时间：2024年4月
内容：德贝最新路演纪要全文+QA
Part.1 德贝大致情况
德贝成立于2019年，我们的整个系统搭建，包括核心团队成员的搭建完成，都是在2020年这一年完成的。我们家有一句话既是我们的愿景，也是我们的目标，就是“Do best fund”，这也是德贝名字的来源。我们希望做私募行业的常青树，因为大家也知道在资管是一个可能“不缺明星，但缺寿星”的行业，下面我们也介绍下我们从哪些方面着眼于做好资管产品。
首先介绍下发展历程，首先我们是22年从青岛迁回上海，也更名为“上海德贝”，然后在22年这一年，我们也发行了第一个量化选股产品，在23年的3月，我们是先发了500指增的标准产品，然后在7月发了1000指增的标准产品。到上个月为止，现在的管理规模是32亿，其中CTA规模差不多18亿，指增、中性产品、量化选股的策略产品线大概有14亿。
Part.2 投研团队
下面介绍下核心团队成员，第一位是马俊总，也是我们目前的投资经理、投资总监以及总经理，他之前是在剑桥大学深造了8年，从学士一直到金融学的硕士，包括也获得了量化投资的计量经济学博士学位。
从伦敦毕业之后，马骏总先在伦敦进行量化投资，两年工作之后，在13年回国就任于我们非常知名的前百亿量化基金，然后他也是从13年的金融工程师一直做到了总经理，当时马骏总直管的资金规模到达过六七十亿，并且马骏总在不管CTA也好，包括量化中性、期权套利策略上，都有多年研究以及实战经验。
马骏总在18、19年的时候，已经在CTA策略上获得了很多奖项，包括大家熟知的像金牛、金阳光、金长江奖项，大家可能比较熟悉的是他的CTA策略，但是马骏总在15年时就已经在做量化的股票策略。后面也会介绍22年加入的一位新PM，所以现在的量化股票策略上面是马俊总和另一位PM两人双管的策略。
第二位是王磊总，我们之所以在20年的时候把王磊总邀请加入德贝平台，是因为我们非常看重于，他在15年到20年这一段时间任职于“恒生电子数据开发部”老大的履历，他当时带领的IT团队就有100多人，他在大数据平台建设上面是有非常强的经验以及建树。
大家众所周知，在量化投资这个领域，策略信号的强度是一方面，另外一方面你必须拿到全市场比较全面以及非常精确的一些数据，才能从这些数据中读取到足够强的一些交易信号，才能支持我们策略顺利进行。所以我们在数据这方面是非常重视的，然后我们在20年的时候引用王磊总，对整个系统开发进行全面支持，以及帮助我们设计数据的处理系统。
第三位是在22年的时候引入了国外回来的黄冀渝总，他之前在北京大学获得计算机、经济学双学士的学位，之后在芝加哥大学深造了金融数学硕士，在13年到20年期间任职于两家全球顶尖的量化对冲机构，一家是大家熟知的世坤就是World Quant，另一家是AQR，它也是目前全球排名第四的的量化对冲机构。之前在这两家也主要是做美股的因子挖掘，包括因子方面的组合管理经验。
之后冀渝总去了亚马逊的算法广告部，这家也是亚马逊非常硬科技的部门，他们内部会叫它是量化广告部，他当时任的也是L6级的研发负责人，他带领的团队主要负责深度学习以及做预测模型的平台，帮助亚马逊去挖掘客户的潜在需求，来提升亚马逊销量。去年亚马逊的销量远超于各种分析师的预测，这也是来源于他们目前用到了很多人工智能的深度学习算法以及大数据模型的工具，来支持亚马逊销量的提升。
我们现在的量化选股策略中，也用到了冀渝总在这段时间内积累了很多深度学习的方法，以及在大模型上面应用的一些实际经验。所以我们家是少有的，不管是在股票策略，然后包括在大数据模型上面有真正实战经验的两位PM，然后现在冀渝总也是主要负责量化股票选股策略的团队负责人。
当然我们两个PM的分工，具体是马俊总会负责整个策略的更新迭代方向的把握，冀渝总负责我们股票策略这边更新迭代的具体执行，也会负责我们整个股票策略的执行过程中出现的一些突发问题的解决。
第四位是风控总监林加志总，他之前已经有多年的金融衍生品的交易经验，包括像A股以及港股上面的一些股票的交易经验，都具备了相当长的时间经验。他在加入德贝之前，任职于挖财基金，是风控体系建设的负责人。在量化中，所有的风控必须应用程序化系统化去执行完成，因为高频交易是人为很难去实时进行风控把握，所以我们所有的风控体系都写在代码里，然后自动执行。
林加志总不光懂编程，也有7年交易经验，他对金融衍生品市场的交易情况，包括规则、监管体系，都非常熟悉。这一块也保证风控能够顺利得执行在系统中。
