薛 玲
建信基金
调研时间：2024/10/14 15:30
代表基金：建信沪深300指数增强A（165310）
个人简介：薛玲女士：中国国籍，博士。2015年9月加入建信基金，历任金融工程及指数投资部基金经理助理、基金经理、部门总经理助理、部门副总经理等职务。
关键词：指数增强、多因子模型、因子库、纯量化、行业均衡、跟踪误差小、事前控制、研究员支持力度大
总结
调研总结
擅长因子构建、因子组合、线性模型和机器学习模型的使用以及组合风控。
内容
投资框架
多因子模型。
转债投资
有转债增强模型。目前公募产品没有在使用。未来可能在某些产品中使用。
量化投资
本身有一个传统的ICIR加权模型，今年加入两个新策略，一是人工智能的AdaBoost集成算法选股，另外一个是自适应共振增强。传统的ICIR模型，优先选择技术面因子，因为技术面因子的Alpha会更高一些。第二个模型在全部因子库里选择，最开始去选能把股票分类分的最准确的因子，第二选择在分错的里面分的最好的因子，每期选择什么样的因子不固定，从今年运行结果看，可能选择了比较多的偏价值类型的股票。第三个模型，偏重资金流，或者高频资金流向，在沪深300中有比较多分析师覆盖的或者有比较多投资者关注的股票，这三个模型各有侧重。常用因子500到600个。其中财务因子200个左右，盈利预测类因子100个左右，高频因子100个左右，技术面因子100个左右，情绪面因子30个左右。因子数量占比上财务因子更多一些。因子构建方面，有投资逻辑的因子大概在50%以上。日常开发因子，季度更新因子库。对于机器学习模型的训练，会结合长短周期，并按照一定方式复权。
在管产品
建信双债增强打算做可转债指数增强产品，还没开始正式的运作。建信鑫稳回报权益仓位大概20%，按照固收加模式进行运作，股票部分以大市值股票，300成份股和红利股票为主。对于新产品建信红利精选，股票选择上偏向持续稳定分红的股票，以及看重分红的质量和增长性。
组合特征
沪深300指增产品，月度单边换手大概30%，年化跟踪误差3.34%。理论上来说每月交易，但是特殊时期会单日交易。
风险管理
在常见风格因子上基本没有暴露。一般偏离控制在0.2个标准差以内。风控模型类似barra。指数内交易不受反向约束。指数外跟其他普通产品是一样的。
公司团队
对指数增强产品提供支持的同事大概有14到15个人。
