银河量化价值混合(005053) - 基金投资策略和运作

本基金的选股，主要采用传统的多因子分析技术，灵活运用事件驱动策略，并依托人工智能技术，运用深度学习的方法从股票市场上涨的范式中，寻找有效的投资模式，运用的数据库有万得数据和朝阳永续一致预期数据库，结合中期和长期的学习机制，构建投资组合。并灵活运用事件驱动策略。

本基金的选股，主要依托人工智能技术，运用深度学习的方法从股票市场中上涨的范式中，寻找有效的投资模式，运用的数据库有万得数据和朝阳永续一致预期数据库，结合中期和长期的学习机制，构建投资组合。

本基金的选股，主要采用传统的多因子分析技术，灵活运用事件驱动策略，并依托人工智能技术，运用深度学习的方法从股票市场上涨的范式中，寻找有效的投资模式，运用的数据库有万得数据和朝阳永续一致预期数据库，结合中期和长期的学习机制，构建投资组合。并灵活运用事件驱动策略。

本基金的选股，主要依托因子增强选股体系，获得超额收益，并结合人工智能技术，运用深度学习的方法从股票市场中上涨的范式中，寻找有效的投资模式，运用的数据库有万得数据和朝阳永续一致预期数据库，综合中期和长期的学习机制，构建投资组合。

本基金的选股，主要依托人工智能技术，运用深度学习的方法从股票市场上涨的范式中，寻找有效的投资模式，运用的数据库有万得数据和朝阳永续一致预期数据库，结合中期和长期的学习机制，构建投资组合。并灵活运用事件驱动策略。

本基金的增强策略，主要依托人工智能技术，运用深度学习的方法从股票市场中上涨的范式中，寻找有效的投资模式，运用的数据库有万得数据和朝阳永续一致预期数据库，结合中期和长期的学习机制，构建投资组合。

本基金的选股，主要采用传统的多因子分析技术，灵活运用事件驱动策略，并依托人工智能技术，运用深度学习的方法从股票市场上涨的范式中，寻找有效的投资模式，运用的数据库有万得数据和朝阳永续一致预期数据库，结合中期和长期的学习机制，构建投资组合。并灵活运用事件驱动策略。

本基金的选股，主要依托因子增强选股体系，获得超额收益，并结合人工智能技术，运用深度学习的方法从股票市场中上涨的范式中，寻找有效的投资模式，运用的数据库有万得数据和朝阳永续一致预期数据库，综合中期和长期的学习机制，构建投资组合。

去年下半年开始认为宏观经济改善对于价值股的表现会有推动作用，从时间点上看年底或者年初的概率较高，去年四季度虽然也有所表现，但是持续时间很短，表现也集中在部分几只股票并未有扩散，使得风格配置上并没有获得收益。2021年一季度以来市场风格发生剧烈波动，价值风格逐步占优，机构重仓的白马股回撤幅度较大，长期无人关注的价值股有大面积表现。随着本轮调整的告一段落，目前维持风格转向均衡偏向价值的判断不变。一季度操作回顾：一季度市场风格波动极大，盈利、成长等基本面驱动因子表现较差，绝对估值和相对估值等价值指标整体表现出色，基金组合获得一定的超额收益。本基金在仓位上将在基准仓位上下小幅度偏离，争取通过量化多因子模型精选个股取得相对基准的超额收益。

2020年全年市场风格分化较大，成长板块大幅上涨估值达到历史新高，而价值板块受疫情影响业绩和估值受双重影响，估值一直处于历史低位附近；随着注册制的推进，市值分化也较大，资金向行业龙头集中，市场指数涨幅明显，个股平均涨幅非常有限。传统量化多因子模型，一般配置一定比例的价值因子，价值因子长期看获得不错的超额收益，因子模型对于成长股的捕捉相对准确度较低，很多成长股的特征较难用因子模型描述。因子模型也会配置一定成长因子，但是受限于价值因子的配置，在成长股大幅上涨的行情下，超额收益捕捉能力相对较弱。基金在在价值因子保持配置，随着对于市场的自适应，配置比例不断下调，但是全年看超额收益任然受一定影响。本基金在仓位上将在基准仓位上下小幅度偏离，争取通过量化多因子模型精选个股取得相对基准的超额收益。通过多因子配置，在主要基本面收益因子上都有一定暴露。

三季度因子表现相对二季度出现较大变化，价值因子表现开始有所复苏，而一些盈利质量类因子则停止了前两个季度的强势表现，但是机构情绪类因子表现依旧较为出彩，显示出机构重点关注个股依旧作为主要驱动力量。上季度较为关注风格转换，认为成长和价值板块的估值差已经达到历史极值，随着疫情的控制，宏观经济数据不断向好，三季度会出现一定缓和甚至逆转。从三季度的市场走势看，价值和成长风格的极端化的确出现了缓和，但是并未出现逆转行情，随着成长个股赚钱效应的降低，四季度有望延续三季度的风格缓和行情。三季度操作回顾：三季度市场风格较为均衡，基金主要配置在成长、价值、盈利等基本面驱动因子，受益于价值因子复苏，整体模型表现好于历史平均水平。本基金在仓位上将在基准仓位上下小幅度偏离，争取通过量化多因子模型精选个股取得相对基准的超额收益。

2020上半年市场指数分化较大，以创业板为代表的成长股大幅上涨，而价值类指数沪深300指数走势落后较大，市场动量效应明显。本轮动量因子的强势主要有以下两个原因：投资者结构：机构占比显著增加，而且还处于快速边际增加状态；基本面因素：成长、医药、消费强势有一定基本面解释因素，特别是疫情后投资者对于价值板块更加悲观。 2020年以来传统的因子模型遇到较大的困难，以成长股为代表的股票大幅上涨，一方面上涨股票总数占全市场股票占比有限，另一方面上涨的股票特征很难用现有的因子模型有效解释。假设预知2020年成长行情的前提下，也较难通过因子模型的配置来获得一个较高的超额收益。这里面有两方面的原因：成长股行情上涨的股票往往会突破历史估值的上限，而多因子模型往往会放入估值因子，最后选取的往往是一些“中庸化”的股票，错过涨幅最高的股票；另一方面，大幅上涨的成长股也并非是简单因为成长因子驱动而上涨，背后蕴含了较多数量化指标难以描述的潜在成长的空间。在成长股驱动的行情下，传统多因子模型都较难获得较好的收益，主要原因还是成长较难用因子来量化描述。适当加入一些市场驱动模型可以一定程度上优化多因子模型在特殊环境下的劣势。本基金在仓位上将在基准仓位上下小幅度偏离，争取通过量化多因子模型精选个股取得相对基准的超额收益。通过多因子配置，在主要收益因子上都有一定暴露，价值暴露减少，整体表现仍然达到模型预期的超额区间。