财联社4月16日讯（记者 封其娟）姜鹏团队用实践证明，量化投资是对市场结构变迁的动态响应。对他们而言，量化策略持续迭代的核心，始终聚焦优质公司的价值波动机遇，在投资者结构分化与宏观环境不确定性中，探寻量化投资的长效生命力。

姜鹏于2017年6月加入中信保诚基金，历任金融工程师、基金经理等。在2023年年末，姜鹏带领团队搭建“核心卫星”投资框架，用以布局指数增强产品。所谓“核心”，是以多因子选股为基石，深度锚定公司经营质量、治理结构等中长期基本面因子，在追求收益的同时着重把控风险，力图精准控制指数跟踪误差；“卫星”则是创新性的融合事件驱动、成长价值风格等多元策略，这些策略不仅具备长期超额收益潜力，且彼此间呈现低相关甚至负相关特性，通过有效协同提升组合整体超额收益水平。

鉴于传统机构占比下滑、交易型资金占比持续攀升，长期基本面因子有效性有所减弱，团队构建了“基本面+AI”的双轮模式；在多元共生的投资者生态下，以多因子策略捕捉投资者交易共性，包括中长期偏好和短期交易特征，用卫星策略适配机构特性。

除强化策略的内生风控能力外，团队还用主动研究、反向预测等加固风控防线。摒弃原始数据黑箱模型，以基本面因子融合算法捕捉交互关系，嵌入文本舆情监测与高管言论情感分析，交叉验证业绩前瞻信号；针对量化超额衰减，反向预测个股短期潜在下行风险，结合超配、低配实现变相“做空”；同时升级市值风控与个股预警体系，抵御风格轮动与黑天鹅风险。

宏观视角上，姜鹏主张逆向推演。从国家及全球长期趋势反推当下演化路径，强调科技是破解资源瓶颈与分配矛盾的关键。他指出，宏观预判需规避线性外推，仅在重大宏观事件冲击或者超预期政策变动等情景下调整模型。

持续迭代的“核心卫星”投资框架

当前，姜鹏团队仍旧沿用经典“核心卫星”架构。具体来看，“核心”或通过以70-80%的基本面因子融合20-30%的机器学习策略而构建，兼顾风险控制与收益挖掘；“卫星”占比约20%，依托扎实基本面研究，保持策略鲜明特性。

经过2024年的市场实践，姜鹏发现原有策略体系中的中长期基本面因子虽仍有效，但波动大幅加剧。尤其是下半年，在产业趋势投资和中小盘投资潮的冲击下，这些历史超额收益的核心驱动因子，不仅未能延续稳定的超额收益，甚至阶段性出现收益负贡献。

这一变化与市场投资者结构重构紧密相关。他指出，险资、银行理财、公募基金及北向资金等传统机构投资者的市场占比有所下滑，而量化交易资金、游资群体等交易型资金占比有所增长。

基本面因子的历史有效性，很大程度上依赖于机构投资者长期稳定的价值发现行为与持仓偏好。

近年来，基本面因子使用者规模有所收缩，定价主导权有所下降，而私募资金、游资群体及杠杆交易力量的定价话语权持续攀升。姜鹏认为，尽管市场风险信号或已现，但这一结构性转变仍可能呈延续态势。

考虑到交易所持仓市值统计等投资者结构数据存在半年至一年的更新时滞，团队设定以半年度或年度为周期的渐进式调整机制，在坚守长期投资逻辑的同时，动态平衡短期市场波动与客户体验诉求。

基于此，团队逐步迭代策略，融入AI技术，构建“基本面+AI”的双轮模式。根据游资、私募占比的动态市场测算，调整交易类策略权重，以适配市场结构的动态变化。

除前述结构性动因，姜鹏坚守“核心卫星”投资框架，更因当前多元共生的投资者生态：游资散户与机构资金同台博弈，机构阵营中险资偏好稳定分红资产、公募更聚焦高成长方向。

他认为，市场投资者既有交易共性，又因所属机构、资金性质不同存在特性。团队以基本面与量价因子构建多因子核心策略，捕捉交易共性，如对优质公司的中长期共识、短期止盈倾向等；通过卫星策略精准适配各类机构特性，像高分红策略匹配险资偏好、核心资产策略刻画北向资金特点。但因市场共性大于特性，故多因子为核心。

2023年底至今，团队延续使用中长期底层基本面因子，这些因子从2017年起便持续运用。自2024年起，团队引入文本处理与大模型人才，将数据源从标准化数据库，拓展至文本舆情、音视频等非结构化领域。原先依赖财报数据测算公司成长性，如今借助情感分析技术挖掘官网新闻、交易所互动及高管发言等场景中体现出发展态度，尝试预估企业潜力。

