2023年公募指数增强基金年度白皮书及基金经理精选 公募宽基指增及量化基金经理分析

第一部分 ：公募指增基金行业发展特征

1、整体数量扩容，规模保持稳定

2022 年，整个 A 股市场几乎被频繁的行业轮动、大小盘风格切换占据，量化选股难度明显挤压指增基金超额空间。 尽管如此，伴随指数增强策略迭代升级、量化投资市场认知度提升，公募指增基金管理规模仍较 2021 年末小幅增加。 与之相呼应，指增产品发行热情依旧，产品数量延续近年来的快速扩容之势。截至 2022 年末，公募指增基金共计 210 只，合计管理规模 1702.46 亿元。其中，宽基指增基金 172 只，行业主题指增基金 30 只，Smart Beta 指增基金 8 只。

从指增基金的类别来看，宽基指增在全部指增基金规模中占比 88.88%，仍然占据规模的绝对优势。宽基指增基金 中，又以沪深 300、中证 500、上证 50、中证 1000、创业板指数增强基金为主，五大类别合计规模占宽基指增基金规 模的 95.83%。从规模变化情况来看，衍生品的扩容成为了 2022 年影响指增基金规模变化的重要因素之一。中证 1000 股指期货和期权的上市交易推升了中证 1000 指增基金的市场关注度，该类别也成为了 2022 年新产品成立数量最多且 规模增幅最大的指增基金，创业板指、沪深 300 指增基金也有一定比例的规模增加，中证 500、上证 50 指增基金则均 出现相比于 2021 年末 10%左右的环比规模缩水。行业主题指增中，主要包括科技（29.94 亿元）、消费（26.26 亿元）、 新能源（11.55 亿元）、医药医疗（8.91 亿元）、农业（6.11 亿元）、周期（4.78 亿元）、中游制造（3.82 亿元）、绿色 /ESG（2.51 亿元）等指增基金产品，其中科技指增基金 2022 年末规模较 2021 年末增长 19.74 亿元，绝对值增幅最大， 新能源指增基金次之，2022 年末规模较 2021 年末增长 8.69 亿元，消费指增基金规模缩水明显，2022 年末规模较 2021 年末下降 7.20 亿元。综合行业主题指增和量化选股基金中类指增基金来看，招商中证消费龙头指数增强、嘉实中证 半导体产业、华商电子行业量化、富国中证医药主题指数增强、汇添富中证光伏产业指数增强等等均是各个细分领域 中管理规模相对较大的代表。其中，成立时间较早的华商电子行业量化和富国中证医药主题指数增强 2020 至 2022 年 三年来分别累计实现回报 21.44%、20.34%，超额回报 16.10%、13.16%，中长期获益水平良好。

从管理人情况来看，截至 2022 年末，共有 10 家基金公司指增基金管理规模超过 50 亿元，合计规模占比 64.97%。 10 家规模 50 亿以上的头部公司中，9 家（易方达基金、富国基金、华夏基金、汇添富基金、天弘基金、景顺长城基 金、建信基金、兴证全球基金、博时基金）继 2021 年以来管理规模持续稳定在 50 亿元以上，另有 1 家（万家基金） 于 2022 年实现规模的大幅提升，进入到 50 亿以上行列。从规模增幅情况来看，相比于 2021 年末，2022 年规模增幅 最大基金公司为万家基金，2022 年末管理规模 95.52 亿元（2021 年末 15.66 亿元），国泰君安证券资产、鹏华基金、 嘉实基金、国投瑞银基金、国泰基金 2022 年规模增幅也均在 10 亿以上。

2、新产品涌现，投资工具日渐丰富

增强 ETF 再添利器，中小盘成长风格扩容

增强策略 ETF 将指数增强与 ETF 有机结合，使得产品既具备了 ETF 透明度高、交易便捷、成本更低的优势，同时 也兼顾了场外指数增强型基金通过适当的主动量化策略获取超额回报的可能。继 2021 年 11 月南方中证 500 增强策略 ETF、华泰柏瑞中证 500 增强策略 ETF、景顺长城中证 500 增强策略 ETF、招商沪深 300 增强策略 ETF、国泰沪深 300 增强策略 ETF 等 5 只增强策略 ETF 产品首次获批之后，2022 年 10 月第二批 13 只增强策略 ETF 产品再度获批。 相较于第一批增强策略 ETF，2022 年获批的基金涵盖指数更加丰富，覆盖沪深 300、中证 500、中证 1000、创业 板、科创 50、科创创业 50 指数，为投资者提供了更加多样化的工具选择。而且，这 6 只指数均有较高的市场关注度， 其中，沪深 300、中证 500 指增基金规模合计较大，中证 1000 指增基金规模攀升速度较快，创业板指和科创创业 50 指数也有一定的市场规模，科创 50 指数在获批之时尚无对应指增基金，第二批增强策略 ETF 的获批发行将很好的填 补部分类别增强策略产品的空缺。

