A+CLUB管理人支持计划第13期 | 榕树海私募基金

本文为2024年4月25日A+CLUB管理人支持计划——2024大咖线上面对面活动内容，分享嘉宾为榕树海私募基金合伙人兼风控总监田野，特邀嘉宾为陆生生私募基金产品经理&尽调帮主（公众号）创始人吴伟鹏，仅供交流参考，不构成任何投资建议。

免责声明  

本文内容仅对合格投资者开放！

私募基金的合格投资者是指具备相应风险识别能力和风险承担能力，投资于单只私募基金的金额不低于100 万元且符合下列相关标准的单位和个人：

（一）净资产不低于1000 万元的单位；

（二）金融资产不低于300 万元或者最近三年个人年均收入不低于50 万元的个人。

前文所称金融资产包括银行存款、股票、债券、基金份额、资产管理计划、银行理财产品、信托计划、保险产品、期货权益等。

一、公司简介

01公司概况

创始人陈靖凭借多年量化投资经验，在2019年离开中金后至2021年间搭建投资框架体系和研究团队，在此后几年里也发展成为了现有榕树海研究团队，2022年榕树海量化A股策略开始被合作方采用运行。榕树海私募基金管理（珠海）有限责任公司2023年5月成立并于同年12月在中国基金业协会完成私募管理人登记(登记编号:P1074726)。

02榕树海优势

① 创始人来自中金和元盛等国内外著名机构，经营运作规范，投资作风稳健

② 核心投研团队共事合作5年，致力于模型的迭代和发展，经历了A股量化投资的不同周期的检验

③ 现有投资框架体系自2019年起已投入运作，结合世界前沿量化研究框架体系与A股实践，历年来成绩斐然

④ 作为新晋持牌私募管理人处于发展初期，着力于小容量、差异化量化投资产品，规模红利明显

03团队介绍

团队成员7人，运营和风控2人，量化投研5人，绝大部分都有在世界著名大学学习数学、计算机科学、物理和其他科学与工程领域学科的学术经验以及在诸如中金公司、高盛、深交所、银联数据、以及元盛等国内外知名金融机构的供职经验。

04核心人物

陈婧（Eva）  创始合伙人、投资总监

教育背景

美国哥伦比亚大学金融数学硕士

过往经历

在2011至2019年期间分别在中金公司自营和中金基金领导量化策略研发和团队，作为最早在国内开展量化投资的一员，陈女士一直致力于把国际领先的各个主流的量化研究框架和方法结合应用于中国市场；2019陈女士离开中金成立自有团队一直为其他私募提供投研和技术服务，取得了亮眼的市场业绩；2019至2021年间更是助力当时合作的私募公司管理规模增长至百亿。在回国之前，陈女士在美国拥有6年的量化研发经验，涵盖股票算法交易，市场中性，和全球期货策略。

田野（Fred）  创始合伙人、风控总监

教育背景

美国北卡罗来纳大学MBA

过往经历

在2010至2020年之间任职英国元盛集团(Winton Group)，负责大中华区的量化对冲基金业务的拓展，作为最早的把量化策略成功应用到国内市场并进行推广的团队管理人，田野（Fred）领导元盛中国成长为国内最大的CTA管理人和外商独资私募基金管理人之一。之后他在2020至2022年间担任灵均投资香港公司董事总经理，负责公司海外业务；在回国之前、他曾在纽约任职高盛及ICE公司的结构金融团队，负责结构性信用债券的建模和分析。

05量化策略产品线

① 指数增强系列：中证500指数增强策略、中证1000指数增强策略

② 市场中性策略

③ 股票多空策略

榕树海在全市场5000多只股票中，首先会过滤掉市值最小10%的股票，对经过流动性筛选后的4000多只股票在优化器中，按500指增、1000指增、中性和多空策略的不同风险目标优化得到400-1000只股票的股票多头组合，其中叠加股指期货空头得到市场中性策略，叠加融券空头后得到股票多空策略。

二、投研介绍

01基本方法

榕树海通过完全对冲大市的涨跌、严格控制行业和风格因子带来的波动，将不能预测因素的影响降到最小，核心研究个股除去共性影响后的涨跌因素，使得策略效果能最大程度上体现了模型的预测能力，在此基础之上再通过多年量化工作经验积累的科学严谨的风控方法，使得在跌宕起伏的股票市场中提取相对稳定的绝对回报成为可能。

