民生加银中证500指数增强发起式C(012927) - 基金经理

投资策略上，本基金基于人工智能技术/机器学习方法构建收益预测模型。具体来看，基本面因子和量价因子是两类最重要的量化选股因子，都具有长期的投资价值，我们在模型中都进行了长期配置。根据绩效上限，所配置的量价类因子的权重相对更高，权重配置不会在短期内随意改动。　　选股范围上，管理人通过研究年内监管政策，在公司股票池基础上进行正向因素筛选和负向因素剔除，并将筛选结果作为基金选股范围。　　风险控制上，　　a)非线性风险因子：自上季度末起，管理人针对基准指数定制了对应的风险因子，并将其与其他重要风格因子一并约束到较小范围以内。从研究结果来看，在不干预选股范围、不改变模型配比的情况下，通过上述风控策略的迭代，基本能起到规避这几次小盘股崩盘事件对基金的冲击，且在正常年份下的模型整体收益能力也未受太大影响。经过完整的三季度实盘运作，基金净值表现符合预期，特别是在三季末最后一周，基金净值表现也较为稳健。　　b)股票板块因子：管理人注意到科创板、创业板的涨跌幅范围（±20%）区别于主板股票（±10%），在预期未来市场波动放大的情景下，管理人自下季度初开始对该部分板块也进行了单独约束。

投资策略上，本基金基于人工智能技术/机器学习方法构建收益预测模型。具体来看，基本面因子和量价因子是两类最重要的量化选股因子，都具有长期的投资价值，我们在模型中都进行了长期配置。根据绩效上限，所配置的量价类因子的权重相对更高，权重配置不会在短期内随意改动。　　策略迭代上，本基金上半年在选股范围、风格偏离、指数结构层面进行了迭代：　　1) 选股范围上，新“国九条”颁布之后，本基金顺应资本市场改革动态，在公司股票池基础上进行了正向优选和负面剔除。　　2) 风格控制上，今年以来大盘股风格（Size）和中盘股风格（Non-Linear Size）与历史过往走势出现了较大背离，加大了风格因子的控制难度。二季度末，本基金将以上风格因子的暴露控制在较小的敞口以内。　　3) 指数结构上，我们针对基准指数定制了对应的非线性风险因子，并在二季度末将其与其他重要风格因子一并约束到较小范围以内。　　从研究结果来看，在不干预选股范围、不改变模型配比的情况下，通过上述风控策略的迭代，基本能起到规避这几次小盘股大跌事件对基金的冲击，且在正常年份下的模型整体收益能力也未受太大影响。

风格因子上，1-2月份市场的深度调整是在前期大量资金涌入小微盘股的背景下，伴随着止损盘卖出、雪球敲入、DMA平仓等多重风险因素共振的极端情景。在此期间，市值因子（Size）出现了大幅的反向运动，意味着过去三年间高歌猛进的小市值股票暂时偃旗息鼓，而大市值股票则在前两个月表现强劲。同样，非线性市值（Non-Linear Size）、盈利回报率（Earning Yield）同样也走出了一波强劲的势头。　　随着市场风险得到释放，稳定资金继续留在场内，3月后风格因子逐渐回归历史运行轨道，小市值（Size）重新走强，非线性市值（Non-Linear Size）倒V型回归、盈利回报率（Earning Yield）进入震荡。我们预计后续Size、 Non-linear Size等风格因子往后一段时间内再次出现类似极端情况的概率较低。　　Alpha因子上，部分量化私募和公募管理人本轮回撤较大，资金持续流入趋势或有所减缓，市场的拥挤度下降，中长期看，后市的超额预期反而可以乐观一些。低吸高抛属性的雪球、融券T0等策略退出，市场的波动率可能抬升，对量价因子占比较高的管理人也较为友好。　　指数估值上，2024年一季度末，中证500指数的市盈率、市净率分别为22.0倍、1.65倍，处于该指数自基期以来的估值低位，对投资者的吸引力有所上升。　　投资价值上，中证500指数市值规模居中，汇聚了医药、电子、计算机等高新成长行业，盈利潜力较高，同时还汇聚了较多比例的有色、基础化工等周期行业，指数历史表现弹性较高。　　投资策略上，本基金基于人工智能技术/机器学习方法构建股票量化组合：　　（1）因子挖掘上，我们紧密跟踪前沿研究成果，完善中长期选股逻辑，机器学习挖掘短期市场规律，并利用海量历史数据进行验证。　　（2）因子合成上，我们采用多重非线性方法综合预测，相比传统量化策略更好捕捉高阶矩的隐藏alpha。　　（3）组合优化和风险管理上，我们自建风险因子体系，自建组合优化模块，降低与其他管理人同质化风险；演绎和归纳风险因子，评估适当风控措施。　　（4）模型迭代上，我们根据市场变化以及深入研究，持续复核检验模型，并对模型涉及的因子与策略进行修正与调整，改善模型的有效性与稳定性。　　风险控制上，我们主要依靠选股来获取收益，不过分依靠行业观点或者板块观点；通过收紧风格因子上的敞口，不在个别的风格做过多偏离；将成分股外选股比例控制在行业居中水平，不在微盘股上做过多暴露。　　策略迭代上，一方面，节后模型已表现出较强的预测能力，另一方面，开年这段时间属于偏极端情况，样本小，权重低，经测试放入模型重新训练效果不大，综合来看仍保持当前选股模型不变。我们将在因子挖掘上密切跟踪基本面、量价因子的新研究，在策略开发上跟踪机器学习的最新进展。　　投资运作上，作为指数增强基金，本产品始终保持高仓位运作，应对基金申购赎回不主动择时，秉持以多种大概率取胜、以风险调整后收益为目标的方式力争跑赢指数，增厚投资收益。

选股因子（Alpha）上，2023年长周期基本面因子表现较为平淡，短周期量价因子在经历3月、5月两次回调后，下半年持续表现稳健，收益较为可观。风格因子方面，2023年小市值因子（Size）全年保持强势，低估值（BP）因子年初伊始即有所表现，四季度后进一步发力，非线性市值（Non-linear Size）因子十月份后开始走强，其余风格因子表现的延续性较为一般。　　基准指数（Beta）上，2023年四季度末，中证500指数的市盈率、市净率分别为21.8倍、1.67倍，处于该指数自基期以来的估值低位，指数估值进一步向下的空间要小于向上的空间。中证500指数属于中盘股，市值规模主要集中在500亿元至100亿元之间，汇聚了医药、电子、计算机等高新成长行业，盈利潜力较高，指数历史表现弹性较高，目前估值处于低位，对投资者的吸引力有所上升。　　投资策略上，2023年四季度后期，我们基于人工智能技术/机器学习方法构建股票量化组合：　　（1）因子挖掘上，我们紧密跟踪前沿研究成果，完善中长期选股逻辑，机器学习挖掘短期市场规律，并利用海量历史数据进行验证。　　（2）因子合成上，我们采用多重非线性方法综合预测，相比传统量化策略更好捕捉高阶矩的隐藏alpha。　　（3）组合优化和风险管理上，我们自建风险因子体系，自建组合优化模块，降低与其他管理人同质化风险；演绎和归纳风险因子，评估适当风控措施。　　（4）模型迭代上，我们根据市场变化以及深入研究，持续复核检验模型，并对模型涉及的因子与策略进行修正与调整，改善模型的有效性与稳定性。　　投资运作上，作为指数增强基金，本产品始终保持高仓位运作，不主动择时，秉持以概率取胜的方式、以风险调整后收益为目标，力争跑赢指数，增厚投资收益。