【编者按】在A股市场 ，有一个指数特立独行——万得微盘股指数 ，它长期表现亮眼，但其在2024年初的剧烈波动也让不少投资者心有余悸。如何理解这种波动？如何从中获取收益？中信保诚基金的王颖提供了一套独特的量化解法 。
王颖 ，是一位拥有12年量化投研经验 ，9年基金管理经验的基金经理 。她管理的部分产品以小微盘股为标的 、采用逆向投资策略，形成鲜明特色。其方法论的核心 ，是对“波动率不对称”的深刻洞察：当一家公司市值跌至极低水平时 ，其股价向上的弹性往往大于向下的空间 。这种不对称性，天然构成了高赔率的交易机会 。她的方法论可以概括为一句话：逆向投资——在股价低迷 、成交萎缩、无人问津时左侧买入；在关注度提升 、成交放大 、波动率上升时兑现收益。
然而，小微盘股领域“人烟稀少 ”——机构覆盖不足、基本面信息繁杂 、股价波动更多受筹码结构和交易行为影响 。这正是量化投资发挥高效性与纪律性的最佳战场————高效性体现在：A股上市公司众多 ，量化模型可以同时对所有公司的量价 、估值、舆情等数据进行实时扫描 ，从数千只小市值公司中快速筛选出符合“跌不动 ”特征且基本面未持续恶化的标的，这是主动研究难以覆盖的广度 。纪律性则体现在：逆向投资本质上是在对抗市场情绪——在无人关注时买入、在人声鼎沸时卖出 ，这恰恰是最容易受到人性干扰的决策节点。量化策略通过规则化的交易信号 ，严格执行买入和卖出指令，避免了主观情绪的干扰 ，让“逆向投资”这一理念得以更好的落地。
她并不简单复制万得微盘股指数 ，而是在其思路上叠加了基本面初筛 、退市风险排除 、拥挤度监控等风控措施 。她指出，判断小市值板块风险的核心指标是估值与拥挤度——当前小市值股票的平均PB在2-3倍 ，成交额占比处于中等偏低水平 ，风险相对可控 。
以下是与王颖的深度对话，全文基于实录整理 ，涵盖她从方法论迭代、因子挖掘 、风控模型到市场判断的完整框架。希望能为读者揭开微盘逆向投资从“逻辑 ”到“信号 ”的底层逻辑 。
大家好 ，我是中信保诚基金的基金经理王颖，入行以来一直从事量化投资方面的研究，在量化私募 、保险资管和公募基金都有过实习或工作经验 ，2016年加入中信保诚基金 ，任基金经理近9年，目前担任中信保诚多策略、中信保诚景气优选 、中信保诚安鑫回报等多只基金的基金经理 。
访谈大致分为三个部分：一是投资方法论；二是如何看当前的市场；三是投资感悟。
方法论篇——个人策略与平台赋能
部分产品采用逆向投资的思路进行管理 。主要是基于我们在A股市场部分股票上发现的不对称波动的特征 ，采用量化投资的方法论和技术 ，去挖掘交易层面的统计学规律，并基于此开发了策略模型 。逆向投资整体上是一种偏绝对收益思路的投资框架 ，因此我们认为可能更适合长期持有。
（注：以上内容仅用于展示基金经理的投资思路和当前市场研判 ，不作为投资承诺 。基金的投资策略 、配置的行业、具体的投资标的及比例将视市场情况在基金合同允许的范围内进行调整 。）
并不是我们有意识地去选择小微盘股，而是我们的策略本身更偏向于这些小市值的上市公司。我们部分产品是基于逆向投资的思路进行管理 。主要是在市场波动不对称 、基本面相对稳定的个股中寻找波段操作的机会 ，并通过交易兑现并累积收益 。而市场中市值较小的个股往往波动率更高 ，能够更多地提供这样的逆向投资机会，也更容易被模型捕捉到。
（注：以上内容仅用于展示基金经理的投资思路和当前市场研判 ，不作为投资承诺。基金的投资策略 、配置的行业、具体的投资标的及比例将视市场情况在基金合同允许的范围内进行调整 。）
从机构公布的定期报告看 ，小市值股票的机构投资者往往更少，专业投资机构的研究覆盖也相应较少，而量化投资的广泛性优势就得以显现 。我们会基于公开财报和A股的交易信息 、甚至是新闻和公告信息捕捉全市场所有上市公司的数据 ，并通过数学和计算机技术进行处理并捕捉其中的投资机会。同时 ，正是由于机构投资者的参与度较低，价值发现的力量并没有那么强 ，因此小市值上市公司的股价波动较大 ，更多受到筹码结构 、交易行为的影响，因此量价数据在模型中起到主要作用 。而量价信息由于数据量较大 ，也更适合通过量化模型处理并捕捉其中的交易机会 。