截至 2022 年底，第二批 13 只增强策略 ETF 中已有 8 只基金正式成立，管理规模大多分布于 8 至 15 亿之间。在 基金经理的选择方面，可以看到大多数基金公司对于增强策略 ETF 都采用了指增基金经理和 ETF 基金经理双人组合搭 配的方式，也有基金公司采用了老带新的模式或是单基金经理制。整体来看，增强策略 ETF 作为创新型品种，在平稳 运作近一年之后，凭借兼顾超额收益和交易灵活性的特点，仍然保持了比较好的市场关注度，特别在第二批次中新增 加的中证 1000、创业板、科创 50 等指数品种更加丰富了增强策略 ETF 产品的可选择性。

衍生品助力中证 1000 指增快速发展

2022 年中证 1000 指数期货和期权的推出补全了小盘衍生品工具上的空缺，不仅可以促进小市值股票流动性的提 升，提高市场的定价效率和活跃程度，也为多种量化策略提供了实现的可能。在此背景下，中证 1000 指增基金也迎 来了规模和数量的节节攀升，截至 2022 年末，全市场共计 20 只中证 1000 指增基金，其中 14 只为 2022 年新成立的 产品，合计管理规模 125.67 亿元，相比于 2021 年末增长 90 亿元。布局中证 1000 指增基金的基金公司也由年初的 6 家扩容到了 19 家。目前中证 1000 量化策略拥挤度不高，且中小市值领域比较适合量化选股操作，在未来中小盘成长 行情的阶段性演绎中，中证 1000 指增的关注度有望不断提升，数量和规模有望继续保持增长趋势。

市值下沉，国证 2000、科创 50、双创 50 指增基金初现

2022 年在科技自强自立、自主可控、国产替代的迫切需求下，新兴产业成为政策发力重点，而且，国内疫后弱复 苏、流动性充裕的宏观环境，也有利于中小盘股的流动性溢价扩张，在此背景下，指增基金在沪深 300、中证 500 这 两个成熟领域持续发展的同时，伴随着市值下沉，对标国证 2000、科创 50、科创创业 50 的产品也陆续出现。 2022 年 7 月申万菱信基金首先布局了市场上首只国证 2000 指增基金。国证 2000 指数小市值股票占比较高且成分 股权重十分分散，包含了更多受益于“专精特新”产业政策的标的，成长空间十分广阔。汇添富基金、华富基金、长 信基金、广发基金先后成立了科创创业 50 指增基金，南方基金、鹏华基金、嘉实基金则着手布局了科创 50 指增基金， 科创创业 50 和科创 50 指数均主要分布于电气设备、医药生物、电子等具备高成长属性和高研发特征的行业板块，契 合科技兴国、科技强国发展战略，也将受益于相关政策的大力倾斜扶持。总体来看，布局中小市值、布局专精特新在 2022 年的指增基金市场已经初现端倪，这一趋势仍将有望延续。

MSCI 中国 A50 互联互通，兼容新旧经济、聚焦龙头强调品质

继2021 年多家基金公司发行 MSCI 中国 A50 互联互通被动指数基金之后，2022 年 9 月全市场首只跟踪 MSCI 中国 A50 互联互通指数的增强型基金（易方达 MSCI 中国 A50 指数量化增强）正式成立。MSCI 中国 A50 互联互通指数均衡 分布于消费、金融、科技、制造等板块，全面布局新旧经济，避免了传统行业占比过高、新兴产业代表性不足的问题。 而且，指数布局大市值龙头股的特征十分鲜明，在疫情、地缘冲突等事件的冲击之下，行业龙头企业凭借良好的公司 治理、稳定的经营管理、持续的研发投入，在危机中充分展现出了核心竞争优势，强者恒强的格局愈发明显。MSCI 中国 A50 互联互通指数在覆盖金融、消费领域龙头企业的同时，与上证 50、沪深 300 等主流大盘宽基指数相比，拥有 更多科技创新、产业升级领域的优质成长龙头，代表中国经济转型和升级方向的新经济占比更高，拥有更强的盈利能 力。在此基础上，MSCI 中国 A50 互联互通指数增强基金深耕优质指数成分股，挖掘阿尔法精选布局，使得指增基金产 品线宽度进一步得到了拓宽。

