基金经理背景及投资框架 [page::4][page::5]

• 雷俊具9年量化投资经验，管理6只基金，总规模32.41亿元。

- 投资策略结合量化模型与主动管理，采用量基定架和深度广度动态调整，同时依赖定性调研加强风控。

• 2023年开始广泛应用深度学习与人工智能算法挖掘非线性因子，提升多因子组合收益。

小盘风格与市场环境分析 [page::6][page::7]

• 小盘风格自2021年以来持续占优，中证1000指数相对沪深300表现突出。

- 中证1000估值适中（PE 35倍左右），未来两年净利润预测增速分别为32.22%和24.89%。

• 行业内个股分化度较大，对基金选股能力要求高，创造选股超额空间。

2023年基金业绩表现和优势 [page::7][page::8][page::9]

| 月份 | 长城量化小盘A | 相对中证1000全收益 | 相对万得偏股混合型基金指数 |
|------|---------------|----------------------|-----------------------------|
| 23M1 | 8.99% | 0.65% | 2.92% |
| 23M2 | 3.66% | 1.45% | 5.56% |
| 23M3 | -0.98% | 0.16% | 0.49% |
| 23M4 | -3.96% | -1.79% | -2.03% |
| 23M5 | 1.19% | 3.31% | 4.91% |
| 23M6 | 4.00% | 2.95% | 2.24% |
| 23M7 | 1.36% | 2.48% | 2.55% |
| 23M8 | -3.84% | 2.44% | 1.08% |
| 23M9 | 1.15% | 1.55% | 3.38% |
| 23M10| -3.40% | -1.62% | -0.78% |
| 23M11| 6.32% | 4.44% | 5.93% |
| 月度胜率 | 63.64% | 81.82% | 81.82% |

• 2023年基金实现12.69%收益，超额表现显著，最大回撤-10.46%，收益风险表现优异。

- 在以中证1000为基准的主动权益基金及同类量化产品中均居前列。

• 月度正收益月数占比63.64%，相对胜率超过80%。

收益拆分及行业贡献分析 [page::9][page::10]

| 板块 | 申万一级行业 |
|----------|----------------------------------------------------|
| 金融地产 | 房地产、银行、非银金融 |
| 科技创新 | 计算机、传媒、通信、电子 |
| 先进制造 | 电力设备、国防军工、机械设备、汽车、环保、综合 |
| 消费 | 农林牧渔、食品饮料、纺织服饰、家用电器、轻工制造、商贸零售、社会服务 |
| 医药 | 医药生物、美容护理 |
| 周期 | 煤炭、钢铁、石油石化、基础化工、有色金属、建筑材料、建筑装饰、交通运输、公用事业 |

• 主要超额收益来源于选股和交易两方面，且两者收益均稳定提升。

- 绝对收益显著来自先进制造，先进制造、消费、周期板块的相对收益表现稳定上行。

• 基金经理具备多板块选股能力，综合超额收益稳定。

基金产品标签及行业配置特点 [page::11][page::12][page::13]

| 时间 | 机械设备 | 环保 | 汽车 | 电力设备 | 公用事业 | 传媒 | 医药生物 | 计算机 | 传媒 | 其他 |
|------------|----------|-------|-------|----------|----------|-------|----------|--------|-------|-------|
| 20230630 | 10.88% | 6.26% | 3.55% | 3.20% | 2.85% | -4.77%| -4.26% | -6.57% | -4.77%| |

• 基金板块配置较均衡，长期持有全行业，注重分散风险。

- 近年来显著超配先进制造（机械设备、电力设备、汽车等），低配科技创新和医药板块。

• 持仓风格向小盘股倾斜，持股估值中等偏高，基金产品拥抱小盘成长机会。

换手特征及交易贡献 [page::14]

• 换手率稳定高位，处于4到6倍区间。\n- 重仓股稳定性较低，近年重仓股每季度基本替换。

- 交易收益贡献显著，2023年实际收益超出模拟收益，反映换手带来的超额收益。

• 换手率与交易策略有效配合，提升组合表现。

组合分散度及持股风格 [page::15]

