高盛集团及资管业务概况 [page::4][page::5][page::6]

• 2022年高盛集团业务重组，新增平台解决方案聚焦技术业务。

- 2014-2022年资管AUS持续增长，固收类基金规模最大且增速最快，股票类基金占比22.1%。

• 投行业务利润大幅回落，推动高盛重心向收入稳定的资产与财富管理转移。

- 公募基金AUS占比逐年提升，从32.4%升至33.8%，独立账户比例略降。

高盛公募基金结构及表现 [page::7][page::8][page::9][page::10]

• 股票型基金占比11%，货币市场基金规模最大（占77%）。

- 88只公募基金中，1-10亿美元规模基金数量最多，50亿美元以上基金仅占10%。

• 股票型基金近一年收益负7.36%，跑赢标普500指数-9.23%。

- ETF基金规模285亿美金，股票型ETF占71.1%，ActiveBeta系列ETF规模最大。

ActiveBeta系列ETF策略详解 [page::14][page::15][page::16][page::17]

• 四因子策略：价值、动量、质量、低波动，注重风险敞口多元化及因子组合。

- 指数构建通过单因子子指数等权合成，避免单因子得分偏低股票。

• 指数季度调仓，因子得分范围归一化后重新配置权重确保权重平衡。

- 2017至2021年规模年复合增长142.2%，2022年规模略有回落，主因美股大盘表现。

Insights系列基金另类数据因子构建及应用 [page::18][page::19][page::20]

• 通过基本面错误定价、高质量商业模式、情绪分析和市场主题趋势四大主题挖掘Alpha。

- 应用信用卡交易、卫星影像、互联网流量等非结构数据，提升信息时效。

• 信用卡销售增长显著预测公司未来销售同比提升，优于传统盈利预期。

- Insights基金规模2022年有所下降，美国市场基金波动较大，国际和新兴市场更稳定。

Insights基金代表产品表现与行业配置 [page::22][page::23][page::24]

• 新兴市场基金重仓中国大陆与亚洲科技，表现波动大，2022年亏损显著。

- 大盘价值基金集中金融、医疗行业，近年超额收益波动存在，但体现质量投资优势。

• 小盘成长基金以科技、医疗、工业行业为主，2023年有回升迹象，表现逐步优化。

对中国量化管理人的启示 [page::24][page::25]

• 传统多因子策略适合被动产品，因子组合采用子指数等权合成有效控制风险暴露。

- 另类数据因子具有信息时效优势，适用于新兴及国际市场以减少超额收益波动。

• 中国市场量化管理人应加强另类数据应用创新，打造差异化因子避免拥挤，提升竞争优势。

高盛的另类数据策略产品表现如何？——申万宏源金工海外量化研究系列解读分析

---

一、元数据与报告概览

• 报告标题：高盛的另类数据策略产品表现如何？

- 作者及机构：证券分析师邓虎、研究支持王宇涵，申万宏源研究团队

• 发布日期：2023年5月16日

- 主题：重点分析高盛集团量化投资策略及其旗下两大量化产品线——ActiveBeta系列ETF与Insight系列共同基金的投资表现、核心策略、数据驱动因素及其对中国市场量化管理人的启示。

• 核心论点与目标：

- 高盛在量化投资领域有着悠久历史和不断创新的技术积累，量化策略已经从传统因子模型向以大数据与人工智能为核心的Alpha Generation策略转型。
- ActiveBeta ETF以Smart Beta进阶策略、低费率优势和稳健超额收益在市场获得广泛认可；Insight系列基金则利用另类数据构建特色因子，实现差异化alpha创造，尤其在新兴市场和国际市场表现出更稳定的超额收益。
- 研究提示我国量化管理人应积极探索并利用另类数据，打造差异化因子，避免因子拥挤，并利用信息优势抢跑市场。

• 风险提示：本报告不涉基金产品推荐，研究基于公开数据和Bloomberg信息[page::0, 25]

---

二、逐节深度解读

1. 高盛集团概况：技术驱动业务重组与资产管理规模增长

• 业务重组及技术赋能

2022年10月高盛集团业务重组，从原有四条业务线调整为三条：全球投行及市场、资产及财富管理、平台解决方案。新增的平台解决方案以技术和数字化为核心，包括Marcus零售业务、支付科技GreenSky及苹果信用卡合作业务。该变革体现高盛对金融科技和大数据的持续投入和整合能力（图1和图2）[page::4,5]。

