在投资界，有一位密歇根大学的校友十分推崇多学科思维模型，善于通过统计学、物理学、心理学等学科的底层原理，对投资逻辑进行交叉验证。他并非各个学科的专家，也没有复杂的学术公式理论，主要凭借各学科最基本的原理和思想，靠跨学科协同造就创新投资体系，取得了卓越的业绩表现。这位密歇根校友就是查理·芒格。

将主动基本面研究和量化投资结合的基本面量化，就是一门交叉学科。创新的交叉学科往往会受到质疑，对基本面量化的质疑是主动和量化做得都不够极致。极致的主动研究追求对公司的深度认知，致力于挑选出长期伟大的公司；极致的量化交易致力于捕获市场无数股票分钟k线的波动机会。而基本面量化既不像高频量化那么快，又不像基本面研究那样深度和前瞻。但其实资本市场有效的打法很多样，除了捕捉长线牛股和短期波动的机会外，还有中期盈利趋势、短期预期反转、突发事件等各种各样的机会。

对于沪深300、A500等大盘宽基指数，由于机构投资者参与较多，定价相对有效，如果依赖历史统计的传统多因子进行量化增强，效果一般，但如果将传统的量化统计与主动的行业基本面研究相结合，则能挖掘到有效的新因子。比如，在周期股投资中，单纯运用多因子量化策略赔率高、胜率低，但稍微结合基本面研究就能提升胜率；在消费股基本面趋势投资中，胜率往往好于赔率，但利用量化模型进行纪律性交易可提升赔率。

同理，中证红利指数包含的标的公司通常业务成熟稳定，市场容易定价且波动小，以统计驱动的量价因子较难做出超额，利用基本面逻辑与量化策略的协同可以打开超额空间。一方面，从红利标的业务稳定的基本面特性出发，构建符合红利逻辑的基本面因子；另一方面，从量化策略均值回复的交易特征出发，结合红利标的市场波动小的特性构建交易策略。基本面和量化的交叉印证可为红利资产量身打造合身的红利模型。

正如前文所提到的，芒格利用跨学科协同能获得优秀的投资业绩，基本面和量化的协同也可提升业绩表现。在广阔的资本市场中，如果能从行业、风格、投资期限等维度切割出细分领域，则可以通过不同方法的协同来获取比较优势、转化超额收益。

在基本面量化策略的探索过程中，既需要积极勤奋地拓展认知的广度，包括各行业基本知识、多类量化因子的特质、多种另类数据的应用特点等，又需要深入理解各领域背后的底层原理，厘清各学科的应用边界，并结合市场灵活地应用策略。芒格的跨学科投资方法积累了上百个思维模型，大师的精神也激励着我们在交叉学科的投资领域不断探索与创新。

易方达基金 明朗

声明：本手记的观点、分析及预测仅代表作者个人意见，不代表易方达基金管理有限公司（以下简称“本公司”）立场，也不构成对阅读者的投资建议。本公司或本公司相关机构、雇员或代理人不对任何人使用此全部或部分内容的行为或由此而引致的任何损失承担任何责任。未经本公司事先书面许可，任何人不得将此报告或其任何部分以任何形式进行派发、复制、转载或发布，或对本专栏内容进行任何有悖原意的删节或修改。基金有风险，投资须谨慎。