开源金工魏建榕：量化研究如何赋能主动权益

导读：熟悉我们的朋友应该知道，点拾投资有一个业内认可度还算比较高的产品：基金经理英雄榜，通过深度的基金经理访谈，让大家了解每一个优秀基金经理的投资框架和方法论。我们的基金经理英雄榜也从设立至今，已经做到了快500期。

但事实上，点拾投资还有一个隐藏款的产品：首席面对面。这是我们针对卖方分析师的访谈，至今做了多少期呢？在今天以前，一共两期，保持着一年访谈一位分析师的节奏。是没有卖方分析师想被我们访谈吗？我想大概率并非如此，而是我们对访谈的卖方分析师，有着极高的标准。其中最重要的一条，必须是我们认识多年，特别靠谱的人。在此前的两期“首席面对面”中，我们访谈的是从业第一天的老同事兴业证券宏观首席王涵，以及认识多年的好朋友长江证券策略首席包承超。今天，给大家带来“首席面对面”成立以来的第三期：开源证券金工首席魏建榕。

认识魏建榕博士的时间不算特别长，几年前通过一个在开源证券的前同事引荐，认识了魏建榕博士。但是和他聊几句就有一见如故的感觉，可以说在很多底层的价值观上，魏建榕和我自己都有不少相似之处。随后，我也成为了魏建榕博士组织的策略会圆桌论坛的“御用主持人”。

无论是上海本地，还是北京、或者厦门，只要我有时间，就一定会参加他组织的策略会。每一次和魏建榕博士的交流，也给我带来很多收获。芒格说过，要和靠谱的人交往、甚至交易。而魏建榕博士，就是那个我觉得值得交往的人。

在此次访谈中，我们会看到魏建榕博士对量化研究的一些思考。特别是在今天这样一个主动权益拥抱量化工具的大时代下，金融工程的研究已经不再是单单服务量化投资团队，而是会成为权益资产投资的底层工具箱。我自己把这个趋势定义为：主动的量化。每一个基金经理，都可以有自己主观的想法，然后要么通过量化模型去实现，要么通过量化工具提高效率。

魏建榕博士遵循“讲逻辑”和“可验证”的量化研究准则，他认为量化研究不应该只看历史数据，而是要理解这些数据背后的底层逻辑。任何量化研究都必须要做到可复现才有意义。过去几年，他也看到了“量化+基本面”融合的大趋势，并且做了一系列对主动权益基金经理有价值的研究。比如说，魏建榕的团队能提供实时的全市场权益基金仓位测算，并且细化到每一个行业的持仓，从中能帮助相对收益目标的基金经理，知道自己和市场的差异在哪里，哪些是真正的低配，哪些又是真正的超配。

甚至，把行业持仓和历史数值对比，也能辅助判断一个行业是在阶段性高点或者低点。比如说，魏建榕博士指出当前偏股型基金对医药行业的持仓就在历史最低配置水平附近，意味着这个行业未来提供了不错的收益风险比。而早在今年4月中旬，他发现偏股型基金对计算机行业的加仓趋势已出现拐点，是仓位见顶的强烈信号。

另一方面，魏建榕博士也做了大量另类数据的研究，从中构造出阿尔法策略。比如说，他发现上市公司高频股东户数数据，能够提供一个刻画股票筹码结构变化的有效手段，从而过滤正在发生“股东户数大幅增加”（即筹码派发）的股票。而这些年大家关注的分析师超预期策略，魏建榕博士认为也需要从市场聪明参与者的视角去二次验证是否真的超预期。

我们认为投资管理的科学性逐渐被越来越重视，无论是什么样投资方法的基金经理，都需要拥抱和接纳量化工具，用更科学的视角提高我们的超额收益和投资效率。以下，是我们的访谈全文：

