中国证券报：您管理的多只量化基金自成立以来均取得了不错的回报，华泰柏瑞基金的量化模型有什么样的特点？

　　田汉卿：我们的量化模型主要是基于基本面信息的“中长”持有期的选股模型，平均持股时间在量化投资中属于中长期，即4-6个月或以上。本质而言，模型所希望捕捉的是站在4-6个月时间维度上，市场参与者对上市公司基本面信息可能做出的“反应”。

　　目前Alpha模型中有80多个因子，通过众多因子的“合力”，能够增强模型的稳定性，减少回撤，争取在不同市场环境下都能给投资人带来长期稳定的超越市场平均的回报。

　　中国证券报：您如何看待A股量化基金的发展前景？

　　田汉卿：虽然A股市场的成熟度正在提升，但在未来相当一段时间里，市场有效性仍然偏弱，能继续提供获取超额收益的机会。与此同时，A股市场容量足够大，量化投资资金占比还比较低，远没有到考虑市场拥挤度的时候。

　　中国证券报：从净值表现来看，2017年9月成立的华泰柏瑞量化阿尔法基金，仓位未有大的变化。为何采取了较为谨慎的建仓策略？

　　田汉卿：2017年四季度市场整体冲高回落，但是大部分股票是下跌的，市场结构分化加大。个股表现上，全市场剔除停牌股和IPO股票，共2969只股票，四季度取得正回报的股票只有594只，占比约20%。在这种较为极端的情况下，不利于分散选股的量化基金的发挥，因此我们采取了谨慎择机建仓策略。

　　中国证券报：华泰柏瑞量化阿尔法是一只全市场选股产品，根据您之前的分析，未来这只产品将更倾向于投向哪类标的？

　　田汉卿：与此前设置了跟踪基准的产品不同的是，这只基金将采取阿尔法最大化策略，即释放相应的约束条件，尽可能将量化模型的预测信息传递到投资组合中，以追求更高的阿尔法。

　　一般来说，超额收益的大小取决于几个方面因素：一是模型的预测能力，二是模型覆盖的广度，三是从预测信息到实际持仓的传导能力。理论上而言，从多因子选股模型的预测信息到投资组合的转化过程中，约束条件越少，能转化的信息越多。如果释放一些约束条件，即能减少信息传递过程中的损耗。在预测能力、覆盖广度保持不变的情况下，进而增加阿尔法。比如说，部分阿尔法因子无法进行跨行业比较，但其他一些因子可以。其它产品所采取的策略一般对行业分布做中性化处理，但在阿尔法最大化策略中，可以适当打破行业暴露的限制，以尽可能地捕捉收益。当然，对于市值因子，量化阿尔法策略仍然将保持中性化处理。

　　此外，阿尔法最大化策略虽然释放了行业等方面的限制，但并不意味着不控制风险。如果在指数增强策略中，控制的是相对跟踪基准的主动风险（也就是跟踪误差），那么在阿尔法最大化策略中，控制的则是组合总体的风险，即会预测并控制投资组合的总体风险。

　　中国证券报：对于投资者而言，应当如何识别好的量化产品？

　　田汉卿：对于量化基金的评价，这里提供三个维度供参考：第一，看超额收益及其稳定性。考察超额收益，长期的持续稳定性很重要。即便一个量化产品的长期收益不错，但如果在不同时间段的超额收益波动很大，那么其产品的风控也可能是不够严格的。第二，看信息比率。对信息比率，可以简单理解为基金每承担一单位的主动风险所获取的超额收益能力。通常情况下，信息比率在1倍以上，如果超过1倍，达到2倍甚至3倍，说明这只量化基金在既定的风险目标下，实现了比较不错的超额收益。第三，看组合的风险暴露点。投资者还可以通过基金的半年报和年报披露的全持仓分析产品的风险暴露点，事先有个预判，可以更好地进行组合配置。