中国基金报记者 曹雯璟
当大盘蓝筹与微盘股轮番成为市场焦点时，夹在中间的“中盘”却被资金冷落。中信保诚基金基金经理姜鹏认为，正是这种“哑铃型”结构，“中盘”股或蕴藏着被低估的赔率空间。
构建A500增强体系
姜鹏于2017年加入中信保诚基金，历任金融工程师、投资经理，专注于多因子、基本面量化与对冲策略；此前任职于量化对冲私募。
在姜鹏的投资体系中，A500指数增强的逻辑可拆解为“三步走”：因子选择与加权奠定收益基础，风险约束保证组合韧性，以交易优化释放潜能。
姜鹏介绍，A500指数的因子体系大体可以分为两部分：基本面因子和与交易行为相关的量价类因子。整体来看，60%~70%的权重源于基本面因子，其余部分则分配给量价因子。量价因子中，约60%为基于明确经济逻辑的人工挖掘，约30%来自机器学习和深度学习模型的非线性因子，由此形成相对均衡的因子体系。
在因子加权上，中信保诚基金量化团队坚持“逻辑优先”。基本面因子以简单、稳定的模型为主，如线性回归或历史SAR加权，以降低突变风险；而对非线性因子，则使用树模型或神经网络进行加权。然后，再根据不同宽基指数的特性，动态调整基本面与量价因子的配比。
寻找高赔率的投资机会
近两年，市场风格分化显著：一端是体量庞大的银行等权重股，另一端是流动性更敏感的微盘股，而中盘板块整体处于资金流出状态。
姜鹏指出，这种格局反映了风险偏好不足，但也为投资者留下了机会。“当政策边际改善、资金流入出现结构调整时，大量资金可能会回到中盘板块，这或许正是A500指数覆盖的核心。”他说。
姜鹏分析，A500指数介于沪深300指数和中证2000指数之间，权重分配也呈现出中性化特征。
从目前的指数成份股来看，A500指数兼具沪深300指数与中证500指数的特征：约70%的成份股与沪深300指数重合，可提供基本面稳定性；剩余30%偏向中盘成长与TMT板块，具备阿尔法空间。这种“夹层定位”，让它既能承载风格因子的表现，也能释放出额外的增强收益。他认为，基本面因子从长周期来看，具备可持续的超额收益空间，而交易行为因子则可提供短期可捕捉的增量空间。两者结合，使得A500指数在超额收益上可能具备比沪深300指数更大的潜力。
今年以来，机器学习在量化投资中的应用受到市场广泛关注。但在实际运行中，这些因子的表现并非一帆风顺。姜鹏的判断是，机器学习因子的核心在于“边际定价”。换言之，它们的成败取决于市场新增资金的来源与属性。
他分析指出，在散户与游资主导的时期，成交活跃、定价分散，因子捕捉空间较大。去年11月和今年2-3月就是这种情况，模型取得了较好的表现。而当高频量化资金占据主导时，情况则复杂得多。今年5-6月，市场新增资金主要来自量化私募。虽然回测数据亮眼，但实际交易成本高企。因为团队的买卖往往与这些资金趋同，结果“数据看起来很美，但实际（超额）几乎每次都被割掉”。机构资金主导时期，可以分为两个阶段：第一阶段是机构尚未抱团，交易偏好多元、机会广泛，因子容易获取超额；第二阶段是机构集中抱团，如近期TMT与科创板龙头，市场定价趋同，分散化策略难以奏效。这些差异性，决定了机器学习因子的阶段性表现。
面对波动和挑战，姜鹏认为唯一的方法就是持续调整。他坦言，无论是动态学习、静态学习，还是长期与短期的模型切换，量价类因子始终会受到边际资金定价权的影响。