量化研究要做到

讲逻辑、可验证

朱昂：你早期是在买方的基金公司，为什么后面选择去做卖方研究，并且一直坚持到现在，能否谈谈背后的原因？

魏建榕 2013年从复旦大学博士毕业后，我也曾经在2015年加入了上投摩根基金（注：已经改名为摩根资产管理）。当时在买方的视角见证了2015年的大牛市和股灾，以及量化投资端的实际需求。我应该也是圈内少数认识几乎所有量化买方和卖方的人。

为什么我今天还在做卖方研究？比较全方位的看，我觉得买卖方的底层方法论是相通的，大家对于评判好的策略标准是一致的，差异在于研究的路线。买方的研究会更专注一些，受到自身产品线的约束，比如说如果有指数增强产品，就会更关注相对应的策略。卖方的研究不受单个话题约束，涉猎更广，任何买方关注的话题，都可以做自由探索。

从这个角度看，买方更像工程师，卖方更像科学家，一个偏应用落地，另一个偏理论探索。我个人的性格，更适合做自由探索，所以选择做卖方“科学家”。

朱昂：在你的公众号中有一句话介绍，恪守“原创、深度、讲逻辑、可验证”的量化研究准则，能否讲讲这句话背后的思考？

魏建榕 这句话在四年前开源金工刚建立团队、设立公众号后就一直没有换过，也没想过要换。我觉得对于卖方金融工程研究员来说，这四个词尤为重要。

“原创”和“深度”这两个关键词，相信卖方分析师基本上不会有分歧，我想重点讲后面两个：“讲逻辑”和“可验证”。

讲逻辑，意味着我们不能因为做的是金融工程，就只看测算下来的数据结果，而不去理解背后支撑这个策略的经济学逻辑。记得刚入行时，有一位前辈和我说，金融工程不全是数学。如果只是盯着历史数据做研究，试图从历史规律上拟合各种参数，就容易走偏。冯·诺依曼讲过一个很有名的段子，他说：四个参数我就可以拟合出一头大象，而五个参数我可以让它的鼻子晃动起来。我们做金融市场研究，不能沉迷在数学游戏中。

举个例子，我们做过一个关于反转因子有效性的系列报告。反转因子之所以有效的根源，和A股市场的过度反应密切相关：上涨的股票会倾向于涨得过多，下跌的股票会倾向于跌得更多，于是后续就会出现数学上的均值回归。

理解了反转因子有效性的根源，我们就能知道什么时候这个策略会失效，也就是当过度反应开始变弱的时候。而不是一味陷入到反转因子各类参数的反复优化中。

可验证，意味着我们的建模步骤能够被复现、交易观点能够被检验。而不是自我陶醉在似是而非、模棱两可、无法证伪的理想化讨论中。

我觉得“讲逻辑”和“可验证”是区分优秀卖方分析师的核心标准。

把有效因子做进一步“提纯”

朱昂：前面那个例子也看到，你其实做了很多因子层面的研究，能否谈谈哪些因子在A股市场是比较有效的，以及因子轮动背后的逻辑？

魏建榕 A股市场过去最稳健有效的因子还是量价因子。根源也和投资者结构相关，散户一直占到交易量的大头，虽然过去几年从80%逐渐有所下降，目前为止还是超过了60%。散户交易占比过高这个因素是如此确定，以至于市场显著地存在很多交易行为模式（pattern），这是很多基于量价的量化策略的根基和alpha源。做一个展望，因为A股交易结构这个宏观环境，未来5年不可能有质的扭转，与交易行为、行为金融、量价因子有关的策略，还会继续发挥很大的作用。

另一类是财务因子，有段时间也被称为基本面量化，我个人对这个叫法略持保留意见的。我认为，仅仅停留在财务指标层面的因子研究是不够的，没有触及到上市公司基本面的根本，也没有触及到行业研究的生态。在这个基础上，做的量化策略，只是浅层次的财务数据加工。这也导致策略的有效性不稳定，比如成长行情好的时候，大家都会优化出偏成长风格的财务指标，但是去年成长行情不好了，这些因子很多就失效了。