• 持股集中度低，前十大重仓股占比近年均不足30%。

- 持股逐步向小盘股倾斜，具备显著小盘风格。

• 重仓股持有周期短，绝大多数股票持有期不超过两个季度，体现基金灵活调整。

- 最新一期十只重仓股均为新增股，展现机器学习模型对选股范围拓宽的作用。

基金经理能力圈评估 [page::16]

• 基金行业轮动、行业配置和隐形交易能力突出，行业配置能力和个股选择能力均在市场前20%以内。

- 隐形交易能力表现优异，超过75%市场同类产品。

• 顺境投资能力强，在行情上行阶段能有效捕捉机会，逆境投资能力表现中上水平。

- 综合能力雷达图显示基金经理能力全面且具有较强超额收益能力。

产品基本信息及费率情况 [page::17]

| 基金名称 | 长城量化小盘股票型证券投资基金 |
|--------------------|-------------------------------------------|
| 成立日期 | 2020-01-10 |
| 基金规模 | 2.72亿元 |
| 基金经理 | 雷俊 |
| 管理费率 | 1.20% |
| 托管费率 | 0.20% |

• 管理规模合适，风险与策略容量平衡。

- 2023年8月下调管理费率和托管费率，降低投资者持有成本。

• 业绩基准为中证1000指数90%加活期存款利率10%。

报告深度分析报告：长城量化小盘——机器学习助力量化投资，捕获小盘投资机会

---

1. 元数据与概览

报告标题： 长城量化小盘：机器学习助力量化投资，捕获小盘投资机会
报告编号及系列： 基金经理研究系列报告之五十
报告日期： 2023年12月26日
发布机构： 申万宏源研究
主要作者： 奚佳诚、蒋辛、邓虎
联系方式： 奚佳诚（电话：(8621)23297818×，邮箱：xijc@swsresearch.com）等
主题： 针对长城基金量化小盘基金及基金经理雷俊的投资风格、业绩表现、策略应用以及基金特性进行深度研究分析，重点分析其机器学习在量化投资中的运用及对捕获小盘股超额收益的贡献。

核心论点：

• 长城量化小盘基金通过结合量化模型与主动管理，并积极拥抱人工智能技术，特别是深度学习方法，显著提升了选股能力和交易能力。

- 2023年以来，基金表现优异，绝对与相对收益均领先，回撤控制合理，其收益贡献主要来自选股和交易两部分。

• 基金配置偏好较为分散且行业内轮动灵活，持股集中度低，高换手率强化了收益获取能力。

- 费率合理调整，基金规模适中，基金经理雷俊具备丰富的量化投资和基金管理经验。

• 风险揭示充分，报告非推荐性质，强调投资需审慎考虑风险。[page::0,1]

---

2. 逐节深度解读

2.1 基金经理与投资框架（第1章）

• 基金经理雷俊背景

雷俊，统计信息科学专业出身，南方基金曾任高级研究员、基金经理，2017年入职长城基金，现为量化与指数投资部总经理兼基金经理，管理六只基金（含主动量化和指数增强），管理总规模32.41亿元。过去管理的中证500指数增强基金累计超额收益显著，量化小盘基金任职回报31.88%，超额30.88%。[page::4]

• 量化+主动管理投资框架

他的投资框架核心是“量化框架贯穿全流程+主动管理”，具体包含两个方面：
1）量身定制策略，根据不同产品基准设计针对性量化框架，兼顾Alpha收益深度与Beta收益广度，动态调整组合结构强化收益。
2）辅以定性调研增强风控。强调基于量化模型自然的风险分散基础上，结合前瞻性定性判断调整风险敞口。
图1展示了上述框架，左侧为量身设计策略，右侧为定性调研强化风控。
另外，2023年起基金大力引入深度学习和神经网络算法，充分挖掘多因子复合的非线性关系，提升行业景气度结合的选股能力，策略不断进阶。图2显示基金季报披露的量化选股策略细节，强调小市值和广度投资优势带来的超额收益。[page::5]