第二部分 ：公募指增基金 2022 年整体表现回顾

1、超额获取难度加大，中证 1000 指增增添亮点

2022 年我国经济基本面整体趋弱，同时外部环境挑战不断，俄乌战争、全球通胀压力、中美货币政策差异等均牵 动着投资者本就脆弱的神经，A 股市场演绎了多轮风格切换和行业轮换行情，整体成交量、个股离散度、因子有效性 等在 2022 年均波动明显。在此背景下，以量化选股策略为主的指增基金整体超额获取难度也明显增加，全年超额相 对有限且呈现一定的波动形态，特别是 2022 年 10 月至 11 月期间，两会后在防疫政策逐步优化、地产行业三支箭不 断加码的刺激下，市场风格再度发生由中小盘成长向大盘价值的快速转换，同时，正值三季报披露期，由于前期市场 已经对即将披露的基本面数据有了充分的反应且预期已经达到顶点，因而，正式披露后市场出现了反应的边际弱化现 象，预期类因子此时回撤相对明显。市场风格的切换叠加部分因子的阶段性调整，使得大多数指增基金出现了全年较 大的一轮超额回撤。不过，由于 2022 年量化选股市场基本属于存量市，策略的拥挤度尚可，因而，整体超额回撤已 于 12 月开始逐渐恢复。

从各个细分类别来看，中证 1000 指增基金 2022 年超额收益最高，平均超额收益 7.33%（万家中证 1000 指数增强 位列第一）；沪深 300、中证 500、创业板指增基金平均超额收益均在 1%至 2%之间。另外，与 2021 年相比，2022 年全 年各主要类别指增基金超额收益均有不同程度下降，除上证 50 指增基金由平均小幅正超额转为负超额以外，沪深 300 指增基金超额收益缩水最为明显，中证 500 指增基金超额缩水程度紧随其后，中证 1000 指增基金则超额降幅较少。

2、复杂环境考验投研实力，头部公司及规模适中基金经理具备优势

从基金公司管理规模角度，2022 年管理规模处于 50 至 70 亿、70 至 100 亿规模区间的基金公司，旗下指增基金 2022 年平均超额明显高于其余规模区间基金公司平均，而且，从最近三个年度来看，尽管各规模区间整体超额水平逐 年递减，但聚焦超额收益相对强弱变化来看，管理规模 50 亿以上的头部基金公司超额获取能力呈现逐年递增的特点， 即近年来复杂多变的市场环境对于基金公司整体量化投研实力提出了更高的要求，头部基金公司往往在基础研究、策 略开发、人员储备、以及硬件设施等方面均具备优势，多方面综合下来，较好的量化选股实力也带来了相对更佳的超 额回报水平。 从基金经理管理规模角度，2022 年管理规模 20 至 30 亿、30 至 40 亿的基金经理所管理指增基金平均超额收益相 对较高，分别为 3.57%、3.21%，与 2021 年呈现基本一致的规模特征。总体来看，2021 年以来指增基金超额回报相对 更优的基金经理管理规模大多在 20 到 40 亿之间，相对适中的规模既能够保证一定的策略容纳度，又可以在市场变化 时保持一定的灵活性。当然，上述几组数据也一定程度反映了“规模”与“业绩”之间的相互关系。

3、老将当道，丰富管理经验叠加成熟量化体系支撑超额

从不同任职年限的基金经理所管理产品的超额水平来看，面对 2022 年复杂多变的市场环境，任职年限在 10 至 15 年的基金经理 2022 年平均超额收益最高，为 3.16%。而且，从过去三年来看，作为量化投资老将，该任职区间的基金 经理凭借丰富的投研经验和不断迭代更新的投资方法，始终保持了不错的超额回报水平。与此同时，其余任职年限区 间的基金经理 2022 年所管基金平均超额均在 1.4%左右，无明显差异。

