界面新聞記者 | 杜萌
4月29日，華泰柏瑞基金公告稱，公司副總經(jīng)理田漢卿因退休卸任在管的10只基金。界面新聞記者了解到，其副總職務的離任也將在近日獲得證監(jiān)會審核批準，屆時將會公告。
公開資料顯示，田漢卿是清華大學經(jīng)濟系學士、碩士，美國加州大學伯克利分校MBA，CFA。2004年，田漢卿正式進入巴克萊全球投資（BGI），是BGI為數(shù)不多的華人基金經(jīng)理之一，曾擔任BGI亞洲（除日本）量化團隊主要負責人之一。
2012年8月，田漢卿加入華泰柏瑞基金，一手建立起公司的量化投資團隊并搭建了相應的量化投研體系。2013年10月起，田漢卿擔任公司副總經(jīng)理。截至卸任前，田漢卿在管規(guī)模32.72億元，管理時間最長的華泰柏瑞量化增強自2013年8月至今回報率為205.81%。
雖然一口氣卸任10只基金，但自2020年開始，這些基金已陸續(xù)增聘了基金經(jīng)理，田漢卿退休離任后，基金由此前的共管基金經(jīng)理接任。華泰柏瑞基金表示，量化團隊一直以來采用團隊合作的模式，形成了深度協(xié)同的投資框架，基于扎實的量化模型進行投資組合構(gòu)建和產(chǎn)品日常運作。
巴克萊全球投資（BGI）被稱為量化屆的“黃埔軍?！薄Ｔ趪鴥?nèi)公募領(lǐng)域，田漢卿與景順長城基金黎海威、富國基金李笑薇并稱為“巴克萊三劍客”。
不過，公募量化目前仍處于“雷聲大雨點小”，市場和投資人都不買賬的尷尬局面。雖然早在2004年就有布局，但相比如日中天的私募量化，公募量化仍在坐“冷板凳”。
Wind數(shù)據(jù)顯示，截至今年一季度末，共有235只公募量化主題基金，合計規(guī)模為668.95億元。其中規(guī)模超過10億元的僅有18只，規(guī)模在5000萬元“清盤線”以下的有71只。
從成立以來的回報率來看，截至4月29日，有17只量化基金成為“翻倍基”。其中，光大保德信量化股票成立于2004年8月份，是最早的一只量化主題基金，至今回報率達到了367.68%。長盛量化紅利自2009年11月成立至今，回報率也達到了428.05%，現(xiàn)任基金經(jīng)理為王寧，目前基金規(guī)模僅為12.31億元。該基金主要通過量化選股的方式生成紅利風格股票池。
“決定量化基金業(yè)績表現(xiàn)最直接的因素就是模型的有效性。相對私募量化，一方面，當前公募量化仍受到成本、人才等多方面的束縛，最明顯的表現(xiàn)就是招不到人。另一方面，由于公募的風控更加嚴格，公募量化可以選用的策略工具有限，可能會錯殺一些潛在收益較高的標的。”某公募量化基金經(jīng)理告訴界面新聞記者。
今年以來，市場震蕩上行，汽車、機械、計算機等成長板塊漲幅較大，煤炭、零售、非銀金融等行業(yè)跌幅靠前，這讓一些“抱團”小市值股票的公募量化基金凈值出現(xiàn)較大回撤。自3月19日至4月7日，萬家科技量化選股回撤率為-16.64%，自去年10月9日至今年4月7日，創(chuàng)金合信均益量化選股回撤率為-15.45%，東興醫(yī)藥生物量化選股自去年11月13日至今年1月10日，回撤率為-17.18%。
界面新聞記者了解到，已經(jīng)有公募機構(gòu)對量化策略進行了調(diào)整，引入了機器學習的概念，從而挖掘出更多獨特的因子。
光大保德信量化股票一季報信息顯示，該基金分別采用了機器學習和量化多因子模型，除了傳統(tǒng)的選股因子外，還會借助機器算力，讓模型從不同類型輸入數(shù)據(jù)中去學習挖掘低相關(guān)性的選股因子，根據(jù)市場風格變化自己學習合適的因子適配權(quán)重。
“我們目前廣泛納入了多種行業(yè)的數(shù)據(jù)庫，通過機器深度學習的方式梳理產(chǎn)業(yè)和個股信息，提升模型預測能力?！蹦彻剂炕块T負責人表示，盡管市場風格極端的環(huán)境不可避免，但發(fā)展到極致時又會回歸，傳統(tǒng)多因子模型仍然具備生命力，相關(guān)品種依然是值得配置的方向。
華泰柏瑞量化與海外投資部人士認為，AI與量化投資結(jié)合是值得關(guān)注的趨勢，但并非某個單一算法的突破，而是如何解決阻礙先進AI技術(shù)廣泛應用的“算力壁壘”問題。未來幾年關(guān)鍵的趨勢和努力方向在于探索和建立新型的、安全合規(guī)、成本可負擔的共享算力基礎設施。
海富通基金強調(diào)，在被動化投資浪潮下，越來越多投資者關(guān)注到了指數(shù)增強類產(chǎn)品。而AI量化具有的高勝率、低波動等特點，和指數(shù)增強策略是天然適配的。隨著更多的團隊開始使用AI技術(shù)，策略的同質(zhì)化也會加劇，這一方面會帶來Alpha收益的下降，也會在市場極端情況下放大策略波動。