公募量化基金策略分类、规模分布、运作特征与绩效表现分析

公募量化基金策略分类、规模分布、运作特征与绩效表现分析

最佳答案 匿名用户编辑于2025/07/25 10:15

量化投资的逻辑是系统性挖掘投资机会,捕捉价差、动量或套利机会,较高的换 手率意味着能够更好的捕捉短期交易机会,量化基金相对分散的投资特征一定程度上有利于灵活调仓。

1.公募量化基金策略分类

当前公募量化策略主要包括主动量化策略、指数增强策略、量化对冲策略三大类 权益投资策略。其中指数增强策略又可以分为沪深 300 指数增强、中证 500 指 数增强、中证 1000 指数增强和其他指数增强策略,其他指数增强策略包括各类 行业、主题型指数增强基金,以及除沪深 300、中证 500 和中证 1000 外的宽基 指数增强策略。 此外,部分含权债基的权益部分会采用量化方式进行管理,我们将其归为量化固 收+策略。但考虑到固收+基金由于存在产品中权益策略表述较为笼统、部分量化基 金经理为阶段性管理或后续加入管理等情况,因此量化固收+基金暂未纳入公募量化 策略基金总体规模的计算。

2.公募量化基金规模分布

截至 2025Q1,公募量化权益类基金数量达到 654 只,规模达到 3025.88 亿元。 从各策略整体分布情况来看,主动量化基金从数量来看占比接近一半,从规模上 来看占比达到 28%;指数增强产品规模占比最高,其中 300 指增规模最大,500 指增规模次之,1000 指增产品总体规模较小;对冲型基金规模仅为 55.35 亿元, 占比最低。

从单只基金来看,全市场规模居前的量化基金以指数增强产品为主,主要为 300 指增和 500 指增。其中,规模最大的是易方达上证 50 增强,截至 2025Q1 规模 达到 189.38 亿元,为全市场布局最早的上证 50 指增产品。富国中证红利指数增 强规模超过 60 亿元,是唯一一只红利指增产品;招商量化精选是唯一一只规模 位居前十的主动量化型基金,规模超过 50 亿元,截至 2025 年 6 月 20 日,招商 量化精选复权单位净值率为 35.45%,相对同期沪深 300 指数的超额收益率为 46.62%,业绩表现较优,规模增长明显。

从基金管理人的维度来看,截至 2025Q1,布局量化基金的管理人共有 113 家, 其中 7 家管理规模在 100 亿元以上。前十大管理人管理规模占比为 49.6%,集 中度较高。具体来看,易方达基金、富国基金和华夏基金量化基金管理规模位居 前三,而招商基金、国泰君安资管和国金基金近三年量化管理规模增量较高。

3.运作特征

(1)换手率高。量化投资的逻辑是系统性挖掘投资机会,捕捉价差、动量或套利机会,较高的换 手率意味着能够更好的捕捉短期交易机会,量化基金相对分散的投资特征一定程度上有利于灵活调仓;主观基金则相对侧重投资逻辑,判断频率和交易频率相较 量化基金而言较低。 从换手变动情况来看,公募量化基金的年度双边换手率相对集中在 2-20 倍,整 体高于主观股混基金。具体来看,量化对冲产品的换手率波动较大,与较少的样 本数量可能存在一定关联;主动量化基金的换手率整体呈现波动上升趋势;指数 增强策略的换手率相对较低,内部分化较大,较多时间段表现为中证 1000 指增> 中证 500 指增>沪深 300 指增。 从因子结构来看,公募量化基金以相对低频的基本面因子为主,私募量化基金则 以相对高频的量价因子为主,换手率也存在一定差异,私募量化基金年双边换手 率基本在 30 倍以上。 值得注意的是,高换手同时也意味着较高的佣金支出,对规模较大的量化基金产 品来说,高换手对收益的侵蚀和冲击成本也较大。随着 AI 普及和市场同质化竞 争,因子失效周期进一步收窄,技术迭代和模型更新相较换手频率更为重要。市 场处于动态变化状态,单一因子和模型的适应性有限,需要根据数据不断进行迭 代更新,这对量化机构的技术储备情况、市场敏感度、数据源丰富度、因子和策 略差异化、策略迭代速度等均有要求。

(2)持股数量多。量化策略通过模型构建量化组合,通常持股数量较多,在个股和行业的分散化程 度较高,盈利概率和稳定性相对优于个股选择。在市场震荡、风格轮动或板块切 换频繁的市场环境下,相对分散的投资特征易于根据市场变化进行针对性调仓, 保持对投资机会的敏锐捕捉。 从持股数量上来看,公募量化基金持股数量相对集中在 50-600 只,部分基金持 股数量超过 2000 只,主题或行业型量化基金持股数量相对较少。相较而言,主 观基金的投资相对集中,一般持股数量在 100 只以下,主观投资有限的信息处理 能力和对人工判断决策的依赖性一定程度上限制了持股数量。 考虑到量化基金整体权益仓位较高,我们以主观股混型公募基金作为对比样本,在 2018-2024 年的时间区间内,各类型量化基金持股数量均值整体呈上升趋势, 且均显著高于主观股混基金,这与量化基金基于系统化、多维度数据进行投资决 策、更易于进行全市场选股存在一定关联。 分类型来看,量化对冲型基金持股数量相对更多,其次是指数增强型基金,主动 量化型基金持股数量相对较少;而在指数增强型基金中,持股数量与跟踪指数存 在明显关联,这与不同指增产品对应的选股空间和风格、行业约束有关。整体趋 势为中证 1000 指增>中证 500 指增>沪深 300 指增,与换手率特征一致,其他指 增产品由于跟踪指数不同而分化较大,如上证 50 指增和国证 2000 指增的持股 数量存在显著差异。 整体来看,量化基金通过分散持股提升收益稳定性,减少聚焦单一行业、风格或 个股带来的非系统性风险。同时,私募量化基金由于投资限制相对更为放松,譬 如对指数成分股投资比例和个股质地的限制较为宽松,持股数量往往进一步高于 公募量化基金。

