基金经理及管辖基金概况 [page::4]

• 雷俊，具备九年量化投资经验，管理7只基金，总规模36.31亿元。

- 主力基金长城中证500指数增强2018年至今累计收益85.26%，超越多项基准。

• 主动量化基金长城量化小盘股票年化回报达7.36%。

投资框架：量化框架+主动管理 [page::5]

• 量身制定策略提升产品感知度，动态平衡Alpha与Beta收益。

- 定性调研辅助风险控制，减缓潜在系统性风险影响。

• 结合深度学习方法广泛挖掘有效因子。

2023年基金业绩波动及深度学习应用效果 [page::6][page::7]

| 指数名称 | 2023年1月 | 2月 | 3月 | 4月 | 5月 |
|------------|----------|--------|--------|--------|--------|
| 沪深300 | 7.37% | -2.08% | -0.45% | -0.49% | -5.56% |
| 中证500 | 7.24% | 1.09% | -0.27% | -1.52% | -2.67% |
| 中证1000 | 8.34% | 2.21% | -1.15% | -2.17% | -2.11% |

• 长城量化小盘股票2023年Q1超额收益3.7%，中证500指数增强超额收益2.2%。

- 人工智能增强策略后，基金净值表现明显提升。

量化小盘股票收益风险特征与控波动能力 [page::9][page::10]

• 换手率中高水平，选股注重适度估值与成长潜质。

- 收益排名处于量化基金前列，波动控制良好，表现领先同类基金。

长期持有赚钱效应提升，持有三年收益中位数达32.83% [page::11]

• 持有期越长，投资者赚钱概率及收益均显著提高，显示策略长期价值。

基金持仓及行业轮动策略 [page::12][page::13]

• 量化小盘股票行业配置稳健，重仓频繁轮动医药生物、电力设备、国防军工等。

- 指数增强基金行业配置多样，适时调整超低配和超配行业，偏向基本面因子。

风格偏好与持股特征 [page::14][page::15]

• 基金换手率保持450%至650%区间，偏好中小成长风格。

- 持股集中度较低，重仓股稳定性一般，重仓股轮动周期短。

基金经理能力圈及投资能力表现 [page::16][page::17]

• 行业轮动能力和行业配置能力优异，隐形交易能力出众，顺境表现突出。

多板块贡献收益，Alpha与Beta并重 [page::18]

• 先进制造、周期及消费板块贡献主要绝对和相对收益。

- 不同时期Beta与Alpha收益平衡，行业相对收益持续增长。

绝对收益及相对收益贡献行业排名 [page::18]

| 行业 | 绝对收益最高五个行业 | 相对收益最高五个行业 |
|--------------|----------------------------------------------|--------------------------------------|
| | 电力设备、基础化工、国防军工、家用电器、纺织服饰 | 家用电器、电力设备、基础化工、纺织服饰、国防军工 |

• 基金能兼顾行业内的Alpha与Beta机会，提高整体组合超额收益。

报告标题与元数据概览

报告标题：长城基金雷俊：在量化框架上拥抱人工智能
作者与发布机构：上海申银万国证券研究所有限公司申万宏源研究团队（联系人蒋辛等）
发布日期：2023年6月20日
报告主题：围绕长城基金量化与指数投资部基金经理雷俊的投资理念和策略演进，深入解读其管理的基金产品，尤其是人工智能和深度学习技术如何被应用于量化投资框架中，以及基金的业绩表现、风险和投资风格。

核心论点与评级：
报告客观分析雷俊基金经理的投资框架——结合量化模型与主动管理，着重强调基于深度学习等AI技术挖掘因子，以提升收益质量和风险控制，从而实现阶段性和长期的超额收益。报告未涉及具体评级及目标价，明确指出不涉及基金产品推荐，重点聚焦该团队及产品的研究分析。雷俊的基金自任职以来表现稳健，尤其在应用深度学习后，业绩提升明显，收益风险特征具备控波动与稳收益优势，并呈现随持有时间增长赚钱效应提升的态势。[page::0,4,6,19]

