【导读】指数增强型基金最高超额近10%，量化投资迭代进行时
中国基金报记者 曹雯璟
今年以来，市场波动加剧，指数增强型基金超额收益亮眼，超七成产品跑赢基准，最高超额近10%。在板块轮动加速、个股分化明显的市场环境下，多家基金公司采用多策略架构，综合基本面量化模型与机器学习模型，从不同视角捕捉市场的超额收益。
多位业内人士表示，今年A股板块轮动加速、个股分化明显，这种环境有利于分散化投资的量化模型发挥优势。未来，继续在技术框架构建的选股模型基础上，不断尝试新技术的边际影响、在阿尔法挖掘和风险模型迭代优化、另类数据使用等方面持续进步。
指数增强型基金年内超额显著
最高近10%
Wind数据显示，截至4月17日，指数增强型基金（剔除近半年成立的新基金）今年以来的平均业绩为8%，其中，有310只指数增强型基金年内净值表现超越基准收益，占比超七成。其中，国金中证全指指数增强A年内超额收益高达9.83%。国金沪深300指数增强A、天弘国证2000指数增强A、永赢沪深300指数增强A等超额收益超过8个百分点。
对于今年指数增强型基金比较亮眼的超额表现，永赢基金指数与量化投资部总经理蔡路平指出，今年A股市场斜率放缓，整体趋于平稳，但结构性的投资机会更加多元——板块轮动加速、个股分化明显，这种环境有利于分散化投资的量化模型发挥优势。不同于单边行情中少数风格主导收益，震荡与轮动背景下，多策略模型能通过子策略之间的低相关性，持续捕捉不同方向的阿尔法。
国联安量化指数增强团队负责人、执行董事何贤发认为，今年公募和私募指增产品的超额收益差距在缩小，公募指增产品表现可圈可点，原因有以下几点：首先，指增产品受众接受度仍在持续提升，增量资金持续流入，在策略容量可承受的前提下，资金的正反馈在一定程度上能够助力产品维持整体正超额的局面。
其次，今年以来A股大部分交易日的日均成交额保持在2万亿元以上，在这样的环境下交易性Alpha依然比较有效，这是量化策略更擅长和可捕捉的领域。
第三，客观来说，公募在投研资源上更有优势，更擅长偏基本面动量的因子，在高景气的大盘成长领域能够有效获取行业配置和选股的Alpha，像人工智能、上游材料、中游制造等板块企业基本面维持高景气增长是公募获取超额收益的重要来源。
综合基本面量化模型与机器学习模型
捕捉市场中超额收益
记者了解到，在指数增强投资领域，目前多家基金公司采用多策略融合模式，将基本面量化与机器学习相结合，以全面捕捉不同周期的超额收益。同时，更加注重动态组合优化与严格风控，力求在市场波动中实现收益来源的多元化和超额收益的稳定性。
蔡路平表示，当前指增策略采用多策略架构，综合基本面量化模型与机器学习模型，从不同视角捕捉市场的超额收益。基本面模型侧重企业财务、行业景气度等中长期驱动因素，机器学习模型则善于挖掘量价、情绪等高频非线性规律，两者互补，实现对短、中、多周期收益来源的全面覆盖。同时，通过动态组合优化技术，根据市场近期风格变化实时调整各子策略的权重，从而平滑组合的整体收益波动。
“当前指增产品的收益来源较为分散：一方面，来自对高增长股票的配置，即通过基本面因子筛选出盈利增速强劲、估值合理的优质标的，获取企业价值增长带来的收益；另一方面，来自震荡行情中的动态交易收益，利用机器学习模型赚取市场非有效性产生的交易性利润。两者结合，使指增产品在平稳市中依然具备超额收益能力。”蔡路平谈道。
何贤发举例，3月初，公司量化团队基于投研模型对美以伊冲突制定了多种可能演绎的路径，并严格计算了各个情景的发生概率，3月所有的动作都对应了相应情景，挖掘市场存在定价错误时的交易机会，并在市场出现超涨定价错误时更关注下行保护。总而言之，通过严格的风控模型和精细化风控措施，公募量化产品有能力在系统性风险下力争超额收益的稳定性。
国金基金总经理助理兼量化投资中心总经理姚加红表示，国金量化指增产品沿用机器学习技术构建的选股模型，构建收益来源多元化、分散化的多维度策略框架，目标是获取相对持续和稳健的超额收益。2024年下半年以来对指数增强策略采取了更为严格的风险控制措施，尽管近两年市场环境波动仍较为剧烈，但超额风险收益特征有所改善。当前指增产品的超额收益来源较为均衡，从Barra风险模型归因角度看，个股超额、行业和风格等各个方面收益贡献较为均衡。
量化投资迭代进行时
当前，量化指增行业正面临传统因子拥挤度上升的挑战，而量化投资的魅力就在于持续迭代和实战更新。
蔡路平表示，作为公募量化产品，需兼顾各项合规要求。因此，当前策略交易频率并不高，主要关注中大盘股票，这类标的流动性充裕，日均成交额普遍在数亿元以上。同时，在行业与个股层面保持较高分散度，力争为组合总体提供更多的流动性支持。从策略容量角度看，中大盘股票的深度流动性池，叠加较低的换手率，策略现阶段不存在容量瓶颈，交易执行平稳，为持续争取超额收益提供了支撑。
谈及未来主要迭代方向，蔡路平指出，一是开发和优化更多收益特征存在差异的基本面选股模型，在现有成长、价值等因子基础上，挖掘细分风格、细化板块的细颗粒度策略，构建低相关性子模型群。二是基于另类数据（文本数据、图像数据等）持续优化机器学习模型，挖掘更多收益来源，丰富子策略收益特征。三是强化时序视角策略的研发。时序策略与现有横截面策略形成互补，且其交易频率同样可控，不会对公募产品的换手率约束构成压力。
“如果基本面持续向上，未来市场风格有望更多转向公募量化更擅长的大盘风格选股；而在私募更擅长的小盘领域，需警惕当前小盘股估值高企的风险，中证2000指数当前估值在160倍左右。小盘股领域由于更多的信息不对称和更高的波动、更高的个人投资者参与度，量化在这上面获取超额收益比在大盘股上更容易和丰厚，但对应的Beta估值高企和潜在的流动性衰竭风险正在变得不可忽视，投资者要权衡收益和风险之间的性价比。”何贤发谈道。
姚加红表示，策略容量与超额水平是相互制约、不断平衡的关系，管理人是否通过策略迭代优化获得相对优秀的超额水平，是衡量管理人是否具有持续超额能力的关键。未来，其将在技术框架构建的选股模型基础上，不断尝试新技术的边际影响、在阿尔法挖掘和风险模型迭代优化、另类数据使用等方面持续进步。
校对：乔伊
制作：小茉
审核：陈墨
注：本文封面图由AI生成
版权声明
《中国基金报》对本平台所刊载的原创内容享有著作权，未经授权禁止转载，否则将追究法律责任。
授权转载合作联系人：于先生（电话：0755-82468670）
热门跟贴