张子权
太平基金
调研时间：2024/10/24 15:30
代表基金：太平中证1000指数增强A（015466）
个人简介：张子权先生：英国莱斯特大学理学硕士，具有证券投资基金从业资格。2016年起先后任职于国金证券上海资产管理分公司、太平资产管理有限公司，历任量化研究员、助理投资经理、投资经理等职。2021年11月加入太平基金管理有限公司，从事量化投资研究工作。2022年4月29日起担任太平中证1000指数增强型证券投资基金基金经理。2022年6月27日起担任太平嘉和三个月定期开放债券型发起式证券投资基金基金经理。
关键词：指数增强、宽基指增、回撤控制好、选股收益高
总结
调研总结
纯AI驱动的投资框架，定量特征覆盖层次和品类多。基金经理对各类机器学习算法研究深入，且定期对数据和模型迭代更新。
投资观点
月24日以来，公募和私募量化的超额收益回撤都非常明显。特别是在十一假期之后的一段时间里，市场波动剧烈，量化产品的日收益甚至会跑输基准50bp以上。从风险归因来看，当时是处于低波和高波资产的切换阶段。由于低波因子是A股市场长期有效的风格，量化投资策略普遍会对波动率有负暴露。而9月24日以来，高波动因子开始出现正收益，因此导致量化策略跑输指数。
内容
投资框架
纯AI驱动的投资策略，阿尔法模型以机器学习算法为主，主要涉及决策树、深度学习和遗传规划模型。
量化投资
投资框架包含以下几个关键环节，1）数据的收集和清理：将购买的常见的商业数据源、高频数据以及第三方的另类数据进行清理，并存储于内部QDB量化平台，2）阿尔法模型：主要涉及三大类机器学习算法模型，包括遗传规划模型、基于决策树的GDBT模型和深度学习模型。除了机器学习模型以外，也会有少量的人工阿尔法。阿尔法模型产生10000个以上的股票特征和500个以上的市场特征，3）选股模型：以机器学习选股为主，传统多因子选股比重非常小。
风险管理
风险控制主要包含四个方面，1）市值因子：通过控制市值的次方平均数以保证与基准分布保持高度一致，2）跟踪误差：将高频收益时间序列纳入跟踪误差的控制，3）行业集中度：以中信二级行业为基准，实现行业中性，4）流动性：在限制交易的股票量不超过该股票日均成交量的一定比例的基础上，维持流动性风格因子的暴露。
组合特征
换手率方面，目前年化双边换手率在25倍。这是一个动态指标，会根据整体市场情况而改变。策略容量方面，测算显示，当所有产品规模达到120亿之前，阿尔法收益都不会受影响。
业绩归因
今年以来选股收益（即纯阿尔法收益）大约60-70%。去年90%的超额收益来自于选股，10%来自于低波风格暴露。
公司团队
目前投研团队包括一位基金经理和一位基金经理助理，主要负责模型的开发和新因子的审核。此外，团队有一名长期实习生以及其他部门的两位研究员也会提供研究支持，他们主要负责因子的开发和日常行政工作。