朱昂：能否也谈谈这几年你觉得比较有意思的研究成果？

魏建榕 第一个是对因子的“提纯”。前面提到的量价因子，既然这个因子是用来刻画交易者行为的，很多时候依靠单个变量试图描绘交易特征显然是不够的。于是，我们提出了量价因子的切割论，把不好的东西切掉，留下好的部分。这也来自2016年我们在研究反转因子时，收获的心得。

过去对反转因子的提取，过于简单。通常把上个月股票的涨跌幅做一个排名，然后做空收益率最高的股票，做多收益率最低的股票。这种策略的底层逻辑是均值回归下的反转效应，虽然长期收益率不错，但稳定性比较差，好像一朵“带刺的玫瑰”。在过去10年中，总会出现连续几个月回撤很厉害的情况。这个问题一直在困扰着我，直到有一天偶然在咖啡店的感悟，帮助我找到了突破的灵感。

2016年有一天我在北京金融街英蓝大厦的星巴克喝拿铁，大家都知道拿铁既有苦的部分，也有甜的东西。那天的拿铁特别甜，显然是白糖放多了。这让我想到如果两个味道对冲太厉害，就自然得不到纯粹的咖啡了。

那么我们再回头想到困惑了很久的反转因子，就忽然意识到股票过去一个月的涨幅其实可以切成 20 天的。这 20 天对于未来一个月不一定都是反转，有可能有些天是反转很强，但是有些天对未来一个月可能是个正向关联（即动量成分）。

所以我们一下子想到这 20 天其实也是一杯拿铁咖啡，关键就在于能不能很好地切割，把它切成白糖和咖啡豆。因为这样一个朴素的灵感，2016 年冬天我们回到上海以后，就想了很多关于反转因子切割的研究。我们最典型的一个研究叫做理想反转因子，就是在反转因子基础上做一次切割，把过去 20 天切成两个10天。然后对未来一个月，他们一个是动量，一个是反转。我们最终的改进因子其实是反转的10天减掉动量的10天，也就是苦减甜，最终得到更极致的苦：理想反转因子，理想反转因子在各个年份都非常稳健。之后，我们推出了一系列的量价因子切割改良报告，在圈内也引起了比较大的反响。

第二个是研究机构投资者行为的阿尔法因子。我们知道A股投资者除了散户行为能提供阿尔法因子外，还有一大类因子是机构投资者的资金流，也就是所谓“聪明的钱”。许多人想顺着机构投资者的交易方向做投资。但这个课题的难点是，如何识别机构投资者的资金流。

如果只是简单看大订单的资金流，会发现大资金流入后，后续股价确实会倾向于上涨（也就是聪明的钱带来的阿尔法），但是这个策略其实冥冥中吃了反转因子的亏：因为大资金流入，一般同步伴随着股价上涨，下一个阶段会因为反转效应而有所下跌。我们资金流系列专题中的一篇报告，专门提出了改进的方案：把大的资金流带来的额外涨幅剔除，也就是，找到同样涨幅差不多的股票池中，哪个是机构投资者买入最多的。

第三个是对分析师行为的研究。分析师行为研究中，大家最熟悉的是券商的十大金股。每一家券商的月度十大金股，已经成为了一个很重要的品牌，可实际上我们发现十大金股推荐的收益率并没有那么好。这个结果和两个行为因素高度相关：1、金股行业的分配机制缺陷；2、金股推荐的动机不够纯粹。我们推荐关注行业金股：许多券商分析师在第三方平台有独立维护的模拟组合，它比十大金股推荐更纯粹、更有含金量。

还有一个分析师超预期因子。去年到今年，超预期组合被大家广泛讨论，但是这个策略在去年和今年表现并不好，根本原因在于如何准确定义真正的超预期。大家通常会用最新的上市公司财报（或公告）去和分析师预测的数据做比较，只要超出分析师预测，就认为是超预期。但超预期量化组合的痛点是，经常发生这样的情况：当我们拿着这些数据和行业研究员确认，他会告诉你许多业绩数据其实市场已经price in了，最后财报甚至可能还低于预期一些。

