的数据去比较，买的指增稍有不如意，就抱怨。

        所以一种怪现象就存在着。

       投资人一方面拿着部分相对逊色的主观多头，各种包容；另外一方面，对收益更好一些的指数增强，各种挑剔。

       这个老私基认为是目前二级市场最大的投资误区，投资人被部分主观多头的各种故事给误导了，当然这也要怪量化机构的市场总监们。

       说实话，2018年至今，主观投资费前能跑赢沪深300全收益指增15%的屈指可数。在老私基的业绩表格里面，也就聚鸣、石锋、汐泰、趣时、高毅晓峰、盘京庄涛、申九朱晓良、睿璞蔡海洪、同犇、高毅邻山、泰旸、域秀、彤源、汉和以及星石，其他多头都没有达到这个标准。

       在老私基业绩表格里面，前10里面有4个都是量化指增产品，这还是没将灰色区域中很多指增业绩时间不够长的算进来，否则10里面，估计绝大部分都是量化指增了（参考周度汇评）

       同样，说到回撤，2018年亏损超过20%的股票多头，都来自主观多头，而且大部分都是规模头部的多头。

       老私基认为，这应该是大部分主观多头很少去谈超额的最重要的原因，因为确实不好谈。主观超额的绝对值不高，稳定性偏弱，超额的月胜率就更不能看了。

       所以很多主观谈的都是绝对收益，几年几倍、和好公司一起成长等等，讲的最多的就是巴菲特的价值投资。

       但是事实上伯克希尔·哈撒韦是一家保险公司，巴菲特管理的资金是险资，是真正的长钱，而国内除了社保基金以外， 其他管理人的资金能有3年考核期的都屈指可数，所以二级市场，目前连长期价值投资很好的土壤都没有（当然，老私基也不否认，很多主观多头已经在优化资金，接更长的钱，去拉长考核周期）。

       所以，天天被灌毒鸡汤这类精神鸦片的投资人，已经在故事里面很难拔出来了，关于这个，老私基前段时间写的私募评价｜价值投资不是刻舟求剑也聊了下，那些年的“时间的朋友”。

        老私基最近听到这样一个说法，就是“XX成长不被投资人赎光，就代表市场里面的韭菜还在”。

        虽然这话说的有些过于极端，但是老私基觉得确实有些点值得我们去深入探讨。

        以中证500作为基准，我们去看两者的业绩比较和超额的稳定性就知道，XX成长可以说是一个相对于500指数长期超额年化14%的主观指增。

        撇开该私募投资理念和价值观输出的贡献不说，单就收益而言，确实这些年要比同期量化500指数增强要逊色一些。

数据统计区间：2007/9/16至2021/5/31；以上数据来源：私募排排网，wind

       所以你看，同样的东西，两种不同的评价体系，就使得投资人容易做出不一样的决定。

       当然这个问题，也是由于量化那群市场负责人埋的雷造成的。

       众多量化机构在推荐指数增强产品的时候，都是在引导相对收益，不停强调超额的稳定和胜率，让投资人的关注点都是超额。

       更有甚者在不断强调周胜率，周周和各家比较，稍有些管理人跑不出超额，也不管你是不是策略痛苦期，各种流言蜚语以及内卷之声就不绝于耳了。

       老私基从众多看到的材料里面，只见过一家头部量化机构会把指增和主观多头进行比较，其他家都没有往这个方向进行引导。这就导致投资人看量化指增的时候，盯着相对收益看，而忽略了绝对收益。

       所以，老私基也给量化机构提两个建议，要么你们去引导所有资金爸爸们也用指增+超额的方式看待主观股多。要么你们这些做量化的，就放弃指数增强，放弃风控模型对超额的束缚，和主观多头一样，就讲绝对收益，怎么舒服怎么来。

       任何内卷，都是因为无法向外扩张，但是至少目前而言，老基觉得量化的内卷还太早。主观机构们也需要有这个忧患意 识，你不把自己锅里的菜炒好，就会被别的厨师抢了饭碗。

       当然，竞争不是坏事，在任何市场中，只有经历过充分竞争，才能脱颖出优秀的机构。

      量化投资，未来可期。

来源：腾讯网

AI+金融科技想象空间巨大

       科技革命浪潮滚滚向前，当前，金融业与人工智能的结合已日渐深化。李开复曾表示，人工智能最好的应用领域之一是金融领域。随着一场疫情突袭，企业的数字化升级进程也在客观上被加速。作为中国领先的以支付为基础的科技平台，移卡利用不断加强的大数据分析及人工智能技术实力，进一步满足商户和消费者的数智化需求，也成为该领域的佼佼者。

