【导读】联博全球经验在本土市场的又一实践

　　正值联博基金正在发行旗下第一只指数增强策略的基金——联博中证500指数增强型基金（基金代码A类026059/C类026060），拟任基金经理朱良和杨光通过直播给投资者分享了近期市场观点、投资策略及联博的全球优势。

　　以下整理了直播中的精华内容，与大家一一分享。

　　金句摘要：

　　中证500指数的一个显著特点是民营经济占比接近50%。民营经济对中国的贡献有一个“56789”，随着促进民营经济发展壮大的相关政策举措陆续出台，民营企业家的信心得到提振，资本性支出意愿增强，为中证500指数注入了活力。

　　联博采用一套成熟的系统性方法，来辨别、识别市场模式，从而力争在中盘股领域构建更持续的超额收益能力。这也是看好中证500指数增强策略长期价值的重要原因。

　　历史不会简单地重复，但是它会押韵。联博发现境外投资者在中国能做好投资，正是因为他们善于捕捉这种全球共通的"韵"，并灵活运用于本土实践。

　　不断努力战胜基准、创造超额收益，最终是为了给投资者带来更稳定、更优质的投资体验——这一切的坚持，都赋予了主动管理产品存在的意义。

　　我们产品策略的Alpha主要来自非市值、非β的风格因子，例如包含如具备传统经济学含义的估值、质量等因子，以及通过机器学习发掘的多维度量价因子，这类收益来源是更可持续、也更可解释的。

　　这个迭代过程很像病毒变异——我们无法用去年的疫苗来防御今年的病毒。机器学习因子的生命周期不断缩短，迭代速度越来越快。特别是在当前行业竞争日趋激烈的环境下，这种迭代周期正在被进一步压缩。

　　希望通过这只产品提供给投资者一个充分参与中国经济转型以及产业升级的投资机会。

　　拟任基金经理介绍

　　朱良

　　联博基金副总经理、投资总监

　　北京大学数学系基础数学学士、美国匹兹堡大学经济学硕士

　　证券投资管理从业25年 联博任职19年

　　曾任联博香港亚太量化研究负责人、联博管理咨询股票投资部投资总监等

　　将联博投资理念及成功经验带到中国，一手打造联博A股量化模型

　　杨光

　　复旦大学物理学学士、复旦大学理论物理博士

　　证券投资管理从业近8年 联博任职4年

　　现任联博基金投资研究部量化分析师，专注于股票系统化模型的研发

　　深耕量化领域，曾负责机器学习类量化股票策略的研发以及高频策略的研发与投资工作

　　朱良证券从业年限为21年*，境内投资年限为5年；杨光证券从业年限为5年*，境内研究年限为近8年；*均为基金经理备案登记口径。

　　第一部分

　　中证500指数的投资价值

　　Q：今年以来A股表现亮眼，推动这轮行情的主要因素是什么？您如何看待其持续性？

　　朱良：回顾市场走势，我们在“9·24行情”前已开始关注市场。当时市场情绪低迷，而如今投资者信心明显改善，这一转变与“9·24”以来的一系列政策举措密不可分。事实上，在9月政策组合拳出台前，证监会已持续推进多项资本市场基础性制度改革，包括提升上市公司治理水平——这可谓中国版的“Value Up”（价值提升）计划。值得关注的是，A股市场整体分红支付率已从原来的30%左右提升至40%，这一根本性变化显著增强了市场的长期投资价值。另一方面，当前利率环境持续下行，市场流动性保持宽松。随着银行理财收益率下降，房地产行业仍处于筑底阶段，资金需要寻找新的配置方向。在政策提振信心和资本市场制度不断完善的双重助力下，A股市场自然成为投资者的重要选择。近期媒体频繁提及的“存款搬家”现象，也印证了A股市场正成为资金关注的重要领域。

