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]

量化投资策略演进 - 为适应复杂市场环境，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挖掘投资机遇 [1] - 量化投资仅依靠线性分析难以支撑，行业趋势正从线性向非线性过渡，需不断学习非线性分析技术紧跟市场变化 [2] - 针对指数样本增强储备线性和非线性两类策略，线性策略以多因子模型为主，非线性策略包括XGBoost、LightGBM等非线性映射方法 [2] 非线性策略技术细节 - XGBoost可展示因子重要性，通过排序帮助识别重要因子，增强模型对市场变化的适应能力，尤其在结构化行情下能抓住弹性品种机会 [2] - 在简单神经网络基础上开发复杂神经网络学习，将长期规则和中短期信息结合，在原有因子特征基础上提取再训练，有助于模型迅速适应市场变化 [3] - 简单神经网络直接用原始数据提取个股特征进行有监督学习，但原始数据噪音大难以训练收敛 [3] 复合策略体系构建 - 指数样本增强采取线性和非线性相结合方式，由多因子模型与机器学习模型协作，力争获得稳健超额收益并降低组合跟踪误差 [1] - 在指数样本增强基础上辅以卫星策略加强组合适应能力，卫星策略包括红利优选和大盘成长优选两部分 [4] - 红利优选策略在高股息率样本池中用多因子方法选股，在小市值、低估值、高盈利等方面有较强风格暴露 [4] - 大盘成长优选策略在市值较大样本池中用多因子方法选股，对大市值、高成长等特点有风格暴露 [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 [4] 产品应用与市场布局 - 量化策略体系自2019年实盘以来已逐步成熟，并具体运用于量化产品管理过程，基于不同产品特征调整卫星策略子策略配置比例以更精准刻画市场风格 [4] - 公司已推出银河沪深300指数增强基金、银河中证A500指数增强基金两只产品，拟由罗博担纲的银河中证800指数增强基金已启动发行 [4] - 中证800指数结合大盘蓝筹风格与中盘成长风格整体更为均衡，多维度覆盖A股资产，能较全面代表中国经济整体活力 [5] - 中证800指数样本全面覆盖申万31个一级行业，包含传统支柱行业及代表未来产业升级方向的新兴成长领域 [5]

量化投资策略演进 - 量化团队突破传统线性分析对历史回测的局限 采用非线性分析方式更精准地挖掘投资机遇 [1] - 投资总监助理罗博具有21年证券从业经验和15年公募基金管理经验 长期扎根于指数与量化投资领域 [1] - 量化投资从线性向非线性过渡 需要不断学习非线性分析技术以紧跟市场变化 [1] 核心量化策略框架 - 指数样本增强采取线性和非线性相结合的方式 多因子模型与机器学习模型协作力争稳健超额收益 [1] - 线性策略以多因子模型为主 非线性策略包括XGBoost、LightGBM等非线性映射方法 [1] - XGBoost可展示因子重要性 帮助识别重要因子以增强模型对市场变化的适应能力 尤其在结构化行情下能抓住弹性品种机会 [2] 神经网络学习应用 - 在简单神经网络学习基础上进行深度开发 看好复杂神经网络学习 [2] - 将长期规则和中短期信息相结合 在原有因子特征基础上提取 再放到有监督神经网络训练 有助于模型迅速适应市场变化 [2] - 通过调整可避免原始数据噪音问题 训练出收敛的神经网络 [2] 组合策略与产品布局 - 除指数样本增强策略外 还辅以卫星策略加强组合对市场的适应能力 包括红利优选和大盘成长优选两部分 [3] - 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 大盘成长优选策略对大市值、高成长等特点有风格暴露 [3] - 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 [3] - 量化体系自2019年实盘以来逐步成熟 已推出银河沪深300指数增强基金和银河中证A500指数增强基金两只产品 [3] - 拟由罗博担纲的银河中证800指数增强基金已启动发行 以进一步丰富量化产品矩阵 [3] 中证800指数特征 - 中证800指数结合大盘蓝筹风格与中盘成长风格 整体更为均衡 [4] - 指数样本多维度覆盖A股资产 能够较为全面地代表中国经济整体活力 [4] - 指数样本全面覆盖申万31个一级行业 包含传统支柱行业和代表产业升级方向的新兴成长领域 [4]

市场表现与基金策略 - A股市场持续偏强震荡 单一板块波动性提升 沪深300指数为代表的宽基指数关注度提高 [1] - 银河沪深300指数增强基金近一年A类份额收益率达16 07% 远超同期业绩比较基准9 50% 近五年累计收益47 27% 远超同期基准5 69% [1] - 该基金采用"指数复制+多因子量化"复合策略 以沪深300成分股为基础证券池 通过多因子模型精选超额收益证券 控制行业风格个股偏离度 [1] 基金经理与团队 - 银河沪深300指数增强基金采用双基金经理模式 罗博与黄栋分别于2021年6月和2022年1月任职 两人分别具备20年和19年从业经验 形成量化策略与指数投资的优势互补 [2] - 银河基金量化与FOF投资部由6名成员组成 团队平均从业经验超10年 覆盖因子研究 模型构建到组合优化的全流程投研体系 [2] 公司背景 - 银河基金成立于2002年 具备强大股东背景和完善投研体系 为产品提供支持 [2]