2025年以来，量化策略基金的整体运行环境较2024年有所改善，但仍然面临相对复杂的挑战。从市场阶段性表现来看，2月市场因科技板块强势上涨而快速拉升，指增基金获取超额收益的难度加大；3月市场回归震荡格局，各类品种超额逐渐修复；4月初受美国关税政策超预期升级影响，市场遭遇短期冲击，指增基金再度出现集体回撤，但影响持续时间较短，随后超额收益重拾升势。截止2025年5月23日，除上证50指增基金以外，其余各类型品种年内均实现了正超额，其中中证2000、国证2000、中证1000指增基金的整体超额表现最佳。
本篇专题聚焦银河基金罗博、安信基金施荣盛、大成基金夏高/刘旺、国金基金姚加红等4名投资框架体系各有特色的公募量化基金经理，从量化体系特点、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。
罗博（银河沪深300指数增强）：采用双模块量化投资框架，传统量化多因子体系与机器学习策略分仓落地。传统模块聚焦指数成分股，通过基本面因子构建线性多因子模型，实施市值与行业中性化约束，以风险预算控制为核心目标，维持低偏离度与跟踪误差；机器学习模块则基于全市场选股，融合树模型与深度神经网络，筛选40余个因子，突破中性化限制，形成非线性增强策略。代表产品银河沪深300指数增强超额收益稳定性强，平稳穿越量化各个周期，换手率水平低，风险控制严格。
施荣盛（安信量化精选沪深300指数增强）：采用统一的因子池与收益率预测模型覆盖A股全市场，强调普适性与稳健性。因子库涵盖基本面、技术面及另类数据三大类，总量超5万个因子，采用机器学习及神经网络模型捕捉因子非线性交互效应，策略聚焦3-10天中频调仓周期。代表产品安信量化精选沪深300指数增强超额弹性良好，风险收益比较佳，换手率水平高于沪深300指增基金平均水平。
夏高、刘旺（大成中证1000指数增强）：采用多策略框架，管理旗下指增及量化产品，根据不同标的灵活选择传统多因子线性模型、机器学习决策树模型、以及神经网络模型。通过人工挖掘、机器挖掘等多样化的方式，积累了丰富的因子库，并积极借鉴DeepSeek混合专家模型的思路，改进原有因子合成方式以实现因子合成动态适应市场风格变化的可能。代表产品大成中证1000指数增强超额收益领先，回撤控制良好，换手率水平低于中证1000指增基金平均水平。
姚加红（国金中证A500/中证1000指数增强）：采用以机器学习为基础的多策略量化框架，根据不同的预测内容和预测周期建立子模型，包括择时、风格预测、行业预测、个股预测等多个维度，所有特征全部作为模型输入，进行模型的构建和训练。代表产品国金中证1000指数增强今年以来超额回升，回撤控制效果良好，换手率水平高于中证1000指增基金平均水平。
风险提示：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。