       据艾瑞咨询《2020中国第三方支付行业研究报告》显示，未来支付积累的数据价值，将超越支付服务本身。基于“数据资产”，支付公司可以提供企业经营所需的各类商业服务。移卡的发展正如前所言，多年以来，移卡一直专注于人工智能领域的探索和应用，凭借从支付服务中积累的交易行为数据，以及基于人工智能的图像识别、智能信贷分析及评分技术的支持，移卡在商业服务上的能力得到极大空间。凭借强大的技术基因，移卡在获客、风控、运营等各个业务环节大量采用了人工智能技术，有效驱动服务智能升级，更是凭借在“AI＋金融”领域的突破与创新脱颖而出，还摘下“2020年度AI+金融最佳数字化成长奖”。

       “未来是AI的世界”，AI+金融科技存在巨大的想象空间。事实上，从工业、商业到金融业领域，“AI+正颠覆性地融入进人们的生活方式与产业模式。在这样的背景下，移卡将不断通过技术创新，助力智能金融的脚步越走越稳。”正如移卡集团副总裁奚少杰在全球人工智能与机器人峰会演讲中所分享，产业数字化升级的浪潮势不可挡，以支付为切入点，结合SaaS服务和互联网平台渠道，为商户提供一整套的数字化升级方案，是驱动产业数字化升级的最优途径之一。

来源：网易

大牛证券丨多看多学！7种简单的选股方法

       其实炒股的人里，真正懂技术的人并不多。就算是券商的员工，可以分析炒股技术的人也不足百分之十。大多数人都只是看一看K线图，最关心的还是收盘时是红还是绿。

一、基础选股的“三定一择”

       （1）三定是什么呢？它们分别是：定趋势、定行业、定个股；一择指的就是择时机。

下面来说一下具体的操作流程：

       1、定趋势：一般是机构里面的经济学家调研并出具的宏观经济形势分析报告，对经济大环境定调，然后由投资决策委员会制定投资策略。

       2、定行业：行业研究员撰写行业分析报告并个股分析报告，由风控委员会进行评估评级，然后筛选出股票后放进股票池以作基金经理备选。

       3、定个股：基金经理确定自己的资产配置方案后，报经投资决策委员会审定通过。

       4、择时机：放在股票池里面的股票买入时机到了，基金经理下令由交易员具体实施交易。

二、根据涨幅的排行选股

       收盘之后会大致看今日涨停的个股，分析一下是什么原因导致的涨停。是不是消息面刺激的，还是该股趋势较好前期充分洗盘，然后总结一下所属板块，看涨停个股集中的那几个板块。如果持续几天或者间断几天该板块又上涨，然后找到该板块后精选个股，该类个股短期可以加入自选跟踪。

三、盘口异动选股

       我们使用的软件一般都会有盘口异动的功能，该功能能够直观推出盘中异动的个股，比如大资金持续买入，盘中快速拉升等等，一些异动能够在盘中选出个股，然后加入自选跟踪。

四、成交量（换手率）选股

       一般好的个股的活跃度较好一点，一只个股都没换手哪来的上涨动能，所以我们就要寻找当日换手率5%以上的个股，往往僵尸股不受资金的关注，也会很难启动。

五、根据复盘涨停选股

       每天最实用的办法就是复盘涨停，涨停的股票都是当天排名比较强的股票，分析一下它们为什么会涨停？看看同板块的还有多少个涨停？一般来说，同板块涨停个股多的往往第二天走势会比较好。

六、大数据选股器选股

       股票数据猫几乎每天都利用量化数据+人工智能技术选出一个股票池，这些股票有的适合长线，有的适合潜伏，有的适合短线。这样的股票池，本身就是基于概率的原则，机会较大。

关于选股器的使用方法，大家可以去网上搜索，在这里就不详细说明了。

七、大v选股法

       关注财经大V等，至少关注20个人以上。分析他们的选股逻辑，看多了你自然就会有感觉了，多看多学！

股市涨涨跌跌，但还是得有信心！希望以上内容能够帮到你们。

文中内容仅为个人观点，涉及观点机会，个股买卖等仅供参考，不构成任何实际操作建议，更不保证任何收益，投资者据此操作，风险自担，股市有风险，投资需谨。

来源：搜狐网

科学家创业，链接人工智能与金融前沿

       朱明杰，1982年10月出生，中共党员，氪信科技有限公司创始人、首席执行官。凭借其在人工智能领域的贡献，2018年入选《麻省理工科技评论》“35位35岁以下科技创新杰出精英”，2019年获选“上海市青年拔尖人才”，2020年获评“长宁区杰出人才”。

