|专访华泰柏瑞田汉卿团队：金牛量化团队的投资之道( 三 )

第二种是提供纯Alpha(超额收益)的对冲策略，这是一种绝对收益的策略。我们先做一个指数增强的投资组合，同时获得指数回报(Beta回报)和超越指数的超额收益(Alpha回报) 。再通过空股指期货，把组合回报中的Beta部分全部对冲掉，使得客户能够获得通过主动量化模型实现的Alpha收益，以实现产品的绝对回报。这个策略的Alpha ，除了基本面量化模型所获的超额收益外，还可以叠加一些其他的投资策略，比如打新，也能贡献额外的收益。过去几年，随着股指期货“基差”的收窄以及对冲成本的下降，我们这个策略也取得了不错的投资效果。我们旗下的华泰柏瑞量化对冲今年回报已经超过10% (wind ，截至2020/9/30) 。
必须理解数据背后的逻辑
朱昂：量化策略的难点是保持超额收益，你们如何保持自己的超额收益？
田汉卿团队我们的投资目标是追求长期较为稳定的超额收益，主要是通过多因子分散风险来实现。相对于单因子模型，多因子模型的稳定性更强。世界上并不存在任何时候都有效的单一因子，当模型中一些因子不工作的时候，模型中的其他因子能够发挥作用，从而实现一个整体较为稳定的超额收益。
打一个比方，多因子模型就好比斜拉大桥的钢缆，它不是一根钢柱，而是由许许多多钢丝组成的钢缆，这样抗拉能力更强，才更有弹性，可以支撑起整座大桥。
2014年的时候，我们模型中的成长因子表现非常好，当时有人过来问：为什么还要给价值因子赋予权重，如果把全部权重放在成长因子上不是效果更好吗？
我们当时的回答是，我们选择多因子选股模型，追求的是稳定的业绩，如果在单一因子做过多暴露，组合整体的风险也比较高，一旦因子不工作会造成较大的损失。我们将估值因子、成长因子、动量因子等等多种因子捆绑在一起，模型整体的韧性就会比较好。
在因子判断上，我们会区分Alpha因子和风险因子。简单来说， Alpha因子就是能够长期有效创造超额收益的因子。有些因子阶段性有效，但长期没有明显的超额收益，我们就把它归为风险因子。这一点和有的使用机器学习的量化投资方式不同。他们会将几百上千个因子全部捆绑在一起。而我们会先做一层筛选，把风险因子进行中性化处理。
至于如何识别Alpha因子和风险因子？这就取决于投研团队对于投资逻辑的判断，而不仅仅是简单的数据回测结果。我们的理念是，投资逻辑在先，数据验证在后。我们特别忌讳的是简单的“Data Mining（数据挖掘）” ，不会简单基于一个回测结果来得出结论，必须逻辑可行才可以。