在选股时 ，我们会关注量价类的因子，估值类的因子以及部分基本面的因子 ，在量价类因子部分 ，除了传统的量价因子以外，我们还会基于逐笔订单数据和高频的交易数据 ，用深度学习的方式训练因子并用于我们的选股 ，从收益归因上看，量价类的因子或有机会贡献大部分的收益。
在新技术的驱动下，目前因子挖掘的工作主要都由机器学习以及各类大模型来完成 。目前我们平台 ，我们整个量化团队已经储备了上千个有效的因子 。
我们的研究员会根据前沿模型的技术迭代 ，为我们整个团队提供因子挖掘方面的技术支持。
除了简单的数据以外，团队协作的力量更多的是体现在团队相互讨论时爆发的灵感上 。虽然AI能解决数据挖掘的有效性的效率问题 ，但是更多的超额收益还是来源于独立且深入的思考 ，以及所产生的与市场不同的研究方向上 。
估值的衡量主要包括两个方面，一是绝对估值方面 ，小市值上市公司由于它的盈利波动性比较大 ，所以PE的参考意义并不强，我们更多的会从PB的角度对它进行衡量。另一方面是相对估值方面 ，相对估值就是小市值与其他上市公司相比的高低程度 。我们更多的会参考相对估值的角度 ，对小市值上市公对上市对标的的估值进行这个定量化的衡量 。
我们的投资策略信号主要基于上市公司绝对以及相对的波动率来构建，如何平衡收益和时间成本呢？那我们采用的方式是采用不同交易频率的策略结合起来 ，同时采用低频的长期投资信号 ，和中高频的月度、周度，甚至是日度频率的策略，通过中长期的投资收益以及短期波动的投资收益相结合 ，来平滑我们整体的这个收益曲线。
由于我们的投资策略是基于上市公司波动的不对称性构建的 ，所以我们的买入和卖出信号都是围绕波动率来这个构建的。
就像刚才介绍的，量化模型 ，在批量的信号处理上拥有它客观、规则化的优势 ，不受人为情绪的影响，这是量化投资的优势之一 ，因此 ，我们在实际模型执行时，自然要利用起这个高效 、客观的优势 。因此我们所有的买入卖出决策都是由量化 ，都是基于模型的信号来做出的 。
（注：以上内容仅用于展示基金经理的投资思路和当前市场研判 ，不作为投资承诺。基金的投资策略 、配置的行业、具体的投资标的及比例将视市场情况在基金合同允许的范围内进行调整 。）
从量化角度看，收益来源于两大部分：一是胜率 ，也就是每笔交易盈利的概率；二是赔率 ，也就是买入之后获得收益的空间与亏损空间的比例 。如果买入的每笔交易盈利空间大 、亏损概率小，那么赔率就大。
从策略框架来看，选股策略负责寻找高赔率的交易机会 ，风控策略负责提高投资的胜率 。选股和风控两者组合在一起 ，才能力争获得长期稳健的超额收益 。胜率和赔率各司其职，共同服务于整体策略。从结构上看 ，先通过风控策略提高选股胜率 ，为产品提供一个胜率上的“安全垫”，然后在这个安全垫的股票池内 ，再通过量化选股策略去获得高赔率的收益 。交易策略则是以降低成本为目标 。
按照监管规定 ，公募基金的交易通过集中交易室进行，基金的交易都由交易部的同事来完成。目前 ，公司已经配备了算法交易平台和钆差交易系统 ，交易部的同事和我们会定期对相关产品的交易滑点 、交易效率进行讨论，并在特殊情况下及时沟通 ，共同努力降低交易成本 ，提升投资者的持有体验 。
首先，关于流动性管理，2024年初的下跌其实是有迹象的 。整体来看 ，2023年小市值板块的上市公司与主板A股上市公司在估值和交易拥挤度上累积了比较大的差异。
我们经常关注一个指标叫交易拥挤度 ，具体来说就是小市值上市公司的成交额占A股市场整体成交额的比例。当A股市场大部分交易都发生在小市值上市公司板块的时候，我们就认为它存在一定的拥挤度 。另外从估值角度看 ，在2023年那个区间内 ，微盘股指数的估值在相对逐步走高，而那段时间A股市场的主板上市公司——比如以沪深300为代表的大宽基指数——估值已经处于历史非常低的分位数水平了 。