　　我们不过多关注短期点位波动，更重视上市公司基本面的改善和治理结构的提升，这些才是支撑A股市场长期健康发展的坚实基础。

　　我觉得投资者也在不断的成熟过程当中，2013、2014、2015这一段时间让大家更关注的其实是一个背后的投资的属性，而不是纯粹的是为了追涨杀跌而已，所以我觉得这是一个螺旋式的循环，提升的一个过程。

　　Q：在众多宽基指数中，中证500为何能脱颖而出，其核心吸引力体现在哪些方面？

　　朱良：中证500指数的行业布局完全契合了国家发展“新质生产力”的战略方向。指数成分股广泛覆盖电子、医药生物、电力设备及新能源等关键科技创新领域，这些行业正是当前政策重点支持、技术迭代迅速的新兴增长板块。

　　中证500指数的一个显著特点是民营经济占比接近50%。民营经济对中国的贡献有一个“56789”，民营企业在国民经济中贡献了约70%的技术创新，这与“新质生产力”依靠创新驱动的发展逻辑完全吻合。随着促进民营经济发展壮大的相关政策举措陆续出台，民营企业家的信心得到提振，资本性支出意愿增强，为中证500指数注入了活力。

　　此外，中证500指数中制造业占比约50%，使其能够从当前推动产业升级、提升发展质量的“反内卷”导向中受益。从估值角度看，尽管指数当前动态市盈率约为28倍，但结合其未来三年的盈利增长预期来看，PEG指标约为0.87，显示其估值水平相对于成长性而言仍处于合理区间。

　　中证500指数凭借其与“新质生产力”战略相匹配的行业结构、充满活力的民营经济成分、坚实的制造业基础以及合理的估值水平，展现出较强的配置价值。

　　Q：从量化角度看，中证500成分股（市值排名301-800）这一特定区间具有怎样的投资特质，使其更适合作为增强策略的载体？

　　杨光：从量化角度来看，投资者最终获得的收益主要由两部分构成：一部分是市场基准收益（β），即宽基指数本身的涨跌表现；另一部分则是通过主动管理所创造的超额收益（α）。为什么我们当前尤其关注中证500指数？正如朱良总此前所分析的，其β收益主要受益于四方面支撑，我们预期它在宽基指数中表现有望较为突出。而在增强收益（α）方面，中证500指数增强策略也具有多重优势。市场上部分指数增强产品偏好通过风格偏移来获取超额收益，例如在沪深300增强组合中增配小盘股，利用历史上小盘因子长期存在的溢价来获取超额收益。但基于联博集团50年的全球管理经验，历经多轮市场周期与黑天鹅事件，我们更注重投资风格的纪律性，通过深入的基本面与系统化研究来追求可持续的α收益。

　　朱良：同时可以这样理解，投资中有一个“分散化配置”的逻辑，当前中盘股领域正是我们产品布局需要加强覆盖的方向。更重要的是，中盘股市场通常蕴含更丰富的超额收益机会。这一领域个人投资者参与度相对较高，市场情绪波动更为显著——而情绪背后往往隐藏着人性的认知偏差，这恰恰为我们系统化识别行为模式、挖掘错误定价提供了空间。联博采用一套成熟的系统性方法，来辨别、识别市场行为模式，从而力求在中盘股领域构建更持续的超额收益能力。这也正是我们看好中证500指数增强策略长期价值的重要原因。

　　第二部分

　　因子挖掘与机器学习

　　Q：联博的指数增强策略如何融合机器学习等新技术？整体方法论有何特点？

　　朱良：当前AI确实存在被过度神化的现象，但在我们看来，它本质上就是量化投资与机器学习相结合的工具。联博之所以重点布局这一领域，是因为资产管理行业已经全面进入"脑力+算力"的双重密集型发展阶段。 指数增强策略虽在中国市场兴起，但其方法论根基源自全球市场的长期积淀，其背后的逻辑、理念和工具，都积累了来自全球的智慧。联博集团拥有79名量化分析师，建立了高效的协作机制：每当境外团队研发新的技术或模型，都会及时共享供本土化应用学习借鉴，这种全球视野使我们的策略持续保持前瞻性。在算力建设方面，联博依托全球统一的算力基础设施，为策略研发和执行提供强大支撑。这种"全球智慧+本土实践+算力优势"的三重保障，构成了我们在指数增强领域的核心竞争力。

