报告行业投资评级 未提及 报告的核心观点 工银瑞信基金指数及量化投资部人员充足、研究方向多样，以“ARC”投资导航系统为核心，多位基金经理有不同投资方法，涵盖多因子和 SmartBeta 等策略，产品线丰富，能为投资者提供不同赛道解决方案，代表产品各有特色且业绩表现良好 [1][12][38] 根据相关目录分别进行总结 工银主动量化团队——前沿视角 + 多元覆盖，积极主动把握确定性投资机会 - 团队概况：工银瑞信基金指数及量化投资部有 15 位投研人员，由焦文龙牵头管理，分工明确，覆盖多领域；核心成员经验丰富，各负责多只公募基金；投资理念以“ARC”为核心，在人员和研究方向优势下可发挥最大作用 [8][9][12] - 主动量化投资框架：多位基金经理投资方法多样，多因子策略在因子构建、挖掘和模型构建有特色，SmartBeta 策略有明确决策步骤，注重策略合理性和交易辅助 [19][20][30] - 主动量化产品线：在管 11 只主动产品，涵盖多品类，各细分品类产品定位鲜明，能为投资者提供专项解决方案，目标是在不同赛道为投资者增添收益 [38][39][40] 工银主动量化代表产品投资特征分析 - 工银聚享：自 2024 年 2 月业绩超越基准，定位于高仓位固收 + 且股票端配小盘，换手率适中、持仓分散，行业配置稳定，不依靠高换手和行业偏离获超额收益 [43][45][50] - 工银瑞信中证 1000 指数增强：何顺管理后业绩领先，区间回报领先同类，交易换手贡献显著超额收益，高换手、适度涉猎微盘股，有适度行业偏离和风格因子暴露调整 [56][59][60] - 工银新价值：2024 年以来业绩领先，低换手、持股分散，持股偏大盘，有适度行业调整，主要靠选股贡献超额收益，能捕获 Beta 和 Alpha 投资机会 [72][73][81]

报告核心观点 - 工银瑞信主动量化团队践行“多视角、多资产、多因子、多策略”的4M多元化理念，由焦文龙带队，具备分工科学、因子策略储备深厚等竞争优势，规模承载能力充裕，产品/策略相关性低，值得关注 [2][12][13] 工银瑞信主动量化投资团队 多视角 - 团队成员背景复合多元，在大类资产和宏/中/微观维度高效协作，从业经历丰富，有助于形成多元有效观点 [14][15] 多资产 - 管理资产丰富，建立多资产分析框架，提出ARC投资导航系统，为产品提供确定性投资决策支持 [14] 多因子 - 因子开发遵循预测有效性与逻辑独立性双准则，构建多层次选股因子池，借助前沿算法提炼选股能力，控制组合风险暴露 [14][25] 团队架构与成员 - 团队由4名基金/投资经理和3名研究员构成，焦文龙统筹领导，成员各有所长、梯队合理 [3] - 焦文龙经验丰富，能力圈广泛，在管产品风格特色鲜明，策略同质化低 [3][18][19] 量化投研体系 - 构建以多因子协同等为核心的量化投研体系，通过低相关性设计提升因子入库有效性 [25] - 形成成熟完备的量化投研框架，覆盖产品全生命周期管理，分为投前、投中、投后步骤 [26][29] “主观+量化”融合 - 主观投资与量化策略互补，团队注重二者深度融合，借力内部主观投研人员，内部注重定性思维 [30][31] - 研发主动量化投研平台，实现投研一体化，提升效率，未来支持“零代码”化 [32] 工银瑞信主动量化产品线 产品线概览 - 以基本面量化、指数增强为主，规模占比超80%，各品类有细分子策略，产品遵循收益风险匹配逻辑 [5][35][36] 指数增强 - 依托成熟体系与平台优势，通过基金经理调整与策略迭代提升超额，近期表现优异 [42][52] 基本面量化 - 具备smart beta特色，形成立体化布局，产品线组合运作分四步，部分产品以“固收+量化增强股票组合”形式呈现 [54][55][57] 量化对冲 - 聚焦低风险绝对收益策略，两只核心产品定位差异化，“924”后跑赢同类，为投资者提供低波动资产配置工具 [67][68] 圆桌实录 投资框架与特色 - 投资理念注重长期思维、均衡配置，采取定量与定性结合框架，特色为多视角、多资产、多因子、多策略 [74][75][76] 因子及策略储备 - 因子库入库标准严格，构建方法包括人工和算法挖掘，实盘策略结合量化多因子模型与深度学习 [78][79] 因子或策略失效问题 - 重视策略实战有效性，通过严格回测、模拟盘跟踪和有效性验证构建策略 [84] alpha策略回撤应对 - 不轻易判断因子失效，定期观察因子表现，对因子进行相应处理，出库因子可重新入库 [86] 分域选股理念 - 认为不同股票池和因子类型存在差异，采取分域训练，拆分任务搭建子模型 [88][89] 基金管理人基本情况 - 工银瑞信基金成立于2005年6月，依托强大背景，提供多元化财富管理服务，业务资格全面，产品种类丰富，管理规模领先 [91][92]