• 资管规模与业务结构变化

2014-2022年，高盛资产管理监督资产规模（AUS）年均复合增长率8.9%，达到2.55万亿美元。固收基金规模最大且增长最快（10.1%），股票基金增长稳定（7.7%）。投行业务受IPO冷却影响净利润明显下滑，但资产管理业务净利润占比从17.9%提升到25.1%，展现出业务重心转移和稳定增长的趋势（图3、4）。资管产品占比中，公募基金占比轻微提升，独立账户占比略降（图5）[page::5,6]。

---

2. 高盛公募基金：广泛布局且产品多元

• 产品类型及规模

高盛公募基金共88只，股票型基金36只，占产品数量及总规模的主导地位。货币市场基金资产规模最大（77%），但股票基金质量较好，近几年表现稳健（图6-9）。股票基金规模最大为GQG Partners International Opportunities Fund，近一年跌幅-6.06%，但跑赢标普500指数-9.23%（表1）[page::7,8]。

• 收益表现

近一年整体股市表现不佳，股票型基金加权平均收益为-7.36%，仍显著跑赢基准标普500指数。五年期收益率达5.63%，优于其他资产类别。货币市场、地产基建及另类基金表现更优。动量策略驱动的Managed Futures Strategy Fund以16.61%的收益表现抢眼（图10，表2,3）[page::8,9]。

• ETF基金特点

高盛管理的ETF基金32只，股票型占71%，年度新增数目递增，2022年新增9只，8只为股票型ETF。资金集中在规模1-10亿美元的ETF，ActiveBeta系列ETF是规模最大、市场认可度最高的产品，尤其是美国大盘ActiveBeta U.S. Large Cap Equity ETF，规模最高超过108亿美元（图11-15,表4）[page::9,10,11]。

---

3. 高盛量化策略：历史传承与人工智能驱动创新

• 历史背景及团队配置

高盛自1980年代即启用量化策略和模型风险管理，1999年成立量化投资小组（QIS），拥有逾95名投资组合管理人员和大量技术支持员工。高盛是最早推动多因子投资的机构之一，早在2000就应用多因子模型，2015年推出全球首批因子组合ETF——ActiveBeta系列[page::11]。

• 技术升级

2014年发布人工智能平台Marquee，结合大数据、机器学习提升实时风险交易管理效率。与MSCI、AWS及Qontigo合作，深化金融云和因子风控模型应用。近年多次收购科技型企业，如GreenSky和NNIP，强化数据基础设施和数字产品，促进大数据驱动资产管理（Insight系列基金）[page::12]。

• 量化产品线

- ActiveBeta系列ETF（8只，规模168亿美元），采用Smart Beta因子组合策略；
- Insight系列共同基金（9只，规模102亿美元），以非结构化另类数据驱动Alpha生成，投资流程完全数据驱动[page::12,13]。

---

4. ActiveBeta系列ETF：Smart Beta的创新推进

• 多因子策略与组合方式

ActiveBeta策略融合价值、动量、质量和低波动四大因子，因子本身在历史收益、风险及周期相关性上差异显著（表7）。采用子指数等权合成方法，将单因子子指数等权组合而非直接合并因子信号，避免因子陷阱风险，实现风险敞口的精准控制与后期业绩归因（图16）[page::14,15]。

• 指数编制与计算方法

以基准指数成分股为样本池，剔除沪深股。 per季度调整，赋予股票因子得分及基准外权重调整，确保整体权重平衡（负得分股票削权，正得分股票增权）。权重分配机制确保净权重中性，最终指数只包括多头头寸。
因子具体计算包括价值因子为市现率、市销率、市净率倒数平均，动量因子过去11个月复合收益，质量因子根据是否为金融股划分用ROE或毛利总资产比，低波动因子为过去一年每日收益率波动倒数（公式详见页16-17）。[page::15,16,17]。

• 规模及表现

ActiveBeta系列ETF规模从2017年45.79亿美元增长至2021年187亿美元（复合增长142.2%），2022年因市场大幅波动回落至164亿美元，2023年初略有回升。美国本土ActiveBeta ETF稳定表现被市场认可，非美国ETF波动较大并伴随资金赎回（图17,表8）[page::17,18]。

