中金策略，中金策略基金
中金策略，中金策略基金
本文目录一览：
我们在3年前和2年前分别发布过转债的策略测算框架《简易的转债策略测试框架》，以及一些基础策略的测算情况《是时候，选出更好的策略了》。这里我们并不计划从零开始重新介绍我们的测算框架的搭建方法，投资者亦可参考当时的函数并直接使用（这里要搭配此前的《转债数据库规范与统计案例》）。我们希望站在2022年的当下，给出一些实用的案例、结论和新的功能。 转债量化策略框架2.0与Python实现 示例：如何测算一个简单的策略？ 目前常用的EasyBall策略 经过多代更迭，我们目前较为推荐的方式为双排名法。即针对每只个券计算： 其价格在全体转债中的排名（从小到大），记做RankClose 2. 其溢价率在全体转债中的排名（从小到大），记做RankPrem 3. 将RankClose 与 RankPrem加总，记做TR，并在每一个换仓日取TR靠前的50%品种。 我们的测算实现很简单，首先根据上述的择券标准，以及在frameStrategy中既定的格式，写出择券逻辑函数。注意，该函数有五个固定参数，但仅data（数据库变量）、date（假设的日期）、codes（当日可用的转债代码）常用，allCodes（全部历史转债代码）和dfAsset（账户情况）相对不常用。我们将择券函数，测算以及作图实现均列于下方。 图表1：前述逻辑的写法及测算 资料Wind，中金公司研究部 图表2：上述策略测算形成的图表 资料Wind，中金公司研究部 基于正股单个因子的策略 利用正股因子时，需要将正股因子映射到转债上。我们此前介绍过一个辅助函数st.factor，如下所示。 图表3：因子获取函数 资料Wind，中金公司研究部 下面以ROE为例，我们测算一个轮动正股ROE大于10%的策略。 图表4：ROE策略的代码实现 资料Wind，中金公司研究部 简单策略直到目前的表现如何？ 实际上，在我们提出策略框架的这三年时间里，客户问到的、需求更多的仍是简单策略的实际情况。一方面简单策略容易实现，另一方面对于更多投资者而言，则是希望看到“某某类型的转债表现如何？”，并依据此制定计划，而不是仅寄希望于机器人能够选出好的个券——即便，目前来看一些精巧的模型， 能够做出很好的效果来。下面我们分门别类地展示。 规模和评级 这两个结论都是显然的，小盘强于大盘、低等级强于高等级。其中小盘策略强于大盘一方面存在风格暴露的回报，但也要注意，小盘在正股弹性、公司主动性等方面天然存在优势——当然，这里一定程度上也有流动性溢价率的成分在。显然我们一般也并不推荐纯基于规模因子的策略。 图表5：大小盘策略对比 资料Wind，中金公司研究部；注：纵轴为策略净值，起始日为2017年12月29日 而信用等级上的结果已经逐渐被投资者接受，更深层次地看，排除与规模类似的理由后，我们也要知道，本质上：是评级与转债的风险并不匹配，并不适用传统的分析方法——否则我们难以解释，目前甚至B级别以下的转债也并未出现过违约，而即便是AAA的信用债确仍有一定违约风险。 图表6：各评级组合对比 资料Wind，中金公司研究部；注：纵轴为策略净值，起始日为2017年12月29日 更严格来说，即便考虑波动、回撤，用类似夏普、卡玛的指标衡量，评级与策略效果的关系也是单调递减的。因此在过去的多年研究中，我们一直不建议投资者在非受迫的情况下考虑评级。 图表7：各评级组合效果 资料Wind，中金公司研究部 股性与债性 一般以“平价 / 债底”来衡量股债性，我们习惯取0.8以内为债性、1.2以上为股性，居中为平衡性。这里为了避免债性品种上涨后太快进入股性或者平衡性，导致算法的失败，我们调整了换仓时间参数，比如设为42（即2个月左右）。 图表8：股债性组合对比 资料Wind，中金公司研究部；注：纵轴为策略净值，起始日为2017年12月29日 显然，与评级越低越好不同的是，股、债、平衡性存在一定取舍关系，综合来看平衡性品种在夏普比例等方便更占优——这也是因为它们的“期权性”普遍更胜一筹。 图表9：股债性组合表现对比 资料Wind，中金公司研究部 “低”类策略 即以限制价格、溢价率等指标为主的简单策略，而由于这些策略的高容量，往往作为更复杂的策略或者择券的“基底”。这里我们能看到一些结果，由于时间已有接近5年，具备较强的参考性。对投资者来说，选择一个“基底”有些类似于在转债市场上选择一个“赛道”。不难看到的结论是： 1. 