Part.3 人才优势
大家也知道量化投资领域，一方面卷的是硬软件投入，包括各种服务器以及芯片、算法投入。另外一方面，在人才储备上，包括像留住人才的的问题上也是非常重要。我们家两个管理人从13年开始就做量化投资，所以他们对于人才这方面的重要性是非常懂得的。所以我们在人才方面有设计了三方面制度：
第一方面是在长期体制下，我们会给到投研人员足够的研发支持。他们一旦有好的idea或者一些策略的提出，他们可以去申请调用公司的不管是软件资源也好，包括算力资源也好，这些都可以供他们去研发投入，包括我们内部有一些资金供他们去进行跑测。这样的投入，来保证从业人员他们长期都能真实获得成就感，他们的策略是可以被得到重视的，他们的想法是真正可以在我们公司得到实现。我们觉得这个也是人才守护机制的一种非常重要的方法。
第二方面，短期我们给到了核心团队成员，3~5年的股权激励计划，我们希望跟核心成员一起分享公司成长的红利。在这一块，我们的一些核心成员目前已经是拿到了股权的一些激励。
第三方面，扁平化的管理方式。我们觉得团队都是非常高知的人才，我们也非常尊重他们的个性，在平时工作中尽量大家都是扁平化的管理方式，然后也保证我们在沟通成本上这块做到最小，然后让大家可以非常轻松愉悦得实现自己的一些想法。这一块，我们觉得这样的工作机制能够更好得留住人才，这个是我们在人才方面的优势，也体现了我们从13年就开始做量化的经验体现。
Part.4 技术先行，投研后驱
大家都知道，做投研去进行策略开发，不管是写因子也好，做因子组合也好，这一块非常重要。但是我们觉得好的技术团队和平台，也非常重要。我们必须有非常完善的交易体系和回测分析系统，在这样的技术平台上，无论大家怎样去实现想法，都会给投研团队“事半功倍”的效果，也能够保证我们所有的产品交易能够不受系统影响，保证正常收益。
所以在这一块，我们在2020年的时候就自建我们整个的软件系统，后面也会详细展示。在20年时，我们对整个系统请了很好的架构师从底层进行设计，然后也在22年进行了三遍重构，也结合了投研人员之前8年的资管经验，也把我们整个跟包括券商也好、期货公司也好、交易对接也好，其实是综合考虑了各方面之后，才打造完成的完整系统。
在硬件资源上面，我们现在已经是有80多台服务器，其中十几台是属于我们定制的服务器，在这块投入上面我们是不遗余力的，而且也准备好了GPU芯片。因为在组合算法层面，我们的非线性组合需要用到芯片，所以不光是现在用，我们也有储备额外的一些芯片来供应长期发展需求。
在算力上，我们家不光有自己的算法来保证算力能够非常有效率的进行。在封控期间，这个优势有所体现。因为在22年的时候，当时上海的封孔包括电力使用情况，它是希望每台服务器算力的电力使用情况是有上限的。在这样的情况下，系统可以自动分配算力使用情况，最后电力使用情况能够在国家规定的的上限情况下去完成，所以在这块也是体现了我们家整个IT技术实力，也保证不管我们在什么样的情况下，都能够让交易正常进行。
我们在20年的时候重点打造的完整系统，它包括三个子系统，第一个是数据库中心，第二个是回测分析系统，最后是交易系统。
首先我们会从全市场收集非常全面的数据来放到数据库当中，然后再去进行非常精确化的的深度清洗，在股票上面会形成三种信号，像量价、基本面或者另类数据信号，最后汇总到信号池中，也会直接传送到回测分析系统当中。
如果是股票策略，我们的回测分析系统会根据各个因子表现、因子打分在当天开盘9:25之前，形成我们当前持仓清单，然后推送到交易系统中。我们交易系统会经过两遍风控，再经过交易算法去平滑交易成本。最后推送到经纪商这边的柜台系统，柜台系统最后会推送到我们交易所系统当中。交易所系统每10秒会回传给我们高频数据，我们也会实时进行计算，然后传送到回测分析系统中。我们在股票这边，会每24个消失重新出当天的持仓清单。
在期货中也是类似循环，只不过期货当中会有日盘跟夜盘的实时交易。然后这边他出的清单是会随时交易，这个是我们的非常完备的系统展示。
这个是我们的重点模块回测分析系统UI界面的展示，它涵盖了我们这么多年的资管经验。在自动运营运维这块，我们可以做到我们的日报跟月报一键生成，然后自动下载，也会定期发送给客户每个产品的周报跟月报情况。
在策略分析这块，我们的业绩归因也是每十秒会根据回传回来的level 2级别的高频数据会实时刷新，这个就是行业内通常被称为“事中风控”的模块。
