市场震荡月余，大起大落，反反复复，仍然没跑出3600点的圈子，广大基民的菜篮子里“到底是空着”“还是趁机捡些便宜货”，大家一时也没了主意，观望似乎成为主基调。

那么今天给大家上一些配菜，没准儿让您的菜篮子，多了一些选择。

先来看一组数据。

截至2021年8月31日，九泰基金旗下的量化产品：

九泰久盛量化A(001897)，最新累计单位净值为1.8760元；自基金合同生效至今，份额净值增长率为86.88%，同期业绩比较基准增长率为35.91%；

九泰天辰量化(008230)，最新累计单位净值为1.5733元；自基金合同生效至今，份额净值增长率为47.05%，同期业绩比较基准增长率为20.79%；

九泰久信量化A(009043)，最新累计单位净值为1.4943元；自基金合同生效至今，份额净值增长率为39.46%，同期业绩比较基准增长率为21.61%；

九泰久远量化A(009039)，最新累计单位净值为1.3728元；自基金合同生效至今，份额净值增长率为32.19%，同期业绩比较基准增长率为26.02%；

九泰久元量化A(011025)，最新累计单位净值为1.1523元；

九泰久福量化A(010120)，最新累计单位净值为1.0884元；

(以上净值数据已经过托管行复核，截止日：2021-8-31，基金净值的过往表现不代表其未来表现，由于分红等原因，累计单位净值的表现不代表该产品的业绩情况，关于上述产品的业绩表现，请查看产品定期报告等文件。市场有风险，投资需谨慎。关于以上产品的各会计年度完整业绩以及基金经理变更情况，请查看文末备注内容，基金的过往业绩及其净值高低并不预示其未来业绩表现)

以上产品有一个共同的基金经理：孟亚强。

大家都知道量化基金适合于震荡市，但是量化基金长期能否跑出好的业绩，主要还是看基金经理。小九还是认为，选择产品，重在选人。

兼具量化开发与研究背景

行事低调内敛 管理经验丰富

说起孟亚强其人，早年毕业于南开大学，获保险精算硕士学位。熟悉保险行业的人应该都知道，保险精算是依据经济学的基本原理和知识，利用现代数学方法，对各种保险经济活动未来的财务风险进行分性、估价和管理的一门综合性的应用科学，需要对数字有极其敏锐的洞察力和判断力。而孟亚强正是出于此的“行家里手”。

自2008年开始，孟亚强开始了证券研究生涯，孟亚强用近12年时间打磨自己的投资哲学。从业内知名基金公司行业研究员、到基金经理助理、投资经理，最终成为基金经理，孟亚强的投资人生一路走来可谓是稳健从容。

之后孟亚强又开始了海外的求学之旅，将华尔街量化策略与中国本土市场特点进行了有机结合，开发了沉淀于本土资本市场的量化模型因子，并在投资实践中取得一定成效。

而对于投资方面的研究，孟亚强也没有少费工夫，先从宏观经济和策略研究入手，再深入TMT、消费等多行业的跟踪研究，最后转入量化程序设计与投资，以一个基金经理的身份对投资理论进行实践。

孟亚强早前接受采访时曾表示，量化模型的核心假设之一是市场有效理论，目前来看，中国的资本市场和发达经济体相比，还不够成熟，存在一些差距，因此在股票的定价上也不是很有效，这就为量化投资提供了天然的基础。而在美国，由于资本市场相对成熟，量化策略的超额收益一般来说要比中国小很多。

“量化投资最大的特点是分散投资，概率取胜。做基本面研究的基金经理个人的风格比较显著，无非是成长性或者是价值型基金经理，而且这种风格和人的性格关系很大，一般情况下不容易发生变化。

而量化投资不同，量化投资没有显著或者说固定的投资风格，以九泰久盛量化基金为例，其投资策略主要是两块，一块是投资策略，另一块是风格轮动。所以我们基金的特点是相对客观的，是随着市场风格的变化而相应调整投资风格的，简单点说就是我们一直在寻找市场的风口，顺势而为。“

他认为，从结果来看，量化模型几乎是全自动的，中间过程基本没有认为干预，主动性全部体现在模型中，量化模型分为事前管理和事后分析，事后的归因分析是很重要的工作，归因分析有助于让基金经理发现模型的问题，并在之后的工作中不断完善模型，这本质上一个主动管理的工作。因此，量化的主动性更多的是体现在模型的搭建上。

以上表述或许有助于我们理解量化基金超额收益的来源。

选择产品也是选择平台

眼光体现投资人的智慧与成熟

九泰基金是较早布局量化投资的基金公司之一，2015年，九泰就组建了自己的量化投资团队，开布局量化投资领域。经过多年的积累与沉淀，形成了一套较为成熟的量化投资模型。

九泰量化团队在选股层面，主要采用量化选股模型，选出具有相对稳定效应的个股构建投资组合，力求为持有人获取超额回报。具体的超额收益来源，主要来自三个方面：

一方面，在量化投资中，基本面因素是最重要的考量。因此，始终秉承价值投资选股逻辑，将定性的内容尽可能用定量去刻画。从海量数据库中甄选出基本面质地较好、有护城河、盈利能力强、成长性较好的上市公司，同时考虑市场预期和估值，选择具有较好安全边际、较高性价比的一揽子股票。

另一方面，基于概率优势，力争捕捉交易性投资机会。比如，要想获得超额收益，可与市场的“噪声交易者”进行反向操作。当“噪声交易者”较多买入时，倾向于卖出；反之，则加仓。相反地，选择与“聪明资金”保持相对一致的步调，比如：跟随北上资金进行买入卖出操作。

此外，运用机器学习挖掘具有预测能力的因子。对不同因子赋权，将多个因子合成一个较为有效的因子。这种通过海量数据捕获的因子，看起来似乎逻辑可解释性不强，但却常常能“以量取质”，选出优质的股票。

长年坚持对市场进行深入研究的九泰基金，积累了丰富的市场经验以及投资管理能力，从而拥有了敢于出击的勇气。从2015年起，九泰量化团队厚积厚薄发，开始完善主动量化产品布局，陆续推出了多只量化型基金，并成为市场关注的热点。