|专访华泰柏瑞田汉卿团队：金牛量化团队的投资之道( 四 )

同时，为了保持长期稳定的超额收益，我们会去检测Alpha因子的拥挤程度。再好的策略也有容量问题，如果涌入同一因子的资金量太大，会导致超额收益的衰减，过度拥挤，甚至会导致策略崩塌，最终带来负超额收益贡献。
过去几年，海外的某些量化因子确实比较拥挤，但是A股并没有出现这样的情况。我们一直做因子的分析和检测，发现在A股，历史上没有一个因子是拥挤的。而且从规模的角度看，目前无论公募还是私募的主动量化占比都很低，远远没有到达容量的上限。我们会不断检验因子的拥挤程度，一旦观察到因子有拥挤的风险，就会降低因子的权重。
朱昂：也就是说，你们会暴露Alpha因子，但不暴露风险因子？
田汉卿团队风险因子与阿尔法因子的区别在于，风险因子没有长期Alpha ，一般会出现均值回归。赌在风险因子上，对应的风险是比较大的。举个例子， 2017年之前，在A股，小市值因子是非常有效的策略，小盘股显著跑赢大盘。但在2017之后，这个因子出现了反转，大盘股反而跑赢小盘股，直到2019年下半年之后，又反过来变成小盘跑赢大盘了。
对于我们来说，市值因子是一个风险因子。如果风险因子暴露过大，容易出现业绩反转的问题，因此，在我们的模型里，对于风险因子全部是做中性化处理的。
用更科学的方式做基本面投资
朱昂：量化投资的分类很多，你们属于主动基本面量化，也就是说你们的投资有很大的主动成分？
田汉卿团队我们的主动量化投资，在海外叫做Fundamental based stock selection model（基本面驱动的选股模型）。我们的模型是基本面驱动，和主要通过交易行为获得收益的技术面驱动的高频交易策略不同。
我们所采用的基本面逻辑，和主动管理基金一样，比如说盈利超预期、估值比较便宜、盈利质量好持续性较强、成长性好等等。我们的信息源头都是差不多的，一方面是公司的财报数据，另一方面是卖方分析师的盈利预测。我们和主动管理的基金经理不同点在于，对于信息的加工方法不一样。
主动管理基金经理对数据的加工方法，可能更 “抽象”一些。他们会在脑海里对不同的信息点给予不同的权重，可能会把某些因素看的比较重。我们量化的加工方法，就会更加“具体”一些，将多个投资逻辑通过量化模型的方式组合在一起，并根据历史不同阶段的表现，进行权重的分配。我们的投资纪律性更强，避免人脑的随意性以及人性的弱点，来获得超额收益。相比基金经理，我们会更加坚持投资的纪律性。
朱昂：基本面量化属于低频策略，国内有许多量化私募都集中在高频策略，就是担心低频策略的数据源不够多，您怎么看这个问题？