公募基金指数化投资驶入快车道。近些年来，以ETF为代表的指数基金爆发式增长，行业竞争也愈发激烈。许多基金公司调整战略，招兵买马，优化团队建设与投资策略，以迎接指数化投资时代的挑战。 

　　2023年3月，孙晨进加入浦银安盛基金，随后担任指数与量化投资部总监，相关的团队、管理以及策略均得到了升级。目前，多因子选股、行业轮动与事件驱动成为团队量化投资的三大策略，浦银安盛基金的大中小指数以及进攻性场外指数产品线不断延展。据悉，拟由孙晨进管理的浦银安盛红利量化选股混合正在发售。 

　　在投资策略上，多因子选股、行业轮动与事件驱动是孙晨进所带领的指数团队开展量化投资所遵循的三大策略，前两者是核心能力，后者则起到增厚收益的效能。 

　　“在多因子模型上，团队近些年在软件和硬件上的投入均较大。比如做数据分析需要配置显卡设备，现在显卡成本较高，但我们这方面的投入没有缩减。通过高频数据，公募基金可以挖掘许多机会，尤其是在市场主线不明朗的时候。”孙晨进说。 

　　在行业轮动模型上，由于近两年行业轮动速度犹如“电风扇”，想通过轮动获取收益的难度不断加大。而量化模型的优势在于可以不断提升模型运行的频率，以便捕捉更多细微的行业变化趋势。 

　　事件驱动投资策略也被纳入量化投资模型之中。作为成熟市场中比较经典的策略，事件驱动投资策略在国内容易失效，因为当事件发生时，上市公司已经发公告披露，在短期博弈性较强的市场环境中，这种策略难有发挥余地。不过，该策略在红利股投资上有较好的用武之地。 

　　以相关红利事件为例，上市公司分红有许多时间点，比如分红预案、公告、股东大会通过日、股权登记日、除权除息日等。基于这些时间点，可以挖掘很多机会，比如参与股票的填权行情，可根据测算出的胜率进行投资。 

　　“这种投资策略的特点在于不投的时候不占用仓位，一旦遇到时机调仓投资即可，能对组合起到增厚收益的效果。”孙晨进说。 

　　不仅如此，随着近些年人工智能技术的发展，AI技术被大量运用到日常的量化投资中。孙晨进告诉记者，具体运用体现在两个方面：一是运算高频数据所涉及的机器深度学习；二是类似ChatGPT的大语言模型应用。 

　　“今年公司招聘了一位来自互联网大厂的大数据研究员，为团队进行AI赋能，将投研工作化繁为简。”孙晨进举例说，在寻找市场热点、行业重要事件等方面，可利用AI技术将一系列非线性的信息流整理成更有序简洁的信息，从而大大降低人力成本。 

　　孙晨进拥有13年量化投资研究经验，9年基金投资管理经验。资料显示，孙晨进曾担任华安基金、申万菱信基金的量化业务负责人，在指数增强、量化对冲、资产配置等量化领域具有丰富的投资和管理经验。他加盟后，浦银安盛的指数投资团队得到了进一步优化，算上新晋升的人员，目前共有6位基金经理、4位研究员。 

　　孙晨进认为，在指数基金的赛道上，随着ETF混战的加剧，竞争势头相对不那么激烈的指增产品投入少、收效大，更适合浦银安盛基金当下的发展目标。 

　　在场外指基产品的布局上，孙晨进介绍道，目前浦银安盛已成立以及在申报中的产品已覆盖大中小盘指数。比如，代表大盘蓝筹的中证A50指增和沪深300指增，以及正在申报的代表中盘股的中证A500指增和代表小盘股的中证2000指增。除此之外，浦银安盛还会布局一些进攻型品种，比如正在发行的拟由孙晨进管理的浦银安盛红利量化选股混合。 

　　据悉，这只产品将主要投资于与红利主题相关的上市公司，并通过量化投资方法，在有效控制风险的前提下，力争实现基金资产的长期增值，将成为投资者应对市场波动的较好的配置选项。