我们的解决方案是：适度延后一些，让聪明的钱在交易行为上进行确认。财报超预期事件之后，如果机构资金流在流出，我们将它从超预期列表中剔除；如果机构资金流在流入，我们认为超预期得到确认，将它作为真正的超预期标的买入。这个方案实际上是让渡了时间和收益，以换取更高的样本胜率。我们改进过的超预期组合，今年以来相比同类策略，表现要优秀很多。

朱昂：你是量化研究中，非常重视“讲逻辑”的，我们也看到许多因子的有效性确实和宏观大的背景逻辑有关，能否谈谈如何把历史数据的有效性和背后的逻辑相结合？

魏建榕 我感觉量化研究天然更重视对数据的把控力，有时候反而会忽视逻辑的本质。我们通过历史数据找到一个规律是很容易的，但要判断它未来是否依然有效则很难。我们倾向于在数据分析开始之前，先问自己：为什么相信这个规律是有效的？在这个逻辑下最朴素的策略方案是什么？不引入参数测试的前提下策略的效果是怎样？这样可以避免沉迷于历史数据的挖掘，有助于发现有逻辑支撑的真正规律。

主动权益拥抱量化是最大的潮流

朱昂：这些年越来越多的主动权益投资也开始拥抱量化工具，你觉得主动权益如何更好的和量化金融工程相结合？

魏建榕 过去几年国内投研最大的潮流是“量化+基本面”的融合。今年以来，我们和公募的权益基金经理做了专项交流，这些交流都有一个相同的主题：量化研究如何赋能权益投资。主动权益投资拥抱量化研究也有两个大的时代背景：

1）今年市场的行业轮动和风格轮动速度都很快。大部分基金经理业绩好一段时间后，就会差一段时间，导致目前的净值分布比较窄，区分度不高。由于业绩的竞争越来越白热化，大家希望有更多的工具加持。

2）人工智能开始被越来越多人接受，通过AI的工具去解决数据上的问题，而不是用人工手动去做。有越来越多的量化小工具，可以辅助主动权益基金经理的投资。

量化的优点是，宽度、广度、系统化；相对弱点是：前瞻性、进攻性、深度。量化信号很多是需要通过回看一段时间提炼，所以当市场风格切换太快的时候，它能不能及时适应是一个很重要的问题。

我们发现量化工具很难在投资流程的末端和主动权益基金经理做太多融合。我们很难通过量化策略形成一个选股组合，直接打包推给一个权益基金经理，他是没办法使用的。过去十年中，也有一些基金经理尝试在量化推荐的组合中，再做二次精选，但效果证明是不理想的。这么做的结果是，整体组合的统计特性和收益特性都没有了。

但是，量化对于投资流程的前端和中端能带来很好的效果。我们看到这两年许多公募基金的权益投资部新增了量化研究员岗位，人选大多是来自金融工程背景的。这些量化研究员的日常工作需求，是由权益基金经理来提出的，工作成果最终用于辅助权益基金经理的投资决策，也即所谓的“从权益中来，到权益中去”。

朱昂：针对这样的大趋势，你们团队能提供什么样的研究辅助呢？

魏建榕 我们能提供一系列的数据和工具，来辅助权益基金经理的投资，下面我举两个例子。

第一个是，我们有测算偏股型基金实时仓位的量化系统，这个测算结果虽然并不是100%精准，但优点在于实时。相比之下，基金季报信息披露，通常要滞后一个月才能看到，而且只有前十大持仓的信息。我们通过金融工程的工具，对基金产品的仓位和行业持仓提供实时的测算。

