2021年已过去四分之三，券商研究所本年度的研究成果如何？各行业团队在其相应的领域有何表现？有哪些代表作值得投资者们关注？四季度来临，在近期A股震荡调整背景下，市场下一步会怎么走？对投资者们有何投资建议？2022年又将有何期许？

　　回顾过去，展望未来。《首席研说》邀请各行业研究领域的首席分析师们，他们总结本年度研究成果，同时给投资者们分享后市观点。

　　信达证券金融工程与金融产品首席分析师于明明介绍了自己团队的情况以及对市场的看法。以下为观点全文。

　　1、请先简单为我们介绍一下您/您团队研究的内容与方向，有哪些优势？

　　众所周知，不同于行业研究，金融工程是以研究方法而非研究对象为划分标准的团队，这意味着我们可选的研究领域与研究方向更加广阔。我们团队致力于采用量化的方法与手段，自上而下与自下而上相互结合，对海内外金融市场及其中涉及的各品类投资标的进行深入研究。

　　因此，团队之健全、搭配之紧密是一支优秀的金融工程队伍的必要条件，这也是我们团队的特色之处。团队内不乏卖方经验丰富的资深分析师、曾在相关细分领域内颇有建树的中生代力量，也有后起之秀、新生主力军。虽然团队组建时间尚短，但当前我们的团队已经逐渐发展成为了行业内团队人数最多、覆盖领域最全的团队之一，我们将致力于在覆盖面广的基础上给出各细分领域的精品之作，为整个金融市场提供最前瞻的量化方法论、最切合买方投资需求的研究成果。

　　当前团队已覆盖资产配置、量化选股、基金研究以及衍生品等方向，且在跨领域、跨方向的研究上联系紧密。资产配置驱动基金组合构建，衍生品研究促进产品设计；而资产配置中的风格轮动与量化选股选基，则是在时间序列维度与时点截面维度形成了强有力的结合。作为团队领导者，我一直秉持并坚信这样的团队理念：前瞻保持先进，多元带来机遇，互通可以创新共赢。请对我们的金融工程和金融产品研究团队拭目以待。

　　2、请介绍下您/您团队的成员组成、分工、每个人的研究特色，以及团队的研究方法。

　　目前团队基本搭建的较为全面，成员既包含了具有多年相关领域研究经历经验丰富的同事，同时也有加入新鲜的血液，保证了团队队伍的梯队建设，同时也使团队工作效率最大化，工作氛围最优化。

　　就个人情况而言，本人当前任信达证券研发中心副总经理；金融工程与金融产品研究中心负责人及首席分析师。我毕业于北京大学金融数学专业，有11年金融工程和基金研究工作经验，在资产配置、基金研究及衍生品等方面有多年积累，也有幸获得了一些市场的认可，曾获上交所十佳ETF行业分析师、上交所期权特约讲师；在2015和2016年新财富最佳分析师评选中获得第五名，2017年获第四名；在2017年IAMAC评选中获得第三名，2018年获第二名；2018年水晶球评选荣获第一名。

　　团队成员有：

　　钟晓天，金融工程与金融产品团队基金研究负责人。毕业于复旦大学管理学院，曾任职于兴业证券研究所，擅长公募基金的研究评价，对基金的投资风格、业绩归因、组合构建等有较深入的研究。

　　崔诗笛，硕士毕业于英国曼彻斯特大学，持有理论物理学和量化金融学双硕士学位。曾任期权高级研究员、量化私募期权交易员，金融科技公司衍生品业务专家等职务。2021年7月加入信达证券研发中心金工组，主要从事衍生品研究定价及量化风控的研究。

　　董方炜，英国兰卡斯特大学数量金融硕士，曾任职于国信证券和平安证券，从事公私募基金研究与FOF投资相关工作。2021年8月加入信达证券研发中心，从事基金研究工作。

　　孙石，同济大学计算数学博士，曾任金融期货金工研究研究员，2021年加入信达证券研发中心，主要从事衍生品研究和基金研究工作。

　　赵玮玥，美国宾夕法尼亚大学硕士，经济学+管理学专业背景。于2020年10月加入信达证券研发中心，从事基金研究工作。

　　吴彦锦，上海交通大学金融硕士，曾任职于中银基金。2021年8月加入信达证券研发中心，主要从事资产配置研究工作。

　　周君睿，厦门大学金融工程本科，上海财经大学金融硕士，2021年7月加入信达证券研发中心，从事基金研究工作。

　　3、请总结下您/团队从去年底到现在的研究成果，并评价一年的表现。

　　从团队成立至今的短短几个月内，基于过往相关研究经历与当前学术界研究成果，站在巨人的肩膀上，我们进一步完善和改进了资产配置与基金研究体系，并实现了相关模型与研究成果。在衍生品领域，对于近一年来市场热门产品的定价与配置方面，我们同样随时保持前瞻性与研究深度，在过往几个月也发布了相关专题研究报告和市场点评，并受到全市场买卖方同仁的广泛关注。

