1987年，一个19岁的哈佛大二学生，用一个卫星接收器、一台电脑和“东拼西凑”来的20多万美金，建立了一个可转换债套利组合，用自己编写的程序赚到了第一桶金。
这个人就是传奇公司城堡投资的创始人肯·格里芬（Ken Griffin）。
也是富国基金陈斯扬很推崇的基金经理。
毕业于武汉大学金融工程本科，英国华威大学金融数学硕士的陈斯扬，有着11年证券从业经历，投资管理年限近6年，2016年10月加入富国基金，现任富国兴利增强等基金基金经理。
用他的话说，“我的第一份工作是在上家公司担任可转债研究员，后来管理的二级债基也是靠转债策略迎来了一波快速增长，所以对这位同以可转债起家的同业前辈颇为敬仰。”
但对投资者来说，量化方法更像是一个“黑匣子”，不清楚里面有什么，又在做什么。
陈斯扬直言，“黑匣子”所代表的其实是一种研究方法和态度，所以并不拘泥于股票、债券或任一类别的资产，有比较强的工具属性。
将固收投资和AI技术相结合，能够在一定程度上优化各类资产的表现。
所以，本就对固收有一定研究的陈斯扬，选择为二级债基插上AI的翅膀。
毕竟从近20年的指数走势来看，二级债基长期表现较为稳健，波动控制较好。
数据来源：Wind 截至2024年2月29日。指数历史表现不预示未来，也不构成基金业绩表现的保证。市场有风险，投资需谨慎。
陈斯扬目前在管三只二级债基，总规模120.86亿元，从过往业绩来看，有了AI技术的助力，近五年的基金净值收益率均高于同期23.74%的万得混合债券型二级基金指数（885007.WI）的收益率。
数据来源：基金规模数据来自基金定期报告，基金收益、基金业绩比较基准来自定期报告，基金排名及相关数据来自海通证券，万得混合债券型二级基金指数的同期收益率来自Wind；截至2023年12月31日
注：富国兴利、富国宝利、富国丰利排名数据中，涉及到的同类产品均为开放式债券-偏债债券型；注1：富国兴利增强债券成立于2017/09/20，业绩比较基准为中债综合全价指数收益率*90%+沪深300指数收益率*10%。近5个完整年度(2019-2023)的基金份额净值增长率(及同期业绩比较基准收益率)分别为8.52%(4.53%)，23.56%(2.62%)，15.04%(1.50%)，-7.98%(-1.78%)，-2.00%(0.71%)，数据来自基金定期报告，截至2023-12-31。期间基金经理变动情况：黄纪亮(2017/09/20-2019/08/02)、王乐乐(2017/10/09-2020/01/10)、陈斯扬(2018/04/02至今)。注2：富国宝利增强债券成立于2018/02/08，业绩比较基准为中债综合全价指数收益率*90%+沪深300指数收益率*10%。近5个完整年度(2019-2023)的基金份额净值增长率(及同期业绩比较基准收益率)分别为10.57%(4.53%)，8.19%(2.62%)，8.06%(1.50%)，-3.58%(-1.78%)，-0.01%(0.71%)，数据来自基金定期报告，截至2023-12-31。期间基金经理变动情况：钟智伦(2018/02/08-2019/03/19)、陈斯扬(2018/03/19至今)。注3：富国丰利增强债券成立于2017/09/05，业绩比较基准为中债综合全价指数收益率*80%+中证500指数收益率*20%。近5个完整年度(2019-2023)的基金份额净值增长率(及同期业绩比较基准收益率)分别为9.88%(6.35%)，6.51%(4.37%)，10.38%(4.86%)，-3.87%(-3.69%)，-0.13%(0.23%)，数据来自基金定期报告，截至2023-12-31。期间基金经理变动情况：王保合(2017/09/05-2019/10/16)、陈斯扬(2018/03/19至今)。基金历史表现不预示未来，市场有风险，投资需谨慎。