---

逐节深度解读

1. 基金经理基本信息与投资框架

1.1 基金经理介绍及管理基金情况

基金经理雷俊具备北京大学理科背景和信号信息处理硕士学位，拥有九年量化投资经验。现任长城量化与指数投资部基金经理兼部门总经理，管理包括主动量化基金和指数增强基金共7只，总规模约36.31亿元。数据显示，管理时间最长的产品，如长城中证500指数增强，累计收益85.26%（任职期间），超出基准和同类偏股基金指数明显；主动量化基金如长城量化小盘股票年化收益7.36%表现优异，体现较强超额收益获取能力[page::4]。

1.2 投资框架：量化框架$+$主动管理

雷俊坚持将量化模型输出作为纪律性投资依据，避免情绪干扰，但同时强调主动管理，以提升产品的投资者感知度和认可度。该框架由两大核心组成：

• 量身制定策略：针对不同产品基准搭建定制量化模型，如沪深300注重价值因子，中证500适度放开偏离度；实现Alpha（深度选股收益）与Beta（宽度行业配置收益）的动态平衡，适时切换以提升组合收益。

- 定性调研为辅，强化风控：利用定性研判进行前瞻风险预警，及时调整组合风险暴露，结合量化模型分散特性，强化风险管理能力。

图1清晰展现该投资流程贯穿全流程，强调量化与主动的深度融合[page::4,5]。

1.3 人工智能赋能深度学习应用

2023年市场波动加剧，单一策略难以稳定取胜。报告通过表2展示各类指数高波动，体现出市场环境的复杂化。面对这一状况，雷俊所管理的长城量化小盘股票和中证500指数增强基金在2023年1季度披露引入深度学习算法，利用神经网络广泛挖掘多因子，增强模型预测能力。对应数据表现为2023年1季度两基金超额收益分别达到3.7%和2.2%，表明AI强化策略在收益提升和市场适应性方面已见显效[page::5,6]。

---

2. 收益与风险特征分析

2.1 控波动、稳收益效果明显

基金倾向于选取中高估值成长股作为投资标的，2022年换手率6.96%，位于量化基金中高水平，说明主动调仓获得超额收益的能力较强。通过图6对比显示，长城量化小盘股票在换手率与估值上均处适中水平，反映策略较为灵活且不盲目频繁交易。收益风险图7和图8则清晰展示该基金在2022年以来及今年以来的年化收益与回撤排名均处于同类基金中前列，显示稳收益的同时有效控制回撤。中证500指数增强基金在应用深度学习后，超额收益和回撤控制能力明显提升（见图9和图10），体现AI策略显著增强了基金整体表现[page::9,10].

2.2 赚钱效应随持有时间提升

报告分析历史持有期收益，从短期（三个月）到长期（三年）逐步提升的赚钱概率和收益表现凸显长线投资的优势。长城量化小盘股票持有三年赚钱概率达100%，收益中位数与均值分别为32.83%和34.39%；指数增强基金同样呈现此趋势，三年赚钱概率亦为100%，收益均值57.94%（图11、12）。说明投资者持有时间越长，享受雷俊量化策略带来正收益的概率越大，长期投资效应显著[page::11]。

---

3. 基金持仓特色与投资风格

3.1 小盘股票基金行业配置变化

从图13和图14的行业及板块配置演变看，长城量化小盘股票整体行业结构较稳定，但重点重仓行业轮换明显，周期性行业如机械设备、基础化工和电子自2022年起成为主力持仓板块，显示基金经理顺应市场与行业景气度变化调整仓位，展现较强行业轮动能力[page::12].

3.2 指数增强基金多行业暴露

长城中证500指数增强基金相对基准多行业超配或低配，依据图15表确认基金在计算机低配、基础化工家电等行业超配，且随着市场变化灵活调整。此策略避免单一行业依赖，增强分散性与稳健性[page::12,13].

3.3 投资风格：换手率稳定、成长为主

图16显示两基金换手率波动不大，普遍处于较高水平，反映灵活调仓特色。风格暴露（图18）以成长风格为主，2023年开始适度增配小盘价值风格，展现对风格轮动的把控与策略多样化。基金在基本面因子（盈利）方面普遍超配，估值因子则出现一定负向配置（表5），表明基金更注重盈利能力而非单纯追逐高估值股票。此外，基金持股集中度长期较低（图19），重仓股稳定性一般（图20），重仓股多数持有时间短于两个季度，反映高频率的调仓与选股能力[page::13-15].