　　Q：传统量化因子与机器学习挖掘的因子在模型中如何协同与结合？

　　杨光：传统量化模型与机器学习模型的核心差异，本质上在于构建因子的哲学不同。传统模型致力于打造所谓的"超级因子"，即单个因子具有极强的解释力。但市场始终处于行业轮动与风格切换中，很难有任何一个超级因子能持续5年、10年始终保持有效。 这就像自然界的生态系统，如果只保留最优基因，一旦环境剧变，这类物种反而面临生存危机。因此我们更需要的是"因子的多样性"。 而机器学习策略不追求每个因子都是完美的，而是注重因子的广度与互补性。每个因子只需达到合格或中等偏上水平即可，关键在于通过非线性建模方式，将数百个因子融合成一个具有预测能力的整体。我们不断根据市场变化更新因子库，让模型像生态系统一样具备动态适应能力，所以我们内部会称之为“适者生存模型”。简而言之，传统方法追求"一枝独秀"，而机器学习更注重"百花齐放"。我们不追求每个因子都完美，而是通过多样性组合，共同捕捉市场中更持续的超额收益机会。

　　Q：能否举例说明什么是“超级因子”？与那些长期有效但非“超级”的因子有何区别？

　　朱良：我来补充说明一下。所谓"超级因子"，通常指那些具有清晰经济学或行为金融学逻辑、能够被合理解释，并且在统计上表现稳健的因子。这类因子虽然质量很高，但数量相对有限。

　　而另一类因子，是那些分散化、小规模的因子。在我们这个行业，这本质上是一种"模式识别"——就像人脸识别一样，机器能够比人类更高效地发现那些难以直观解释、却真实存在的市场规律。这类因子可能短期内无法用传统理论完美解释，但通过机器学习的迭代优化，能够不断自我完善。因此，我们认为这类因子是对传统"超级因子"的重要补充。

　　这就引出了一本叫《暗知识》的书所描述的概念：有些知识如同隐藏在暗处，无法用线性方式清晰阐释，却真实有效。然而这类"暗知识"面临一个核心挑战，即"统计陷阱"。如何应对？唯有依靠强大的算力支撑——正所谓"天下武功，唯快不破"。联博依托全球算力基础设施，正是为了更高效、更准确地识别和验证这类因子，从而为我们的投资策略提供更丰富的维度。

　　Q：传统量化模型与机器学习模型有什么区别？

　　杨光：传统量化模型中的"超级因子"确实是核心所在。但在机器学习模型中，真正的IP更侧重于模型架构本身，而非单个因子。因为我们的因子库始终处于动态迭代中——五年前使用的因子可能已被逐步淘汰，而当前有效的因子或许在当时尚未被纳入观察范围。

　　朱良：这个迭代过程很像病毒变异——我们不可能用去年的疫苗来防御今年的病毒。机器学习因子的生命周期也在不断缩短，迭代速度越来越快。特别是在当前行业竞争日趋激烈的环境下，这种迭代周期正在被进一步压缩。正因如此，我们始终强调算力基础的重要性——只有持续提升计算能力，才能支撑起这种高速迭代的因子研究体系，保持策略的前瞻性和有效性。

　　Q：这些因子在不同市场环境下（如牛市/熊市）表现是否稳定？是否存在跨周期的共性特征？

　　朱良：投资者的行为模式会随着市场环境的变化而改变。我们的模式识别工作，正是要捕捉这些动态变化的行为特征。这好比人在不同地形下行走姿态会自然调整：平地行走时步伐平稳，而山地跋涉时则会调动不同的肌肉群，姿态也随之改变。市场也是如此，在不同行情下，参与者的交易习惯、情绪反应和决策模式都会有所不同，因此有效的因子也需要随之动态调整。但比识别具体模式更重要的，是你通过什么方法来识别那些市场模式。这个方法是相对稳定的核心，可一旦被普遍采用，其有效性就会递减。因此，我们必须持续迭代和升级我们的分析体系。