整体来看，一只标准的二级债基，通常包括纯债、转债和股票三项大类资产，陈斯扬对不同资产进行了针对性的AI赋能。
在股票资产的层面，采用主动量化策略。
简单来说，就是人工智能选股模型会对股票池里的股票进行打分，得分高的股票就尽量配得多一点，反之就少配，不必强求“一碗水端平”，在有机会的时候，尽可能地捕捉标的阿尔法。
在纯债方面，主要采用趋势跟踪策略和利差策略。
国内的债券市场存在动量特性，AI能够迅速读取大量数据、捕捉动量信号，从而快速、灵活地应对市场的变化，通过趋势跟踪来指导债券的进攻性和防御性，再叠加利差策略来选择具体的品种。
在可转债的投资中，重点在于建立转债模型因子库。
因为传统因子作用在转债上的效果不佳，所以，陈斯扬所在的团队单独开发了一套转债的因子体系，来对转债质地进行打分，从而在组合中配置较优的标的。
注：以上内容仅为说明整体投资策略，不代表对基金具体操作的承诺或预测。
本次交流中，陈斯扬细拆自己的操作，对于因子的构成，AI是如何加持，以及模型的更新知无不言。
在这位理工科出身的基金经理身上，我们最大的感受就是理性与严谨。
投资中最无法克制的人性，在他精密的计算中，变得没那么难以克服。
陈斯扬说，自己将大部分的精力放在模型的开发上，而这个模型是有非常长且非常详实的历史数据的验证。
如果主动权益产品比的是“艺术”，那么这类AI赋能的固收+比的就是“技术”。
随着AI的不断发展，模型也在优化。
例如，年初以来的风波，陈斯扬的产品并未出现太大回撤。
用他的话来说，虽然在小微盘方面有一些暴露，但是没有暴露那么多。
原因在于，他们在年初就观察到市场发生了变化，发现偏小微盘因子和模拟组合都出现了明显的回撤，于是立即对模型提供了额外约束，进行风险管理，避免了较大的回撤。
近一年，债券市场持续走强，去年由于政策的力度和经济修复的速度都低于预期，受益于宽松的货币政策，债券的牛市应运而生。
但展望2024年，债券市场可能会有一些波折，重点关注今年财政政策的力度。
其次，固收+产品里的权益资产憋了三年，对各种风险的计价已经比较充分了，陈斯扬认为后期可能会出现修复。
当前未尝不是一个固收+的好时机。
以下是本次访谈的重点内容，分享给大家。
优先做二级债基
聪投：金融工程出身为什么选择做债券投资？
陈斯扬：金融工程专业主要涉及对金融工具的定价课程和风险管理，并不特别偏向股票或者债券。
换句话说，金融工程专业并没有局限于股票市场或者其他领域。
相反，债券市场的内容比较偏定量，尤其是我们组合中涉及较多的可转债，它本身是一个奇异期权，与金融工程专业更加贴近。
2012年毕业后，我的第一份工作是在另一家公募担任可转债研究员，当时国内的转债市场较少，几乎没有人在用定量模型进行选择。
我恰好会用蒙特卡洛、二叉树等方法来对可转债进行定价，这是让我感到兴奋的一件事情，所以一直坚持到现在。
量化方法实际上是一种工具和研究思路
聪投：最初来富国管理产品时是同时接手了三只基金，当时主要负责是哪块工作或者研究？
陈斯扬：主要都是我在负责，但是我的投资理念受到前辈们很大的指导和帮助。
很多投资者觉得量化方法就是一个“黑匣子”，因为他们不清楚投资人在里面具体做什么，我想说的是，它实际上是一种工具或者说是研究思路。
用历史数据去回溯过往的股票特征，验证历史上的好坏，并找到回撤的原因，把这些都分析清楚，这就是其中的研究思路。
所以，我不认为它是“黑匣子”或者是一个脱离于其他部门的存在，我们可以将这种思路运用在各种资产上，包括股票和债券。
聪投：目前管理的三只产品有什么异同？普通投资者应该如何选择？
陈斯扬：目前三只产品都是固收+产品，区别主要体现在股票端的策略，各自增强策略所参照的指数基准是不一样的。
另一个区别是可转债仓位的高低，但底层策略都是相同的。
对于投资者而言，可以考虑富国宝利，风险收益特征更加明显，相对更适合当前市场行情。
