财务风险管理策略
搜索文档
银河基金罗博:深挖量化学习潜力 提升投资适应能力
中国证券报· 2025-11-17 00:04
量化投资策略演进 - 公司量化团队突破传统线性分析局限,采用非线性分析方式更精准地挖掘市场投资机遇[1] - 投资策略从依赖线性分析把握长期规律,向结合非线性分析技术以适应市场变化过渡[2] - 针对指数样本增强,储备了线性多因子模型和非线性机器学习模型两类策略[2] 线性与非线性模型结合 - 指数样本增强主要采取线性和非线性相结合的方式,由多因子模型与机器学习模型互相协作[1] - 线性策略以常见的多因子模型为主,非线性策略包括XGBoost、LightGBM等非线性映射方法[2] - 模型间相关性较低,力争有效降低整体组合的跟踪误差并获得相对稳健的超额收益[1] 神经网络学习技术应用 - 在简单神经网络学习基础上,进一步开发复杂神经网络学习,将长期规则和中短期信息相结合[3] - 通过在原有因子特征基础上做提取,再放到有监督的神经网络训练,有助于模型迅速适应市场变化[3] - XGBoost等技术可展示因子重要性,帮助识别关键因子,增强模型对市场变化的适应能力[2] 卫星策略与风险管理 - 在指数样本增强策略基础上,辅以卫星策略做进一步的风格补充,包括红利优选和大盘成长优选[4] - 红利优选策略在小市值、低估值、高盈利等方面有较强风格暴露,大盘成长优选策略侧重大市值、高成长[4] - 同步开发财务风险管理策略,力争避免风险事件带来的意外冲击[5] 量化产品体系与发展 - 指数样本内增强策略叠加卫星策略,共同构成量化策略体系,自2019年实盘以来已逐步成熟[5] - 公司已推出银河沪深300指数增强基金、银河中证A500指数增强基金两只指增产品[5] - 拟新发行银河中证800指数增强基金,该指数结合大盘蓝筹与中盘成长风格,覆盖申万31个一级行业[5]