如我们在《偏债不佳之惑》中总结的，低价类策略的实施往往可以降低波动，但无法显著限制最大回撤。因为“最大”回撤往往由于一些偏极端的情形，仅寄希望于依靠债底来保存实力可能并不现实； 2. 不难想象的是，始终以低溢价率为纲，在绝对回报上战胜指数及市场平均水平不难——当然前提是20%以上的最大回撤。但仔细观察可以发现，以卡玛比率来看，其性价比仍然要高于低价类的策略——这个差距一定程度上来自正股。因为低价品种并非“正股中性”，一般而言其正股长期动量偏弱、弹性略弱，低溢价品种则相反。一定程度上，低价和低溢价本身也是一个结果——正股走势导致的结果。 3. 但我们文章开头介绍的EasyBall，在策略容量很大的情况下，可能得到安全性不输低价、收益性与低溢价策略差之毫厘的效果。但我们也能看到，这一策略并不“单调”——取30%为参数时，效果并不比50%强。我们的理解是：这个策略的优势在于剔除高估值，而“更低”却不意味着“更好”。 4. 当然，最下面的“双低_120元与15%溢价率”显得效果更好，但其适用性则相对有限，因为代价是：1）相对不高的“出勤率”——有的时段甚至没有选择；2）相对很小的策略容量——有的品种即便入选，也往往是机构投资者无法买入的品种。 图表10：低价策略近期表现情况 资料Wind，中金公司研究部 股票基础因子 基于股票的因子自然有很多，我们在此仅展示部分常用、适用范围本身也比较广的因子测试结果。下面的结果均为取某个方向前30%的品种，我们认为如果一个因子是大体上有显著价值的，那么其不应该在取前30%时还与总体样本无统计差异，详见下图。而一些有意思的结论是： 1. 正股因子的显著性，绝大多数要弱于转债的估值因子——即便我们遍历数据库，在“取前30%”的假定下（排除容量极低的策略），没有任何一个在夏普、卡玛等综合评估指标上，能接近基础的EasyBall。显然，转债因子对转债的作用更加直接，这也是为何我们一向反对诸如“虽然某某转债溢价率很高、价格也很高，但由于强烈看好正股，于是买入转债”——不排除个别样本可能有回报，但强行用主观的“看好”来对抗稳定的统计大数定律，还是会略显勉强。 2. 当然这并非说股票因子无用，而是对于策略的性质刻画，显然转债因子更加有效，因此我们对正股因子的考虑，主要在“是否有收益增强\"上。 3. 相对来说，就\"是否有收益增强\"来说，不考虑市值（与前述规模有共线性），那么： 1）如近些年的经验、理论上的推演，动量、波动类因子相对容易做出成绩； 2）在估值类指标整体效率一般的情况下，市值比现金流相对有效； 3）盈利预期变化有正面贡献，以6个月为尺度的效果要比1个月要好； 4）考虑成长性的话，5年复合比短期增长更有说服力。 图表11：双高成交量 资料Wind，中金公司研究部 新功能：策略之间的“化学反应”如何计算？ 显然，单一股票因子显著性普通，因而股票的强化效果与转债因子是否存在“化学反应”，就变得比较重要。而与转债因子策略进行结合，如仍需逐个手动写入，工作量将会几何级别提升。这里我们提供了一个简单的“合成”工具，用以拼接转债策略与股票因子策略。目前设计的“合成”方式有两种：顺序过滤，以及取交集。如下图所示： 图表12：策略合成逻辑示意图 资料Wind，中金公司研究部 这里我们加入一个新的功能synthesis，以便未来调用，逻辑如下。使用方式也十分简单，此处不赘述。 图表13：策略组合对象代码 资料Wind，中金公司研究部 以EasyBall和高60日波动为例，我们列举其使用方法如下。这里我们使用kind的默认参数，即按照list的顺序，先选择EasyBall，再在其中样本选择高动量，投资者亦可尝试其他因子和合成方式。 图表14：合成策略代码 资料Wind，中金公司研究部 图表15：合成策略效果 资料Wind，中金公司研究部 我们也将上述提到的因子，与EasyBall之间结合的策略的过去5年测算效果，列于下方，供投资者参考。简而言之，盈利预期变化、毛利率、动量、波动等，均能一定程度上在EasyBall的基础上进一步提升收益以及卡玛比例。 图表16：股票因子+EasyBall策略表现 资料Wind，中金公司研究部 新功能：如何考虑赎回？ 这个问题的关键其实不在于预测是会发生赎回，而在于如何应对好提前赎回条款触发。过去我们的回测多进行月度调仓，在这期间如果某只转债涉及强赎触发，组合收益可能存在一定削减。因此在这里，我们希望能够尽可能仿照实际情况，当转债公告赎回后将其剔除，并对剩余资金做处理。 