公募指增及量化基金经理精选系列七：数据赋能算法驱动，注重策略差异化实践

2024年以来，跌宕起伏的市场环境给量化行业带来了一定挑战，指增策略业绩波动显著。2024年春节前后的小市值极端行情，部分量化策略因小微盘暴露过大而出现较大超额回撤。2024年国庆前后，市场进入高流动高波动的环境，国内支持性货币财政政策力度不断加码，指数快速拉升之际指增超额整体回调。11月后，中证1000和中证2000成交量占比高于沪深300为代表的大盘股，市场波动率冲高，指增策略受益于此，超额收益转而走高。2025年以来，截止2025年2月21日，除上证50、中证800及沪深300指增基金以外，多数策略未取得正超额。 伴随着指增量化品种超额稳定性的整体下降，优选策略类型及基金经理就显得愈发重要。本篇专题将继续延续之前《公募指增及量化基金经理精选》系列专题中对于公募量化基金经理的多角度刻画亮点，进一步聚焦国泰君安资管胡崇海、光大保德信基金王卫林、国投瑞银基金殷瑞飞、华安基金张序、太平基金张子权、光大保德信基金朱剑涛等6名投资框架体系各有特色的基金经理（按照姓名拼音字母顺序，下同），以供投资者参考。 胡崇海：主张通过多策略体系的差异化互补方式，并结合自研的动态风险管理模型，来提升产品超额的稳健性，以达到优化投资人持有体验的目标。阿尔法模型涵盖六组不同的逻辑，通过动态调整策略组合来适应市场变化。因子库储备丰富，实盘以40基本面60实时量价的深度融合为主要特色，通过支持日内多次调仓的交易系统，集成指令管理、组合管理和业绩归因等功能，以提升交易效率。 王卫林：投资策略框架以经典多因子量化体系为基础，结合主动管理的灵活性追求相对稳定的超额收益。经验与数据驱动的决策方式、量化与主动的有机结合，在市场变化中展现出了良好的适应性，同时通过低换手的方式有效实现交易成本控制。该策略框架在创业板指增产品的管理中表现出色，尤其是在控制回撤和降低波动方面表现突出。 殷瑞飞：在延续传统多因子框架的基础上，与时俱进进行了AI框架的迭代升级。传统多因子模型采用静态均衡的因子配置方式，通过每天关注组合在各个因子上的暴露来进行配置权重设定，以达到最终暴露相对均衡的目标。AI框架则采用多个神经网络模型等权融合的方式高效处理量价信号。同时，十分注重风险控制，对于行业以及市值等重要风格因子严控暴露，对于超额收益的稳定性有着很高的重视度。 张序：在因子构建及筛选方面精耕细作，十分注重因子的稳定性和可解释性，通过人工挖掘和外部合作的方式不断扩展因子库，实盘中，以资金类因子使用为主。基金经理代表产品华安沪深300增强策略ETF，通过精细化方式构建的因子与机器学习策略框架的融合，以及板块约束、风格因子剥离机制等灵活的风控机制，实现了各个阶段的稳健超额。 张子权：充分运用多套AI模型架构，将市场上能够获取的预测股价相关的多元化信息尽可能纳入模型，并根据不同的数据特点，采用不同的子模块进行处理，最终形成股票未来一段时间的期望收益，整个过程高度依赖模型本身，不做人工干预。目前，太平基金量化团队已积累了大量的量化特征，较大的数据源提供了尽可能多的独立信息，同时，多样化的模型架构也在一定程度上为稳健超额提供了积极贡献。 朱剑涛：以机器学习模型构建策略框架，认为机器学习模型能够根据市场环境动态调整，对市场节奏的适应性较强。模型采用了丰富多样的数据源，既注重对量价信息的提取，也纳入了基本面信息（如财报数据）、另类数据，共同作用来提升模型稳定性和边际效果。同时通过自研对市场波动敏感性更强的风险模型更好地控制风险暴露。 海外降息进程不及预期、国内政策及经济复苏不及预期等带来的股票市场大幅波动风险。 基金相关信息及数据仅作为研究使用，不作为募集材料或者宣传材料。本文涉及所有基金历史业绩均不代表未来表现。 