目前正在筹备发行的富国盛利增强， 我们会采用深度学习的方法来做主动量化股票。
这一股票策略在过去几年，搭配一定的债券，基本每年的表现较为稳健。
这三只产品，我们只选股不择时，因为从长期来看，择时是一件很难持续做对的事情，如果选股做得好，结果也会不错。
用神经网络方法去选股
聪投：如何更好地理解“空气指增”策略？
陈斯扬：空气指增类似于指数增强，只是过去我们都有一个基准指数，但现在这个基准是“空气”，所以叫空气指增。
比如说做300指数增强，我们有一个打分制度，对市场上每只股票做下一期收益率的预测，股价预计涨幅越高，得分就越高，反之就越低，最后根据得分来进行配置。
同时我们也会做一定的约束，股票的得分再高，也不会配置太多，以减少公司突发事件对产品净值带来的影响。行业同样如此，即使再看好某一个行业，也会做一些约束。
而“空气指增”因为基准指数是“空气”，所以就相当于没有约束。
过去这样做其实是有风险的，因为选股得分不稳健，但现在我们采用了新的深度学习技术，用神经网络方法去选股，最终效果是非常稳健的，过去没有出现过很大的回撤，今年也显著跑赢基准。
因此，我们将这一策略运用到二级债中，如此就是“固收+”。
放弃约束的前提是得分必须足够强，如果得分足够强，就可以采用深度学习或者人工智能模型去进行操作。
聪投：你提到的神经网络，具体做的是什么？
陈斯扬：我们把神经网络作为一个回归工具来使用，与我们在学校学习的线性回归没有本质上的差异。
比如都是对一系列的自变量和特征，通过回归拟合，来计算出其与未来收益率之间的关系。但是在这类任务上，线性回归的局限性比较大，会碰到比如回归系数不稳定、变量的影响可能是非线性的等等，如果用神经网络来完成这一任务，效果就会好很多。
注：以上内容仅为说明整体投资策略，不代表对基金具体操作的承诺或预测。
聪投：准确率大概是多少？
陈斯扬：从预测收益率与实际收益率之间的相关系数来看，确实比传统方法要高出数个百分点。
聪投：在股票上会有一定的主观干预吗？
陈斯扬：一般不太会干预，但有两点会调整；
第一，有明显的负面风险，比如退市的风险。
第二，研究员认为有一些额外的情况，比如管理层变更等等。
动量交易+建立转债模型因子库
聪投：这套方法用在债券投资中，又是怎么体现的呢？
陈斯扬：债券主要涉及两部分资产，一类是纯债，另一类是可转债。
目前可转债已经开始采用深度学习的方法了，纯债则还是采用偏传统的方法。
纯债方面，我们主要采用趋势跟踪策略和利差策略。
我们观察到国内的债券市场存在动量特性，就是说如果过去几天或者一两个月上涨得很好，那么接下来一个星期继续上涨的概率会超过下跌的概率，所以我们可以根据过去一两个月的表现进行投资决策。
如果过去一段时间开始回撤，我们会缩短整个组合的久期，从历史角度来看，这样做基本上都躲过了债券大熊市，是控制回撤很好的方法。
总的来说，就是采用趋势跟踪策略来指导债券的进攻性和防御性，再叠加利差策略来选择具体的品种、期限等。
转债方面，因为传统因子作用在转债上的效果不佳，所以我们单独开发一套转债的因子体系，来对转债质地进行打分，从而在组合中配置较优的标的，主要分为三类：
第一是期权类，因为可转债归根结底是期权，我们会使用好几套期权定价模型来分别对转债进行定价，然后将结果合并；
第二是因为转债涉及正股，股票上的特征也可以拿来用，比如公司盈利情况等；
第三就是深度学习方法，可以完全移植到转债投资中，效果也比较好。
估值方面，转债最重要的估值是期权估值，这比股票估值更加重要。
目前我们采用多套不同的期权模型，将各种条款嵌入其中，尽可能让定价逼近真实状况。
信用风险方面，转债的信用风险与信用债不同。
传统信用债的现金流偿付等指标对转债的指向意义并不理想，因为只要转债可以转股，发行人就可以将债权转为股权，以规避信用风险。
因此我们会综合考虑各种偿付指标，同时还会关注正股状况和促转股意愿。