2.2 市场与基金表现分析（第2章）

• 小盘风格优势明显

市场整体维持2021年以来的小盘风格优势，沪深300整体表现被中证1000持续弱势后的反转。图3详述了2014至今中证1000与沪深300的相对走势波动。小盘股个股分化度大且非均衡，基金选股难度加大但也提升了超额收益空间。图6 体现了2023年中证1000内部涨跌幅及分化度情况，明显高于中证800。[page::6,7]

• 中证1000估值与盈利预测相对适中

图4显示其PE（TTM）处于历史中低分位，未来2024、2025年净利润预测分别为32.22%和24.89%的增速，体现其成长潜力和合理估值区间。图5提供净利润走势及增速趋势，支持小盘未来盈利恢复预期。[page::6]

• 基金业绩领先且回撤控制优

2023年以来，截至12月19日，长城量化小盘回报12.69%，同期中证1000指数下跌5.67%，实现显著超额收益；相对基金基准的最大回撤为-4.52%，表现稳健。图7月度业绩走势及相对收益曲线清晰说明了收益领先且风险控制效果佳。
月度胜率达63.64%，相对中证1000及同类指数提升至80%以上，显示稳定超额能力（表2）。
同类中证1000基金对比，长城量化小盘顶部位置明显（图8、9），优良的收益风险比和最大的Sharpe、Calmar指标值表明高性价比。表3、4进一步对比同基准产品及主动量化产品，均位列前茅。[page::7,8,9]

• 收益拆分见证选股和交易贡献同等重要

通过Brinson模型拆分收益来源，市场、资产配置、行业配置贡献有限，显著收益来自选股和交易。图10详示基金收益各项累计贡献，其中选股和交易收益较为显著且持续上升，交易贡献引人注目，体现基金通过灵活交易实现的增值能力。
板块表现中，表5划分申万行业为六大板块，基金绝对收益由先进制造贡献最大，消费及周期板块相对收益稳定提升（图11、12），表现出行业覆盖广且多板块并驾齐驱的选股能力。[page::9,10]

2.3 基金特征（第3章）

• 标签刻画

基金行业配置均衡，行业和个股分散，拥有小盘股明显标签，偏成长风格，估值适中偏高。换手率4-6倍稳定，淡化择时，重仓股变化快。持股避免集中风险，体现产品灵活适应市场特征。表6总结产品多个标签维度。

• 行业配置动态变化

基金自2020年起重仓医药，2022年底转向机械设备、电力设备、汽车等先进制造，顺应市场行业轮动趋势。图13、14显示行业及板块配置结构的变化，基金较大程度跟随市场但也有策略调整。

• 超配先进制造，低配科技创新及医药

图15表明基金自2022年底至2023年对机械设备、环保、汽车等行业超配，计算机、传媒、医药等行业低配，表明其精准把握行业景气变化以提升超额收益。

• 高换手率促进收益获取

长城量化小盘换手率长期维持4-6倍（图16），重仓股稳定性较低（图17），2023年通过换手转化出的收益显著（图18），表明交易贡献在改用机器学习后更突出。[page::11-14]

• 持股分散，偏向小盘，且重仓股轮动快

持股集中度低，前三十大持仓占比最近甚至不足30%（图19），市值配置重小盘股（图20），重仓股大多持仓时间较短，多在两个季度内（图21）。前期十只重仓股均为新进，体现模型多样化选股与敏捷调仓能力。[page::14,15]

2.4 基金经理能力圈（第4章）

• 综合能力突出

通过对各类能力因子分位数排名，雷俊在行业配置、隐形交易（即通过调仓交易实现收益的能力）、顺境投资能力体现显著优势（分位值均接近或超过80-90分位）。个股选择和隐形交易能力尤为突出(个股选择能力最高达93分位），行业配置能力也处于前20%水平，顺境行情表现优异，逆境能力尚可（图22、23）。