---

4. 基金经理能力圈分析

根据图22和图23，基金经理的投资能力在行业轮动和行业配置两个维度突出（分位数接近90），个股选择与顺境能力亦处于较高水平，隐形交易能力也表现优秀（前30%）。逆境能力相对稍逊但仍处中游偏上。行业与个股的高度分散显示出基金整体风险控制及多样化管理能力。突出的行业轮动能力表示基金能把握行业间资金流向和景气度波动，提升业绩[page::16,17].

---

5. 收益贡献拆分

将申万一级行业归类到六大板块后（表6），结合图24和图25的绝对收益及相对收益拆分可以看出：

• 绝对收益主要来源于先进制造和周期板块，后者受Beta效应（市场平均收益）影响较大。

- 相对收益（剔除板块指数表现）显示先进制造、消费和周期板块均有较好超额贡献，应用深度学习策略后这些板块的相对超额收益水平有所提升，体现AI策略对多板块选股能力的强化。

• 从具体行业看（图26、27），电力设备和基础化工等行业同时贡献绝对和相对收益，而家用电器持续贡献较高的相对收益，说明基金经理在这些行业兼顾Alpha（选股超额收益）和Beta（行业配置）机会，表现出较强的投资转换与把握能力[page::17-18].

---

6. 风险揭示与声明

报告明确声明所有分析均基于历史公开资料，不构成将来表现保证或投资建议，同时提示市场波动、策略模型失效等风险。重点强调投资者需结合自身投资偏好、风险承受能力谨慎决策，报告无任何基金评级与推荐性质，信息披露符合合规要求，保障投资者知情权[page::19-20].

---

图表深度解读

• 图1（投资框架图）：展示雷俊投资框架的两大核心组成——量身定制策略与定性调研辅助风控。左侧“量基定架”列举了沪深300以价值因子为核心的定制方案，中证500放宽偏离度，加强增强策略；右侧则体现了以定性调研预判风险、降低个股和行业集中风险的动态调整流程。整体体现了量化与主动管理的有机结合，贯穿投资全流程[page::5]。
• 图2与图3（净值表现）：长城量化小盘股票和中证500指数增强基金净值自各自成立后稳健上行，2023年初开始拥抱深度学习后，净值弹性和绝对水平均显著提升（用红色虚线框标注），反映AI策略的实效和带来的超额收益[page::7]。
• 表2与表3（指数及行业表现波动）：2023年市况剧烈波动明显，多个指数月度回报上下波动大，尤其成长风格指数波动明显，说明市场环境极具挑战性。大盘价值指数成分股业绩分化度提升，显示个股选择尤为关键[page::6]。
• 图6（换手与估值对比）：基金换手率处于中高水平，整体估值适中（PE约30），表明通过策略适度调整仓位和行业个股配比，实现超额收益[page::9]。
• 图7-10（收益与回撤对比）：长城量化小盘股票长期与今年以来的年化收益均处于同类基金前列，且回撤控制较好；中证500增强基金2023年深度学习加持后，收益与风险指标均有明显改善，且规模较大，体现策略稳定性和市场竞争力[page::10]。
• 图11-12（赚钱效应随持有时间）：无论是量化小盘还是指数增强，赚钱概率与收益均随着持有时长显著提升，买入持有三年几乎100%赚钱，凸显长期布局价值[page::11]。
• 图13-15（行业与板块配置）：量化小盘股票行业配置动态调整，周期与先进制造比重提升突出；指数增强基金多行业暴露，通过超配低配行业实现超额收益[page::12,13]。
• 图16-18（换手率与风格暴露）：换手率较稳定且偏高，成长风格明显，2023年附加小盘价值，体现动态适应市场风格轮动[page::14]。
• 图19-21（持股集中度与重仓股持有期）：持股分散，重仓股占比持续低于30%，个股轮换快，偏向高频率调仓，重仓股近期由深度学习模型选定，说明基金选股范围和策略持续迭代[page::15,16]。
• 图22-23（投资能力指标）：行业轮动、配置、隐形交易、顺境投资等多项能力指标分位靠前，显示基金经理策略具备良好的系统性研究能力和市场适应性[page::17]。
• 图24-27（板块收益拆分）：绝对与相对收益来源多元，覆盖先进制造、周期、消费等多个板块。AI策略带来板块间的整体收益提升，基金兼顾Beta与Alpha，体现策略全面性和稳定性[page::18]。

