中国基金报记者 曹雯璟
在量化投资日新月异、高频与复杂模型层出不穷的当下，德邦基金基金经理提云涛却选择“做减法”。
“系统的复杂度越高，稳定性往往越差。”提云涛坚持立足基本面逻辑，以简单稳定的“分组等权”多因子框架与多维度的严苛风控，致力于为投资者打造超额收益分布均匀、换手率低、持有体验佳的指数增强产品。
提云涛为复旦大学经济学博士，拥有27年证券从业经验、10年基金管理经验，职业履历覆盖头部券商研究所、保险资管、公募基金三大核心赛道，曾任职于大鹏证券、东方证券、申万宏源证券研究所、平安保险资产管理公司、中信证券、中信保诚基金。在卖方研究阶段，他曾7次获评“新财富最佳分析师”，并获得2012年“Asia Money亚太区量化最佳分析师”称号。转至买方后，他融合宏观基本面与数理量化模型，建立了基本面量化投资框架，追求可持续、低波动的稳健超额收益。
立足基本面本源
坚守长期主义
提云涛的量化投资框架深刻植根于其扎实的财务分析背景与基本面逻辑。他认为，价值投资的本质是获取公司成长的利润，而量化建模的实质是用定量指标去表征“什么是好公司”。
在模型构建上，提云涛不盲目追求复杂的机器学习算法，而是采用传统的多因子模型，并坚定执行“分组等权”的策略。他将选股指标划分为盈利能力、运营质量、上下游竞争力等不同组别，组间与组内均实行等权配置。
“长期来看，等权模型往往是最稳定的。”提云涛解释道，“很多人试图对因子权重或大小盘风格做动态调整，但如果做不到精准择时，频繁调整反而可能带来失误。承认自己做不到过度极致的择时，转而坚守长期有效的基本面逻辑，尊重经济规律与统计规律，‘知止’可能是更好的选择。”
这种“知止”同样体现在换手率上。提云涛管理的组合换手率远低于市场平均水平。通过主观因子的模型化与长期持有，组合在降低交易成本的同时，最大程度保留了因子长期的阿尔法能量。
对于近年来市场行情与风格的分化，以及量化行业的拥挤度问题，提云涛表示，不同策略的分化源于建模哲学与方法论的差异，阶段性的因子失效是市场正常运行的一部分，克服“追风”与“逆人性”的痛苦是资产管理者的必修课。
除了自身的坚持，提云涛十分看重团队内部主动投资与量化投资的协同效应。在他看来，主动投资与量化投资各有优势：主动投资擅长演绎，但不擅长归纳；量化投资擅长归纳，但不擅长演绎。“主动团队对于产业链一线的市场洞察，可以通过量化手段进行严谨的假设检验与归纳验证，从而形成高效的优势互补。”
同时，面对AI技术浪潮，提云涛展现出开放拥抱的态度。他认为，大模型与机器学习工具对于研究效率的提升十分显著，更重要的是，AI对非数值信息（如文本数据、质性资料）的处理能力实现了质的飞跃。
“以往很多无法定量的定性研究，如企业文化、管理层行为等，通过大模型工具可以在一定程度上转化为可量化的质性研究。”提云涛表示，工具的革新不仅延伸了研究深度，也让经典的财务与经济学第一性原理在更长历史跨度的定量验证中焕发出新的活力。
严控偏离度
打造“持有人友好型”指增产品
就沪深300指数增强策略而言，如何在严格控制跟踪偏离的前提下获取稳定超额收益，是考验基金经理功底的核心问题。提云涛认为，风控绝不是在亏损出现后“确认损失”，而是必须提前介入，且风控的维度必须与投资模型保持独立。
“如果风控和投资模型处于平行维度，使用相同的数据去评估，二者相关性较高，是做不好风控的。”在实际操作中，他引入了“主营业务收入现金比”等基本面风控因子，并严格剔除历史上存在公司治理瑕疵或财务隐患的标的。
在组合搭建的细节上，提云涛将纪律性贯彻到底：
一是行业分类精细化。例如，将传统分类中的“非银金融”拆解，区分保险与券商的资产负债表差异，避免粗放归类带来的跟踪偏离，而对属性相近的TMT细分行业则进行合并处理。
二是严格控制行业与市值偏离度。以沪深300指增策略为例，将成份股按市值排序进一步分组并控制占比，控制行业偏离，并兼顾沪深300指数沪深两市交易所成份股的内在权重结构，确保组合牢牢锚定指数风格。
三是设定清晰的市值门槛，原则上剔除百亿元市值以下的公司，避免过度暴露小盘股因子风险。
“好的公募产品，超额收益应该在时间分布上尽可能均匀。”提云涛强调，“我们把风控当成底线，努力降低回撤，争取让在每一个不同节点进来的持有人都能获得较好的实际收益。我们想打造真正的‘持有人友好型’产品。”
