本基金在严格控制风险的基础上,通过量化模型构建股票组合,力争实现超越业绩比较基准的收益,追求基金资产的长期稳健增值。
本基金的投资范围为具有良好流动性的金融工具,包括国内依法发行上市的股票(包括中小板、创业板及其他经中国证监会核准上市的股票、存托凭证)、债券(包括国债、金融债、企业债、公司债、央行票据、中期票据、可转换债券、中小企业私募债等)、资产支持证券、债券回购、同业存单、银行存款、现金等货币市场工具、权证、股指期货、国债期货以及法律法规或中国证监会允许基金投资的其他金融工具(但须符合中国证监会相关规定)。 如法律法规或监管机构以后允许基金投资其他品种,基金管理人在履行适当程序后,可以将其纳入投资范围。
大类资产配置策略 本基金将从宏观环境、政策因素、资金供求因素、证券市场基本面等角度进 行综合分析,判断各类资产的市场趋势和预期风险收益,在严格控制风险的前提下,合理确定本基金在股票、债券、现金等大类资产类别的投资比例,并根据宏观经济形势和市场时机的变化适时进行动态调整。 股票投资策略 在严格控制风险和保持资产流动性的前提下,本基金将适度参与股票、权证等权益类资产的投资,以增加基金收益。本基金通过自主研发量化多因子模型选择股票并进行择时配置,具体策略如下: 1、智能量化选股策略 本基金通过智能量化选股分析框架进行个股选择。个股的选择分为基础股票库的筛选和个股组合精选两个层面。 A、基础股票库的筛选 本基金的基础股票库主要通过反应财务状况的指标来进行定量筛选,选择PE、PB(含预测值)合理,净利润有一定增长的股票作为股票库的基础选择,股票库按照季度进行定期的批量调整,保证股票库更新与股票的财务报表更新周期一致。 B、个股组合精选 基于我们对于股票市场运作机理的研究,股票市场的驱动包括估值调整、动量加速、风格特征、板块特征、事件驱动、周期特征等多种因素,本基金的股票组合采用多因子模型进行构建,即通过对宏观经济、行业基本面及市场环境的分析,运用量化模型选择适合市场周期的一种或多种驱动因素进行打分,并利用量化手段优化、调整各因素的权重,对个股的投资价值以及组合的风险收益特征进行综合评判,精选具有较高投资价值的上市公司构建股票组合,追求稳健的超额收益。 构建组合使用到的因子包括不限于: 价值因子:市盈率(PE)、市净率(PB)、市现率(PCF)、股息率、净资产收益率(ROE)、一致预期市盈率、一致预期市净率等; 成长因子:净利润增长率、预期每股收益(EPS)、预期每股收益(EPS)增长率等; 基本面因子:总资产周转率、营业成本占比、行业景气度等; 市场因子:个股收益率的动量和反转、交易量价对比、市场风格偏好等; 其他因子:板块特征,周期特征等。 除了传统因子的模型外,我们也分析事件驱动对于组合超额收益的贡献情况,事件超额收益的来源包括但不限于如下事件:业绩预告、定向增发、员工持股、高管增持等。 2、多层次择时策略 在量化选股的基础上,本基金将通过计算和跟踪对股市形成影响的各个层面(主要包括宏观经济层面、基本面层面、资金层面、交易层面、行为学层面、价格扰动层面等)的因素变动情况进行分析。分析因素主要包括宏观经济层面的人口结构、GDP、CPI及利率汇率变化趋势,微观层面的行业估值、收入、景气度、交易量、动量变化等,此外还包含风险偏好变化以及大类资产价格影响机制的变化。 在因素分析的基础上,通过机器学习进行预测和分析,得到科学的股票配置比例。机器学习方法可以分为如下类别: (1)监督学习:训练的输出分类是预先设定好的,根据输入和输出,算法的目标在于寻找其中的对应函数。 (2)无监督学习:训练的输出分类是预先不知道的。算法的目标在于发现数据中的结构,如聚类分析。 (3)半监督学习:介于监督学习和无监督学习之间。 (4)增强学习:算法通过执行一系列的动作,影响环境中的可观察变量,从而得到环境对动作反应的规律。最后根据这个规律,判断该采取何种行动以最大化某种回报。 对于股票市场,我们采用监督学习的方法来进行分析。我们将市场划分为不同的模式,通过学习我们可以掌握不同模式之间转换的规律性,并且结合现有数据和历史数据之间的关系,来预测股票的配置比例。 3、存托凭证投资策略 本基金投资存托凭证的策略依照上述境内上市交易的股票投资策略执行。
沪深300指数收益率×90%+银行活期存款利率(税后)×10%