策略迭代中，姜鹏团队始终聚焦挖掘中长期优质公司价值，并同时侧重动态捕捉波动中的投资机遇。

主动研究+反向预测，强化风控体系

底层逻辑的有效性对策略而言至关重要，机器学习类策略亦如此。姜鹏团队在策略迭代过程中，规避黑箱模式，采用经长期验证的基本面因子融合前沿算法，模型输入兼顾逻辑与实证，训练因子覆盖基本面与交易数据，有效捕捉因子交互关系，较单一模型显著降低组合波动，强化内生风控能力。

在风控层面，团队还将主动研究思路嵌入量化风控体系，依托文本舆情监测体系，每日筛查持仓个股，聚焦舆情异常标的。对存在舆情问题的股票，进一步核查基本面与管理层动向，当管理层频繁变动、经营风险高、业绩下滑等多重风险共振时，才考虑从组合中剔除，避免单因素误判。

选股时，传统财务指标易漏业绩反转潜力股，改善信号常早于财报体现，如高管在交易所互动平台透露订单增长、分红计划等。团队通过捕捉前瞻信息并交叉验证，较单一因子更具先机优势；针对市场谣言干扰，团队严选数据源，优先采信公司官网、上交所互动平台、实控人公开访谈等权威渠道；而对于一些监管弱、信息杂的平台，因易被机器发言与虚假内容充斥，暂不纳入数据采集体系。

自去年三季度起，基本面因子波动加剧。团队引入低相关性新因子，嵌入加权与风控体系，构建“AI因子驱动收益、基本面把控风险”的协同框架。实践表明，将部分基本面因子从收益端转至风控端，较简单加权策略稳定性更强。后续团队将双向拓展：收益端基于投资者结构挖掘交易因子，风控端强化基本面研究应用。依托长期基本面积累，让团队在因子交互分析与风险管控上具备一定优势。

针对量化超额衰减、正向预测准确率下降，姜鹏在尝试反向利用模型与因子预测股票短期潜在下行风险后，发现反向预测效果更佳。因为A股做空受限，低质量标的的负向阿尔法难实现，指增可通过超配、低配变相实现预期效果。

由此，团队将整合主动研究与反向预测模型纳入风控体系，先通过主动研究筛选高风险个股，再利用反向预测调整持仓周期内大概率走弱的标的，动态优化组合风险。

基本面上，依赖主动研究“排雷”；交易行为上，规避高拥挤、短期暴涨及高换手个股。风险管理升级聚焦两个维度：一是优化市值风控，在匹配基准指数平均市值的同时，强化市值分布均衡性，抵御风格轮动风险；二是搭建个股预警体系，动态监控单票风险，防范 "黑天鹅" 事件冲击组合。

美股与A股量化逻辑差异明显。美股以机构主导，需贴合机构投资逻辑；A股早期散户多，量化投资也从侧重捕捉定价偏差，转向趋势跟随。量化基金凭借固定的规则与风控，虽弹性弱于主动基金，但风险相对可控。

宏观推演需逆向思维：科技是破局的关键

姜鹏认为宏观层面问题往往难以借助量化手段解决，更多依赖个人的理解与判断。当下，许多人在分析宏观经济时，容易陷入就事论事的陷阱，习惯依据当前政策和数据，按常规路径推导未来走向，评估影响和意义。但他觉得，真正有效的宏观分析应反其道而行之，从未来向现在推导。首先需从国家及全球层面预判长期趋势，再反向推演实现该趋势可能的演化路径，基于当下的现实选择可能性最高的路径。

以宏观经济“做蛋糕-卖蛋糕-切蛋糕”的框架为例，“做蛋糕”依赖资源、能源与技术。当前资源、能源有限，但需求随人口增长不断攀升。从宏观角度看，提升资源利用效率的技术进步，是全人类必然且长期的发展方向。

姜鹏对技术驱动经济增长的中长期前景持乐观态度，虽时点难测，但短期波动无需过度关注。受当前能源资源限制与科技瓶颈影响，全球利益分配矛盾有所激化，这一矛盾可能将持续至技术和资源问题得到解决之前。他强调，科技是打破困局的关键，也是经济发展的长期主线，其进步直接关系到资源瓶颈的突破和经济的可持续发展 。

他直言，受考核周期与客户体验制约，需灵活应对短期波动调整策略，而长期投资逻辑保持不变。

在姜鹏看来，宏观预判需避免线性外推。目前已明确两类触发模型调整的情形：一是重大宏观事件冲击超预期财政刺激或化债政策落地；二是国内外超预期政策变动。其余情况，既定策略大概率不变或者仅做微调。

他谈道，2023年9月末至10月初因子表现疲软，随后因流动性改善、杠杆资金活跃及策略热度回升，因子有效性持续修复。短期波动中，技术领先机构更易斩获超额收益，即便同类线性模型也呈现明显分化。

姜鹏坦言，长期来看，随着量化机构技术投入与资源配置趋同，技术水平、因子运用及方法论差异将逐步缩小，市场有效性提升，获取高超额收益难度加大。当前私募量化领域，长期深耕的机构仍具显著护城河，后来者追赶尚需时日，现有方法论短期内仍具生命力。