       一身休闲装，干净利落，朱明杰给人就是这样爽快的印象。作为一名“理工男”，他用钻得下去的冲劲拓宽技术产品，为人工智能（AI）造福社会添砖加瓦；作为一位“尝鲜者”，他从科学家转行到创业者，用“做一行爱一行”的态度为市场难题寻找最优解；作为一个青年人，他不断迎难而上、迸发新思考，用青春活力带领青年人共创人工智能“游乐场”。

坚信中国在人工智能领域具有世界级优势

       从年少起，朱明杰就成绩优异，后来考取中国科学技术大学少年班，成为一名“理工男”。 “学什么”成为他当时最苦恼的事。曾任微软全球执行副总裁的沈向洋给出了方向： “我们正处在两个时代的交点：中国复兴的节点和数字化信息化革命的节点，现在对人类影响最大的就是信息化。”此后，他一头扎进计算机科学领域，成为中科大与微软亚洲研究院第一批联合培养的博士，并赴德国马克斯·普朗克研究所从事博士后研究。

       彼时，他发现技术在产业转型中释放出巨大潜能，坚信中国的人工智能在数据量级、市场纵深、场景多样性方面具备巨大优势。 “中国市场的解法，一定是世界级的。”2015年，朱明杰创办氪信科技，选择数字化基础良好的金融赛道作为起点。

       从“科学家”到“创业者”，面临怎样的挑战？朱明杰认为，这是一个“选择适配锤子”的过程。

       以往，他只需要做好实验、写好论文就够了，不需要考虑“技术落地”后的问题，而这，恰恰是创业的“敲门砖”。他一遍又一遍地跟客户阐释产品理念，并根据市场需要不断完善技术。 “就跟造锤子一样，要根据钉子的形状来造。于是，我们不停深入到业务场景里，去理解金融业务。”

      作为首个将机器学习技术大规模应用于金融场景的人工智能公司，氪信科技利用先进的知识图谱、机器学习、深度学习技术等，研发了企业级智能引擎系统平台“非或然引擎”。该平台包含数十个轻量级应用组件，覆盖数据计算、数据分析、数据科学和场景应用4个层级，具备超大规模数据计算能力及亚毫秒级响应能力，300毫秒可处理8亿条数据，帮助企业构建并打通完整的业务生命周期智能化管理闭环。

      目前，氪信科技已服务了90%的头部银行，包括中国工商银行、中国建设银行、交通银行等。通过服务的金融机构，已普惠千万用户获得信贷，单个金融机构的贷款规模可获得亿元级增长。 “要通过人工智能的工程化，把实验室中的算法变成可靠、可用的东西。”朱明杰认为，科技和企业的可持续发展要满足“向善”的标准，以实现群众的利益为考量，做“以人为本”的科技。

成立“A班计划”，打造属于科技青年的“成长圈”

       栽下梧桐树，引得凤凰来。朱明杰深知，青年人才将成为中国人工智能领域的“主力军”。2018年，他和上海交通大学教授卢策吾共同发起成立了人工智能青年科学家联盟·梧桐汇，通过人才交流、学术共研、产研对接，缩短人才从实践到成功的距离。

       不仅如此，在他的提议下，人工智能青年科学家联盟专门为Z世代科技精英打造了人才孵化项目“A班计划”。那一年的世界人工智能大会开幕式上，论文《中国迈向新一代人工智能》成功入选大会最高奖SAIL奖，这背后离不开青年科学家联盟“智囊团”。三年来，“A班”已迎来近50位平均年龄26岁、获名校博士学位的青年科技人才。

       如今在朱明杰的团队里，几乎都是90后，他也用专业水平影响着更多科技青年，激励他们发挥最大动能。

       今年氪信科技与国际顶级智能科技研究院“粤港澳大湾区数字经济研究院”（IDEA）联建智能金融实验室，共同建设基于大规模图计算的金融异常交易监测系统，这将助力建设人工智能高地、推进数字经济发展。

       “我们正在做的事情与国家的伟大复兴相呼应，当用最专注的投入、最赤诚的热情去践行这一伟大理想。”无论是做“科学家”还是“创业者”，朱明杰那份探寻科技创新的热忱依旧滚烫。

来源：文汇报