1. 相比于传统定性投资，量化投资有什么优势？

　　桂征辉：量化投资是基于计算机科学、现代统计学和数学，将投资想法构建模型，利用历史数据对模型进行回测验证，从中优选模型指导投资决策的一种投资方法。量化投资借助计算机技术，延伸人的思维和能力，可以建立起资产配置、行业选择、个股精选的多层次投资体系，从宏观周期、市场情绪、估值等多角度对投资对象进行分析和选择。相比于传统定性投资，我认为量化投资的优势如下：

　　更大的投资宽度。借助于计算机技术，量化投资者可以快速、准确地处理海量数据，从更大的范围选择投资对象。量化投资的对象通常包括：商品、期货、外汇、股票、债券等几乎市场所有的投资品种。

　　更科学的投资方法。量化投资者利用数学方法和统计学知识，将投资者对市场的不同理解构建成不同的投资模型，利用海量数据对这些模型进行反复验证、筛选得到最终能够获取投资收益的模型。

　　更严格的交易纪律，量化投资要求投资者按照模型严格执行操作，避免个人情绪波动对投资决策的影响，克服人性弱点。

　　但需要注意的是，量化投资不是“稳赚”投资，它更强调统计学意义上的收益，主要来自两点：一个是选择了“大概率赚钱”的模型，一个是选择了“赚大钱”的模型。即如果一个投资模型每次能够获得小的收益，长期累积下来，就是稳定的收益。如果一个投资模型获利的概率低于50%，但是平均每次获利额大于亏损额，长期累积下来，也是不错的回报。

　　2. 您如何看待震荡市大数据基金大幅跑赢大盘指数的现象？

　　桂征辉：今年整体是一个下跌的市场，大盘股相对抗跌，反映在指数上就是代表中小盘的中证500指数比代表大盘的沪深300指数多跌了5%多。大数据基金大幅跑赢大盘指数这个现象，说明大数据信息及方法在组合管理中是一种行之有效的运用方式，是具备较好的选股能力的。同时，大数据基金结合了基金公司完善的投资运作流程、精细管理及风险管理能力，由此产生了稳健且良好的投资收益。

　　我们注意到，大部分管理大数据基金的基金经理都是金融工程的背景，擅长量化建模。他们能够把大数据所蕴含的有效信息用于选股，再结合其他的选股模型，取得了较好的效果。因此大数据基金大幅跑赢市场，一方面说明了各种大数据蕴含了丰富的，能够预测市场的非传统的信息，另一方面也说明了量化模型的有效性，通过量化的方法选股能够取得和传统基本面基金经理类似甚至更优的业绩。

　　3. 大数据基金的选股因子主要是什么？

　　桂征辉：大数据基金的数据选股因子各异，比如淘金100指数是全球首个应用电商大数据，通过量化投资策略而形成的股票投资组合。蚂蚁金服依靠的是其他公司所难以企及的电商用户及消费数据。就像克强指数一样，实际的交易数据更能反映真实的实际经济活动；除了运用蚂蚁金服特有的行业景气指数外，淘金100还采用了财务和市场因子。因为蚂蚁金服的行业景气指数决定了选择哪些好的行业，财务因子负责区分那些好的公司，而市场因子则决定了好的价格。然后再结合博时内部多年研发的多因子模型，包括估值模型、成长模型、市场情绪模型等，最终选出基本面相好，又契合市场状态的股票。

　　4. 指数基金是如何优化选股的？

　　桂征辉：以博时淘金大数据100指数基金为例，按照指数编制方案是每月固定日期调整一次成分股。成分股就是按照之前所述的电商大数据因子结合我们内部量化选股模型确定。在日常基金管理中，我们就密切跟踪指数，保持较低的跟踪误差。在选股周期上，淘金100指数基金将样本股调整周期缩短至一个月，传统指数多为半年，这样就更能适应市场的变化情况。

　　博时中证淘金大数据100作为指数基金，始终保持92%以上的仓位运行，并且是由100个股票等权、中盘平衡型的指数基金。据银河数据显示，截至2016年9月1日，今年以来净值增长率0.39%，超过中证500达到16%， 超越上证综指也达到13%，在同类型316只基金中排名14。