我们以TMT板块为例，计算机行业的加仓趋势在4月中旬出现了拐点，之后仓位就加不上去了。相比之下，同处TMT板块的传媒仓位就没有突破历史新高，拥挤度没那么高。还有，大家最近问得最多的医药，目前偏股型基金的平均仓位是8.5%左右。在过去10年中，偏股基金对医药持仓的最低点大概在8%。这主要是提示机会：砍仓空间较小，加仓空间较大。未来如果利空出尽后，再叠加一些正面催化因素，医药有比较大的加仓空间，仓位上的机会和风险是不对称的。

另外，通过提供更精准实时的仓位测算，我们能更好帮助权益基金经理把握相对排名的基准。我们每个周末提供偏股基金在各个行业持仓比例的监测结果。这么做的好处是，让基金经理了解竞争对手在做什么配置。比如一位全市场基金经理，他现在看好食品饮料因此做了5%的食品饮料仓位配置，那么实际上他的观点和行为是矛盾的：因为当前全市场同行在食品饮料的平均配置是6.8%，他的5%配置其实相比同行是一种低配，在行为上并非看好，而是看空。

第二个是，我们还做了许多另类数据的研究。另类数据的两大特点：一是另类属性，市场用得少，非常见数据，因此能够带来差异化的收益；二是因为另类，逻辑链容易过长，叙事太长太华丽，很多时候实际效果大打折扣。能同时兼顾“数据另类”和“逻辑链短”两大要素的数据，是另类数据中的明珠，可遇不可求。

我们团队挖掘的“高频股东户数数据”，是其中一颗明珠。这是交易所网站的一项公开数据，隐藏在投资者与董秘的问答互动中。这个数据背后的逻辑是，当上市公司的股东数忽然放大时，说明筹码在分散，后面股价上涨的难度就比较高，是一个负面因素。这是权益基金经理普遍认同的交易逻辑，高频的股东户数数据的存在，使得它的策略应用得以落地。

我们应用到中证1000的指数增强中，把每个月股东数忽然放大（散筹）的股票权重削掉一些，转移给那些股东户数减少（吸筹）的股票，算下来能带来9%的额外年化收益率，而且稳定性很高。这项另类数据，也被我们用于定期生成“股东户数异常放大”的股票名单，作为风险提示的信号。

朱昂：我们在访谈基金经理时，也看到了这样的趋势，许多基金经理都会用量化的工具，你觉得如何相结合会比较好？

魏建榕 我觉得量化能比较好在投资流程的前端和中端进行结合。像传统的PB-ROE投资框架，就很容易通过量化助手复盘每一个历史阶段的股票池。基金经理用量化助手提供的复盘去做研究，效率就会非常高。

基金经理也可以通过量化助手推送的数据，做风险和机会的提示，更偏向投资的中端。比如说基金经理经常抱怨在财报期工作量很大，要看许多公司的公告，了解业绩是否超预期。事实上，这种工作只要把判断超预期的标准给到量化助手，就很容易实现自动化扫描。

朱昂：你也做了很多基金经理的调研，能否谈谈在基金选择上的心得？

魏建榕 这一块你的经验更丰富，我也稍微讲几个自己觉得重要的点。

首先，一个基金过往的短期业绩、规模、以及营销热度，都不是基金选择中的加分项、甚至某种意义上还是减分项：1）通常短期业绩特别好的基金，很难在下一个周期持续下去；2）规模是收益的天敌，这在中国和海外都是如此。在Wind上，过去几年偏股型基金的等权指数收益率就要比偏股型基金的加权指数收益率表现更好；3）热度和公司的营销生态有关，也和短期业绩、规模等因素相关。

我们在做基金经理调研的时候，希望筛选的基金经理规模不要太大。大家通常会设一个基金规模的下限，我们还会设置上限。我们也不追求所推荐的基金经理，短期业绩表现太好。在这样的基础上，行情不好的赛道的基金产品，只要它在自身赛道中表现出相对优秀的投资能力，我们也会纳入基金调研的名单中。