　　目前，这类方法论竞争最激烈的场域并非国内，而是在全球市场。海外机构在量化模型与算法上的竞赛已进行多年，这也促使我们必须具备全球视野，不断学习和进化，以保持策略的前瞻性。

　　第三部分

　　团队分工及全球协作

　　Q：作为双基金经理制，二位在投资管理中如何分工协作？

　　朱良：资管行业在境外成熟市场的发展，已充分验证了“工业化”模式的必要性。正如国内多家机构所倡导的“资管工业化”，依赖于三大基石：产品的标准化、流程的专业化分工，以及系统的品质控制。

　　首先，是产品的标准化。我们推出的指数增强产品，从投资目标、策略到风控指标，都遵循明确且一致的标准。一个真正标准化的产品，其产出不应再依赖于手工作坊式的个人发挥，而是像现代化汽车产线，每个环节都精准协作，确保最终产品的质量稳定可期。

　　其次，是专业化的分工与α来源的系统化构建。我们的超额收益（Alpha）主要来自两块：其一，机器学习策略：由杨光主导，这是我们应对市场模式快速迭代的核心能力。该策略不追求单个“超级因子”，而是通过大量因子的动态组合与机器学习模型的非线性合成，持续挖掘超额收益。其二，经典因子库与系统化流程：联博全球历经50年积累的因子库是我们的战略资产。我们会基于对中国市场的深度理解，对其进行本土化的引入、验证与迭代。更重要的是，整个投资流程都已实现高度的系统化。

　　我的核心职责之一，正是担任这个“工业化流程”的品质控制官，确保每一个环节的严谨衔接与整体流程的稳定可靠。最后，工业化体系的真正力量在于团队协同。我和杨光作为拟任基金经理，是站在前台的代表。在我们身后，是一个由IT专家、投资组合管理专员、交易员等组成的强大支持网络。正是这种深度的平台化协作，确保了投资理念能够被精准、高效地转化为投资者手中的产品。

　　Q：联博如何将全球量化经验与A股市场特性相结合？在模型本土化过程中有哪些重点考量？

　　朱良：知识共享至关重要。很多时候，突破源于思维方式的转变。通过与国际市场的交流，我们能接触到不同的视角和逻辑。海外市场当前面临的挑战，或许就是我们明天将要面对的课题。在这方面，我们通过持续学习，已经积累了一定的认知储备。我们观察到，美股市场的某些现象往往会在一段时间后在A股市场以某种形式重现。

　　历史不会简单地重复，但是它会押韵，我们发现境外投资者在中国能做好投资，正是因为他们善于捕捉这种全球共通的"韵"，并灵活运用于本土实践。基于多年的A股投资研究经验，我深刻体会到，市场参与者的行为模式会随环境变化而动态调整。回想去年和当前市场关注的重点已截然不同——行为特征变了，对应的市场模式也随之改变，驱动因子自然需要更新迭代。但比识别具体模式更核心的，是支撑我们识别模式的方法论体系。你的分析逻辑、思考框架和应对机制，才是真正的竞争力所在。这套体系的构建，离不开全球视野的知识输入和持续迭代。

　　当前我们面临的竞争，本质上与海外市场同频。我们的对手也在不断进化，这就要求我们必须以更快的节奏进行自我升级。单纯依靠本土经验的内生迭代会越来越困难，这也解释了为何目前许多机器学习类产品会出现高度同质化的表现——唯有融入全球智慧，才能构建可持续的差异化优势。

　　Q：用一句话总结，通过联博中证500指数增强想传递给投资者的是什么？

　　杨光：我们希望通过这只产品，提供给投资者一个充分参与中国经济转型以及产业升级的投资机会。