---

5. Insights系列基金：Alpha Generation的另类数据驱动创新

• 另类数据与四大主题因子

Insights系列基金根据非结构化数据构建四类Alpha因子：
1）基本面错误定价：挖掘内在价值被低估的股票；
2）高质量商业模式：利用公司收入质量、管理质量等标准选股；
3）观点分析：结合机构与个人投资者的交易观点及卖空习惯，尤其是利用卖空数据预测股票表现；
4）市场主题与趋势：利用宏观环境和历史类比预测市场动向[page::18]。

• 信用卡数据的说明及优势

信用卡交易数据因其高频、快速且多维度特征，能够远领先季度财报发布，实现盈利预测的领先优势。信用卡销售增长与公司后续销售增长存在正相关，信用卡数据为情景提供“新鲜”信息，对消费领域效果尤为显著（图18-21）[page::19,20]。

• 基金规模与收益

Insights资产规模近年整体下降，2022年受市场整体影响较大，约为102亿美元。美国市场基金超额收益波动较大，国际及新兴市场基金超额收益更稳定。历史表明全球小盘基金（International Small Cap Insights Fund）超额收益波动更小，规模最大31.16亿美元，表现相对稳定（图22，表9,10）[page::20,21]。

• 具体基金表现与行业配置

- 新兴市场基金规模17.87亿美元，波动较大，重仓中国互联网及金融股，近一年回报-18.78%；
- 大盘价值基金规模3.43亿美元，行业集中于金融、医疗，近一年收益-2.45%；
- 小盘成长基金规模1.18亿美元，聚焦信息技术和医疗，近一年收益-9%，近三个月表现有所回升（图23-28，表11-13）[page::22,23,24]。

---

6. 对我国量化管理人的启示

• 高盛量化策略可分为传统多因子组合（ActiveBeta体系）及另类数据驱动的Alpha Generation策略（Insights体系）。

- ActiveBeta多因子方法以子指数等权合成区别于市场主流的综合因子信号策略，更有效控制风险和避免陷阱股票，便于前后期风险管理和绩效归因。

• Insights系列基金充分发挥集团内部数据协同优势，利用丰富的另类数据提升投资回报，尤其是在信息效率较低的新兴与国际市场表现更佳且收益波动较小。

- 建议中国量化基金管理人积极探索另类数据因子构建，实现差异化投资，缓解因子同质化问题，抢占信息优势[page::24,25]。

---

7. 风险提示与声明

• 本报告基于公开信息，不构成任何基金推荐或投资建议。

- 投资涉及风险，读者应根据自身情况谨慎决策。

• 申万宏源证券尽职业责任保证报告严谨性，提示潜在利益冲突并声明版权保护[page::0,25,26]。

---

三、图表深度解读

• 图1-2：展示高盛集团业务板块重组及发展历程，突出对金融科技和数据能力的重视，说明未来量化和大数据融合趋势[page::4,5]。

- 图3：2014-2022年高盛AUS逐年增长，固收类增长突出，股票基金规模显著，排名提升说明公司资管整体竞争力加强[page::5]。

• 图4：不同业务利润比重变化体现资产管理利润占比显著提升，结构调整成功，投行依赖减少[page::6]。

- 图5：资管产品形态变化，公募基金（浅蓝）比重小幅上升，而高净值专户比重有所下降[page::6]。

• 图6-9：体现高盛股票型公募基金数量与规模优势，基金规模分布集中于中小规模区段，显示出较为健康且多样的基金生态[page::7]。

- 图10：显示不同资产基金收益差异，股票基金近期表现不佳但相对优异，另类与地产基金表现突出，说明基金管理策略多样化[page::8]。

• 图11-15：ETF基金新增数量及资金规模分布，ActiveBeta系列ETF规模最大，稳居市场主流地位，收益表现区别明显，美国市场ETF稳定，非美市场波动大[page::9,10,11]。

- 图16：ActiveBeta选用四大核心因子示意，形象展示策略理论基础[page::14]。

• 图17：ActiveBeta系列ETF规模发展图，显示稳健增长及2021年达到峰值后小幅回落的态势[page::17]。

- 表7：六大因子风险相关性和周期属性表，分析因子协同和风险敞口分布依据[page::14]。

• 其他表格（1-13）详细列出基金规模、费率、基准、持仓等，辅助理解不同产品定位及投资策略[page::8-9,12-13,18,22-24]。

- 图18-21：展示另类数据的类型及其预测能力，尤其信用卡数据如何领先市场进行营收预测，具备信号领先性和信息优势[page::19,20]。

• 图22-28：Insights系列基金规模变动及收益率表现，揭示其波动特征及市场差异性，辅助判断基金的稳定性和策略有效性[page::21-24]。

---

四、估值分析

报告中未涉及具体估值方法或目标价，但对量化投资策略的因子选择及构建逻辑做了深入阐述，特别是ActiveBeta因子计算的详细公式和权重调节规则，体现科学的模型设计和风险控制。Insight系列基金更多依赖机器学习和大数据分析技术构建Alpha，强调数据驱动而非传统估值模型。