　　具体来说，资产配置与产品设计方面，团队构建并完善了战略配置和战术配置的相关方法。提出基于择时的目标风险和风险预算配置模型、基于目标波动率的风险平价改进方案，进而引入另类风险溢价的分类，超越传统资产层面，从策略的收益风险特征方面构建了另类风险溢价系统性配置方法。基于量化模型并从买方投资的切身需求出发，团队提供了相关“固收+”产品设计方案，并考虑实际投资中资金管理频率等资金管理问题做进一步改良。

　　基金研究方面，我们定量分析与定性调研两方面双管齐下。组织了数次大型基金经理线上线下调研会，同时，相关基金经理调研的文本积累，为基金产品的画像刻画、主动选股、资产配置等方面提供了重要的灵感源泉。团队已经逐步搭建并不断完善权益类型基金的全轮廓标签库，其中涉及基金经理和基金产品档案、多元分类标签、收益风险特征、投资行为与业绩归因等多个方面，致力于打造市场上最全面精准的基金产品刻画方案与数据库。基于相关分类与特征构建的结果，结合基金多因子模型，我们进一步提供基金优选与FOF组合构建方案。同时，我们从定量角度精准模拟基金的持仓股票组合，并应用于高精度高频率跟踪公募产品的权益仓位和行业仓位变动情况。

　　在细分领域金融产品的研究方面，团队针对近年来市场颇为关注的投资方向，提供了公募基金网下打新研究及相关优秀投资标的的筛选；同时，推出了海外专题报告，即海外百年养老体系情况分析。

　　场外衍生品方面，针对近一年市场上规模扩张速度最快的雪球产品，团队深入研究了其价格影响因素与风险情况的分析；同时，对于其日益增长的规模，从数据与量化模型证实了雪球对权益市场的良性影响。

　　4、在2021本年度中，请推荐一篇研究成果报告，并具体讲一讲该研究报告的看点在哪？

　　我们在7月发布了《雪球结构定价与风险深度分析》。这篇报告里我们详细剖析了雪球产品的结构、定价方法、价格影响因素与风险。

　　（1）关于雪球如何定价，我们使用了蒙特卡洛模拟法和PDE方法对雪球的价格进行了测算，着重介绍了两种方法的原理及实现，并根据雪球产品收益的三大类情景将其拆分为多个奇异期权，分别计算这些期权的价格来获得雪球的价值。

　　（2）关于影响雪球价格的因素：我们定量分析了股指期货贴水对雪球价格的影响。在年化11%贴水的背景下，雪球做市商在卖出时即存在大于3%的利润，根据雪球对冲原理，我们判断若雪球规模足够大，雪球卖方的对冲操作会加快股指期货的基差收敛速度。

　　（3）关于雪球的Greeks：我们得到了雪球在期初各Greeks值的分布，分析了雪球投资者面临的风险敞口，当投资者买入雪球时，可以粗略等价于卖出看跌期权的风险敞口，但其后续变动呈现较强的路径依赖型奇异期权特征，与欧式期权有较大区别。

　　（4）关于雪球的风险：我们对挂钩中证500指数的雪球合约进行了回测，在2013年3月至2021年7月的区间内，若每日滚动投资雪球产品，平均敲出时间4.56个月，其胜率可高达82.88%，但在该情况下的平均获利仅为5.36%，而在敲入后发生亏损的情况下，平均亏损为-20.9%。因此其收益为典型尖峰肥尾且左偏分布，当出现极端行情时，需要承担较大亏损，比较适合低波动或温和上涨的市场环境。

　　市场方面

　　1、近年来行业板块正在加快分化与轮动，您认为行业轮动形成的原因有哪些？短期看，哪些行业最能走出独立行情？

　　近年来市场以结构化行情为主，几乎没有一个行业能够取得持续且稳定的超额收益。比如此前热度不高的采掘、钢铁、有色、化工等上游资源类行业今年以来涨幅靠前，备受追捧的消费、医药等品类却表现欠佳。2017年以来，涨幅靠前与涨幅靠后的行业差异加剧，把握行业轮动规律的重要性愈发凸显。

　　行业轮动背后的主导因素可以从基本面和交易面两个角度去考虑。从基本面的角度，需要关注宏观经济政策与行业盈利水平的关系，通过分析不同经济条件下的供求波动、政策或事件冲击配置当下景气度最高、最受益的行业。具体可以考虑用实体经济、通胀水平（CPI、PPI）、市场资金流动性等宏观因子表征当前市场状态，也需要分析仅作用于特定行业的一些信息，比如大宗商品价格是周期性行业的重要择时指标。从交易面的角度，我们重点观察投资者行为对后续涨幅的影响。比如趋势市中先期强势的股票更容易得到投资者的持续信任，但当市场整体情绪低落时，投资者更青睐于估值低、流动性好的行业。从这一角度我们建议考虑动量、估值、机构持仓及资金流向，也可以参考一些技术类的因子。