在产品交易模块中，我想给大家展示的是模板概念。大家非常讨厌的情况是买了这家量化私募，比如我买了500指增，但是我的500指增是由不同的PM操作，可能会出现业绩上的一些偏差。但是像我们的团队，它是整个单一团队的构建，我们所有的产品策略去写成标准化模板，放在系统中。比如500指增产品，我们会统一订阅模板，通过模板统一放到交易优化器当中。
最后不管是交易还是信号层面，它都是统一发送、交易，大家不用担心业绩不一致的问题，这个也是我们事先设计好的模块。
这个也是我们UI界面展示，目前在策略上，我们大概每两天会对子策略进行调优，然后在股票跟期货策略上面，大概每季度进行大规模迭代，然后在年前出现的流动性危机之后，我们认为需要对模型进行进一步调优、更新迭代。在这一块上面，在年前差不多一周，我们已经完成了整个新的更新迭代。
Part.5 产品线介绍
下面介绍下德贝产品线，大家也知道我们在这个行业已经做了很多年，我们在各个产品上面的策略储备非常全面，其中有一部分是我们的低波策略，比如大家熟知的量化中性策略，包括像期权套利策略，然后另外一块还有股指期货，因为股指期货这个策略我们从15年就开始做，确实在今年的行情下面，股指期货今年的收益是有大幅度的提高，然后如果大家感兴趣，可以去深入了解。
今天重点想介绍的高波策略中的两个产品，分别是500指增和1000指增。
我们想分享一点，为什么在这个时间点推荐大家去配置指增产品，包括像500、1000指增，大家也可以看到，目前500指数的市盈率只有22，它确实处在历史21.5%的低百分位线，在这种情况下，它的风险边际线的安全垫非常高。
另一块不管是500还是1000指增，都会涵盖像新能源、信息技术等行业，也包含了我们未来非常具有爆发力的一些中小企业，这些企业从成长性上也更具配置价值，所以我们觉得不管是500还是1000指增，长期来看，β也是有相当好的弹性。我们既有α的超额收益，β也有不错的未来发展空间。目前为止，国家队对A股市场的呵护还是有的，它目前一直处在3000点的位置震荡趋势。
我们家从22年开始有发量化选股的产品，23年4月发了500指增的标准产品。从22年-23年的实盘回测数据来看，500的年化超额是30%，动态回撤是12.2%，现在已经修复了80%，月胜率超过了70%。另外1000指增从去年的7月跑到现在，全年来看，1000指增的年化超额超出了500指增3%。因为500指增是在500指数上做增强，它不管在历史上，还是目前的市场近况，它也是更加稳重的策略。如果投资人更加偏重于稳重策略，我们建议可以多看500指增，如果更加看重1000中小盘股票的成长性，1000指增也完全没有问题。
Part.6 跟其它家指增的区别
在整个指增产品上，工作流程比较标准，会分为5个步骤：①数据准备
②在这些完善的数据上面进行因子特征挖掘，在这一块我们会采用人工挖掘跟AI人工智能算法、机器自动写因子两种方式去进行。
③构建因子组合层面，我们也是做隔日预测，我们在这个上面也是不光采用了线性组合，现在也叠加了人工智能的算法去进行组合优化。
④风控层面，大家比较熟悉的是空气指增的流程，如果我们在这个上面不加风控，最后产出的持仓清单就是空气指增的持仓。但如果500指增的产品，我们在这个上面增加500指增的行业偏离度限制，也包括Barra风格的风控限制，然后再加上我们对持仓单票的持仓限制，最后形成持仓清单。
⑤交易层面，我们会对交易流量进行控制，对交易成本进行最小化算法计算。
以上就是我们整个的流水化的工业化流水线操作。我们跟其它家不太一样的地方在于：有些家可能已经采用了端到端的技术手段，但实际上我们更加青睐于这种方式方法，因为不管从因子组合上，包括因子挖掘上，我们都可以去拆解、去倒推我们的收益来源是来源于哪些因子、来源于哪个组合。如果我们的收益有些下降，或者发现我们遇到一些宏观层面上的市场变化，我们可以及时调整因子组合。但是如果端到端，因为它类似黑盒概念，你不太容易进行非常有针对性的调整，所以在这一块，我们也更加重视因子的可解释性。
在数据来源上，我们家也非常不一样，大家都会拿一些量价数据，包括基本面的标准数据库集群，但实际上我们会去拿日频的卖方数据库集群，我们也会拿非常不太一样的另类数据。在另类数据上，不光是自己爬虫去爬一些我们非常关注的一些实时的舆情变化，包括航运数据变化、研发专利的发布以外，我们也有买我们特定的，比如国外的一些可供我们去选择的一些数据。在这一块因为你有不一样的数据，你就会有不一样的一些特征以及超额的收益来源。