02投研流程

目前榕树海以Level-2量价数据为主，基本面数据为辅，数据清洗后整合成分钟级数据进而全人工挖掘因子，然后使用传统的统计学方法和机器学习技术来探索影响股票价格的线性或非线性的规律，通过线性和机器学习等模型预测去掉共性波动股价的残差收益得到日内、短周期和长周期信号的回报预测；风险预测模型基于BARRA框架对行业和20多种风格因子敞口进行基准衡量和严格管理；交易成本预测是通过分析历史交易数据并考虑流动性要求对交易成本带来的线性或非线性影响；通过采用Mosek工具和软硬制约因素的优化器，实现回报、风险和交易成本预测的最优组合，经验丰富的团队也能妥善处理优化过程出现的异常和问题。每日还会将交易模型和研究模型的输出进行核对，以及历史回测评估。

为了让日内信号更好的发挥作用，榕树海日内交易8次，每半小时一次，使用第三方算法交易，对模型计算时间较敏感，目前模型在拿到行情后可在几十秒内计算完成给出交易单。

03策略迭代

每3-6个月对模型进行深度回顾和调整，与模型的日常维护以及参数的定期调整不同，将对例如底层因子的增加或删减、因子周期的拉长或缩短、信号拟合方法的调整、风险模型的优化以及新类型数据的采用等。每次迭代后比原有模型后续表现均有显著提升，在不断变化的国内量化市场中，对策略的不断成功迭代是保证策略竞争优势的基石。

04统一的投研和交易系统

管理人经常要将研究环境和生产/交易环境分割开来以获得最优结果，例如在研究中经常会采用Python语言以利用其高效的编程，然后在交易中采用C++语言以利用其高速的计算。然而，在两个语言之间的转换过程中信号的损失往往是不可避免的。

2022年榕树海投研团队创造性地在研究和交易环境中同时引入了Rust语言，使得投研和交易系统得到统一，交易系统可以运算的更快同时能降低对运算资源的需求；另一方面研究团队也可以在近似交易环境中测试信号而无须担忧信号在两个不同平台转换以及其间的损失。实盘交易结果可以和研究模型结果几乎完美吻合，确保每个研究成果都能成功反应在实盘中。

四、分享要点：量化多空策略在震荡市的配置价值

 01 多空策略在资产配置中的相关性

榕树海的量化多空策略2023年初到2024年3月在华泰、中信和海通的回测与中证500和中证1000指增策略回测的超额相关性基本在0.6左右，跟500指数相比基本无关联，是非常值得做配置的相关性。

 02 多空策略在资产配置中的回撤

精选高波动股票，限制其他风格拟合指数底仓，期指完全对冲，对持仓个股做短周期择时。

在市值、行业、估值等风格完全对标指数的前提下，精选高波动股票；持仓股票一级行业权重与指数几乎完全一致，市值分布与指数几乎完全一致，追求跟踪误差最小，且持仓股票较为适合做短周期择时。

 03 多空策略风险点

① 管理人风控

田野总认为行业和风格敞口很关键，一个多空策略要能经历周期、行业和风格的考验，不是找一堆好的股票做多头很烂的股票做空头那么简单，况且空头在不断变化；模型预测能力是多空策略的基础，如果模型对股价的残差收益预测较差，多空策略收益也很难做好；交易运营在普通交易中往往可能会被忽略，但对于做多空策略很重要，有比如约券还券系统的对接、杠杆等新问题，这些都非常考验管理人的能力。

② 市场风险

如果说多空策略马上要失效了，这种可能性比较低，因为在国内目前的情况下收券源不易，很难大规模复制。多空策略的业绩如果在券源有保证下，田野总认为起码中长期还是比较乐观的。

③ 政策风险

田野总认为监管的融资融券政策风险是最大的风险，如果没有券池，多空策略受限会很大。目前榕树海刚起步规模小，在券源比较受限的情况下还基本够用，但如果长期发展规模增大，券池没有恢复到以往水准，那肯定还是会受限。

五、尽调交流

Q1：榕树海以量价数据为主，全部是手工挖掘因子，投研的5人是如何配合的？

A1：目前是以一个团队形式，我们这套策略体系可能更适合小团队，只有一个理论框架需要做的比较简单，主要是写因子、拟合机器学习的方法和优化器三块，这些大家都能做，在融会贯通后再专注某项事可提升效益，比如不会写些拟合时很难用到的因子。当然我们也会根据团队成员各自擅长的东西，让其工作方向更有侧重，同时由于核心成员配合了5年且全部持股，团队稳定性和士气也很不错。

Q2：想了解下目前多空产品里的资金使用大概占比多少？闲余资金都用来做什么？

A2：我们目前在监管政策下做到了最高约7成资金做多空，其他做现金管理。要是提升杠杆，需要先把多空的比例降下来，再去做中性策略。我认为客户配置这个产品，可能是想多一些多空策略，中性策略并不能额外配置，而是需要牺牲多空策略的资金，我们暂时还没有这么做。