这就像一根橡皮筋 ，拉得特别紧的时候 ，一旦放松就会有特别大的弹性。所以当微盘指数或小市值指数开始下跌的时候，巨大的浮盈盘兑现就会导致流动性循环下跌 。我们常说“上涨是最大的利好 ，下跌是最大的利空 ” ，流动性的循环下跌就会导致市场出现流动性枯竭的风险 。
我们整个策略从交易信号、股票池到最后交易环节，都更多是偏定量的。因为量化投资最大的优势在于通过规则化的交易降低人为情绪的干扰 。从行为金融的角度讲 ，交易过程中的主观干预往往可能对收益产生负面影响 ，所以我们整个策略的实施开发更多的是定量的 。
那么什么是定性的呢？是对策略收益来源的寻找。我们整个团队会在A股市场寻找各个方向超额收益的来源，比如小市值的逆向投资属于超额收益的一种来源，趋势性的基本面投资也属于交易性超额收益的来源 。我们的定性更多发挥在对超额收益来源的寻找上 ，对策略的底层投资逻辑进行思考 ，为量化策略提供方向 。
我们团队目前共有9名同事，背景覆盖了数学 、统计学 、计算机、经济金融和工程学等 ，并且分别负责在基本面因子 、机器学习 、另类策略等方向上的专业研究 ，我们团队的投资策略和方法，除了有基金经理个人对投资逻辑和投资策略的思考外 ，整个团队的成员都在投资讨论中提供了研究的思路和灵感。此外 ，模型是基于团队的因子平台进行开发，是团队整体长期积累的成果 。
过去十年 ，伴随科技的进步 ，量化投资从经典的多因子走向AI驱动+多模态+端到端的策略、数据 、模型 、交易全链路迭代 。AI技术的进步为量化提供了效率的大幅提升，同时 ，伴随A股量化投资市场规模的不断攀升 ，策略迭代的方向从选股不断扩散到组合管理、风险控制等等。
量化投资技术的快速发展，以及所需要的数据支持决定了策略的开发很难基于个人的力量，需要整个团队在模型、数据等方面的共同积累。同时 ，策略开发过程中也需要团队在投资思路和风险因素方面共同的头脑风暴 。可以说任何优秀的量化策略都是团队整体的成果 。
市场篇
A股市场从去年4月份以来 ，经历了超过半年的一波低波的市场环境，这对于趋势投资而言是相对友好的 ，那从数学和统计学的角度来看 ，后续A股市场面临波动率放大的可能性。在波动率放大的背景下，相对而言 ，量化投资依据其规律性规则交易的这个特征 ，可能会相对具备更强的优势 。
板块的拥挤度，除了要观察板块的绝对交易绝对拥挤度 ，也就是通常我们说的换手率和交易额以外 ，更重要的是观察板块和其他板块相对的拥挤度，大家可以通过板块之间相对的成交比例或者换手率比例等指标来观察 。
从交易的数据上来看 ，目前微盘相对于A股市场整体的成交额比例处于中低水平 ，那从微盘自己的估值来看，目前的PB处于2~3之间。因此，无论是从相对还是相对的拥挤度 ，还是从绝对估值来看 ，目前微小盘都可能是处于一个相对合理的区间 。
万得微盘股指数的底层编制逻辑和规则是定期的 、通过持仓再平衡来兑现收益的——上个月买入 、调入指数的个股如果涨了，在下个月调仓时可能就会卖出一部分；跌了的个股 ，会买入一部分 。所以这个指数的编制方式自带一种中高频率的调仓 ，它本质上是一个Smart Beta策略指数。
从2023年年底到现在，指数的成分股早就发生了好几轮变化 。我们之前也有测算过：一年之前万得微盘股的那些成分股 ，在过去一年时间里如果持有不动 ，其净值表现会远远落后于万得微盘股指数本身 。所以我们可以认为，这个指数的收益其实是来自于策略不断兑现的结果 ，并不代表目前其成分股所处的估值水位。
从量化的角度来看 ，目前我们相对关注波动率放大以后的一个交易性机会 。由于今年是一个国际环境事件较多的年份，因此A股市场的波动率相对于去年下半年来讲 ，可能大概率会有一个阶段性的提升 ，而量化交易是受益于波动率的提升的，波动能为量化策略提供更多超额收益的来源 。