内容目录 胡崇海（国泰君安中证1000指数增强）3 王卫林（光大保德信创业板量化优选）6 殷瑞飞（国投瑞银中证500指数量化增强）8 张序（华安沪深300增强策略ETF）11 张子权（太平中证1000指数增强）13 朱剑涛（光大保德信中证500指数增强）15 风险提示18 图表目录 图表1：宽基指增阶段平均超额表现（截至2025221）3 图表2：2024年以来宽基指增累计超额（截至2025221）3 图表3：基金经理量化投资特点（按照姓名拼音字母顺序）3 图表4：基金经理在管指增产品（截至20241231）4 图表5：代表产品管理期累计收益（截至20250221）4 图表6：代表产品阶段风险收益指标（截至20250221）4 图表7：代表产品管理期行业偏离度（）5 图表8：代表产品管理期成分股偏离度（）5 图表9：代表产品管理期换手率（倍）5 图表10：代表产品相对因子暴露6 图表11：代表产品相对因子收益6 图表20：基金经理在管量化产品（截至20241231）9 图表21：代表产品管理期累计收益（截至20250221）9 图表22：代表产品阶段风险收益指标（截至20250221）9 图表23：代表产品管理期行业偏离度（）10 图表24：代表产品管理期成分股偏离度（）10 图表25：代表产品管理期换手率（倍）10 图表26：代表产品相对因子暴露10 图表27：代表产品相对因子收益10 图表28：基金经理在管量化产品（截至20241231）11 图表29：代表产品累计收益（截至20250221）11 图表30：代表产品阶段风险收益指标（截至20250221）11 图表31：代表产品行业偏离度（）12 图表32：代表产品成分股偏离度（）12 图表33：代表产品换手率（倍）12 图表34：代表产品相对因子暴露13 图表35：代表产品相对因子收益13 图表36：基金经理在管量化产品（截至20241231）13 图表37：代表产品累计收益（截至20250221）13 图表38：代表产品阶段风险收益指标（截至20250221）14 图表39：代表产品行业偏离度（）14 图表40：代表产品成分股偏离度（）14 图表41：代表产品换手率（倍）15 图表42：代表产品相对因子暴露15 图表43：代表产品相对因子收益15 图表44：基金经理在管指增产品（截至20241231）16 图表45：代表产品管理期累计收益（截至20250221）16 图表46：代表产品阶段风险收益指标（截至20250221）16 图表47：代表产品管理期行业偏离度（）17 图表48：代表产品管理期成分股偏离度（）17 图表49：代表产品管理期换手率（倍）17 图表50：代表产品相对因子暴露17 图表51：代表产品相对因子收益17 2024年以来，市场环境跌宕起伏，给量化行业带来了一定挑战，指增策略经历了多个关键阶段，全年业绩波动显著。分不同市场环境来看，2024年春节前后，部分量化策略因小市值暴露过大而出现较大超额回撤。2024年国庆前后，市场进入高流动高波动的环境，国内支持性货币财政政策力度不断加码，指数快速拉升之际指增超额整体回调。11月后，中证1000和中证2000成交量占比高于沪深300为代表的大盘股，市场波动率冲高，指增策略受益于此，超 额收益转而走高。2025年以来，截止2025年2月21日，除上证50、中证800及沪深300指增基金以外，多数策略 未取得正超额。从超额稳定性角度来看，同样是上证50、中证800及沪深300指增基金超额收益曲线相对更加平稳。 0 0 图表1：宽基指增阶段平均超额表现（截至2025221）图表2：2024年以来宽基指增累计超额（截至2025221） 类别 2025年以来平均超额收益 2024年平均 超额收益 20241Q平均 超额收益 20242Q平均 超额收益 20243Q平均 超额收益 20244Q平均 超额收益 中证1000指增平均 038 511 111 319 119 13 6 国证2000指增平均 070 478 005 344 001 186 中证500指增平均 132 219 13 0 275 239 001 