做最理解权益投资的金融工程团队

朱昂：你如何看待量化投研面临的挑战，以及有什么应对的方法？

魏建榕 我们看到至少有两个比较大的挑战：

第一个，风格快速切换时如何及时响应。在行业和风格剧烈切换的行情底下，有些量化策略可能因为前瞻性不够，所以会面临阶段性的失效。比如2021年的2月“茅指数”抱团瓦解和2021年9月周期股的抱团瓦解，不管是主观投资还是量化投资都有非常明显的业绩回撤。

第二个，策略同质化。量化这几年规模上的很快，换手率也不低，再加上策略开发相似度较高，我们明显感觉到策略收益被摊薄了，同步卖出的下跌风险也加大了。过去几年里，T0日内交易策略、比较高频的量价因子、跟风抱团的交易，其实都面临着类似的困难，就是同质化。

我们观察到的应对方法包括：

A、量化和基本面加速融合

通俗讲就是，对于非量化的食材，采用量化的烹饪方式。这里面最典型的数据源是：券商金股，分析师一致预期数据、alpha捕捉系统（Alpha Capture System）。量化分析系统吸收了分析师基本面研究的前瞻性，可以增加对市场的适应性。

B、重视另类数据

现在行业内也有很多金融科技公司在专门提供另类数据。另类数据最大的好处，就是能够提供多元化、差异化的alpha源，能够克服一部分我们刚才所说的同质化问题。

C、对于阿尔法策略的微观结构做进一步的解构

最近几年量化投研的一个潮流，就是对阿尔法策略微观结构的分析，典型的例子比如我们开源证券金融工程团队的“理想反转因子”和“理想振幅因子”。我们发现这其中投研发挥的空间更多、自由度更高。

D、多策略和体系化

如果量化管理人有足够多的策略可以去互补，也可以去降低将来策略同步失效的风险。

朱昂：能否也介绍一下开源金融工程团队的情况？

魏建榕 我是2019年12月入职开源证券研究所，并开始搭建金融工程团队的。得益于公司领导、业内前辈和圈内好友的支持，开源金融工程团队从最初3名成员，稳步成长成为一个大团队，目前正式成员12位，分别是：魏建榕、张翔、傅开波、高鹏、苏俊豪、胡亮勇、王志豪、盛少成、苏良、何申昊、陈威、蒋韬。研究领域覆盖量化策略开发、权益定量研究、大类资产配置、中观配置模型、基金产品研究等，目前已是市场上最活跃最专业的金融工程团队之一。

我们团队有两个鲜明的特征：

1）团队成员基本上都是自然科学+金融的复合背景；

2）团队成员的工作经历非常多元化，有公募、量化私募、金融科技公司、第三方基金研究平台、外资宏观团队等背景。我认为在量化和权益融合的大时代，每一个团队成员都要有更多的交叉技能树。

我们有一个团队自己的公众号：建榕量化研究，在机构投资圈中有不错的口碑。

朱昂：最后，能否做一个简单的结语？

魏建榕 我最深刻的感受是，曾经金融工程只想做一个独立的投资流派，这些年和主动权益投资不断交叉融合，正在变成越来越广义的金融工程，工具属性日益彰显。打个通俗的比方，金融工程不是一员具体的五虎上将，它是铠甲、赤兔马、青龙偃月刀，是一件可以随时添加的武器。站在一位权益经理的角度，他可以做的事情是利用更多的量化工具，来为权益投资的决策做辅助，量化投研的边界会渐渐模糊。

因此，我们认为，卖方金融工程的研究，也要顺应这个投研潮流。不能只关心金融工程自己心中的问题，要关心整个权益市场正在关心的重要问题。今年我们团队专门编写了一本小册子《写给权益基金经理：8篇定量报告》，在权益基金经理中广受欢迎。长远地看，我们期待金融工程能打破自身的边界，成为一个广受关注的通用工具。我们给自己的定位是，做市场上最理解权益投资的金融工程团队。

- end -