主动量化组合跟踪：近期量化指增策略的回调复盘与归因分析.pdf

主动量化组合跟踪：近期量化指增策略的回调复盘与归因分析。

异常行情下的阶段性风格切换，量化产品超额如何回归？

近三个月（7–9 月），在宽基与主要指数上行的背景下，多个品类的量化产品出现“超额下滑”的一致性特征。在基 于全 A 市场的因子策略测试与跨期对比（2014–2015 牛市、2024–2025 年两段上涨样本；2024 年初流动性与 2025 年 关税危机两段下跌样本）中，我们发现近期“指数强、量化 Alpha 弱”的现象来自风格错配。24–25 年累积超额先由 小市值、中短期动量驱动，至 2025 年 7-9 月转为分析师一致预期、成长风格领跑，市值因子反转，而动量与技术因 子转负；这与中报窗口前后预期上修的广度与幅度提升相吻合。 通过对比分析 2014-2015、2019-2021 两个历史牛市的因子超额表现及演变，当前很可能处于此次系统性慢牛的早中 期阶段。从结构看，市值因子预计持续向大市值倾斜。短期维度，上周多成长赛道出现预期修复阶段性透支的回撤， 成长类因子可能短期继续调整，动量因子有望从深负区间向中间回归。长期来看，成长预期的基本面验证是核心矛盾： 验证充分则“成长+质量+趋势”协同强化慢牛主线；验证不足则风格或向“价值、质量补涨”短暂切换。目前成长逻 辑仍较为坚实，整体大概率呈现“核心主线趋势性上行，辅助板块阶段性轮动”的格局，既避免 2014-2015 年后期杠 杆牛下“小票普涨、估值泡沫化”的风险，也突破 2019-2021 年“赛道过度集中、市场弹性不足”的局限，最终延续 “温和、持续、结构与全局兼顾”的独特慢牛特征。

国证 2000 指数增强策略

经过因子测试与筛选，包括技术、反转、特异波动率等在内的因子在国证 2000 指数成分股上均有出色表现，我们所 合成的各个大类因子也基本都起到了很好的抗波动效果。9 月该因子调整，IC 值 12.54%。样本外整体策略表现调整， 9 月策略的超额收益为-0.86%。

基于多目标、多模型的机器学习指数增强策略

根据国金金融工程团队发布的《基于多目标、多模型的机器学习指数增强策略》，考虑到 AI 各类算法在量化领域具有 较强的适用性，同时也越来越受到 A 股众多投资者的关注。我们选取了 GBDT 和 NN 两大类结构具有一定差异的模型， 选取不同的特征数据集进行分别训练，并使用多种预测标签进行对比并融合，最终构建出的 GBDT+NN 机器学习选股因 子在 A 股各类宽基指数上表现优异。 为贴合交易实际，我们构建了基于 GBDT+NN 因子的机器学习模型的指数增强策略，通过对投资组合的跟踪误差进行控 制，最大化因子暴露。回测区间自 2015 年 2 月 1 日开始，假定手续费率单边千二，每月月初调仓。沪深 300 指数增 强策略、中证 500 指数增强策略和中证 1000 指数增强策略上月超额收益率分别为-1.44%、-3.19%和-0.96%。后续随 着市场恢复正常，超额收益有望修复或进一步提升。