诺德基金王恒楠：越佛系，越钝感，越减法，越简单_风闻

曲艳丽 | 文

见到诺德基金王恒楠之时，他正在筹备发行一只新的量化策略基金——诺德量化先锋一年持有期混合型证券投资基金。

王恒楠是一个基本面量化投资选手。

你可能很少会见到像他那样的人：佛系，语速慢，能用一个字概括，很少会用三个字，情绪比较平稳。他给人一种外面狂风大作、我自岿然不动的钝感。

王恒楠是北京航空航天大学工程力学与应用数学双学士、英国约克大学数学金融硕士，理工科气质浓郁到和不少金融从业者都不太一样。

王恒楠的代表作——诺德量化核心A类份额，自2018年11月22日管理，截至2021年10月27日，任职回报81.14%。截至2021年10月26日，该产品的年化收益率，达24.40%，在全市场量化主题基金中排名26/204，位于同类产品前15%。(wind)

1

王恒楠的核心方法论，是寻找“基本面趋势向好”的公司。

为了这一目标，第一步，将财务数据、行业数据、另类数据，综合起来，构建数学模型，对公司未来基本面趋势进行预测。

第二步，深入研究公司的基本面，包括商业逻辑、数据变化背后的原因。

二者相结合。

本质上说，王恒楠在做一个数学工具和主动研究相结合的工作。

相当于左手量化、右手主动。

详细一点解释：数据是起点，不同行业所能获取的数据不一样。财务数据是最可得的，但不同行业侧重点不一样，权重约占50%。其次是行业数据，如消费有线上数据、券商有每个月披露的经纪业务数据，这些都是比较独特的数据。除此之外，如宏观数据、与行业景气度相关的数据也是被纳入重点关注的方向之一。

把如上数据综合在一起，进行机器学习，初步跑出大致预测的结果。

然后，需要进行调研，与上市公司交流。数据特征出现的背后，有何故事，到底基本面趋势向好的概率有多少，当前性价比如何，这都是基金经理需要去做主观判断的部分。

在王恒楠的投资框架中，量化和主动的边界相对模糊，在海外也如此。在海外，卫星数据被广泛采用，如工程机械龙头的库存、卫星拍摄等。电商数据一定快过财报数据，这是信息优势。另类数据的来源，往往千奇百怪，例如一些机构专业版的app可定位“今天有多少人去调研了某家公司。”

比起纯粹的多因子量化选股模型，王恒楠增加了对标的持续跟踪的工作。而对比纯粹的自下而上选股的基金经理，王恒楠的特点是行业更分散，待选标的更丰富，因为量化筛选的效率高过“翻石头”。

与行业研究出身的基金经理相比，王恒楠的研究深度略浅一些，但覆盖面会更广.

他有一点像策略研究出身的基金经理，基于一套“我需要什么样的股票”的逻辑，随后会在不同行业、不同风格的股票中做筛选。

2

王恒楠的故事，核心关键词是“做减法”。

你不可能什么都兼得。就像你不可能既像巴菲特又像索罗斯。

2013年始，王恒楠开始管理诺德量化系列专户，起初是纯粹的多因子量化选股模型，相对有效也赚钱。

所谓“多因子量化选股模型”，笔者曾经写过，“如同去超市花100块买苹果和梨，如何决策？每个人面临目标、约束条件，比如口感、味道、形状、颜色，这是决策目标；又如，谁便宜谁贵，这是约束条件。最后，形成一个苹果和梨的组合，30块苹果+70块梨，当价格出现波动，可能需要调仓，调成50块苹果+50块梨，这就是基本面量化每天都在经历的投资决策。”(引用来源:景顺长城黎海威，《景顺长城黎海威：量化投资正在等待盛夏》)

整个决策的专业模块叫“优化器”，这并不是一个非常神秘的东西。

而整个多因子选股模型，就是把各种各样的投资决策集合在一起，比如有一部分价值、一部分成长、一部分盈利质量、一部分趋势/反转/交易行为等。

很多人觉得，量化模型是一个“黑匣子”——其实就是不停优化、不停改因子。

包括一些技术面因子，某著名量化私募购入超级计算机，每天重新跑一遍数据，主要用于挖掘新的引子，调整已有因子权重，并淘汰近期失效的因子。

但是，王恒楠却放弃了这些。

“时间久了，我发现，什么类型的因子会比较有效？长期看，基本面因子、公司财务质量、财务边际变化等、是相对有效的。于是，我就很少会做统计上的优化了。”王恒楠极其淡定地描述。

量化投资的春天一直持续到2016年。在2017年-2018年前后，全市场所有因子几乎都反转过来了。诺德基金王恒楠、以及其他市场上活跃的多因子量化团队，都开始积极寻求改变。

“就像2018-2020年，做高频交易会比较赚钱，是一个道理，做的人少。但当大家都开始做了，策略就会逐渐同质化。多因子模型就是当一个因子使用的人多了，就从alpha因子退化成风险因子或者风格因子。”王恒楠介绍。

