企业微信

股票投资策略的核心逻辑

赵亨利在股票投资领域坚持价值发现与周期预判并重的投资理念。通过深度研究宏观经济数据与行业景气度，团队构建了多因子选股模型，将财务指标、市场情绪、资金流向等维度纳入评估体系。在消费电子领域，当半导体行业库存周期进入拐点时，提前布局封测环节龙头标的，同时在新能源赛道中捕捉到储能逆变器细分领域的超额收益机会。这种策略使相关产品在2023年市场波动中保持年化波动率低于行业均值15%。

期货市场布局方法论

在商品期货领域，赵亨利团队采用"供需平衡表+基差结构"双轮驱动模式。针对农产品期货，建立覆盖全球主产区的天气监测系统，结合USDA报告数据构建价格预测模型。在黑色系品种上，通过跟踪钢厂铁水产量、港口库存等高频数据，动态调整套利组合。2022年四季度精准把握螺纹钢跨期套利窗口期，实现单账户季度收益率达32%。能源化工板块则通过原油裂解价差与库存变化的联动分析，优化PTA产业链套保策略。

嘉实基金赵亨利如何布局股票与期货市场

量化交易体系构建

量化团队开发的高频交易系统具备微秒级响应能力，采用改进型TWAP算法降低市场冲击成本。在股指期货领域，基于机器学习构建的统计套利模型，通过协整分析捕捉沪深300与中证500指数间的定价偏差。代码示例：


def stat_arb_strategy(data):

    from statsmodels.tsa.vector_ar.vecm import coint_johansen

    # 输入双品种行情数据

    johansen_test = coint_johansen(data, det_order=0, klags=2)

    if johansen_test.lr[0] > johansen_test.cvt[0,2]:

        # 构建误差修正模型

        model = VECM(data, coint_rank=1)

        # 生成交易信号

        residuals = model.fit().resid

        zscore = (residuals - residuals.mean()) / residuals.std()

        return zscore

该模型在2023年实盘测试中年化夏普比率达到2.1。

风险控制体系解析

建立三层风控架构：第一层设置单品种持仓不超过总权益20%，单日最大回撤阈值5%；第二层采用VaR模型计算不同置信水平下的风险敞口；第三层针对极端行情设置压力测试机制，模拟2008年级别黑天鹅事件下的组合表现。在2024年一季度商品市场剧烈波动中，该体系成功将最大回撤控制在3.8%以内。

产品创新与资产配置

推出"固收+"增强型产品，将可转债对冲策略与股指期货期现套利结合。通过动态调整债券久期与权益仓位比例，实现年化波动率控制在8%以内。在跨境套利领域，开发沪港通溢价套利策略，利用AH股溢价指数构建反向交易模型，2023年累计捕捉到4次有效套利机会，单次平均收益率达4.2%。

投资者教育与市场培育

定期发布《嘉实资产配置白皮书》，其中独创的"周期-防御"二维矩阵工具被机构投资者广泛采用。举办期货模拟交易大赛，通过实战演练帮助投资者理解保证金管理、交割月策略等核心概念。数据显示，参与大赛的投资者后续实盘交易胜率提升27个百分点。

技术赋能与数据基建

搭建覆盖全球市场的数据中台，整合300+数据源，包括卫星遥感数据、电商实时价格等另类数据。在农产品期货领域，利用遥感影像AI解译技术，提前30天预测美国玉米带产量，该技术使大豆种植面积预测准确度达到92%。建立低延迟行情接收系统，处理速度达到纳秒级别，支撑高频策略执行。