4、绩效表现

(1)指数增强产品。考虑私募基金业绩分化较大,以 2018-2025 年分年度公私募指数增强产品的业 绩中位数进行分析。从绝对收益来看,各年度业绩差异较大,与市场情况密切相 关,在市场整体较优的 2019-2020 年,各产品绝对收益表现均较优,2022-2023 年收益整体回落,2024 年有所回升;从超额收益来看,除 2019 年私募 300 指 增跑输指数外,各年度公私募基金相较对标指数的超额收益均为正值,具体来看 在 2018-2020 年超额获取能力整体较强,2021 年市场出现较快的风格切换和行 业轮动特征,超额收益整体下滑。分类型来看,整体超额获取能力为中证 1000 指增>中证 500 指增>沪深 300 指增,与对标指数风格和选股空间存在较大关联。 从公私募业绩对比来看,在 2018-2023 年,私募指增分年度超额水平整体显著 优于公募基金,且在 500 和 1000 指增的超额优势更为明显,在市场整体活跃的 2019 年,500 和 1000 指增的超额收益高于同类型公募 15%以上;300 指增的 超额差距相对较小,在 2019 年公募 300 指增业绩表现优于私募。 但私募超额收益的分化远高于公募,以 2023 年为例,私募 300 和 500 指增的超额收益极差分别为 97%和 143%,而公募 300 和 500 指增的极差均在 18%以内。 公募指增对成分股比例和跟踪误差等均有严格限制,而私募指增相关约束较为宽 松,在敞口设置和策略运作上分化较大,且较多私募基金会叠加 CTA、T0 等子 策略以增厚收益。

从最大回撤来看,不同年份公私募的表现有一定波动,拉长时间,从中位数看差 距不大,但是私募基金依然保持了产品内高分化的特征。从公募角度,在运作层 面对偏离度和跟踪误差等进行严格约束,回撤控制在一定范围内;私募指增产品 对跟踪误差一般没有严格限制,相对于指数的一定程度的偏离也是超额的来源之 一,不过,需要说明的是私募指增及其子策略往往有明确的止损线限制,触及时 系统会自行进行减仓或者是平仓处理,也在一定程度上控制整体回撤。但由于私 募在运作层面对回撤的控制差异较大,部分私募倾向弱化风控约束和回撤限制, 以 2023 年为例,虽然私募基金中位数产品的回撤表现较好,但有部分私募指增 回撤超过 50%。

(2)主动量化产品。从业绩表现来看,公私募主动量化基金分年度收益表现差异较大。与主观股混型 基金相比,整体上在 2019-2020 年的核心资产牛市阶段,主观股混基金业绩表 现优于主动量化,而在 2023 年市场整体震荡时主动量化业绩表现相对更优;与 Wind 全 A 指数相比,主动量化基金在 2020 年显著跑赢,在 2024 年在相对极端 的市场环境下则有较大幅度的跑输。 从公私募主动量化的对比来看,从收益角度,在 2019-2020 年,公募主动量化 业绩明显优于私募主动量化,而 2018 年、2021-2023 年私募主动量化业绩表现 更优;从回撤角度,整体来看从回撤控制上私募主动量化优于公募,在 2020 年 和 2022 年回撤差异较小,私募的策略灵活度更高,止损机制相对更为敏感。但 私募业绩和回撤分化均较大,以市场整体震荡的 2023 年为例,公募量化的收益 区间为[-39%,22%],私募量化则为[-89%,165%],部分私募回撤超过 50%,对投 资者而言,产品业绩的分化使得筛选私募量化的难度高于公募量化。 而相较于公募主观股混,在市场整体震荡的 2020-2023 年公募主动量化的回撤 控制相对更优。

(3)量化对冲产品。公募量化对冲产品定位为对冲市场 Beta 风险、获取 Pure Alpha 收益的绝对收益 产品。从业绩表现来看,公募量化对冲产品业绩波动相对较大,在 2019-2020 年绝对收益变现较优,2021 年出现明显下滑,2022-2024 年平均收益均为负值, 与其绝对收益目标存在一定偏差,规模持续萎缩。 相较而言私募量化对冲基金分年度收益显著跑赢公募,且较多年份跑赢中债总财 富(总值)指数,与其绝对收益目标较为吻合,这与私募量化对冲产品可使用衍 生品更为丰富、可叠加策略增厚收益等因素可能相关。当然,私募的业绩表现分 化在量化对冲产品线上也依然显著大于公募。 从回撤控制上来看,在 2019-2021 年私募回撤控制整体弱于公募,在 2022 和 2023 年私募回撤控制相对更优,但与公募的回撤差异较小。

参考报告REPORT

基金行业分析:公私募量化基金全解析.pdf

基金行业分析:公私募量化基金全解析。量化策略基本特点:量化投资策略基于大量历史数据,通过数据挖掘、统计分析、数学建模等方法及算法程序发现价格变化规律,挖掘交易机会,制定及执行投资策略。目前使用最为广泛的量化选股模型是多因子模型,主要因子包括量价因子、基本面因子和另类因子。从投资特征上看,量化策略系统性特征较强,广泛挖掘投资机会;严格执行模型结果,策略纪律性强。与主观策略通过深度挖掘个股Alpha取胜不同,量化策略主要依靠研究广度实现概率取胜。国内量化投资发展历程:公募量化:公募量化策略始于2000年后,2015-2021年规模加速增长,多因子模型普及。2022年后量化基金规模增速放缓,策略更为...

我来回答
分享至