• 能力表现解读

个股与行业分散度与市场相近，符合量化风格；强隐形交易能力说明基金超额收益不仅由持仓选股驱动，还受灵活调仓影响；顺境敏感度高反映基金能有效捕捉上涨行情带来的收益机会。[page::16]

2.5 产品信息与风险揭示（第5、6章）

• 产品基本信息

成立于2020年1月10日，基金规模2.72亿元，基金经理管理规模32.41亿元，规模适中，有利于策略有效执行。基金类型为普通股票型，业绩比较基准为中证100090%+活期存款利率10%。2023年8月21日费率下调，管理费和托管费分别调整至1.20%和0.20%，费率调整增强产品竞争力（表7）。

• 风险揭示

报告十分强调，未来表现存在不确定性，历史业绩不代表未来结果，指数构成变动、市场波动等均可能影响基金表现，投资需结合自身风险偏好谨慎判断。报告不构成投资建议，仅供参考（第6章）。[page::17]

---

3. 图表深度解读

图1（第5页）

展示了基金经理雷俊的投资框架体系，左侧量身指定策略部分强调基准差异及Alpha-Beta动态调整，右侧定性调研部分侧重风险控制。视觉清晰阐释量化与主动管理的结合关系，强调风险管理在整个流程中的重要地位。

图2（第5页）

为23Q1季报披露的基金量化策略，包括深度学习挖掘多因子因子，紧密结合市场变化以捕捉小盘超额收益，验证基金对AI技术的积极拥抱。

图3（第6页）

展示中证1000指数相较沪深300指数的表现。数据揭示2021年起中证1000逐渐走强，扭转此前大盘股占优态势，奠定小盘风格市场背景。

图4（第6页）

显示中证1000历史市盈率及当前估值分位，估值处于历史中低区间，表明指数具备合理估值和投资吸引力。

图5（第6页）

净利润预测图表，剖析未来两年指数盈利增长趋势，该数据支撑基金量化投资标的的增长性假设基础。

图6（第7页）

反映中证1000指数内部成分股收益分化程度较高，基金需要强大的选股能力才能获取超额收益。

图7（第7页）

基金与基准及相对收益走势直观对比，长城量化小盘收益线持续优于基准及较好控制最大回撤。

图8、图9（第8页）

收益与风险回撤散点图显示长城量化小盘明显优于同类产品，体现优异的回撤管理和收益能力。

表2（第8页）

月度收益及对比表现，进一步体现基金持续稳定超过基准及类别指数的能力。

表3、表4（第9页）

详细对比基金在同类产品中的业绩，长城量化小盘稳居首位。

图10（第10页）

Brinson拆分收益贡献，明确选股和交易为主要超额收益来源。

图11、图12（第10页）

按板块划分的绝对与相对收益走势，先进制造贡献最突出，其他如消费、周期板块也稳定贡献。

图13、14（第12页）

连续时间段的行业和板块配置热图，显示基金行业配置的动态演变，行业间切换明显。

图15（第13页）

超配/低配行业比例统计表，细化显示基金相对指数在具体行业的配置偏好。

图16（第14页）

换手率柱状图，长期维持高换手，强化策略灵活调整。

图17（第14页）

重仓股稳定性指标，说明基金持仓变动频繁，支持交易收益观点。

图18（第14页）

基金模拟收益对比实际收益，验证换手的正向收益贡献。

图19、20（第15页）

集中度和市值分布图，突出基金分散低集中、偏小盘特征。

图21（第15页）

重仓股轮动示意，支持频繁选股和调仓的活跃策略实施。

图22（第16页）

多能力指标分位数热图，反映基金经理在行业配置、隐形交易等方面优势明显。

图23（第16页）

雷达图综合呈现基金经理能力圈，体现其多维度投资能力均衡且突出。

---

4. 估值分析

报告主体未涉及具体的基金估值模型（如DCF、市盈率等定价分析），因基金本质为管理产品，估值核算主要通过比较基金相对基准和同类产品表现，结合收益、回撤及风险调整指标（Sharpe、Calmar）展开。