中证800指增平均 060 1 35 036 10 6 017 63 沪深300指增平均 042 1 13 034 14 5 068 017 中证2000指增平均 102 0 95 07 5 249 051 181 上证50指增平均 062 016 188 82 156 198 中证A500指增平均 030 来源：Wind，国金证券研究所来源：Wind，国金证券研究所 伴随着指增量化品种超额稳定性的整体下降，优选策略类型及基金经理就显得愈发重要，可以通过不断增加对于不同策略类型基金经理的储备，更好的应对配置需求。本篇专题将继续延续之前《公募指增及量化基金经理精选》系列专题中对于公募量化基金经理的多角度刻画亮点，进一步聚焦国泰君安资管胡崇海、光大保德信基金王卫林、国投瑞银基金殷瑞飞、华安基金张序、太平基金张子权、光大保德信基金朱剑涛等6名投资框架体系各有特色的基金经理 （按照姓名拼音字母顺序，下同）。我们将综合这6名基金经理的量化体系特点、风险控制制度、投研团队现状以及产品绩效表现等多个维度进行深度研究，并结合历史持仓明细数据进行全面分析和特征刻画，以供投资者参考。 图表3：基金经理量化投资特点（按照姓名拼音字母顺序） 姓名 基金公司 量化体系特点 核心Alpha模型 多因子选股模型体系 其他选股模型体系 风险模型及组合优化 量化团队 大类因子种类 因子挖掘方式及特征 胡崇海 国泰君安资管 纯量化，机器学习 策略分为六组不同的市场逻辑，通过动态调整策略组合来适应市场变化，分仓落地。六大逻辑底层的子模型之间等权进行配置。 因子库超过2000个因子，因子覆盖了基本面、技术面、量价数据、另类数据等方向。基金经理对因子实行了分层制度，实盘当中常用的因子在700个左右 。 主要由人工挖掘，均是有逻辑的因子。 主要基于自研框架，结合实时市场数据进行动态调整。 团队由14人组成，4人负责模型开发，3人专注于因子研究，另有人员负责交易系统开发及技术支持。 王卫林 光大保德信基金 量化主观，多因子模型 多因子模型，权重占比80以上。整体偏向动量和价值风格。采用动态加权方法，类似于ICIR加权，但控制加权幅度以防止风格漂移。模型框架自2019年形成后保持一致性，仅对因子计算结构进行小幅度迭代。 因子类别涵盖常规的大类因子如动量、价值、质量等。 主要为人工挖掘。 主动组合针对权重股的被迫低配问题做调整，通过选择替代标的来更好地紧跟指数。主动组合中的标的全部为指数成分股，从风险管理角度发，而非单纯追求阿尔法收益。 采用Barra的逻辑进行复现，行业偏离控制在1以内，个股偏离成分股允许适度偏离，非成分股偏离控制更严格。通过主动组合管理，对量化模型的缺陷进行补充，降低波动并控制回撤。 量化团队由4人组成，包括2名基金经理和2名研究员。基金经理主要负责策略开发，研究员主要负责基础研究、辅助性的数据维护、模型的简单改进等工作。朱剑涛主要负责机器学习模型，王卫林侧重传统多因子模型。 殷瑞飞 国投瑞银基金 量化主观，多策略框架 多因子模型。主要包含五大类因子，估值因子、成长因子、盈利因子、分析师预期因子、交易特征因子。采用静态均衡的因子配置方式，但并非简单等权。 因子库包含100200个传统因子及较多机器学习挖掘的因子。包括估值因子、成长因子、盈利因子、分析师预期因子 、交易特征因子。 在人工挖掘的基础上，也采用了人工智能的算法进行因子挖掘。 AI框架方面，包括多个神经网络模型，量价信号使用比例更高，基本面数据主要用于股票特征的刻画，多个模型等权融合。 主要基于Barra，同时根据A股市场的特殊情况做细化调整。传统多因子模型的风控更加严格，相对申万一级行业严控暴露，对于市值等重要的风格因子相对中性。AI框架下，风控适当放松，行业偏离正负23，市值因子控05倍标准差，但很少产生较大的实际偏离。 团队目前共6人，包含2名基金经理 、3名研究员，另有1名研究员逐步开始管理基金，目前仍承担着较多的研究任务。 张序