4、相对高换手、低偏离品种超额领先，严格风控增厚超额

基于我们对宽基指增基金的量化特征刻画标准，统计不同特征下基金的超额收益情况可以看到，2022 年相对高换 手率、主动配置比例偏高、行业偏离较小、成分股偏离较小、调仓风格相对稳健的宽基指增基金超额回报相对更优， 2022 年平均超额收益分别为 2.37%、2.07%、1.99%、1.84%、1.71%。 具体来看，在 2022 年行业和风格切换速度较快的市场行情下，较高的换手比例、较高的灵活度以及更加敏感的 模型相对更加适应市场，而且，高换手率指增基金往往量价因子使用比例较高，2022 年在几次基本面因子回撤中，该 特征类型产品整体超额回撤幅度相对较小。主动配置比例主要衡量指增基金在成分股外的配置情况，主动配置比例较 高的指增基金面对投资机会的扩散和下沉，通过利用成分股外优选个股的自由度，在 2022 年也实现了不错的超额。 行业及成分股偏离较小的指增基金，基金经理倾向于对于行业以及各个风格因子暴露进行相对严格控制，整体跟踪误 差更小，在 2022 年行业轮动、风格切换频繁的大环境中风险暴露相对有限，整体超额较高。总的来看，拥有更高的 自由度、更强的灵活性、量价因子使用比例较高、能够严格控制行业风格暴露风险的基金产品，在 2022 年超额收益 表现更佳，基金经理较好地实现了增强收益和严控风险之间的平衡。

5、质量、成长、动量因子正向暴露，Beta、价值因子稳定性高品种超额领先

根据指增基金整体的相对因子暴露、相对因子收益以及两者的对应情况，我们可以得到指增基金经理目前的超配 偏好以及收益贡献来源。从相对因子暴露特征来看，根据 2022 年中报持股明细数据统计所得，138 只宽基指增基金中， 90%以上的基金在2022年年中正向暴露于质量因子和成长因子，70%左右的基金对于规模因子和杠杆因子相对负暴露， 60%以上的基金正向暴露于动量因子、流动性因子、波动因子、价值因子，一半以上的基金负向暴露于 Beta 因子。总 体来看，2022 年大多数宽基指增基金倾向于正暴露于质量、成长、动量、流动性、波动、价值因子，负暴露于规模、 杠杆、Beta 因子，即指增基金总体倾向于优选基本面好、流动性强、相对高波动、低估值的中小市值标的进行配置。

从相对因子收益特征来看，各类因子相对收益稳定性较强的宽基指增基金 2022 年均实现了平均正超额，但有所 分化。其中，Beta 因子稳定性较高的基金 2022 年平均超额收益最高，为 3.11%，基金经理面对市场环境变化往往能 够灵活地对投资组合中不同收益弹性的标的进行调整，能在上涨、下跌的市场环境中，灵活呈现相应的进攻、防御状 态，不排除具备一定的市场风格和行业切换把控能力，这类基金经理往往也伴随着较强的交易能力和较高的换手率，整体比较适合 2022 年的市场环境。价值因子稳定性高的基金 2022 年超额收益紧随其后，平均超额 2.86%，这类基金 的基金经理对估值（左侧或右侧交易）的把握能力较强。与此同时，质量因子、成长因子、杠杆因子等基本面因子稳 定性较高的基金也平均实现了 1.5%左右的超额，可见，深入基本面研究、挖掘优质股票、基本面选股能力较强的基金 经理整体仍能获得一定的正向超额，但是受到 2022 年下半年基本面因子失效的影响，总体超额相对有限。

进一步将因子暴露方向与 2022 年超额收益相对应，根据基金经理管理期对于各个因子正、负向暴露的报告期数 占比情况进行样本划分，统计对于某一因子正向或负向暴露期数占比大于 70%的样本 2022 年的超额收益情况，以此来 观察不同因子暴露偏好的宽基指增基金之间的超额收益差异。结果显示，偏好负向暴露于规模、Beta、质量、成长、 波动、流动性，正向暴露于价值、杠杆、动量的基金 2022 年超额更佳，仅使用 2022 年中报数据也可得出同样结论。 可见，2022 年偏好中小市值、低估值、低波动股票的基金整体表现较佳。需要说明的是，从因子暴露偏好还可以看出， 负向暴露于质量、成长因子，正向暴露于杠杆因子的基金，即偏好基本面一般股票的基金 2022 年同样表现较好，这 主要与基本面因子几次失效带来的影响有关。

三、 公募宽基指增及量化基金经理分析

2022 年以来各影响因素缺乏持续性的变化一定程度上影响了指增基金全年的超额表现，但目前来看量化选股策略 的运行环境最悲观的阶段已经过去。2023 年，伴随着防疫政策的优化和稳增长政策的持续加码，经济基本面整体无虞， 但经济的修复过程受各种因素的影响不会一蹴而就，因而，货币政策适度宽松、财政政策适度积极的政策框架大概率 仍会继续，市场流动性有望继续保持合理充裕。对 A 股市场而言，当前正处于中长期“底部区域”，2023 年国内政策 红利期、海外紧缩预期缓和期，双期叠加，市场或有望展开行情演绎，总体交易大概率会处于相对活跃状态。 从市场风格演进角度来看，尽管在地产政策落地、防疫政策持续优化背景下，大盘风格仍有阶段占优的可能，但 是 2021 年开启的中小盘主导的长周期行情仍未结束。国内经济弱复苏、流动性充裕的宏观环境，仍有利于中小盘股 的流动性溢价扩张。而且，在科技自强自立、自主可控、国产替代的迫切需求下，新兴产业作为政策发力重点，中小 企业盈利更具修复韧性，中小盘股仍具备较好的投资性价比，2023 年整体市场风格有望演绎从大中盘到中小盘轮动的 节奏。