图表17：赎回公告一/五日后转债涨跌幅情况 资料Wind，中金公司研究部注：此处所指的赎回公告指的是明确赎回登记日的那版赎回公告发布日期，而不是触发赎回当日公司所作的公告，因此大部分转债此时溢价率已开始明显被压降，回落空间从统计上来看虽有但并不大 明确我们要做的工作后，我们实际的程序逻辑很直白——先获取每日更新的转债赎回情况列表，对照我们当日持仓组合，将其中在前一交易日公告赎回的转债进行剔除。再根据现有的转债列表，我们再进行仓位的平衡或留空。以下程序实现能比较直观解释我们的各项步骤。 图表18：考虑赎回的函数 资料Wind，中金公司研究部 我们以下做了简单的验证，发现剔除赎回能有效减少因为接近赎回到期日，而造成后续的损失。但这一动作并不必然会影响我们策略的回报回撤比，同时对于部分低溢价导向策略其效果会相对有限。 图表19：纳入赎回考量后的策略表现 资料Wind，中金公司研究部 图表20：低溢价策略对赎回敏感度有限 资料Wind，中金公司研究部 文章来源 本文摘自：2022年8月12日已经发布的《转债量化策略框架2.0与Python实现》 杨 冰 SAC执业证书编号：S0080515120002；SFC CE Ref: BOM868 房 铎 SAC执业证书编号：S0080519110001 罗 凡 SAC执业证书编号：S0080522070003 陈健恒 SAC执业证书编号：S0080511030011；SFC CE Ref: BBM220 法律声明 向上滑动参见完整法律声明及二维码def easyBall(data, allCodes, date, codes, dfAsset):
TR = data.Close.loc[date, codes].rank()
TR += data.ConvPrem.loc[date, codes].rank()
return TR[TR < TR.quantile(0.5)].index
# 注意下面是将这个函数名作为输入变量，放入测算框架中，目前默认等权、换仓频率一个月，但均可另行设置
测算结果 = cb.frameStrategy(data, selMethod=easyBall)
# 简易作图, 指定
测算结果.plot(figsize=(12, 5))def factor(cbCodes, fields, date, other=''):
'''得到单个因子或者因子组的函数，基于w.wss
cbCodes, fields, date, other=''
'''
if len(cbCodes) == 0:
return pd.Series()
if other:
other = ';' + other
_,dfUnderlying = w.wss(\",\".join(cbCodes), \"underlyingcode\", usedf=True)
uniStock = list(set(dfUnderlying.UNDERLYINGCODE))
date = pd.to_datetime(date).strftime(\"%Y%m%d\")
_, dfRaw = w.wss(','.join(uniStock), fields, \"tradeDate=\"+date+other, usedf=True)
return dfUnderlying.merge(dfRaw, left_on='UNDERLYINGCODE', right_index=True).iloc[:,1]def ROE策略(data, allCodes, date, codes, dfAsset):
srsROE = factor(codes, \"fa_roenp_ttm\", date)
return srsROE[srsROE > 10].index
ROE测算 = cb.frameStrategy(data, selMethod=ROE策略)class synthesis(object):
def __init__(self, obj, lstStrategy, kind=\"Serial\"):
'''
obj : 数据库变量，cb_data().
lstStrategy : list, tuple, OrderedDict
策略列表，函数名即可.
kind : str, optional
可以是Serial 或者Intersection. The default is \"Serial\".
