基金经理摘要

马芳

投资年限：2.39年，年化收益：14.77%、管理规模：33.97亿

马芳 的投资理念和风格特色概要

理念

程序员出身，专注量化投资。 相比主观投资来讲，量化的海量数据，已非人力可及，而且严格按照策略模型交易，还能够克服追涨杀跌等人性弱点 。 当市场进入震荡走势，行情热点分散，板块轮动较快，而量化模型覆盖度广、投资分散，能及时捕捉市场动态机会。

机器学习技术“自上而下”构建选股模型， 模型使用的输入变量主要分为基本面和情绪两方面。 团队中还有专门负责另类数据研究和处理、风险模型优化等不同模块的人员。

同大多数量化团队不同的是，国金量化团队使用统一的模型，构建了整个模型后，量化研究员则向其中添加增量，或提供子模型，共同维护模型的输出。

动态调整选股模型，根据风险和基准在不同时期的变化，不断迭代模型，提高整体模型的适应能力。

通过极致分散化和对风险敞口的控制降低波动，并且 在风险模型约束下，严格控制运作风险， 以追求相对稳定的超额收益目标， 在缓慢积累中追求较为稳定的增长趋势。

但做量化投资不要迷信数据和技术，因为容易出现模型样本内外的有效性失衡。 因此 不仅在技术上做革新，更积累实操层面的投资经验。

代表基金分析

国金量化多因子

总的来看，国金量化多因子的持仓还是以小盘股为主，持仓非常分散，持仓行业也毫无规律可循，只要是符合量化选股模型要求的股票都会进入持仓列表，不会主动偏向某种风格和行业或赛道。

作为量化投资基金，高仓位和低集中度是很鲜明的持仓特点，前十大重仓股占比仅为9.20%，所有持仓股票的占比都相差不大，所以也没有必要再分析重仓股了。

基金经理分析

马芳

中国,1980年出生,中国人民大学硕士。

2003年7月至2005年7月在华泰贝通网络科技有限公司担任IT事业部测试工程师；

2005年8月至2015年9月在奥博杰天软件北京有限公司担任软件研发中心证券交易系统自动化测试部经理；

2015年9月至2016年5月在北京海峰科技有限责任公司担任特定估值方案项目部经理；

2016年5月加入国金基金管理有限公司，历任量化投资运营中心副总经理，产品中心副总经理，量化投资事业部副总经理。

马芳的从业经历在基金经理中非常特别的，她是一位程序员出身的基金经理，所以比较适合量化的投资方法。她的模型框架是采用机器学习的方法构建多个子模型，分别打分，并汇总多个子模型的得分做综合排名，得到最终的输出结果。

采访节选：

成为一名量化基金经理，对马芳来讲是“顺理成章”的事情。计算机系毕业后，马芳成为了“女码农”，从事与证券交易系统相关的工作，接触的客户也多是欧美量化对冲基金和共同基金。“接触多了，对资管行业非常感兴趣，我就找机会加入其中了，量化投资是很好的切入点。”

2016年，马芳正式加入国金基金，一直从事量化研究和量化投资运作至今，现为量化投资事业部副总经理，并担任国金量化多策略、国金量化多因子基金经理。

与主动权益类基金经理不同，马芳坦言，国金量化策略更追求相对持续稳定的超额收益，需要“每一点点”的积累。“主要依靠基金经理及团队的选股经验，通过深入研究个股来选股及交易决策。选股讲究深度，持仓相对集中。”

“而量化以海量数据为基础，依靠统计学、计算机技术等来制定选股模型，选股讲究广度，持仓高度分散。”马芳说，“量化的超额收益有赖于对数千只股票较长时间的历史数据统计分析或规律总结中得到的，且力求持续稳定。”

更重要的是，马芳提到，相比主动投资来讲，量化的海量数据，已非人力可及，而且它还能够克服追涨杀跌等人性弱点，严格按照策略模型交易，获取相对稳定的超额收益。

在马芳看来， 随着优质赛道的拥挤度越来越高，资金开始逐步向高成长性、非赛道股扩散。量化基金相对于传统主动权益基金，有小市值的特征。市场持续震荡走势，行情热点分散，板块轮动较快，而量化模型覆盖度广、投资分散，能及时捕捉市场动态机会，一定程度上适合震荡市投资。

马芳坦言，设计量化产品的初衷是为投资人提供相对持续稳定的超额收益。“在此之前，我一直管理专户产品，从结果来看，产品获取收益的稳定性和持续性不错，也很适合做公募产品，惠及更多普通投资者。”

马芳表示， 国金量化团队的特色是技术驱动 。技术出身的人做量化投资，会在数据处理、信息提取、模型应用等方面相对容易；但是如果过于相信数据和技术，就会走偏。比如模型的样本内表现好，但是样本外完全是两回事。“因此 我们又积累了六年实盘经验，不仅在技术上做革新，更积累实操层面的投资经验。 ”

同大多数量化团队不同的是，国金量化团队使用统一的模型。马芳提及，团队负责人姚加红构建了整个模型，量化研究员则向其中添加增量，或提供子模型，共同维护模型的输出。目前除了基本面量化外，团队中还有专门负责另类数据研究和处理、风险模型优化等不同模块的人员，各取所长共同维护模型的开发和运营。

“为获取超额收益，其实选股模型的预测始终处于变化当中，这是一个动态调整过程。再者，即便使用同一技术模型，但如果选择的参数和函数不一致，获取超额收益能力也不一样。”马芳表示，“这其实对管理人的实战经验和技术水平都有较高要求。”

以国金量化精选为例，马芳解释了量化基金如何获取超额收益。她提及， 机器学习技术“自上而下”构建选股模型，在风险模型约束下，紧密跟踪基准，严格控制运作风险，并根据各个子模型一定时期内的表现情况对其迭代，提高整体模型的适应能力，以取得持续稳定的超额收益。

马芳进一步提及，模型使用的输入变量主要分为基本面和情绪两方面。依据经济基本面、市场情绪等相对基础的数据出发、构建模型，选取中长周期具有超额收益的个股构成股票投资组合。选股模型不仅从盈利和营业收入等角度评估上市公司的价值和成长性，同时充分考虑市场情绪等因素为标的合理定价，并通过分散化和对风险敞口的控制降低波动。