今年以来，量化基金的整体表现比较亮眼。在广发百发大数据策略成长基金经理叶帅看来，量化投资的核心在于从大量数据中寻找规律，构建收益预测模型与风险评价模型，并结合具体投资目标“量体裁衣”。“虽然量化模型本身是个‘黑匣子’，但我们希望做可解释性强的量化投资，让投资者清楚地知道自己持有的产品究竟赚的是什么钱，以及潜在的风险是什么。”他说。
叶帅于2016年加入广发基金，拥有超8年从业经历、近6年投资管理经验。他拥有数学博士学位，量化研究经验丰富，自2022年4月开始担任广发基金稳健策略部基金经理。基于“基本面+量化”的复合背景，叶帅逐渐形成了“量化+主动”的投资体系，力争通过科学定量的主动投资，获得可解释性强的贝塔收益和独创性的阿尔法收益。
融合主观逻辑与量化效率
在8年多的从业经历中，叶帅将科学严谨的量化方法与深度研究的主动投资逻辑有机结合，形成了以“科学定量的主动投资”为核心的投资理念。“围绕这个理念，我们团队希望通过系统化的投研方法使投资过程中艺术与科学的边界更加清晰；实现的路径是‘主动+量化’，即把主动深度研究融合到量化模型的搭建过程中。”他说。
“主动+量化”能在量化模型的基础上，充分发挥主观投资在深度研究与前瞻预判方面的优势。叶帅表示，量化作为高度系统化的分析工具，通过历史有效因子的挖掘和数据建模，实现对数千只股票的初步筛选；而主观判断，则在关键节点发挥着不可替代的作用，为模型提供了更具前瞻性的输入，增强了组合的应变能力和长期收益的稳定性。
具体而言：在构建宏观配置模型时，团队会根据经济周期判断对模型的输入变量进行修正；在搭建风格或行业模型中，会结合风格胜率和赔率、行业景气度和供需格局的判断，对左侧拐点与右侧进行持续性思考；而在量化选股层面，则聚焦个股层面的基本面变化和风险预判，进一步优化持仓结构。
目前，叶帅管理的广发百发大数据策略成长，采用“主观+量化”的选股策略，取得了不错的投资业绩。银河证券数据显示，截至7月18日，该基金A份额近一年上涨29.97%，在同类灵活配置型基金中排名前20%；近三年回报同类排名前10%，获银河证券三年期五星评级。
精选赔率与胜率兼具标的
在投资实践上，叶帅通过“自上而下的主动研究”和“自下而上的量化输出”相结合，先发挥计算机的算力优势找到方向，再发挥管理人的逻辑分析优势去深度挖掘，最终双向共振锁定投资机会。
在“自上而下”层面，叶帅重视仓位择时和行业风格配置的价值，倾向于通过宏观视角研判市场节奏，在大周期中进行择时，尽量避免频繁的仓位变动。他将宏观经济状态细化为经济、信用、货币、通胀四大变量，以此指导组合的整体仓位管理。
在中观行业配置和轮动层面，他基于中观模型构建以赔率为主、兼顾胜率的评价体系，以时序上的估值分位数为核心判断行业赔率，再结合行业景气度指标判断胜率，从而动态识别具备性价比优势的板块。
而在“自下而上”的路径中，叶帅整体看好小盘股的贝塔收益，致力于从中筛选出具备估值安全边际、基本面扎实、成长性可预期的标的，从而实现贝塔与阿尔法的双轮驱动。“我们主要围绕‘精选具有较高成长性的股票’的目标进行投资，并将选股范围主要锚定在估值安全边际较高的小盘池子。”在近几年的基金定期报告中，他都会阐述自己的策略定位。
具体而言，叶帅采用多层次的选股策略，最终精选出兼具安全边际与成长空间的优质组合：第一步是强调赔率，通过历史估值分位、预期估值变化、拥挤度等指标，初步筛选出较为安全的候选池；第二步是引入胜率视角，进一步筛选出景气改善或有改善预期的个股；第三步则是主动研究的深度介入，从五个关键维度对个股进行“质检”，包括企业的真实价值、治理结构、成长性、商业模式、核心壁垒等。
平台赋能驱动策略持续精进
除自身多年的投研实践积淀外，叶帅管理的产品能取得稳定的超额收益，也离不开广发基金强大的平台支持与团队协同。在公司、部门与技术层面，平台赋能正成为其“主观+量化”策略不断演进的关键驱动力。
从公司层面来看，广发基金构建了一体化的投研平台，基础研究资源较为充分。“我们有一支经验丰富的行业研究员队伍，在广度和及时性上给予基金经理充分支撑，尤其是在基本面验证与公司治理调查等环节，有效提升了选股的落地效率。”叶帅表示。
在团队层面，叶帅所在的稳健策略部有9名投研成员，团队致力于使用系统化的投研方法来挖掘阿尔法并形成投资策略。“系统化投资的关键要素包括数据驱动、科学系统的检验、有纪律的组合构建、持续迭代优化。”叶帅介绍，团队的研究结论和投资决策都是从逻辑出发，并基于客观数据给出；建立投资决策框架后，会按照既定的纪律去执行，不会主观改变已有框架的投资决策。
在策略落地环节，团队已储备价值、成长、红利、质量、大小盘等10余种策略，能够适应不同市场风格。在基础设施建设上，团队构建了精细化的因子库，涵盖基本面和技术面的众多维度，还搭建了高效的市场跟踪、信号提示和量化回测平台。
值得一提的是，广发基金稳健策略团队自成立起即引入AI选股技术，通过自研神经网络架构构建“垂类”AI模型，专注于挖掘结构化和非结构化数据中的潜在阿尔法信息。经过两年多的实盘运行，AI模型在中高频因子提取、组合优化等方面已展现出明显优势。