'''
obj.strategys = lstStrategy
if kind == \"Serial\":
def myFunc(data, ac, date, codes, ass):
for s in obj.strategys:
codes = s(data, ac, date, codes, ass)
if len(codes) == 0:
return []
return codes
elif kind == \"Intersection\":
def myFunc(data, ac, date, codes, ass):
ret = set(codes)
for s in obj.strategys:
t = s(data, ac, date, codes, ass)
ret = ret.intersection(t)
return list(ret)
else:
raise ValueError(\"kind must be one of Serial or Intersection\")
self.func = myFuncdef easyBall(data, allCodes, date, codes, dfAsset):
TR = data.Close.loc[date, codes].rank()
TR += data.ConvPrem.loc[date, codes].rank()
return TR[TR < TR.quantile(0.5)].index
def 动量250日(data, ac, date, codes, ass):
date = _offsetDate(obj, date)
srs = st.factor(codes, \"TECH_REVS250\", date)
return srs[srs > srs.quantile(0.7)].index
合成策略 = synthesis(obj, [easyBall, 动量250日]).func
合成策略测算 = cb.frameStrategy(obj, selMethod=合成策略, roundMethod=42)
合成策略测算.plot(figsize=(10,5))def _checkCall(database, dfRet, dfAssetBook, trade_dt, reBalanced):
'''
:param database: 存储转债标化数据的数据库
:param dfRet: 存储策略净值表现的dataframe
:param dfAssetBook: 存储当期策略选择的券及权重
:param trade_dt: 交易日
:param reBalanced: 是否对于仓位进行再平衡
:return: 策略新选择的券与对应权重
'''
# 获取赎回公告，index为各已公告赎回的转债代码，announceDate列表示赎回公告发布时间
if not hasattr(database, 'callTable'):
database.callTable = getCallTable(database.tickers)
# 如果为开仓日，则不做处理
if trade_dt == dfRet.index[0]:
return dfAssetBook
else:
# 将日期常数化后，将已公告赎回的转债剔除
tradeInt = int(pd.to_datetime(trade_dt).strftime('%Y%m%d'))
called = database.callTable[database.callTable['announceDate'] < tradeInt].index
reSel = [ticker for ticker in dfAssetBook.index if ticker not in called]
if reBalanced & (len(dfAssetBook) != len(reSel)):
reWgt = _getWeight(database, reSel, trade_dt, weightMethod)
# dfAssetBook是我们每期换仓时持有转债的表格，_getWeight是重新再对仓位进行平衡
dfAssetBook = pd.DataFrame(index=reSel, columns=['costPrice', 'w', 'betas'])
