钱厚翔

本报（chinatimes.net.cn）记者栗鹏菲 叶青 北京报道

在波动与风格切换频繁的市场中，如何通过系统化的模型捕捉超额收益，同时保持策略的稳健与透明，是每一位量化基金经理必须面对的课题。

近日，《华夏时报》记者专访了永赢基金指数与量化投资部基金经理钱厚翔。在这场深度对话中，钱厚翔不仅剖析了量化投资与主动权益投资的本质差异，更分享了其在科创100、中证500等多类指数增强产品中的策略构建逻辑与实战思考。

量化投资的本质：不是“黑箱”，而是系统化方法论

在公众印象中，量化投资常被贴上“操作不透明”“程序化高频交易”等标签，甚至与市场波动加剧联系在一起。对此，钱厚翔首先廓清了这一认知误区。

“大众所理解的量化，更多的是针对高频以及超高频程序化交易，这类策略以做市或短时套利为目标，依赖时间序列模型，属于绝对收益型策略。”钱厚翔表示，而公募量化业务在A股市场的实践，主要以截面选股策略为核心，交易频率多为有隔夜持仓的周频或月频低频策略。从本质上看，公募量化的投资过程不属于上述争议类别。

钱厚翔进一步分析了量化基金经理与主动权益基金经理在工作内容上的差异。他认为，指数基金经理的投资运作偏向被动化，而量化与主动权益则更偏向主动管理。但与主动权益基金经理相比，量化投研工作更注重数理模型构建与编程，持仓相对更离散，追求清晰的收益风险匹配与严格的交易执行纪律。

“我们更像是经验主义的实践者。在投资事前，我们需要设计与产品投资需求匹配的方案，并通过大量的历史回溯，尽可能减少因极端行情导致收益风险特征偏离的情形。”钱厚翔说。

值得一提的是，如今AI已全面融入钱厚翔所在团队的投研流程：在日常工具端提升工作效率，在模型端则成为多策略体系中不可或缺的一部分。“机器学习方法是我们策略组合中的重要成员，尤其是在因子挖掘、非线性关系识别等方面发挥着作用。”但钱厚翔也强调，AI并非“神话”，其有效性仍依赖于数据质量、业务逻辑与投资理念的深度融合。

极端市场环境是最大挑战，科创100增强追求与Beta共振

谈及量化策略面临的挑战，钱厚翔指出，最不友好的市场环境是“发生了过往未曾出现过的极端情形，即我们无史可鉴”。据钱厚翔回忆，2015年牛熊转换的市场考验，当时作为量化研究员，他深刻体会到：在极端行情下，许多在常态市场中表现分散的策略可能出现高度趋同性，这对产品净值可能是致命的。

为此，永赢基金指数与量化投资团队在策略设计阶段便采取多策略方针。“我们尽可能使策略间形成分散效应，特别是在遇到部分极端风格逆选时，策略间依然能做到尽可能分散收益，提升产品的整体抗压能力，并给团队更多时间针对新市场情境做策略优化。”

这一原则在他管理的不同指数增强产品中得到具体应用。钱厚翔以科创100和中证A500的增强策略为例，解释了如何根据不同指数的内生风格调整模型构建。

“科创100指数由100只中小盘科创板公司组成，核心内生风格是科技成长，且由于科创板涨跌停规则，该指数天然具有高波动特征。”钱厚翔分析道，“其潜在投资者首先是看好该指数的Beta收益，然后才考虑超额收益部分。因此，我们在布局策略时，选择以基本面选股逻辑的量化策略为核心组成部分。”

他特别强调，对于高波动的成长型指数，增强策略需要与指数Beta保持正相关。“我们不希望超额收益与指数的Beta呈现负相关性，也就是说大部分超额来自于指数下跌，这将不利于产品的发展。”

具体到科创100指数增强，钱厚翔团队采用以成长风格为主、质量风格为辅的基本面量化逻辑，关注公司基本面的短期边际成长，同时通过底线思维剔除盈利质量不符合要求的公司。

相比之下，对于中证A500这类风格更加多样、波动较低的宽基指数，策略选择则更为多元。“A500指增我们所用到的策略共计10个以上，涵盖基本面逻辑的多因子策略、机器学习模型策略以及与其内生风格适配的基本面量化策略。”

对普通投资者的建议：认清自身风险偏好，做“耐心资本”

面对当前市场，不少投资者关心如何配置量化产品。钱厚翔指出，2025年被广泛认为是权益牛市之年，但对普通投资者而言，牛市并不等同于盈利。

“核心问题往往在于选择了与自身风险承受能力不匹配的产品，导致在市场波动中提前离场，错失长期收益。”他建议，投资者应首先明确自身的收益风险需求，成为“耐心资本”，方能真正分享市场成长。

比如，风险偏好适中的投资者可以关注中证A500等宽基指数增强产品，因其风格相对均衡；而科创100指数增强则更适合具备一定择时能力或风险承受能力较强的投资者。

展望未来，钱厚翔透露，永赢基金量化业务将继续拓展产品矩阵，除了指数增强外，还将布局主动量化产品，如成长风格量化、价值风格量化等，帮助投资者在看好市场或谨慎阶段都能找到适配工具。

此外，钱厚翔认为，随着国家相关指引的明确，未来中国资本市场的投资运作将会越来越规范。从公募量化业务发展来看，量化固收+业务将是国内量化行业的重要发展方向。届时，国内量化业务或与海外量化生态进一步接轨，在多资产领域发掘更多有效的时间序列中低频本土策略。