王恒楠最后的选择是：在传统多因子量化选股模型中，有很强的取舍，大部分因子都会被舍弃。

他把“黑匣子”拆了。

3

王恒楠的做法，不靠人海战术。

他也不认为，量化投资有什么神秘感。

“相当于打一个家具，选用手工螺丝刀还是电钻。”王恒楠形容。

有时候股票太多，主动型基金经理往往将投资比喻成“翻石头”，看哪个底下藏了金子。而量化相当于先在地表上用工具都翻一遍，有可能底下有金子，再继续翻石头。“其他并没有多少本质区别。”

笔者认为，王恒楠的聪明之处，在于他把复杂的逻辑都删掉，只剩下最简单的。往往最简单的逻辑也最可靠。

他的这套模型效率很高，从A股4000余只股票中，跑出相对靠谱的50-100只，再定性考量。

王恒楠将筛选标准分为三类：①已经进入盈利稳定阶段的白马成长股。②盈利收入逐渐稳定的黑马股。③困境反转公司，PB很低。

“真正能边际成长的股票，主要就这三类。”他总结。

确定论、概率论和混沌论，完全可以概括王恒楠的纯理科思维模式。

他认为世界有三大理论决定：①确定论：这个事“因为所以”能说得清楚。

②概率论：这个事大概率如何、小概率如何。

③混沌论：今天可能会知道明天如何，但无法对较远期的事做任何判断。

“想要一个稳定的力学系统，首先把确定性发挥到极致，其次让概率始终在大概率范畴，尽量避免混沌现象。”王恒楠解释，比如天气，上海有蝴蝶扇翅膀，可能两周后北京有暴风雪；类似地，有时候想得太多，系统太复杂，就有很多不可预知。

力学系统有个专有名词，叫鲁棒性Robust。鲁棒性越强，模型的可靠性越强。就像火箭系统，太复杂，一点小误差都会放大，可能震颤、爆炸。

因此，要尽量保持简单可靠。

“做研究员，是做加法。做投资，是做减法。越做研究，越觉得什么都会。越做投资，就是删掉不合适自己的东西。”王恒楠类比。

4

王恒楠对自己投资体系的评价是，这种做法，本质上是中长期绝对收益的做法。

对比一下，多因子量化选股模型是相对收益的做法。多因子的原理，是对市场上所有股票进行排序，谁最好、谁第二、谁第三、谁最差，有了排序之后，选出其中最好的一百只股票，那么收益大概率会好于中位数。

但王恒楠的逻辑是，更追求基本面趋势向好的公司。只要如此，坚持一两年，即使短期内估值会有波动，但最终会随着基本面而有不错的表现。

他并不是与某一个市场基准的趋势做对比。

“你为什么确信模型不会失效？”

“因为这是金融的基本原理，股价围绕着基本面趋势波动。”王恒楠说道。

“我不是追求高ROE的股票，也不是纯粹追求逆境反转的股票，我要的是边际向好。”王恒楠如此评价。

王恒楠认为，这种做法，哪怕在熊市，都是信得过的逻辑。但如果仅仅是数学优化的逻辑，在某些年份就会战战兢兢。

事实上，市场上所有的多因子量化选股模型，自身也是存在偏主动的成分。

若没有主动研究，就很难琢磨出新的因子。调研的公司越多，联想到的因子也会随之增加，模型就会越丰富，这是一个相互加强、促进的过程。

5

2012年，王恒楠加入诺德基金，历任助理研究员、量化策略研究员、量化投资总监等，2013年至2018年管理专户产品，2018年迄今管理公募基金，共有8年投资经验。

和数学系锱铢必较的刻板印象不同，王恒楠在努力避免“精确的错误”。

对于机器学习的预测结果，他不追求数字上的绝对准确，更多是追求一个粗略的方向：向上或者向下。

王恒楠补充说，经济学模型就是从基本面到基本面；从基本面到股价短期会牵扯到博弈的环节。“投资者的想法总是会变，本质上是种博弈”，如果一个方法始终能赢钱，那么输钱的人很快就会走掉，博弈就不会存在一个稳定的模型。

因此，他避免参与各种风格轮动，因为“靠掌握预期差或者掌握市场情绪的发酵节奏”，不在他考虑的范围内。

“靠你的模型能选出半导体吗？”

“比较困难。”王恒楠回答。因为他的筛选标准首先是各种严苛的财务模型指标，强调企业的内生增长。

他对估值也不特别敏感，但当估值达到极端被高估时，就会选择卖出、或者不买.

和大多数人不同，他不喜欢“鸡犬升天”的赛道，而是寻找一个“相对稳定”的行业，最好趋向于成熟。

从结果上看，王恒楠筛选出来的，以成长股居多，大中盘为主，科技、医药、消费行业占主导，周期股较少。

在采访中，王恒楠对一切都显得轻描淡写：“量化模型的数理逻辑并没有很难，关键是要考虑到数据模型背后的经济内涵。”