dfAssetBook['costPrice'] = 100.
dfAssetBook['w'] = reWgt
else:
dfAssetBook = dfAssetBook.loc[reSel]
return dfAssetBook
今天跟大家聊一聊场内货币基金和货币基金的高级玩法~
场内货币基金
场内货币基金，又叫货币ETF（Exchange trade funds，交易型开放性指数基金），它的特点是成本低，交易方便；可以直接在证券市场买卖。这里主要给大家介绍一下行业老大华宝添益和行业老二银华日利。
华宝添益
华宝添益是规模最大的场内货币基金，它和余额宝等普通货基的净值不同的，普通货基的净值是1元，而华宝添益的净值是100元；它的交易时间和股市开盘时间相同，每天可以无限次买卖，而且超过70家券商已经免收佣金，不过要注意一下，免佣金也有两种形式，可能直接就免费，也可能先收你费用，后面退给你，交易之前应该先问清楚；无论场外申赎还是场内买卖都没有最高限额，每个月结算一次利息，也就是说你不能每天都看到自己的收益进账。
讲如何套利之前，首先给大家说明一下为什么可以套利，因为华宝添益有两个价格，一个是一级市场净价始终是100元，另一个是二级市场价格，这个价格根据市场供需，价格围绕价值上下波动，当价格低于净值时，就产生折价，在场内买就便宜，二者之间存在价格差，这就构成了套利的可能性。可能已经有人迫切地想要了解怎么来套利了，来，我给大家讲一讲~
找一个不收华宝添益佣金的券商开个户，有两种套利的方法，第一种是T+0日内套利，如果当天价格波动异常，可以在当日不断地低买高卖套利，不过这种方法存在一个问题：这种货币基金这种极端波动的情况并不多见，往往只在年末或季末时才出现。这种套利你获得的收益由两部分构成，一部分是你赚的交易差价，一部分赚的是货币基金的收益，你只要持有到15点交易结束，哪怕你当天操作了无数次交易，你也会获得这一天的货币基金收益，不过货币基金收益满100元（即1份）才结算给你，不到100元的会给你单独存放。你想收到货币基金收益，卖出或者赎回华宝添益就行。周一周二周三和周五都可以这样套利，但是如果是周四折价买入的话，不要当天赎回，要等到周五再赎回，因为如果你周四赎回套利，你会得到折价和周四晚上的收益，但是资金是周一上午才能到账，占用了你周五周六周日三天的时间，还没给你收益，而周五赎回，在不影响套利收益的前提下，还可以享受到周末两天的货基收益。
第二种是买入赎回套利。在二级市场以低于100元的折价买入，到一级市场以低于100元的净值赎回，赚得中间的差价。具体的操作方法是，在券商的交易软件里，找到华宝添益的二级市场买卖代码511990买入基金，再到证券交易软件的场内基金的操作界面里，找到ETF基金赎回的窗口，输入511991，点击赎回。
注意：华宝添益并不总是处在折价状态，所以，可能并不存在套利空间。另外，即使存在折价状态，懂得华宝添益的套利规则的人越来越多，所以套利空间越来越小。可以把华宝添益做一个中转站，看好别的投资品种的时候就卖出华宝添益，买入别的品种，觉得其他的投资品种有风险就卖出其他投资品种，买入华宝添益，当天就能得到货基收益。
银华日利
银华日利作为这个行业的老二，它改变了一些游戏规则，它的收益方式和公募基金一样，体现在净值变化中，简单说来，收益折算在净值中，使净值不断提高，到每年年末通过固定的分红，再把净值降回到净值100元。其他的游戏规则都和银华添益一样。套利方式也是用买入赎回套利，不过要记住银华日利二级市场的买卖代码是511880，一级市场申购赎回代码511881。要注意，申购和赎回操作需要在交易日的15点之前操作，这么操作是按照当日的净值来计算的，如果在15点之后操作，就是按照第二天的净值来计算了。
银华日利是所有场内货币基金中潜在收益最高的，因为它的净值每天都在变，二级市场的价格也在变化，投资者无法直观地看到套利机会，要先看看最新公布的净值是多少再参照当天的价格作出判断，因为规则相对复杂，玩的人就少，获利空间相对也就较大。
好咯，今天就跟大家聊到这里~~~不知道大家有收获木有哇~~~
11月04日讯 中金新锐股票型集合资产管理计划（简称：中金新锐A，代码920003）公布最新净值，上涨2.04%。本基金单位净值为2.6936元，累计净值为3.1736元。