在布局指数贝塔层面配置机会的同时，基于上述分析，预计 2023 年量化选股策略的运行环境有望改善，尽管离 全面性好转仍有一段距离，但阶段性阿尔法机会仍将存在，指增基金仍具备较好的配置价值。因而，我们精选了笪篁（华泰柏瑞基金）、马芳（国金基金）、乔亮（万家基金）、苏俊杰（鹏华基金）、叶乐天（建信基金）、殷瑞飞（国投 瑞银基金）等指增基金基金经理（按照拼音首字母顺序，下同），就产品量化体系、策略特点、风控制度、投研团队、 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，对以上六名基金经理做了全面分析和特征刻画以供投 资者参考。

我们依据基金经理在因子挖掘中对主动权益研究团队研究内容和观点的参考程度，将上述 6 位基金经理大致分为 两大类：因子挖掘上纯粹量化程度更高的基金经理，如马芳（国金基金）、乔亮（万家基金）、苏俊杰（鹏华基金）， 以及因子挖掘上比较重视主观研究逻辑输出的基金经理，如笪篁（华泰柏瑞基金）、叶乐天（建信基金）、殷瑞飞（国 投瑞银基金）。因子挖掘坚持纯粹量化的基金经理（马芳、乔亮、苏俊杰）往往在机器学习、人工智能、量价因子、 另类数据等方面投入更多研究时间和精力，更重视先进算法和模型的引入，在因子构建、因子筛选、投资组合构建的 过程当中，几乎不存在主观人工调整的情况。这类基金经理由于几乎完全遵从量化模型的结果，故而对基金经理的量 化能力和经验提出了较高的要求，其纯粹量化的特性使得其在投资主线不明朗的震荡市环境中往往能够获得更好的超 额收益表现。因子挖掘重视主观研究逻辑的基金经理（笪篁、叶乐天、殷瑞飞）非常注重因子的可解释性，希望在传 统量化的基础上，通过和主观研究团队的密切沟通，来弥补部分因子相对可解释性差的问题。此类基金经理往往在挖 掘和构建因子时，会采用更加精细化的方式，对于失效因子的判定也更加谨慎。由于基本面因子占比较高，因而产品 在基本面因子有效的市场环境下比较容易获得更高的净值弹性。

笪篁（华泰柏瑞量化创优、华泰柏瑞量化智慧）

笪篁先生华泰柏瑞量化投资团队核心成员，2016 年加入华泰柏瑞基金，2020 年 5 月起担任基金经理。笪篁先生 坚持以基本面研究为基础的全市场量化选股策略，十分重视因子的构造逻辑。通过和主观研究员密切沟通的方式，实 现对不同行业基本面因子的精细化刻画，再结合先进的风控技术，实现稳健的超额。这一点也在持仓组合中得到验证， 持仓多偏好质量、成长等基本面优质的低估中小市值股票，所管理的基金产品超额收益主要来源于个股的选择。并且 笪篁先生侧重中长期投资（4-6 个月），同时淡化仓位择时和因子轮动，不论因子稳定性还是持仓稳定性上都较为突出， 整体换手率水平较低。

量化选股模型特点：重视基本面因子构造逻辑，因子权重相对稳定

因子挖掘方面，与主观研究团队交流密切，通过借鉴主观研究观点或研究框架来对模型进行改善，特别是细分行 业选股，会借鉴研究员对行业投资逻辑的看法、重点观察指标以及数据使用情况等。同时参考海内外文献、研究报告 中涉及到量化、传统金融、会计、机器学习等方面的内容，对因子和模型予以改进。量化行业内新技术的发展，例如 文本挖掘、新数据的使用等也是其持续关注的内容之一。 因子使用方面，以基本面因子为主，主要包含四大类因子：成长因子、价值因子、另类因子、技术类因子。成长 因子更加注重报表之外的信息和未来潜在成长空间；价值因子会根据不同的股票特性使用不同的估值方法，是多元复 合的价值因子；另类因子主要包括分析师研报等，也在尝试运用 NLP 技术进行文本处理和挖掘等，此类因子尽管不一 定能贡献很高的阿尔法，但由于与传统因子的相关性较低，因此边际增益比较明显。

