具有一个能够方便查阅二级市场上所发行的这17000多只基金的底层数据库，才可以说我们的FOF是在“全市场”进行量化筛选的。这样的数据库价格不菲，对个人投资者来说通常难以承担。不过，对于类似叁湘这样的专业投资机构而言，这是最基本的基础设施，也是确保我们在进行筛选时能够对全市场所有的潜在优质基金“一网打尽”。

全市场17000多只基金的基础数据量是非常庞大的，为了能够比较有条理地存放这些数据，任何一个数据库都要井然有序便于调用。如果只是把数据存到一个数据库里面不去做管理的话，那对于从事调研工作的研究员来说，调取数据进行分析就会耗费大量时间、精力，而这些时间和精力本可用于进行研究。所以，我们会对整个数据库按照相关条款进行分门别类的排序好，每一个门类下又会进一步细分。

比如，叁湘目前的数据库里面就包括基金信息、公司基本信息、人物数据库、衍生数据库、分析数据库等等子门类；而在基金信息中又包括基本信息、费率、运行状况、策略、投资品种和属性等信息，在策略这个方面又会进一步细分为股票多头策略、宏观策略、管理期货策略、固定收益策略、复合策略等等；在每一个策略下又会细分出各种不同的小策略，比如股票多头就包括主观多头、量化多头，中性策略就包括套利、阿尔法对冲，管理期货就包括趋势或者套利。所有这些详细和完备的分类为后续进行数据调用和量化研究提供了基础。

依托信息完备并且细致分类的数据库，我们会对全市场的基金产品进行筛选。我们的筛查通常至少包括三轮，这个过程像漏斗一样，每次漏掉一部分，到最后剩下来的才会进入下一步的研究工作当中。

第一轮是先从所有管理人和产品中筛选策略。比如我们想找中性策略的产品，那么就会先把其他策略的产品和管理人剔除。

第二轮是剔除掉时间存续期太短的产品。比如中性策略的产品筛选出来以后，我们内部对管理人或者产品有一个最低期限的要求，就是一定要成立两年以上。因为在这样的时间段内才能够比较客观地看出管理人和产品整体的业绩表现，如果没有经历过各种市场和环境的洗礼，就很难确定是否是一个合格的管理人。

第三轮是数据清洗。如果管理人和产品满了两年，是不是就满足我们的要求了呢？并非如此。即使业绩满了两年，前面成立的时间很长，可最近三五个月突然发现它的净值不披露了；有的确实可能是因为业绩做得不好，所以就不披露了。对于这种情况，我们也会把这样的管理人和产品剔除掉，要保证每一个管理人都是有充足的数据披露的。

经过之前的三轮筛选，留下来的只有一百多个管理人，两三百只产品，那我们就可以在 excel 表里面罗列出来，然后对这些管理人进行相关的排序和分类。

对经过前三轮筛选留存下来的管理人及产品进行排序和分类，是筛选中非常关键的一环。在这个环节中，对产品净值进行多维度分析是最重要的工作。

首先是将净值表现细分为若干个维度，比如年化收益率、最大回撤、波动率、风险收益比、超额收益、盈亏比、胜率、贝塔值等等。这样做最主要的目的，是希望从不同的维度能够对管理人有全面的考察，而不只是看风险或者只是看收益，从而遗漏了其他维度。我们会对每一个维度给予相应的权重，最终进行打分，然后通过打分去排名。就像一个学生考试一样，每个科目都得了不同的分数，核心科目的权重高一点，不是特别重要的科目权重低一点，最后通过加权的方式，得出学生的整体得分，代表学生的综合学业水平。我们也希望通过对产品净值多个维度的表现进行打分，并且通过加权平均的方式得到它的整体表现水平。

接着我们会以产品表现为基础对管理人进行排序。一个管理人可能有很多产品，我们会选其中位的产品对管理人进行打分。之所以不选最好的，是因为表现最好的产品可能会有一定的随机性。对管理人的打分完成后，我们会把全市场上把同策略的管理人按照分数排序。这就让我们对这个策略下全市场的管理人有一个总览，知道哪些管理人是比较强的，哪些比较弱一些，并且按照排序，优先与得分高的管理人进行对接和尽调。

对于筛选出来的管理人，我们还会对其下的单个产品再次进行量化的分析打分。对于产品打分和排名的原理与管理人是一样的，区别就在于对具体产品进行分析的时候，我们会就全市场去筛选，跟存续时间同样久的其他同类产品在同维度上打分，核心就是存续时间段一定要一致。比如说有一只已经成立三年的产品，那我们就会选这支产品对应的策略底下三年以上的产品来进行对比打分。相当于前面是从全市场的管理人的角度来进行排名分析，现在是从产品的角度单独进行分析。通过这种方式我们就能够非常全面地了解到管理人以及其代表产品和核心产品的量化业绩表现情况。

对于筛出来的管理人，我们也会建立内部的数据库，把所有的相关信息、对接情况、他的策略优势、代表产品的业绩情况放在一个数据表，我们可以随时查询，随时了解管理进度。

经过三轮初步筛选和一轮打分排名之后，我们基本上可以了解每个策略里面最优质的管理人是哪些，然后经过立项、沟通、尽调和风控等一系列流程，使基金最终进入到白名单池中，投资的时候再从里面去挑选。对白名单池进行总体梳理就是这阶段最核心的工作。

首先，我们会做整体的散点图，以便对整个市场的格局有充分的把握。一个是收益率和波动率的散点图，一个是收益和回撤的散点图。将每个管理人旗下的重点基金，按照不同的收益率与回撤的关系、收益率与波动率的关系在散点图上进行标注。这样就可以知道整个池子的这些产品，都具有怎样的收益和风险特征。然后把管理人和产品按照这两个维度进行排列，要保障我们所筛选出来的管理人员都能够满足我们解决方案的目标。

然后，我们会看白名单池中管理人及其基金产品的策略相关性。在构建投资组合的过程当中，还要看策略之间的相关性。相关性主要体现基金的同向变动程度或者概率，相关性越高，基金同向变动的概率就越大。按照金融学的组合原理，基金之间的相关性越低，组合出来的效果越好。因为相关性越低，甚至是负的，可以一定程度上对冲掉相关的风险，使整个基金比单支基金的波动小，收益率就不会有明显的损失。我们也会将各个策略的管理人之间的相关性进行分析和量化。池子里面的这些管理人，他们所代表的策略的相关性很高的时候，就会引起我们的警觉。

再接下来，我们会对每个策略进行仓位的限制。通常，我们希望整个投资组合的表现能够平稳一些，这就需要在不同的策略之间进行均衡。我们也会考虑各个策略长期的业绩表现和特征，按照各自的特点匹配相应的仓位。在投后的管理过程当中，我们会围绕整体的比例进行调整，保证组合在策略比例配置上的合理性。

最后，我们会看量化的构建。我们会根据解决方案的目标去匹配策略，又按照策略特征去匹配相应的子策略。我们在做组合的时候，需要量化研究员做量化分析，然后是从收益和风险的性价比角度确定各个子策略的比例应该保持什么样的水平，然后确定每个策略下的子基金之间的配置比例。

1.  使用优质底层数据库

2.  对数据库进行积极有效地管理

3.  经过至少三轮筛选，找出潜在优质产品

4.  对产品净值进行多维度分析

5.  白名单池的总体梳理