---

五、风险因素评估

• 高盛公开披露的风险源主要包括市场波动、因子失效风险、另类数据解释不准确风险以及区域性的市场差异带来的投资回报波动。美国市场上的另类数据运用面临更高收益波动和不确定性，而在新兴市场这些策略相对更稳定。

- 业务重组和技术创新虽提升能力，但技术整合和跨部门协同存在管理风险。

• 报告未明确给出具体缓解措施，但隐含通过因子组合、持仓分散和技术平台升级来降低个别策略和模型风险。

- 风险提示明确声明不构成基金推荐，提示投资需谨慎[page::0,25]。

---

六、批判性视角与细微差别

• 优势：

- 报告系统全面，数据详实，从历史、产品结构到因子计算给予充分论证。
- 逻辑严密，结合大量图表辅助说明，高盛的量化策略历史沉淀与前沿创新并重，尤其Insight基金数据驱动策略突出。
- 明确指出传统因子组合与另类数据策略的优势与不足，为中国管理人提出清晰建议，具有较强实践指导意义。

• 潜在不足与风险：

- Insight系列基金尽管展示了另类数据优势，但超额收益波动较大，长期稳定性和风险需更深入论证。
- 报告大量依赖公开及高盛自身发布的数据，存在报告本身较为乐观的潜在偏倚。
- 对于非美国市场ETF收益波动及赎回的风险解析较为浅显，没有深入探讨市场机制与宏观环境影响。
- 对量化模型的潜在局限性及因子失效风险提示较为简单，未涉及复杂模型过拟合或解释性不足等问题。

• 细微观察：

- ActiveBeta策略采取子指数等权合成与传统因子信号合成的差异解读合理且创新，但该方法的资本市场实操中的交易成本和实时调整难度未涉及。
- Insight基金的另类数据具体采集、处理及隐私合规等实务层面未展开分析。
- 报告中材料大多集中于产品表现和策略划分，尚缺乏对竞争对手和市场环境变化的深入比较和预判。

---

七、结论性综合

申万宏源本次研究全面梳理了高盛在量化投资领域的进展，强调其底蕴深厚的因子投资体系（ActiveBeta系列ETF）和面向未来，以大数据与人工智能驱动Alpha探索的Insight系列共同基金。ActiveBeta系列以价值、动量、质量和低波动因子为核心，通过独创的子指数等权合成有效控制风险，低费率和稳定超额收益赢得市场认可，尤其是在美国市场。Insight系列基金则利用丰富的非结构化另类数据，包括信用卡交易、卫星影像、网络流量和市场观点等，深度挖掘投资机会，尤其在新兴和国际市场表现出更稳定的超额收益，但美国市场波动较大。

报告详实披露这些策略的投资逻辑、因子计算方法及历史表现，且通过多张图表具体呈现基金规模变动和收益情况，为理解高盛量化产品提供坚实基础。基于高盛强大的业务协同和技术平台，另类数据成为获取信息优势的关键要素，并为中国市场量化管理人指出了创新与差异化发展的明确方向。

尽管如此，另类数据及机器学习驱动的策略仍存在超额收益波动和长期稳健性挑战，投资者需保持谨慎。报告也提醒了高盛和市场变化的潜在风险，但对于细节风险管理和市场竞争压力尚有待更深入探讨。

总体而言，报告充分肯定了高盛量化策略的行业领先地位和创新能力，ActiveBeta和Insights两大策略体系互为补充，兼具风险控制与alpha创新，成为行业值得学习和借鉴的典范。

---

附图示例（部分）

---

以上为本次报告的详尽分析解构，涵盖高盛量化策略发展历程、核心产品策略、数据驱动逻辑以及中国市场的实践启示，结合完整图谱与数据解析，供投资研究及行业参考[page::0-26]。

报告