因子加权方面，采用线性模型和非线性模型结合。由于因子权重的调整需要一定的样本期来支持其有效性，故而 调整频率不高。几套权重配置方法所呈现的结果显示，因子权重会在一定范围内动态变化，但总体变化不会特别大。 这主要是由于因子本身投资周期较长，在相对长周期里不同方法得到的因子权重差异不大，所以在长周期里还是保持 相对均衡且稳定的配置。

基金经理及管理产品风险收益情况：超额收益稳定，超额回撤控制良好

笪篁先生目前共管理 5 只指数增强及量化型基金产品，四季度末合计管理规模 8.82 亿元，其中，华泰柏瑞量化 对冲 2022 年中报机构投资者占比达 53.16%，受到机构投资者关注。从绩效表现情况来看，代表产品华泰柏瑞量化智 慧 2022 年超额收益 4.97%，在同期 210 只量化选股型基金中排名第 31，华泰柏瑞量化创盈、华泰柏瑞量化创优 2022 年超额收益在同期 210 只量化基金中排名也在 30%以内，超额情况较佳。中长期方面，截至 2023 年 2 月 8 日，华泰柏 瑞量化创优自 2020 年 5 月任职以来绝对收益 30.13%，超额收益 12.11%，超额最大回撤 4.75%。整体来看，笪篁先生 管理的产品中长期超额收益表现良好且超额回撤相对有限。

代表产品管理期运作特征：严控风险暴露，低换手中长期投资

股票仓位水平：以笪篁先生管理的华泰柏瑞量化创优和华泰柏瑞量化智慧为例，2 只基金始终保持高仓位运作且 不做仓位择时，大多数时间股票仓位基本保持在 90%以上。

成分股、行业偏离情况：华泰柏瑞量化创优对标创业板指数，华泰柏瑞量化智慧主要对标中证 500 指数，我们分 别以上述指数作为基准，衡量基金的行业和个股偏离程度等指标。成分股偏离度方面，管理期间华泰柏瑞量化创 优、华泰柏瑞量化智慧报告期平均成分股偏离度分别为 0.71%、0.15%，绝大多数报告期成分股偏离度在 0.8%以 下。从报告期持仓明细来看，绝大多数成分股偏离水平处于-0.5%至 0.5%区间。成分股外配置比例方面，由于这 两只基金均为量化选股型基金，全市场进行选股操作，不受 80%成分股内配置比例的约束，因而，2 只基金成分 股外配置比例均较高，管理期间华泰柏瑞量化创优、华泰柏瑞量化智慧报告期平均成分股外配置比例分别为 41.88%、67.03%。

行业偏离度方面，管理期间华泰柏瑞量化创优、华泰柏瑞量化智慧报告期平均行业偏离度分别为 0.54%、0.75%， 2 只基金各个报告期平均行业偏离度不超过 0.8%，绝大多数时间在 0.6%以下。从超低配前五大行业的分布情况来 看，2022 年中报显示，华泰柏瑞量化创优主要超配医药生物、基础化工行业，低配社会服务、美容护理等行业； 华泰柏瑞量化智慧主要超配交通运输、建筑装饰、基础化工，低配农林牧渔、国防军工、医药生物。不过，具体 偏离水平均较低，且 31 个申万一级行业中绝大多数行业的偏离水平都在-1.5%到 1.5%之间。两个代表产品超低配 行业的差异，或是由于对标不同指数的量化模型选用的因子的差异所致，对标创业板指的华泰柏瑞量化创优对于 个股的成长性、创新性等赋予了更高的权重，故而超配行业几乎均为“专精特新”集中的行业。而对标中证 500 的华泰柏瑞量化智慧，其成分股分布则更为均衡，中证 500 指数成分股几乎覆盖了所有行业分类，故而在模型的 因子选择上也针对全市场选股设计，没有明显的风格倾向。

换手率水平及变化：管理期间华泰柏瑞量化创优、华泰柏瑞量化智慧平均半年单边换手率分别为 1.22、1.23 倍， 2020 年以来整体换手率水平低于对应指增基金平均水平，这与笪篁先生秉持的长期投资的思想相契合，也复合基 本面量化模型的低换手特征。

因子暴露及贡献：从最近两个报告期来看，华泰柏瑞量化创优、华泰柏瑞量化智慧在规模因子1和 Beta 因子上呈现明显的负向暴露，在价值因子、质量因子、成长因子、动量因子上正向暴露明显，即投资组合倾向于兼具基本 面优势和估值优势的中小市值标的，这对其精细刻画基本面因子、长期投资优质个股的投资理念进行了印证。2022 年中报，在成长因子和波动因子上的正暴露、在 Beta 因子上的负暴露带来了较明显的正回报。