---

估值分析

报告未涉及具体估值模型如DCF或倍数估值法，主要聚焦策略表现和收益构成分析，以及相关因子和行业配置对基金绩效的贡献分析。通过基金风格和行业收益拆分对基金的估值合理性和投资有效性做定性支撑。

---

风险因素评估

• 本报告警示基于历史数据的分析存在模型失效风险。

- 指数及市场波动带来的收益波动风险。

• 基金经理策略变化及投资风格变化风险。

- 市场宏观环境变化带来的系统性风险。

• 投资者需结合自身风险偏好和具体持有期限审慎决策。

整体风险提示符合行业合规要求，无具体缓解措施阐述，侧重强调投资者自主风险管理[page::19].

---

批判性视角与细微差别

• 报告强调“量化框架＋主动管理”并非传统量化纯模型执行，底层是高度依赖模型但加入主动调节与定性判断，凸显策略灵活性，但具体操作细节及主动管理比例未详述，或存在主观判断带来的不确定性，需要持续验证。

- 报告多处强调AI和深度学习对于提升基金表现的重要性，但对深度学习模型具体构建原理、回测稳健性等未深入说明，存在信息不对称风险。

• 基金换手率处于较高水平，通常会增加交易成本，报告未详细量化交易成本对净收益的实际影响。

- 持股集中度较低和重仓股持有不稳定，可能影响对个股的深度把握，且过快的换仓或影响投资稳定性。

• 投资组合对行业轮动和景气度敏感，可能带来周期性波动风险，报告未深入探讨对应市场极端环境下的冲击。

- 报告未明示具体风险管理的定性调研依据及如何纳入量化框架，存在实操透明度不足。

上述细节提示投资者应持续关注策略过程透明度和模型稳健性[page::4,5,9,15,19].

---

结论性综合

本报告系统分析了长城基金雷俊作为资深量化基金经理，如何借助其扎实的技术背景和量化研究优势，通过量化框架结合主动管理，积极拥抱人工智能特别是深度学习技术，构建多因子组合，实现超额收益。其管理的主体基金长期表现优异，特别是在复杂多变的2023年市场环境中，应用AI后的基金表现进一步领先同类，展现出控波动、稳收益的优异特征。

基金的投资框架强调量身定制策略与风险前瞻管控，致力于提升投资者认知度和收益稳定性。详细的数据和图表揭示基金具备较高的行业轮动能力、广泛的能力圈和优秀的隐形交易技巧，且积极利用多行业多板块机会，兼顾Alpha与Beta收益，分散投资风险。同时，持股相对分散、换手率适中到较高，体现了灵活的调仓策略。随着持有时间延长，投资者的赚钱概率与收益水平明显改善，体现长期持有优势。

图表深度分析印证基金在波动剧烈且策略多样性要求较高的市场环境下，通过算法模型和深度学习持续发掘市场有效因子，提升了策略的精准度和适应力。基金收益贡献来自多个行业和风格，显示策略全面且具备市场适应性。

不过，报告中基金高频换手带来的交易成本、人工智能策略模型透明度及主动管理的具体权重等细节仍需投资者关注，未来策略的稳定持续表现亦需进一步验证。

总体而言，报告呈现了一个依托科技赋能、系统性量化与主动管理结合，且在市场激烈波动中表现抢眼的优秀基金经理及其产品群，适合对量化投资及智能投资策略感兴趣的投资者深入理解及参考。[page::0-18]

---

附件部分示例图片展示

• 图1：长城基金雷俊的投资框架

• 图2：长城量化小盘股票的净值表现

• 图6：长城量化小盘股票与其他量化基金的估值、换手对比

• 图22：长城量化小盘股票的投资能力（越接近100越突出）

• 图24：长城量化小盘股票的板块收益拆分（绝对收益）

---

总结：报告全面剖析了长城基金雷俊量化投资策略的演进与表现，系统呈现AI与深度学习为量化投资带来的显著增效，核心特色为量身定制策略、多因子广度深度结合、主动风险管理、行业轮动以及灵活的交易风格，显现出在市场复杂波动下稳健且领先的竞争力，值得关注与研究。[page::0-20]

报告