指数投资大时代 浦银安盛基金解码如何做好“指数+”

　　近年来，A股市场波动加大，行业和风格轮动加快，能够自动适应市场趋势的指数化投资开始成为一种风潮。

　　到2024年上半年底，全市场共有各类ETF 973只，规模合计约2.47万亿元，规模和数量都创出新高。其中，股票类ETF规模高达2.12万亿元，占绝对多数，相较2023年末规模增长3901.36亿元，半年增长了22.52%。

　　在指数投资浪潮的背后，是市场竞争态势和行业格局的不断演变，最显著的表现之一，即是“马太效应”的进一步加剧。同样到6月末，前十大股票ETF管理人管理规模达1.78万亿元，市场份额占比达83.6%，相较2023年末的81%进一步提升。

　　对于中大型公募基金，尤其是具备多元资产管理能力的基金公司来说，即便要面对“龙头效应”的挑战，但想要在市场竞争中不掉队，甚至利用市场变化的契机实现赶超式发展，发展指数投资仍然不容忽视。

　　但是，如何在激烈的竞争中找到自身的独特优势，已是一个迫在眉睫的必答题。

　　浦银安盛基金，一家来自上海的银行系公司，给出的答案是开展差异化竞争，将多资产管理能力融入指数投资之中，结合主、被动管理优势，在指数增强领域不断发力，用量化策略为指数投资做“加法”，致力于成为“指数+”这个领域最为专业、全面的“指数家”。

　　在这一愿景驱动下，浦银安盛基金在指数增强领域持续耕耘，为市场提供优质的指数投资工具。

　　目前，公司已推出对标沪深300和中证A50等大盘宽基的指数增强产品。其中，浦银安盛中证A50指数增强是全市场首只A50指增，填补了A50场外同类增强产品的空白。而浦银安盛沪深300指数增强A成立近14年来，累计回报70.91%，跑赢同期沪深300指数60.71%，增强效果显著。(数据来源：同花顺(300033)，截至2024年7月31日)

　　进入金秋9月，浦银安盛再次落子主题赛道领域，开始发售浦银安盛上证科创板100指数增强型证券投资基金(A类：021284;C类：021285)，为市场提供了一只专注科创板投资的重磅指数增强产品。

　　指数增强被动投资浪潮中的新蓝海

　　选择指数增强领域进行深耕，首先在于浦银安盛基金指数量化团队能够精准把握行业发展的潮流趋势。

　　浦银安盛基金指数与量化投资部总监孙晨进认为，近年来国内ETF基金、指数增强基金等指数产品规模有大幅提升的趋势，除了市场涨跌因素外，主要深层原因是由于机构投资者和普通投资者对于指数量化投资的理解越来越深，逐渐开始接受指数化的投资模式，相信量化投资能带来比较科学的超额收益。

　　“我们认为，未来指数增强是量化投资发展的重要方向。”孙晨进强调，“在国内市场，由于市场波动大，各类风格轮动速度较快，而我们量化团队力争通过量化的投资框架，对各类指数做增强化的投资，实现Beta+Alpha的清晰收益模式。我们坚信，未来量化指数增强会成为一种被投资者认可的优秀投资方式。”

　　除了对行业发展趋势的判断之外，指数增强型产品的市场表现也不断带给投资者惊喜。今年上半年，在A股整体起伏较大的情况下，全市场指增基金依然表现尚可，平均能够斩获2.98%的超基准收益。

　　浦银安盛基金指数与量化投资部基金经理、浦银安盛科创板100指数增强拟任基金经理罗雯认为，指增产品的市场表现证明，近两年指增产品大概率能提供长期稳定超越基准指数的收益。相反，主动型基金战胜主流宽基指数的比率却大幅降低，。

　　“同时，指数增强产品的费率比主动型基金要低，性价比优势更明显。”罗雯补充道。

　　AI赋能科技引领做好“加”法题

　　指增产品的优势不断体现，成为行业关注的新兴领域。今年以来，全市场已有22只指数增强型基金发售，发行总规模达到60.42亿元。

　　但对于各家基金公司来说，要想在指数增强领域长期耕耘，如何做好“增强”的加法将是核心竞争力的关键所在。

　　浦银安盛基金构建指数增强竞争力的重要一环就是与公司科技金融的建设相结合，以人工智能技术赋能量化投资的方方面面，运用多种AI模型来捕捉市场的超额收益。

　　数据处理是开发量化策略的核心环节。

　　“为什么现在要用AI来做量化数据，因为量化要用到逐笔或者秒级、分钟级的高频数据”。孙晨进介绍，“AI赋能主要体现在高效的数据处理与分析，基于GPU的数据处理能够大幅提升python的大数据处理能力，高频数据的处理依赖最新的cudf库。量化投资处理的数据量和数据种类非常大，现在文本等另类数据的重要性也不断提升，借助kimi等先进的大语言模型能够准确提炼大段文本中的有效选股信息。从海量非标准化的数据中提取关键信息，帮助基金经理提炼有效选股信号，从而更好把握子赛道投资机会，从之前‘大浪淘沙’进化到现在的‘AI淘金’。”

