西部利得基金盛丰衍：

增强产品业绩韧性  探索量化投资常胜术

◎记者 朱妍

2024年2月，微盘股惊心动魄的“深V”走势令众多市场参与者印象深刻。每当想起当时的场景，量化投资老将盛丰衍忍不住感慨道：“近几年我做量化投资最明显的策略变化，就是加入了国资央企这一护盾，以强化极端市场情况下产品的韧性。”

凭借较为优秀的长期业绩，西部利得基金的量化团队在行业内崭露头角，这些年布局了主动量化、指增、“固收+”三大产品线。据悉，拟由盛丰衍管理的西部利得基金中证A500指增正在发行。面对量化赛道日益严重的同质化现象，盛丰衍表示，对主动量化采取逆向发行的策略，在合适的市场发合适的产品，避免高点发售工具类指增基金，争取在提升投资者持有体验的同时，赢得更好的口碑。

寻找量化策略的防御性资产

盛丰衍量化策略的变化，源于对去年2月量化剧震的反思。“大跌之前，‘杠铃结构’在公募量化投资中得到普遍应用。举个例子，一个中证500指增产品买的是‘300+’微盘股，一般而言也能跟踪中证500指数，这就是杠铃结构。2024年2月，这种组合和中证500指数出现了极大的偏差。”盛丰衍复盘道。

面对这一情况，不同机构采取了不同的应对策略。盛丰衍说，部分机构选择“死扛”，维持原有持仓和策略不变。他管理的产品则在下跌阶段借助风控机制，主动收缩了风险敞口，但这也限制了后续的反弹力度。

现在回过头来看，盛丰衍反复问自己：这类量化策略，该不该在极端情况下止损？如果止损，可能会永久亏损，但若死扛到底，又能否有一个防御性资产让产品能“扛得住”？

“经历这一遭，我的认知出现了一个变化，即某些产品我仍然会采用小微盘股的策略，但不会满仓，一定要加上国资央企这样的防御性资产。这样，即便市场再有风吹草动，也可以很坦然地死扛到底。”他说。

2024年以来，盛丰衍成为西部利得央企优选股票新基金的基金经理，该公司今年还上报了西部利得国企专精特新混合这一产品。同时，国资央企类资产这一新护盾已融入盛丰衍管理的诸多产品。

机器学习加持量化策略

不仅是为策略增强防守能力，2023年以来，西部利得基金的量化策略在AI赋能上“软硬兼施”。在加码硬件设施的同时，吸纳了来自卖方的前算法工程师翟梓舰，前金工首席、数学博士李新春，以及来自私募基金的人工智能研究员陈可桐等人才，目前量化团队中一半的研究人员拥有AI研究背景。

盛丰衍告诉记者，人工智能在量化策略中应用的主要场景有三个。第一个场景是多因子叠加，即应用机器学习算法，对因子组与收益间的关系建模，相较于传统方法，其挖掘非线性关系的能力更强。

“在传统多因子模型中，我们会将量价、基本面等大量数据加工成因子，对股票进行线性打分，基于得分可在任意时点选出适合的股票构建策略。但现在我们会把这部分线性合成的工作交给AI模型来完成。”他说。

人工智能在量化策略中的第二个应用场景是挖掘高频量价因子。利用深度学习算法，在高频量价原始数据中挖掘有效因子，相较于传统方法，可以更好地挖掘量价时序特征。

第三个应用场景是文本分析，即使用自然语言处理技术，批量对海量的研报、新闻等原始文本数据进行分析处理，相较于传统方法，可以不带偏见地处理海量数据。

破解“基金赚钱基民不赚钱”怪圈

从ChatGPT的惊艳亮相，到DeepSeek的横空出世，AI技术备受人们关注。在AI技术创造的财富与机会中，公募量化可能是普通人比较容易接触到的“AI红利”。

在对“基金赚钱基民不赚钱”这个问题进行长久思考之后，盛丰衍的答案十分鲜明：降低产品波动，缩短净值创新高的周期。无论是在量化策略中加上国资央企类资产作为护盾，还是运用AI技术进行量化投资，都是为了这个目的。

“即使下个周期中多数投资者依然选择在相对高点入场，我希望至少我的产品可以尽可能地让他们赚到钱。”盛丰衍说。