量化模型与构建方式 1. **模型名称**：东方A股因子风险模型(DFQ-2020) - **模型构建思路**：基于风格类风险因子构建多因子模型，用于解释股票收益的风险来源[14] - **模型具体构建过程**： - 包含10类风格因子（如Size、Beta、Trend等），每类因子由多个子因子合成[14] - 因子计算示例： - **Size因子**：总市值对数 - **Beta因子**：贝叶斯压缩后的市场Beta - **Trend因子**：通过指数加权移动平均比率计算，如 $$Trend\_120 = \frac{EWMA(halflife=20)}{EWMA(halflife=120)}$$ - **Volatility因子**：包含5个子因子，如过去243天的标准波动率、FF3特质波动率等[14] - **模型评价**：覆盖市场主要风险维度，因子定义清晰且具有经济逻辑 2. **MFE组合构建模型** - **构建思路**：通过组合优化最大化单因子暴露，同时控制行业、风格等约束[54] - **具体构建过程**： - 目标函数：最大化因子暴露 $$max\ f^{T}w$$ - 约束条件包括： - 风格暴露限制 $$s_{l}\leq X(w-w_{b})\leq s_{h}$$ - 行业偏离限制 $$h_{l}\leq H(w-w_{b})\leq h_{h}$$ - 换手率约束 $$\Sigma|w-w_{0}|\leq to_{h}$$[54] - **模型评价**：更贴近实际投资约束，能有效检验因子在复杂条件下的表现 --- 量化因子与构建方式 1. **因子名称**：单季ROE - **构建思路**：反映公司当期净资产收益率，属于盈利类因子[19] - **具体构建**： $$Quart\_ROE = \frac{单季净利润*2}{期初净资产+期末净资产}$$[19] 2. **因子名称**：一个月反转 - **构建思路**：捕捉短期价格反转效应[19] - **具体构建**：过去20个交易日涨跌幅的相反数 3. **因子名称**：标准化预期外盈利（SUE） - **构建思路**：衡量盈利超预期程度[19] - **具体构建**： $$SUE = \frac{单季实际净利-预期净利}{预期净利标准差}$$ 4. **因子名称**：特异度（IVR_1M） - **构建思路**：反映个股收益脱离市场共同因素的程度[19] - **具体构建**： $$IVR\_1M = 1 - R^2_{FF3}$$（Fama-French三因子回归拟合度） --- 模型回测效果 1. **DFQ-2020风格因子表现**（中证全指样本） - Liquidity因子：近一周收益5.44%，近一年年化33.79%[11] - Size因子：近一周收益-5.96%，历史年化-29.56%[11] 2. **MFE组合模型** - 沪深300增强产品：近一周超额收益中位数-0.07%，最高0.47%[47] - 中证1000增强产品：今年以来超额收益中位数3.28%，最高9.18%[53] --- 因子回测效果 1. **沪深300样本空间** - 预期PEG因子：近一周收益0.88%，近一年年化2.96%[22] - 单季ROE因子：近一周收益0.86%，历史年化4.25%[22] 2. **中证1000样本空间** - 一个月反转因子：近一周收益1.03%，近一年年化-10.62%[32] - 特异度因子：近一周收益0.76%，历史年化4.98%[32] 3. **创业板指样本空间** - 标准化预期外盈利：近一周收益16.09%，近一年年化32.15%[39] - 3个月盈利上下调：近一周收益-3.87%，历史年化-12.03%[39] --- 附录：MFE组合构建细节 - **优化变量**：$w$为股票权重向量，$w_b$为基准权重[54] - **行业约束**：$B_b$为成分股0-1矩阵，限制成分股权重占比[57] - **换仓频率**：月末调仓，双边交易成本0.3%[58]