我们在数据处理上也有自己的团队和经验，所以在这个上面我们会对数据进行深度化清洗，这个也是我们认为目前比较有明显优势的地方。
在特征提取上，我们的量价因子主要是用人工工程师的方式来写因子，因为我们有11年经验，包括冀渝总他在美股上面的11年经验。所以我们知道不管从哪个方向上去写，然后你用什么样的形式去写你的这些因子会更加有效、轻巧，能够更好适应当下的行情。
AI算法这块，更多应用于基本面因子跟另类因子的挖掘上。因为在这一块上，它的逻辑关系是非线性关系，而且它的数据复杂度也比较高纬度，更加适合用人工智能算法去进行因子挖掘。
我们在因子入库上是狠抓品控的，目前实际实盘跑测的因子有1000多个，储备因子有2000多个，你的因子质量越好，能够保证长期保证超额收益。
这一块是我们因子组合层面上的展示。首先我们是由我们的20个模型去进行因子组合，其中6组是线性组合，14组是非线性组合。在这一块上面也有我们两位PM有不同分工，目前马总主要负责线性组合层面，冀渝总在非线性组合层面上更加有经验，他主要负责14组的非线性组合模型。我们每个组合模型当天都会做24小时的隔日预测，每个模型都会出当天的持仓标的以及权重，在20个组合模型持仓组合后，会形成当天持仓。
我们的核心因子库也分为了两级，这个也是我们的方式方法跟其它家不太一样的地方。我们知道所有的因子在超额收益上，它都有一定的钟摆效应，或者叫均值回归效应。有一些因子在当前时间段表现不好，我们会放到缓冲池中，它会与其它一些因子重新组合形成新因子，那也会利用到我们的因子组合当中去，在这一块它也会额外贡献一些超额收益。如果它们在一段时间内表现更好，它们也会重新回到核心因子库中。所以在这一块，我们的因子库会保证我们所有的因子在实盘时间段内，它都是一些比较优秀的因子，来保证产品收益。
我们对超额收益来源进行了Barra归因，大家可以看到褐色的线，通常称之为Pure α收益，这个说明我们现在有85%的超额收益是来自于Pure α，只有15%是来自于我们下面16个风格的钱。大家也可以看一下我们的Pure α因子的收益特征：它的正收益非常好，而且负收益比较少。
但是在β因子上还是会有一些风险，我们的研发方向还更加偏重于Pure α。像冀渝总加入之后，他在美国实际操作当中，他们会用各种对冲工具把β的风险进行完全对冲，他们是去拿真正Pure α这一块的收益，所以我们家也是非常偏向于Pure α因子的研发。
Part.7 Q＆A
Q1：今年以来产品回撤的原因？
A：在节前，当时的500和1000指数下跌造成了当时雪Q的大规模敲入，当时也造成了像 IM跟IC这两个指数的贴水加深，会造成我们在一些量化产品、中性产品上去做一些平仓操作，加上我们交易台这边也有做一些雪Q平仓，当时给中小盘留下了比较大的回撤。在这样的情况下，我们所有的量化产品都会形成负反馈，像有一些中性产品就会继续进行平仓或者减仓，造成市场踩踏。
像2月8号前一周，整个市场可以看到有比较大规模的踩踏，当时触发了很多风控线的调整。在2月8号这一天，你即使形成了持仓清单，因为当时开盘就造成了千股跌停，造成了无法交易。所以在这一天，各家都吃到了不是策略上的回撤，而是流动性上的回撤，就是你无法交易造成的回撤。后面因为国家大规模救市托底后，流动性有很大改善，大家也很快进行了修复。
我们在节前这一波，也是比较淡定。因为两位管理人不管从13年就在A股市场上进行交易，包括冀渝总在美股市场上也经历过20年这一波大回撤，所以大家都知道，因为流动性危机造成的踩踏，它是小概率事件，而且后面因为风格上有均值回归的特点，它都会逐渐修复。所以在这一块，我们当时的做法是通过整个程序化严谨的风控体系，去执行正常的交易操作。节后产品修复还可以。
Q2：马总管理的产品策略上有什么区别？
A：马总在A股上也有相当长时间的股票交易经验，黄总跟马总都会一起来看整个股票策略。马总更加偏重于整个策略迭代方向，包括整个宏观环境进行了变化之后，我们的策略进行如何优化，也包括我们整个因子怎么在A股市场上监督训练，这个是马总擅长的领域。实际上我们目前一些新因子的研发，包括组合层面上的一些更新迭代，包括整个产品系统上面的细节问题，冀渝总会更加深入关注，带领我们团队一起去做。马总平时会更加偏重于我们所有产品的关注。