海富通基金AI量化的“三板斧”

林立禾，硕士，FRM(金融风险管理师)。6年证券从业经验，2020年8月加入海富通基金，历任量化研究员、量化投资部基金经理助理。2023年11月起任基金经理。擅长使用Python构建各类纯量化模型。研究方向主要包括量化选股模型(机器学习方向)、行业轮动模型、因子挖掘等。与朱斌全共同管理的基金产品海富通沪深300指数增强A(004513)2024年度收益22.2%，业绩排名同类第一数据来源：基金定期报告、银河证券，同类基金分类为增强规模指数股票型基金(A类)，同期业绩比较基准收益率为14.04%。截至2025年3月31日，海富通沪深300增强产品规模位居同类第六，客户认可度较高。

在金融科技与资产管理深度融合的今天，量化投资正以前所未有的速度重塑资本市场格局。

“凡战者，以正合，以奇胜。”如果说锚定中证A500指数为海富通致远量化选股股票发起基金(A：023404，C：023405)提供了“正兵”当敌的优质Beta保障，那么，通过自主研发的AI量化模型和风控模型的有效运用，力争创造可持续的Alpha收益就成为海富通基金“奇招”制胜的关键。

《大众证券报》记者注意到，通过引入AI技术赋能量化模型，再深度融合前沿机器学习技术进行组合优化，海富通基金基金经理林立禾已在基金管理上展现出不俗战绩。基金定期报告及银河证券数据显示，自2023年底开始采用AI量化模型的海富通沪深300指数增强基金2024年度累计收益22.2%，业绩排名同类第一(1/191);截至2025年3月31日，近三年业绩位居同类前8%(10/121)。进一步观察发现，该基金在获取超额收益上具备胜率高、弹性大和稳定性高的特点。林立禾告诉记者，这离不开公司量化团队在模型构建、因子挖掘和组合优化三方向上的发力。

AI赋能

打造“稳定”模型

“AI模型与传统的线性模型相比，一是数据挖掘能力更强，二是非线性处理能力(即提炼有效信息的能力)更优。”谈及出色的业绩表现，林立禾告诉记者，用百分之百的AI模型指导选股正是看重其强大的信息补足能力。“其实训练一个模型的过程有点类似于行业研究团队培养基金经理的过程，从接受大量历史数据到自主学习总结规律，逐步形成自己的投资理念，再到对股票的未来涨跌进行预测。”

林立禾指出，与传统线性模型和基本面量化相比，AI模型的最大特点在于“稳定”。强大的市场自适应能力也使其在接受大量数据后，能够捕捉到长周期普适性规律，自主实现低买高卖，而非追涨杀跌。“AI模型的另一个特点是下注相对分散，更偏向于胜率的下注特征带来的直接好处是超额波动更小，回撤也更小。”虽然这会使其在弹性市场(或者说基本面很好的市场)中，向上的爆发力可能不如传统模型，但在当前面临诸多不确定性的市场环境中无疑具备突出优势。

为了持续优化AI模型的投资成功率，海富通基金在软件和硬件上也是不吝投入。“首先是数据库，从交易所量价等基础数据到交易软件点击率等另类数据，以及财报等基本面数据，采购的数据越全面，模型的优势越能得到充分发挥;其次是显卡的算力支持，正常两三年会进行算力的迭代升级以适应新形势需要。”林立禾告诉记者，多维数据的持续更新和投喂，正是模型端得以不断深化的“活力”之源。

因子挖掘

捕捉“Beta+Alpha”收益

“采用海富通中证A500优选量化策略捕捉‘Beta+Alpha’双重收益，以期获得超越中证A500指数为主的业绩比较基准的投资回报。”海富通致远量化选股股票发起基金的策略设定决定了该基金将在依靠优质的中证A500指数获取Beta的基础上，充分挖掘因子，力争创造持续的Alpha收益。

发布于2024年9月23日的中证A500指数，作为融合核心资产以及新质生产力行业的代表指数，已多次掀起市场发行热潮，其相较于其他宽基指数更加出色的配置价值毋庸置疑。资料显示，该指数覆盖了全部35个中证二级行业中的34个，三级行业覆盖度高达90%(远超沪深300指数的61%)，这意味着它既能抓住传统行业的龙头，又能布局新能源、半导体、高端制造等新兴领域，行业覆盖广泛且结构均衡。其次，过去10年(2014年至2024年)间中证A500指数累计收益率558.94%，年化收益率10.27%，0.40的夏普比率更是远超沪深300指数(0.37)和中证500指数(0.37)。(注：夏普比率越高，说明每承担一单位风险获得的收益越高，投资性价比更突出。数据来源：WIND)

有了优质的Beta打底，如何获取Alpha就成了见证基金公司实力的舞台。海富通基金充分认识到想要收获超越同行的阿尔法，只有在因子的挖掘上狠下功夫，而自研因子添加的方向往往直接决定了模型效率的高低。

“我们在因子的生产端就已经融入了机器学习的成分，后续因子选择上也采用了机器学习的选股框架，好处在于自动化的筛选方式会考虑到因子之间的相关性和排序。”林立禾告诉记者，自研因子的添加方向主要有二：一是历史上模型遭受到市场打击的时候损失最多的方向，二是补足模型更多以年为维度去构建时缺少的应对短周期市场变化的一些因子。

组合优化

加固量化投资“护城河”

“软件并不是单纯的工具，一旦软件编写者将其传播出去，就不是简单地在提供‘工具’，而是在传播‘思想’。”量化投资中的组合优化同样如此，不同基金公司的组合优化方式往往被注入了独属于该公司的投研“基因”。

林立禾告诉记者，组合优化作为生成实盘组合的必经步骤，是公司量化团队下功夫较多的领域，也是公司量化投资的“护城河”之一。除了生成实盘组合外，组合优化的作用主要体现在两个方面：一是提升模型表现，二是降低模型失效时的回撤。“比如面临模型和增强特点不匹配时，我们会根据不同指数的特点，补充不同的基础信息给到模型;模型失效时，会通过自主研发的回撤控制系统进行干预，帮助模型降低回撤。”

在林立禾看来，风险管理就像厨房里的火候控制，唯有智慧的操控才能让每一道菜都烹饪得恰到好处。“有效的风控能帮助组合在保留向上弹性的同时，有效地减少向下风险。”

放眼当前市场，林立禾认为在国家大力提倡培育新兴领域企业的背景下，电力设备、半导体、人工智能等领域符合未来经济转型方向的企业将拥有更好的发展潜力。“我们会持续关注科技软件方向的港股公司，毕竟那里有很多的互联网大厂，此外，未来医药领域的应用也有很大发展空间，港股医药板块同样值得关注。”

记者 赵琦薇

(基金有风险，投资需谨慎。基金的过往业绩并不预示其未来表现，基金管理人管理的其他基金的业绩并不构成基金业绩表现的保证。基金的完整历史业绩见海富通基金官网。)