基金通过量化深度学习模型甄别因子，优化组合权重及交易策略，实现Alpha收益提升。基金经理还强调结合行业景气度调整配置。此类动态多因子模型和机器学习技术提升的选股及交易表现，是基金超额收益的基础，属于智能量化投资策略效果体现。

报告中对基金的费率调整展示了成本优势，但未提及估值敏感度分析。

---

5. 风险因素评估

报告风险提示部分强调：

• 历史公开信息分析结果可能存在样本股变动影响的偏差。

- 历史业绩不具备代表未来表现的义务。

• 市场指数涨跌受宏观环境、市场波动、风格切换影响，存在波动风险。

- 报告不构成基金产品或指数股票推荐，且无投资建议性质。

• 投资需考虑个人风险承受能力，密切关注官方信息披露。

报告未详细列举操作、模型失效、算法风险等量化投资特有风险，但提醒投资者谨慎。报告未提供风险缓释策略。[page::0,17]

---

6. 批判性视角与细微差别

• 报告整体立场较为乐观，重点突出基金经理和产品的业绩优势及AI策略的创新应用，未深入讨论策略潜在风险与市场极端环境下可能面临的挑战。

- 尽管提及以定性调研辅助风险管理，但具体风控机制和模型失效应对细节披露较浅。

• 报告使用的数据和能力分位解释客观但缺乏更长周期多市场环境检验说明。

- 对基金费率降低的影响未进行深入的量化经济学分析，未讨论规模变化对曲线平滑性及流动性风险的潜在影响。

• 图表数据及模型验证多为过去表现，缺少前瞻性的绩效持续性讨论或模型过拟合风险的披露。

- 报告强调交易收益贡献，但未就高换手带来的交易成本压力及其对净收益的影响作详细分析。

• 报告并未明确对冲策略或下行保护策略，缺少对突发市场风险管理的阐述。

总体报告视角较技术与业绩导向，风险提示相对通用，投资者应综合其他信息全面评估。

---

7. 结论性综合

本报告对长城量化小盘基金及其基金经理雷俊的投资策略、业绩表现和运营特征进行了系统、全方位的深度解析。报告强调雷俊资深的量化投资背景和其创新性地将机器学习尤其是深度学习方法引入多因子模型的实施，显著提升了基金的Alpha捕获能力与交易超额收益能力。

结合市场环境，中证1000指数自2021年起小盘风格持续占优，且其估值和盈利预期合理，有利于量化小盘策略发挥。长城量化小盘凝聚了小盘股分化格局中的选股和交易机会，基于Brinson模型拆分，选股和交易贡献明显，其交易频繁且收益化能力强，实现了超额收益与风险控制的良好平衡。

基金组合呈现低集中度、小盘偏好，且行业配置跟随市场动态调整，尤其超配先进制造板块，低配科技创新和医药。高换手率和重仓股轮动支持基金灵活调整及因子多样化，进一步强化收益来源。

基金经理能力指标显示其在行业配置和隐形交易等方面能力优异，顺境市场表现更优，具备较强的市场适应与超额收益创造能力。同时，2023年费率调整提升了产品竞争力。

报告在风险部分做出合理揭示，提示历史业绩不代表未来，投资需谨慎。尽管如此，报告中对策略风险及费用影响等进一步细节披露有限，投资者应结合多方数据综合评估。

综上，长城量化小盘基金展现出以机器学习驱动的量化投资创新模式和优异业绩表现，是当前主动量化小盘投资领域的领先产品。其应用深度学习探索多因子非线性组合，结合灵活的交易策略，实现在复杂多变的小盘市场环境中的超额收益捕获，体现了基金经理及团队在量化投资技术和策略应用上的扎实积淀和竞争优势。

---

溯源页码：[page::0,1,4,5,6,7,8,9,10,11,12,13,14,15,16,17]

---

备注： 本分析严格基于报告原文内容，避免超出报告范围的主观推断，确保内容客观、专业、详尽。

报告