　　为了更加高效的将AI融入团队的投资体系，浦银安盛指数量化团队建立了完善的数据管理体系和代码协助开发体系，每个基金经理、研究员都是工程师，都具有编程能力，团队数据和模型管理体系全是自主开发，90%的自建率。

　　孙晨进表示：“我们使用先进的计算工具和算法，对数据进行清洗、整合和分析，确保数据的高质量和可用性。团队采用的是多编程语言、数据共享的技术框架，目前量化分析平台支持多种常用编程语言，拥有多套成熟的量化分析工具包，相互验证互为补充。”

　　同时，在科技金融和数智化建设的大方针指引下，投研和技术团队加强跨部门协同，指数量化团队和IT部门合作紧密，IT部门协助构建和维护数据平台，从而保障技术系统不仅要求高性能和高稳定性，还要能够快速响应市场变化，支持高频交易和大规模数据处理。

　　在AI技术赋能下，浦银安盛指数量化团队通过深入的市场研究和数据分析，开发出适应不同市场环境的投资策略，包括资产配置、择时、行业轮动、量化选股、事件驱动等，同一策略框架下坚持多模型的开发思路，比如行业轮动策略，既有截面行业轮动模型，也有时间序列行业择时模型。量化选股领域，不仅关注传统的多因子模型，拥有一个几百个因子的大型因子库，实时更新，实时评价。这些因子被广泛研究并证明能够解释股票回报的长期趋势和异常表现。

　　团队协同支持基金经理应对复杂市场环境

　　指数增强投资作为新兴投资类型，结合了对市场的深刻观察和对先进技术的充分运用。

　　在纷繁复杂的投资市场中，基金经理不仅需要关注传统的财报研报、路演调研制定投资决策，更要以工程师的角色，以数据驱动投资策略，使用统计和算法来挖掘处理海量大数据，识别市场信号，训练模型，并将投资策略转化为可运行的代码语言，用于交易执行、策略回测以及风险管理等环节。

　　这对于管理者的知识背景和专业能力提出了更高要求。因此，指增领域的投资管理往往不是基金经理一个人的单打独斗，而是投研团队的集体作战。

　　作为多资产管理专家，浦银安盛基金长期重视指数投资领域的能力建设，并将团队建设作为重中之重。

　　目前，浦银安盛量化指数团队成员构成呈梯队型，既有行业经验丰富的资深基金经理，也有新兴有活力的年轻研究员，这一群兼具深厚专业知识和丰富实践经验的专业团队，目前成员10人，平均从业年限10年左右。

　　公司首席指数量化官楚天舒拥有二十余年金融从业经验，富有指数量化投资管理经验。部门总监孙晨进则拥有十余年量化投资研究经验，专注于指数增强、量化对冲、资产配置等量化领域的解决方案。另有3名基金经理，2名基金经理助理，3名研究员，均具有多年量化从业经验，深耕多因子、资产配置、行业轮动、事件驱动、深度学习等领域。

　　总体而言，这支投研团队的成员不仅是一群能够理解金融市场的投资专业人士，还是一群精通算法设计、机器学习、云计算等技术领域的工程师。正是在这样的定位框架之下，指数量化团队布局多元化产品线、多样化策略、多来源阿尔法，近年来这只“大量化”团队已逐渐在业内崭露头角。

　　在指数增强这一蓬勃发展的投资领域，浦银安盛基金依靠投研团队建设和人工智能技术赋能，力求更好把握行业发展趋势，构建起多策略、多模型的量化体系，能够适应复杂多变的市场环境，不断夯实做好“加法”的能力。

　　同时，深耕指增领域，布局指增产品，也是浦银安盛基金发展被动投资和建设多资产管理能力的重要一环。

　　浦银安盛指数量化团队以“大量化”概念为引领，扩展包含指数增强、场内ETF、固收+、主动量化、量化对冲等在内广泛的产品和业务线。指数量化投资和公司权益、固收投资团队互相支持，力争指数量化产品多元化，策略多样化，阿尔法来源多样化。

　　做好“加法”题，成为“指数家”，对于致力于厚植多元资产管理能力的浦银安盛基金来说，这也将成为这家基金公司“多资产管理专家”的重要一面。