林立禾，碩士，FRM(金融風險管理師)。6年證券從業經驗，2020年8月加入海富通基金，歷任量化研究員、量化投資部基金經理助理。2023年11月起任基金經理。擅長使用Python構建各類純量化模型。研究方向主要包括量化選股模型(機器學習方向)、行業輪動模型、因子挖掘等。與朱斌全共同管理的基金產品海富通滬深300指數增強A(004513)2024年度收益22.2%，業績排名同類第一[數據來源：基金定期報告、銀河證券，同類基金分類為增強規模指數股票型基金(A類)，同期業績比較基準收益率為14.04%]。截至2025年3月31日，海富通滬深300增強產品規模位居同類第六，客戶認可度較高。

在金融科技與資產管理深度融合的今天，量化投資正以前所未有的速度重塑資本市場格局。

“凡戰者，以正合，以奇勝。”如果說錨定中證A500指數為海富通致遠量化選股股票發起基金(A：023404，C：023405)提供了“正兵”當敵的優質Beta保障，那么，通過自主研發的AI量化模型和風控模型的有效運用，力爭創造可持續的Alpha收益就成為海富通基金“奇招”制勝的關鍵。

《大眾證券報》記者注意到，通過引入AI技術賦能量化模型，再深度融合前沿機器學習技術進行組合優化，海富通基金基金經理林立禾已在基金管理上展現出不俗戰績。基金定期報告及銀河證券數據顯示，自2023年底開始采用AI量化模型的海富通滬深300指數增強基金2024年度累計收益22.2%，業績排名同類第一(1/191);截至2025年3月31日，近三年業績位居同類前8%(10/121)。進一步觀察發現，該基金在獲取超額收益上具備勝率高、彈性大和穩定性高的特點。林立禾告訴記者，這離不開公司量化團隊在模型構建、因子挖掘和組合優化三方向上的發力。

AI賦能

打造“穩定”模型

“AI模型與傳統的線性模型相比，一是數據挖掘能力更強，二是非線性處理能力(即提煉有效信息的能力)更優。”談及出色的業績表現，林立禾告訴記者，用百分之百的AI模型指導選股正是看重其強大的信息補足能力。“其實訓練一個模型的過程有點類似于行業研究團隊培養基金經理的過程，從接受大量歷史數據到自主學習總結規律，逐步形成自己的投資理念，再到對股票的未來漲跌進行預測。”

林立禾指出，與傳統線性模型和基本面量化相比，AI模型的最大特點在于“穩定”。強大的市場自適應能力也使其在接受大量數據后，能夠捕捉到長周期普適性規律，自主實現低買高賣，而非追漲殺跌。“AI模型的另一個特點是下注相對分散，更偏向于勝率的下注特征帶來的直接好處是超額波動更小，回撤也更小。”雖然這會使其在彈性市場(或者說基本面很好的市場)中，向上的爆發力可能不如傳統模型，但在當前面臨諸多不確定性的市場環境中無疑具備突出優勢。

為了持續優化AI模型的投資成功率，海富通基金在軟件和硬件上也是不吝投入。“首先是數據庫，從交易所量價等基礎數據到交易軟件點擊率等另類數據，以及財報等基本面數據，采購的數據越全面，模型的優勢越能得到充分發揮;其次是顯卡的算力支持，正常兩三年會進行算力的迭代升級以適應新形勢需要。”林立禾告訴記者，多維數據的持續更新和投喂，正是模型端得以不斷深化的“活力”之源。

因子挖掘

捕捉“Beta+Alpha”收益

“采用海富通中證A500優選量化策略捕捉‘Beta+Alpha’雙重收益，以期獲得超越中證A500指數為主的業績比較基準的投資回報。”海富通致遠量化選股股票發起基金的策略設定決定了該基金將在依靠優質的中證A500指數獲取Beta的基礎上，充分挖掘因子，力爭創造持續的Alpha收益。

發布于2024年9月23日的中證A500指數，作為融合核心資產以及新質生產力行業的代表指數，已多次掀起市場發行熱潮，其相較于其他寬基指數更加出色的配置價值毋庸置疑。資料顯示，該指數覆蓋了全部35個中證二級行業中的34個，三級行業覆蓋度高達90%(遠超滬深300指數的61%)，這意味著它既能抓住傳統行業的龍頭，又能布局新能源、半導體、高端制造等新興領域，行業覆蓋廣泛且結構均衡。其次，過去10年(2014年至2024年)間中證A500指數累計收益率558.94%，年化收益率10.27%，0.40的夏普比率更是遠超滬深300指數(0.37)和中證500指數(0.37)。(注：夏普比率越高，說明每承擔一單位風險獲得的收益越高，投資性價比更突出。數據來源：WIND)

有了優質的Beta打底，如何獲取Alpha就成了見證基金公司實力的舞臺。海富通基金充分認識到想要收獲超越同行的阿爾法，只有在因子的挖掘上狠下功夫，而自研因子添加的方向往往直接決定了模型效率的高低。

“我們在因子的生產端就已經融入了機器學習的成分，后續因子選擇上也采用了機器學習的選股框架，好處在于自動化的篩選方式會考慮到因子之間的相關性和排序。”林立禾告訴記者，自研因子的添加方向主要有二：一是歷史上模型遭受到市場打擊的時候損失最多的方向，二是補足模型更多以年為維度去構建時缺少的應對短周期市場變化的一些因子。

組合優化

加固量化投資“護城河”

“軟件并不是單純的工具，一旦軟件編寫者將其傳播出去，就不是簡單地在提供‘工具’，而是在傳播‘思想’。”量化投資中的組合優化同樣如此，不同基金公司的組合優化方式往往被注入了獨屬于該公司的投研“基因”。

林立禾告訴記者，組合優化作為生成實盤組合的必經步驟，是公司量化團隊下功夫較多的領域，也是公司量化投資的“護城河”之一。除了生成實盤組合外，組合優化的作用主要體現在兩個方面：一是提升模型表現，二是降低模型失效時的回撤。“比如面臨模型和增強特點不匹配時，我們會根據不同指數的特點，補充不同的基礎信息給到模型;模型失效時，會通過自主研發的回撤控制系統進行干預，幫助模型降低回撤。”

在林立禾看來，風險管理就像廚房里的火候控制，唯有智慧的操控才能讓每一道菜都烹飪得恰到好處。“有效的風控能幫助組合在保留向上彈性的同時，有效地減少向下風險。”

放眼當前市場，林立禾認為在國家大力提倡培育新興領域企業的背景下，電力設備、半導體、人工智能等領域符合未來經濟轉型方向的企業將擁有更好的發展潛力。“我們會持續關注科技軟件方向的港股公司，畢竟那里有很多的互聯網大廠，此外，未來醫藥領域的應用也有很大發展空間，港股醫藥板塊同樣值得關注。”

記者 趙琦薇

(基金有風險，投資需謹慎。基金的過往業績并不預示其未來表現，基金管理人管理的其他基金的業績并不構成基金業績表現的保證。基金的完整歷史業績見海富通基金官網。)