公司量化团队及产品线特点：团队规模较大，扁平化效率高

华泰柏瑞量化与海外投资团队共 16 人，与被动指数基金团队相对独立。团队中研究和投资的人数基本相等，投 资团队主要负责组合管理相关工作，研究团队则专职进行研究工作。整体团队的合作比较扁平，以项目为出发点和落 脚点来组织人员。 华泰柏瑞基金量化产品线主要包括四条产品线：被动指数、指数增强、主动量化和对冲产品。指增类产品主要覆 盖范围包括沪深 300、中证 500、中证 1000、创业板指、科创板指和 MSCI 中国 A 股等主流宽基指数。主动量化产品 则以最大化 Alpha 收益为原则设计，产品包括华泰柏瑞量化阿尔法（对 A 股）、华泰柏瑞港股通量化（对港股）。对冲 策略的公募产品有华泰柏瑞量化绝对收益和华泰柏瑞量化对冲稳健，对冲产品不进行仓位择时，但会涵盖小规模的基 差套利策略。

马芳（国金量化多因子、国金量化多策略）

基金经理马芳 2016 年 5 月加入国金基金，现任国金基金量化投资事业部副总经理，具备 6 年的量化投资运营和 研究经验，多年证券交易软件开发与测试经验。马芳女士坚持纯粹的量化方式（机器学习），不加入过多的主观思路， 以多策略叠加机器学习的方法，构建极度分散化的投资组合，以此来提供相对稳定且具备竞争力的超额收益。多策略 技术框架确立于 2015 年，除了追求个股超额之外，也会在风格、行业等方面建立子模型，并对子模型的输出进行叠 加，综合产生对个股的唯一打分，共同决定投资组合。所管理的国金量化多因子、国金量化多策略基金为量化选股策 略基金，进行全市场选股操作，从操作特征来看，整体持仓调整灵活、换手率较高，呈现一定的左侧布局中小盘反转 的特点。

量化选股模型特点：多策略叠加机器学习，分散持仓增强超额稳定性

马芳女士所管理的基金多为量化选股型基金，采用多策略量化框架进行全市场选股操作。该量化框架体系确立于 2015 年，经历了 7 年多的实盘验证已经具备了较好的稳定性，这套框架根据不同的维度和方向单独建立子模型，具体 包括股票超额、行业、风格等多个维度，共同决定输出结果。投资组合通过机器学习方法来构建，组合的权重调整频 率为复合的结果，分为高中低三个频率混合，频率分布在一天到一个月不等。在这 7 年多的时间内，会不定期地在变 量层面、子模型层面进行迭代优化，最近一次是对低频策略进行了优化，主要涉及两个方向：1、寻找更好的、具备 更强预测能力的技术模型。2、参数的优化。子模型超额如果在一段时间内表现不及预期，有可能会被下线优化，单 个优化子模型并不影响其他的模型的正常输出，每个子模型都是单独的 Alpha。

因子挖掘方面，初期积累了大批具备比较强经济学意义的变量，目前仍在这类方向上寻找新鲜的视角或数据，包 含但不限于：行情数据、基本面数据、宏中观数据等。因子使用方面，因子库主要包含行情数据、基本面数据、宏中 观数据等，其中基本面数据主要是指财报数据和一致预期数据。因子加权方面，量价因子和基本面因子占比均衡。在 筛选因子的过程中，不要求因子 IC 或 ICIR 有非常强的预测能力，主要考察因子在输入到子模型后是否会有边际上的 影响或变化，也兼顾长期的稳定性和不同情景的有效性。因为基本的研究框架比较成熟，所以变量加入后可以很快进 行验证。

基金经理及管理产品风险收益情况：绝对收益及超额收益双优

马芳女士，自 2020 年 9 月在国金基金任职基金经理以来，目前共管理 4 只指数增强及量化型基金产品，四季度 末合计管理规模 33.97 亿元。其中，国金量化多策略机构资金持有相对较高，2022 年中报机构投资者占比达 42.54%。 从绩效表现情况来看，代表产品国金量化多因子 2022 年超额收益 29.10 %，在同期 210 只量化选股型基金中排名第 2， 国金量化多策略 2022 年超额收益 17.42%，在同期 210 只量化选股型基金中排名第 3，2 只基金 2022 年绝对收益也均 在 6%以上，不论是绝对收益水平，还是风险调整后收益（夏普比率）均在同业当中名列前茅。截至 2023 年 2 月 8 日， 从中长期角度来看，国金量化多因子自 2020 年 9 月任职以来累计收益 46.31%，年化超额 17.32%，国金量化多策略自 任职以来累计收益 30.07%，年化超额 10.55%，而且，任职以来 2 只基金超额最大回撤均在 8%左右。整体来看，通过 分散化的投资组合、自上而下多策略的投资框架、严格的风险约束，很好地实现了获取可观且稳定的中长期超额收益 的投资目标。