中金新锐股票型集合资产管理计划基金成立于2020-04-07，业绩比较基准为“中证小盘500指数(沪)*90.00% + 中证全债指数*5.00% + 银行活期存款*5.00%”。本基金成立以来收益29.38%，今年以来收益29.38%，近一月收益6.04%，近一年收益--，近三年收益--。近一年，本基金排名同类（--/762），成立以来，本基金排名同类（629/929）。
定投排行数据显示，近一年定投该基金的收益为--，近两年定投该基金的收益为--，近三年定投该基金的收益为--，近五年定投该基金的收益为--。（点此查看定投排行）
基金经理为韩庆，自2020年04月07日管理该基金，任职期内收益29.38%。
最新定期报告显示，该基金前十大重仓股为长安汽车（持仓比例9.51% ）、日月股份（持仓比例6.17% ）、兴发集团（持仓比例4.56% ）、安克创新（持仓比例3.95% ）、龙蟒佰利（持仓比例3.68% ）、航天电器（持仓比例3.31% ）、中微公司（持仓比例3.23% ）、宇信科技（持仓比例3.22% ）、天顺风能（持仓比例3.14% ）、完美世界（持仓比例3.10% ），合计占资金总资产的比例为43.87%，整体持股集中度（中）。
最新报告期的上一报告期内，该基金前十大重仓股为长安汽车（持仓比例8.87% ）、完美世界（持仓比例4.65% ）、精测电子（持仓比例4.00% ）、龙蟒佰利（持仓比例3.66% ）、中国人寿（持仓比例3.55% ）、（持仓比例3.53% ）、华泰证券（持仓比例3.43% ）、皮阿诺（持仓比例3.19% ）、天顺风能（持仓比例3.14% ）、浪潮信息（持仓比例3.12% ），合计占资金总资产的比例为41.14%，整体持股集中度（中）。
报告期内基金投资策略和运作分析
4.4.1?市场展望：四季度市场有望逐步回暖，延续结构性行情
（1）库存周期推动经济持续弱复苏
1)三季度制造业景气继续回升。其中，9月份新订单指数创年内新高，需求正在加速回暖。其中建筑业PMI指数反弹最为强劲，显示目前经济复苏仍以投资拉动为主。
2)工业品价格指数降幅收窄，3季度库存指数微升，显示国内经济未来将进入一轮补库存周期。但考虑目前下游需求恢复程度，本轮补库存周期预计较弱。
3)尽管需求正在加速回暖，但消费的复苏节奏低于预期，整体仍呈现“生产领先于需求”的特点?。
4)居民收入的恢复相对投资有一定滞后，预计接下来居民消费将继续走强，可选消费品的需求未来将看到好转。
（2）货币政策已回到常态
1)社融、信贷增速三季度已见顶。如果按照易行长提出的全年社融30万亿、新增贷款20万亿目标，1-8月已完成全年目标的?86%、72%。照此计算，四季度，社融和信贷再次扩张概率不大，9-12?月增速或缓慢回落。
2)受财政投放节奏拖累，M2增速3季度开始回落。
3)十年期国债收益率已回到年初水平，意味着疫情期间的宽松货币政策结束，市场资金面重回疫情前状态。
4)货币政策已回到常态，考虑到经济复苏偏弱以及通胀进入下行通道，预计不会进一步收紧。
（3）市场风险偏好有望修复
1)宽松货币政策退出对市场负面冲击最大的阶段在三季度，影响在四季度将减弱。
2)11月份，随着美国大选结束，外部的不确定性对市场情绪的影响将减弱。市场关注的重心将重新回到企业盈利的基本面上。经济的持续复苏将驱动市场风险偏好回升。
4.4.2投资策略：看好科技成长和可选消费领域
1)经济仍处于复苏通道，上市公司盈利有望继续好转。随着货币政策、外部不确定性负面影响减弱，市场有望重回上升通道。考虑地产、银行等占指数权重大的周期行业前景受政策抑制，市场或重回之前结构性慢牛格局。
2)在结构性市场环境下，更看好科技成长的机会。四季度将迎来“十四五”规划政策风口，有望提振市场对相关受益行业的前景预期。我们下半年仍看好科技领域里的半导体、新能源、消费电子、数字经济等方向；以乘用车为代表的可选消费领域迎来行业拐点，有望得到估值修复的机会。
4.4.3?组合配置的重点
1)半导体上游设备及材料：未来几年国内半导体行业将进入资本开支高峰。产业链上游相关公司业绩将进入高速增长期。看好那些存在进口替代潜力的优质设备、材料公司的机会。
2)5G、ICT、消费电子产业链：5G进入快速普及期，关注应用端新的投资机会，如云计算、数据中心、云游戏等；以及5G换机周期中相关电子元器件需求爆发的机会。
3)新能源产业链：2020年，国内光伏、风电迎来需求大年，相关产业链公司将迎来业绩释放。
4)需求出现边际改善的传统行业：关注传统经济中估值处于底部，业绩出现边际改善的行业和公司。如乘用车、部分化工行业等。