最后我们在定价过程中还会刻画信用风险问题，比如在定价过程中对贴现利率进行非线性调整，根据不同市场状况对不同的违约风险进行计价等等。
注：以上内容仅为说明整体投资策略，不代表对基金具体操作的承诺或预测。
保持模型的不断更新
聪投：模型非常讲究与时俱进，也需要不断更新，你们是如何对模型以及指标进行优化的？
陈斯扬：我们的基金经理同时也是研究员，在保持对市场的观察和研究的同时，也会对自己观察到的现象进行回测，如果可行，就会纳入系统。
第二，会关注文献和研究报告，有专门小组去跟踪最新的文献、学术报告，以及券商的研究报告，将优秀成果回溯并记录下来。
第三，拥抱新工具，最典型的例子是过去一两年内出现爆发式增长的人工智能，目前我们全员都在学习AI，并将相关方法论加入现有的框架中。
聪投：新发行的盛利这只产品的策略是怎样的？
陈斯扬：盛利采用主动指增策略。
我们发现股票池越下沉，波动越大，所以我们会在全市场选股的基础上，根据市场的风格或特殊情况做针对性的调整。
这样的设置在过去几年中，超额收益更加稳健，今年尤其明显。
我们通过这样的股票池来操作，实际上也是为了减少在小微盘上的暴露。
注：以上内容仅为说明整体投资策略，不代表对基金具体操作的承诺或预测。
“债牛”或难持续，但下行空间有限
聪投：能否对去年债市做个总结、对今年债市做个展望？
陈斯扬：去年债市由于整体财政政策的力度和经济修复的速度都低于预期，货币政策非常宽松，债券牛市应运而生。
今年年初，债券市场走得非常强，长端利率债已经到了历史低位。
不只是普通投资者，很多机构的投资者也在询问“是不是债券的这波行情已经到头了”？
在我看来，今年以来的市场行情，避险情绪有比较大的推动作用，如果后期风险偏好企稳，债券市场可能会有一些波折和反弹，利率可能会上行。
再叠加债券市场的趋势效应很强，一旦有明显的反转，大家现在久期都拉的偏长，今年债券基金的发行又非常的大，可能会出现一定程度的挤压。
但全年来看，我们不觉得很空。
如果看金融条件对实体经济的支持力度，只有金融条件比较强的宽松才能够让经济比较强地修复起来。
国内的金融条件在过去的一两年并没有明显的宽松。
虽然名义利率在下降，但通胀也在下降，也就是说实际利率一定程度上还是在往上走，这对企业盈利的拖累很明显，股票市场的财富效应对金融条件也是拖累。
所以，金融条件整体并不好，在这种情况下，我觉得央行会想办法把实际利率再往下调整。今年的债券市场会有一定的下行，但空间有限。
定量基金经理的一天
聪投：目前你所在的团队是什么样的？包括分工情况、稳定性等等；公司对于团队的发展给予了哪些帮助和支持？
陈斯扬：我们部门现在有30个人，业务主要分三块.
第一，各种主动管理的业务。
第二，被动的指数团队或者说ETF团队。
第三，算法交易室。
此外内部还会分很多的策略小组，其中的人员会存在重叠交叉，没有非常严格的界限，内部协作比较频繁，没有严格的上下等级之分，每个人都是研究员。
聪投：一天的工作时间是怎么分配的？
陈斯扬：很大的一部分日常工作都是程序自动在运行，我大部分的精力会放在模型的开发上。
早上8点到公司，首先做的就是检查昨天晚上所有得分的情况，这些因子是不是正常计算出来了、优化是不是正常跑完了、交易单是不是正常生成了。
如果都没有问题，再看一下基金的申赎情况，以及债券是不是需要调整。
大概9点，所有的单子生成好，就开始在系统里导入，之后就跟交易员沟通具体操作。
交易时间正常看盘。盘后就是研究相关的工作，比如听路演，跟研究小组的同事探讨一下研究的进展，以及写代码。
下班回去继续写代码。
聪投：最近有在读什么书，推荐几本？
陈斯扬：最近在读基辛格的《论中国》，可以对现在的时代发展有一些更多的了解。
最近辜朝明的《被追赶的经济体》行业里有很多人在读，他的资产负债表衰退理论很火，我觉得还挺有意思的。