　　2、沪深300被称之为市场上的黄金指数，从资产配置的角度来说，它的配置价值反映在哪些方面？

　　沪深300指数成分股是沪深两市中市值大、流动性好的300只股票，反映的是中国A股市场上市最优质股票价格的整体表现。沪深300成分股的选样方法基于样本股A股日均成交金额和日均总市值，筛选出的成分股多为行业龙头，是中国A股市场优质资产的代表。沪深300的配置价值已经受到市场肯定，跟踪沪深300指数的被动基金规模在全部被动基金中占比最高。

　　此外，从行业分布的角度来说，沪深300覆盖了27个中信一级行业，行业覆盖广泛，成分股权重较高的行业有食品饮料、银行、非银行金融等。

　　当前沪深300的市盈率（TTM）为13.26，分位点为69.59%，市净率为1.65，分位点为70.18%，相对于2021年2月的高点已经有了一定幅度的回调。

　　3、您对国内量化投资的发展有什么看法？

　　国内量化投资的发展空间非常大，未来量化行业的集中度会进一步提高，量化私募与公募的边界会更加融合，衍生品的应用空间将变的更大、策略会更加丰富。

　　进入2018年之后，量化投资在机器学习和GPU等技术的影响下，逐渐步入成体系的新时代，在数据库建立、IT运营支持以及策略更新迭代等方面对人力的投入需求开始上升，无形中提高了量化交易的门槛，原有的百亿级别私募的竞争优势将更为明显，行业巨头效应会更为突出。

　　但随着规模的扩张，高频量化策略的容量有限，对产品业绩可能带来一定的考验，量化私募巨头在基本面等中低频因子上重视程度加深，与公募更加接近；与此同时，公募量化基金也希望能在策略上进行丰富和分散，逐步在监管允许的情况下采用多元化的投资策略，公募与私募的边界更加融合。

　　我还想提一下金融衍生品的影响，目前权益类相关的场内衍生品仅有股指期货和期权，而衍生品对于投资组合的降低波动与风险对冲方面都有其他产品无法替代的作用。近几年市场对于金融衍生品的接受度越来越高，体量成指数级别上涨，我非常看好未来量化投资在衍生品领域的发展潜力。此外，目前量化宏观对冲类的产品在国内较为稀缺，未来或有较大的发展空间。

　　4、量化投资与主动投资各有特色，具体可否阐述一下。

　　量化投资通过收集历史数据、利用计算机建模并做出投资决策，相较于主动投资具有更明确的交易纪律。量化投资的优势在于可以通过剖析其他投资策略的底层逻辑来复制该策略，最典型的例子就是通过价值因子的寻找来复制巴菲特的价值投资，因此量化策略更容易批量复制，实现规模的快速扩大。

　　主动投资则更依赖于投资人的主观判断，因此可以解决量化投资中受到历史数据偏差、过度拟合、监管变动与无法量化因素干扰造成策略失效的问题。此外，主动投资的波动相对较高，但交易频率低，策略容量通常要比量化投资大。

　　其实量化投资与主动投资并不是互斥的关系，在将来，量化建模与主动研究可能会有进一步的结合，主动投资策略可以给量化策略提供更丰富的底层策略逻辑，而量化分析与机器学习技术也可以为主动投资进行策略的批量实现与优化。

　　5、什么是 ETF？ETF 品类适合什么样的投资者？投资者如何利用 ETF 去进行资产配置？

　　ETF全称“交易型开放式指数证券投资基金”，顾名思义，是一种跟踪标的指数、在证券交易所上市交易的基金。具体来说，就是采用指数化投资策略，基金管理人选择特定指数、并以该指数包含的成分股为投资对象，构造投资组合。其实ETF基金资产就是一揽子股票组合，组合中的股票种类、股票数量比例均与某一特定指数包含的成份股票基本一致。

　　用ETF进行指数化投资具备诸多好处。首先，ETF较其他类型的指数基金更紧密跟踪指数，跟踪误差也更小。其次，ETF具备运作成本低的特点，其独特的实物申购赎回机制有助于降低ETF基金的运作成本，因此ETF的费用也较低，通常一级市场申购赎回的费用不超过0.5%，二级市场的交易费用不超过0.3%。第三，在交易层面上，ETF的交易还结合了股票交易的特性，可以在二级市场直接进行盘中买卖，灵活度更高。同时，ETF的组合公开透明，每日公布投资组合，一定程度上减少了基金管理人潜在的道德风险。总的来看，ETF是指数化投资的绝佳选择。

　　ETF适合大部分的投资者，无论是长期价值投资者、中期配置型投资者、还是短期激进型策略投资者都能找到相应满足需求的ETF产品。

　　（1）长期投资。长期持有或者定投对于不善选股的投资者是较好的选择。

　　（2）资产配置。在利用ETF基金进行资产配置时应当注意，减小资产类别间的相关性可以一定程度上降低风险。

　　（3）波段操作。由于ETF具有灵活度高、可实时交易的特点，对于善于择时的投资者可以通过ETF进行波段操作。

　　（4）组合投资者可以以ETF为基础进行收益增强。

　　>>更多投研观点，点击《首席研说》，了解更多

　　专题 | 预见未来！新浪财经《首席研说》重磅来袭

责任编辑：常靖蕾