2022年百億級私募遭遇業績“開門黑”，凈值大幅下滑在當前私募行業是普遍現象，面對此類現象，很多私募大佬道歉。2月11日晚間，百億量化私募上海赫富投資向投資者和代銷機構發出公告，稱旗下赫富靈活對沖九號A期私募證券投資基金在2月10日的單位凈值為0.8774元，已低于預警線0.88元，觸及預警，該公司向投資者表示了歉意。對于產品近期波動，赫富投資已于2月8日起將該產品的管理費調整至0%，并決定該產品未來在沒有回到凈值1元之前不再收取管理費用。同時，赫富投資已在2月10日以自有資金跟投的方式跟投該產品母基金500萬元。

百億量化私募產品跌破預警線

2022年百億級私募遭遇業績“開門黑”，凈值大幅下滑是當前私募的普遍現象。面對此類現象，很多私募大佬道歉，2月11日晚間，百億量化私募上海赫富投資向投資者和代銷機構發出公告，稱旗下赫富靈活對沖九號A期私募證券投資基金在2月10日的單位凈值為0.8774元，已低于預警線0.88元，觸及預警，公司向投資者表示了歉意。對于產品近期波動，赫富投資已于2月8日起將該產品的管理費調整至0%，并決定該產品未來在沒有回到凈值1元之前不再收取管理費用。

同時赫富投資已在2月10日以自有資金跟投的方式已跟投該產品母基金500萬元，另外公司還將于2月14日針對靈活對沖產品線召開策略交流會。對此《每日經濟新聞》記者以投資者身份電話采訪了赫富投資，公司工作人員告訴記者，目前不是公司旗下所有的產品都免管理費的，免管理費的只是靈活對沖系列產品，其他比如指數增強型產品是不免管理費的，如果投資者想要申購，可以在招商證券平臺申購。

值得注意的是，在今年1月28日，赫富投資在官微公告稱，基于對資本市場長期健康穩定發展的看好，及對本公司主動投資管理能力的充分信心，作為長期價值投資的堅定踐行者，公司已運用自有資金4000萬元申購我司管理的基金產品份額，并計劃后續加大自有資金申購規模，與投資者風險共擔，利益共享。

據格上理財數據，赫富投資旗下的赫富靈活對沖七號A期截至2月11日的單位凈值為0.8865元，該產品成立于2021年3月15日。從公司的凈值曲線來看，該產品成立之后起起伏伏，凈值最高點在2021年8月27日，當時的凈值為1.039元，之后就開始一路下跌，截至2月11日的單位凈值為0.8865元。值得注意的是，這也是目前首家宣布跌破預警線的量化私募。

另據私募排排網數據，赫富投資旗下多只代表產品今年收益率告負，截至1月28日，赫富投資旗下的指數增強型產品出現大幅的回撤，其中赫富500指數增強一號截至今年1月28日的單位凈值為2.345元，該產品在今年1月份虧損12.53%，而同期中證500指數下跌11.5%。此外公司旗下的赫富心享1000指數增強1號截至1月28日的單位凈值為1.0461元，該產品在1月份虧損14.03%，而同期中證1000指數下跌12.95%。

一家“學霸”云集的量化私募公司

私募排排網數據顯示，赫富投資的在管規模已經超過100億元，公司在去年備案了85只私募基金。值得注意的是，赫富投資是一家“學霸”云集的私募公司。赫富投資的研究團隊均來自北京大學、清華大學、復旦大學、上海交通大學、哈佛大學、普林斯頓大學、哥倫比亞大學等世界頂尖院校。核心團隊成員曾獲中國數學奧林匹克金牌，獲得ACM（國際大學生程序設計競賽）、NOI(全國青少年信息學奧林匹克競賽)獎項等。

據了解，赫富投資的創始合伙人有三位，分別是蔡覺逸、董常、章高馳，三人不僅均畢業于北京大學，在大學時期便積淀了深厚的友誼，現在依舊一起奮斗在策略一線研究分析，且都具備在國內外知名量化投資機構任職經驗，量化投資經驗十分豐富。基于吸納國內外優秀量化公司經驗，公司組織架構明確，三位之間各有分工，蔡覺逸、董常主要負責管理資管策略領域，章高馳主要管理自營板塊。

具體來看，蔡覺逸曾任職于美國量化對沖基金量化全球資本的交易策略團隊，2014年~2017年曾擔任明汯投資股票量化團隊投資經理，負責股票量化交易團隊的搭建。章高馳目前主要負責期貨CTA策略，曾任美國對沖基金LaurionCapital Management量化研究員。董常曾任美國對沖基金LaurionCapitalManagement量化研究員，期間主要從事全球多市場(歐洲/美國/中國香港/)的alpha因子挖掘工作，后就職于國內某頭部私募的股票量化部，參與組建A股的研究和交易團隊。

赫富投資在2017年6月5日在基金業協會登記備案，實際控制人蔡覺逸和董常，兩人分別持股40%，另外章高馳持股20%。赫富投資量化策略類型豐富，包括指數增強、靈活對沖、多策略、ALPHA 中性策略、CTA策略等，并且同一策略線也會嚴格采用復制策略，產品一致性強。目前赫富投資的規模主要集中在股票量化層面，公司穩定的超額收益由不同頻段信號帶來。依據截面數據分析、時間序列分析等統計方法，將非線性及人工智能等前沿科學運用到因子挖掘及因子組合當中，將傳統多因子與機器學習結合，互相驗證，通過多周期多維度的交易，從而追求具有競爭力的長期收益。