Q3：选股端在行业风格上有一些硬性的约束吗？大概是多少？

A3：行业约束是5%，每个风格因子硬约束是一个sigma，还有一个风格因子软约束，所有风格因子带来净回报的加总，会对它在优化的时候进行惩罚，我们觉得模型优化出的组合带来的风格因子收益太大，那么就是不够最优。我们有两套约束方案，如果硬约束的太死，求解空间较小，但结合起来约束，给一些引导（软约束），让它加大惩罚风格因子带来的回报，增大求解空间。

Q4：榕树海有自营产品嘛？还是自营资金也跟投到现在的资管产品中？

A4：我们没有自营策略和产品，主要精力在资管产品中，资金都用在铺了策略上，目前已经备案了四个产品，还有两个产品要备案，现在产品备案资金要1000万，把产品铺完是需要占用很多资金的。

Q5：有容1号1月成立2月底才开始交易，避开了春节那波行情是有意为之还是客观原因？

A5：客观原因为主，因为1月多刚注册完，然后去开两融户，对接测试华泰的接口，然后2月份初过完年后的那周市场也非常动荡，我们过了一周后开始交易，并没有特别的去做择时。

Q6：榕树海在因子筛选过程中，对于有效性是怎么判断的，以及因子调整的原则？

A6：我们对因子的判断不是根据它本身作用判断，而是根据它对整个投资组合带来的边际提高来判断。因为是机器学习拟合，模型根据不同的周期在因子库找因子，因子之间是要相互配合，所以加因子的逻辑是因子放到因子库中，让模型自己去选，若放进去后回撤和预测效果有明显的提升，那就是有效的。

六、话题探讨

话题一：对于今年接下来行情和量化策略的表现，从私募管理人和资金方视角分享下观点？

特邀嘉宾-吴伟鹏：今年特别是年初的市场行情，让很多在量化中性和指增上参与程度较高的量化管理人受损严重，我跟很多同行和投资人交流下来，大家认为今年更偏好于看看主观多头、CTA或者可转债。我认为其实主要还是投资者受伤了，但追溯原因投的时候大家没看到背后风险，并且在类似DMA这种加杠杆的操作上可能也没有做一些节制和控制。我认为量化策略在后市还是有它存在的意义跟价值，并且它交易赚钱的逻辑也并没有变，但比如中性策略，今年超额肯定没有去年好做，然后其他成本也比去年高了不少，从这个角度看，性价比或许没有去年那么高，这需要管理人有更强的超额能力。就这一波判断下来，其实定性还大于定量，量化赛道我觉得还是可以持续保持关注的。

分享嘉宾-田野：我认为量化在过去的这一波，其实风险是很显然的，投资人对产品的风险理解可能有一些偏差，我觉得这些投资产品存在是有它的理由和必要的，关键在于投资人在投资的时候，要意识到投资的是什么，风险点在哪。比如投小微盘DMA，如果是赌小微盘的风格，那也OK，风格逆转会怎样，该采取怎样的措施；但有些投资人完全没有理解投资逻辑，甚至去年下半年才参与，我觉得这些是受伤比较严重的。

我现在也关注到很多投资朋友在关注中小管理人，从管理人角度很欢迎这种关注，但从实事求是的角度，我觉得可能要更多的看中小管理人有没有特色的策略或方法，可能以前量化行业好的时候，跟头部相比可能也还不错，大家都好赚，但现在整体竞争越来越激烈了，那么可能大家要挖的更深更广才能找到一些投资产品的亮点。

话题二：春节前后和近两周的行情下，量化管理人通常会采取什么样的应对措施，榕树海有什么样的经验可以分享？

特邀嘉宾-吴伟鹏：春节后我整体上没有怎么做调整，同时也跟一些管理人交流下来，受节前这波影响，大多数是两个操作，一是坚定保持自己的策略模型，没有去做任何调整。另一种可能是主观的做了一些调仓调整，比如基于行情极差波动的情况下，把仓位适当的降下来。其实这两类做法，我觉得都没有错，从最终结果来说，比较看好前面没有去做干预的。因为后者在最近两周行情下，没想到节前这波过了没多久，又来了一波，然后那一波调仓没受伤的这次基本上也都受了伤，除非有一些确实风控做的比较好。我觉得基于这个角度来看，还是各有利弊。

分享嘉宾-田野：我们有一个基本原则，如果这个事件在回测历史里面没有，比如像2月6号和7号的这种行情，我们会倾向于干预。因为行情极端到这种地步，跟模型其实没有关系，模型的作用不是来应对这样的极端行情。上周行情我们也有一些手工止损，比如说超额回撤两个点，虽然在我们的simulation里有但也比较少，会降一点仓位。如果回撤更大，比如说四个点，我们就会降更多，因为四个点已经在simulation里面极少出现。如果真实情况跟回测的simulation行情差别很大，我觉得这个模型，可能就不适应当时的情况，除此之外，我们就不倾向于去人工干预。