截至2020年09月30日，本基金A类基金份额净值为2.5402元，份额累计净值为3.0202元，本基金C类基金份额净值为2.5344元，份额累计净值为2.5344元。报告期内，本基金A类基金份额净值增长率为9.23%，同期业绩基准增长率5.07%，本基金C类基金份额净值增长率为9.10%，同期业绩基准增长率5.07%。
进入2022年，A股市场经历了意想不到的“颠簸”开局。在此市场背景下，基金公司在投资策略上逐渐“偏爱”均衡配置。
中金基金管理有限公司（以下简称“中金基金”）便是其中之一，公司副总经理、基金经理邱延冰在接受《证券日报》
图为：中金基金副总经理、基金经理邱延冰
作为拥有19年一线跨资产类别、跨国别投资管理经验的投资“老将”，邱延冰一直奉行长期价值投资理念，注重宏观和中观层面的分析研究，通过资产配置和仓位管理实现资金的长期稳健增值。
在具体“打法”上，邱延冰表示，主要聚焦大盘择时叠加投资成长股的方式。“一方面，运用实践多年的股债相对预期收益择时模型，结合基于基本面的定性分析，预判股市拐点，相应调整权益投资的仓位。另一方面，通过发掘结构性投资机会和分析行业景气度，对关键成长赛道做行业层面的战略性配置。结合金融周期，对上述行业配置做阶段性的战术偏离。开展产业链调研和专家访谈，自下而上对个股进行投资价值分析。核心关注商业模式、成长空间、公司治理、竞争优势、财务模型，力争以合理价格买到关键成长赛道当中优秀的公司。”
此外，对于成长股，邱延冰还有一套考核标准。他认为，成长股一般会经历从“0”到“1”和从“1”到“N”两个过程，“N”以后便是平缓期，或直接从成长股变成价值股。其中，投资正处于“0”到“1”过程中的公司相当于更看重“赔率”，具有高风险、高收益的特点，毕竟很多公司在此过程中可能会被市场淘汰，这需要基金经理自下而上的挖掘能力及较好的投研资源相互配合；而投资正处于“1”到“N”过程中的公司则是更看重“胜率”，结合目前公司现有投研实力，邱延冰的投资主线还是以后者为主，更加注重收益的确定性。
据悉，邱延冰任基金经理的中金稳健增长混合型证券投资基金募集期为2月21日至3月18日，该产品以“追求收益与风险的平衡，力求实现基金资产的长期稳定增值”为投资目标，投资范围为具有良好流动性的金融工具，股票资产（含存托凭证）占基金资产的比例为30%-75%，其中投资于港股通标的股票的比例不超过股票资产的50%。
对于在虎年开年公募基金发行稍显冷清的时点，发行产品是否面临压力，邱延冰坦言，“在基金相对低位时建仓、发行产品，对投资者而言，长期投资的性价比会有所提升。”
对于2022年投资赛道的选择，邱延冰表示，看好消费、新能源等具备长期结构性投资机会的成长赛道，更加注重投资的性价比，同时也重视周期成长。总体而言还是做好均衡配置，不会“押注”单一方向。
“从基本面角度来看，各地政府稳增长的决心和未来政策的连贯性渐显，而稳增长政策要奏效一定程度上需要消费的支持，据此判断，消费大方向不改且具备可持续性；此外，当前消费行业的公司股价跌幅已较大，加之自去年下半年开始，消费已全线走低，今年将看好消费行业中的部分细分领域。”邱延冰如是说。
对于新能源赛道股能否“王者归来”，邱延冰表示，去年，以新能源为代表的高景气成长“赛道”较为拥挤，边际上的变化引起了投资人的调仓行为，某种程度形成了滚雪球效应，现在局部带来了一定的负反馈。但从基本面、行业增速以及结构性因素来看，新能源基本面无忧，高景气维持，今年大概率将是阿尔法行情，可不断寻找和把握好结构性机会。
周期成长方面，邱延冰认为，某种程度上也是在稳增长的主线上寻找一些机会，但不会买没有产能扩张，只靠某种大宗商品价格驱动的公司股票。个股方面，应核心关注公司商业模式、竞争格局，当下环境要特别重视估值指标，特别关注盈利增速比去年还能有提升的公司。
（编辑 孙倩）
今天的内容先分享到这里了，读完本文《中金策略》之后，是否是您想找的答案呢？想要了解更多中金策略、511990相关的财经新闻请继续关注本站，是给小编最大的鼓励。
提取失败财务正在清算，解决方法步骤件事就是冷静下来，保持心...
本文目录一览：1、邮政银行2、东吴基金管理有限公司3、邮政...
本文目录一览：1、联发科前十大股东2、中国经济改革研究基金会...
申万菱信新动力5.23净值1、申万菱信新动力股票型证券投...
本文目录一览：1、2000年至2020年黄金价格表2、3002...