首先我们整个团队针对不同的研究方向，持续不断地累积相关性较低、收益来源多样化的因子和策略。因此对于我们来说 ，是时刻准备着 ，针对市场上不同可能出现的情况，构建对应的策略工具。
同时我们会基于平台的优势 ，也就说我们公司投研平台整体的这个研究信息 ，包括我们宏观策略团队 、行业研究团队的研究成果，给我们提供的对市场参与者结构 、宏观环境可能发生的变化等等 。我们团队会基于公司平台的整体研究支持 ，共同讨论如果用策略应对不同的市场变化 。
一方面 ，我们会通过定期对大类因子表现的跟踪，观察市场可能存在的风险点。我们整个投研体系已经根据不同产品之间的风险收益特征 ，内置了不同的风险阈值 ，以及对应的风控措施，但是我们也会通过定期的讨论 ，对市场可能触发的这个尾部风险 ，采取必要的监测手段，当市场出现极端情况时，我们会通过模型迭代的方式调整风险暴露 ，应对突发的市场情况 。
接下来谈谈您的投资心得
OpenClaw与大部分的AI新技术一样 ，能够在各个领域大幅的提高工作效率，提供海量数据处理的这个能力以及辅助支持 。
所以一定程度上Openclaw的确会抹平机构投资者在信息上的时间优势 ，但是无论是在A股市场还是在全球任何一个资本市场。中长期稳定的超额收益主要还是来自于独特的投资框架、投资理念以及规则化的对策略的执行 。
从这个角度看 ，专业的机构投资人仍然相对于市场所有的投资者来讲具备一定的优势，而量化投资主要的优势是来自于更高 、更广泛的数据处理能力 ，以及基于规则化的投资交易来降低个人情感对交易决策的影响 。从这个角度看 ，量化投资依然具备一定的优势。
在这个背景下，我们团队 ，不仅会在前沿的AI技术上始终保持并增加研究力量的投入 ，更重要的是，我们会基于团队协作 ，在这个市场上不断寻找差异化超额收益的来源 ，力争为投资者提供更长期稳健的收益，以及更好的持有体验 。
我们量化团队的公募基金产品，目前根据不同的投资者偏好和风险承受能力 ，已经形成了一定的产品矩阵 ，既有比如覆盖中大市值上市公司的中信保诚国企红利，也有覆盖宽基指数的中信保诚沪深300指数增强 、中信保诚中证500指数增强等 。另外 ，在另类策略部分 ，我们也做了一定的差异化调整，会根据风险收益特征来确定不同的策略 ，其主要差异除了选股上的微小区别之外 ，还体现在不同产品的风控措施、仓位和弹性设计上，以此来适应不一样的投资需求。
风险提示：本材料仅供参考 ，上述观点仅为当前观点 ，不代表对未来的预测，不构成任何投资建议 ，也不构成未来中信保诚基金旗下产品进行投资决策之必然依据 。如因为发布日后的各种因素变化而不再准确或失效 ，中信保诚基金不承担更新义务 。本材料并非意在提供金融信息服务或构成出售或购买任何证券或金融产品的要约邀请或宣传材料，亦非有关任何公司 、证券或金融产品的投资意见或推荐建议。本材料中的信息均来源于已公开的资料，中信保诚基金对这些信息的准确性及完整性不做任何保证。若本材料转载第三方报告或资料 ，转载内容仅代表该第三方观点 ，不代表中信保诚基金立场 。本材料可能含有非仅基于过往信息而提供之“前瞻性 ”信息，有关信息可能涵盖预计及预测 ，但并不保证任何作出之预测将会实现 。读者需全权自行决定是否依赖本文件所提供的信息。本材料版权归中信保诚基金所有 ，未获得事先书面授权，任何人不得对本材料内容进行任何形式的发布 、复制 。如引用、刊发 ，需注明出处为“中信保诚基金” ，且不得对本材料中的任何内容进行有违原意的删节和修改 。基金管理人提醒您基金投资的“买者自负”原则，在做出投资决策后 ，基金运营状况与基金净值变化引致的投资风险 ，投资人自行承担任何投资行为的风险与后果。基金过往业绩不代表未来，其他基金业绩不构成基金业绩表现的保证 。基金管理人承诺以诚实信用 、勤勉尽职的原则管理和运用基金资产 ，但基金不保证一定盈利 ，也不保证最低收益和本金安全 。投资前请认真阅读招募说明书 、产品资料概要和基金合同等法律文件。基金有风险，投资需谨慎 。