代表产品管理期运作特征：左侧布局中小盘反转，全市场选股分散持仓

股票仓位水平：马芳女士于 2020 年 9 月开始管理国金量化多因子和国金量化多策略基金，历史定位上国金量化 多因子为高仓位运作，国金量化多策略为中高仓位运作且进行一定的仓位择时操作，这点差异从 2 只基金历年权 益仓位统计结果也可以看出。2022 年下半年以来，股票仓位特征有所变化，2 只基金均保持高仓位运作且不进行 仓位择时，股票仓位基本保持在 80%以上。

行业偏离情况：我们以中证 500 指数为基准，分别测算国金量化多因子和国金量化多策略的行业偏离程度。结果 显示，管理期间国金量化多因子和国金量化多策略报告期平均行业偏离度分别为 2.03%、1.82%，最近两个报告期 行业偏离度有所上升，但均不超过 3.5%。从超低配前五大行业的分布情况来看，2022 年中报显示，国金量化多 因子和国金量化多策略均主要超配计算机、机械设备、电子行业，低配钢铁、交通运输、有色金属、非银金融等 行业。对于行业的偏离主要由模型输出信号决定，没有人为的调整与干预。

换手率水平及变化：管理期间国金量化多因子和国金量化多策略平均半年单边换手率分别为 5.98、11.92 倍，整 体换手率水平远高于中证 500 指增基金平均水平，这或与量价因子的使用和机器学习模型的应用有关。

因子暴露及贡献：从最近两个报告期来看，国金量化多因子和国金量化多策略均在规模因子、Beta 因子、质量 因子、成长因子、杠杆因子、波动因子、动量因子均呈现明显的负向暴露，推测是由于机器学习的量化模型相较 于主观基金经理的研究领域而言，对于小盘股的研究更具优势。其中，Beta 因子和动量因子的低配均为组合带来 突出的正贡献，也体现量化模型偏左侧布局、善于捕获价格弹性较低的稳健小盘股反转的特点。

公司量化团队及产品线特点：软件及量化背景，产品线主要聚焦量化多头

国金基金 2011 年成立，成立初期便对量化的部署投入了较大的精力。2013-2014 年，平台已经比较完善地建立了 量化策略的运营支撑。国金基金量化投资事业部核心人员共 6 位，大多是在软件开发积累较多的专业人才，后续逐渐 纳入了专门从事量化研究的研究员。除了策略研究外，基金经理主要负责产品投资管理。公司在因子的挖掘和补充上 部署了 3 人，其他则负责关注优化和数据层面，管理模式统一。除核心的研究人员外，也会使用公司平台的共用资源， 比如 IT、交易、风控等。国金基金量化产品线主要包含量化多头和指数增强产品，其中以量化多头为主，未来会继 续在细分领域进行布局，为投资者提供更多对标不同指数、各类市场风格的量化产品。

乔亮（万家沪深 300、中证 500、中证 1000 指数增强基金）

基金经理乔亮 2019 年 7 月加入万家基金，倡导“通过科学的投资方法，用纪律克服人性的弱点，用模型作为探 索投资机会的工具，结合市场的具体演化，追求长期、稳健的超额收益，追求长期的投资价值”，坚持系统化的量化 投资框架，不加入主观因素干预。乔亮先生管理的指数增强及量化基金主要采用多因子框架模型构建阿尔法组合，因 子覆盖全面，涵盖多维度、多信息渠道。多年的从业经验使得乔亮先生非常注重模型和策略的独立性，更多使用非传 统方式进行细节方面的处理，尽可能避免与其他量化基金策略的同质化问题。从操作特征来看，所管理的指增产品风 险敞口控制非常严格，由于量价因子使用比例较高，因而，整体换手率水平高于同业平均。

量化选股模型特点：因子覆盖全面，策略同质化较低

因子挖掘方面，主要有三个来源：首先是文献检索和研究成果，即定期跟踪国内及海外的最新研究成果、卖方的 最新研报，通过外部研究方法和研究思路的启发进行提炼和改良，主要应用于基本面等中长期因子；其次是基于对市 场现象的观察，更多应用于量价类、市场情绪类因子，包括新因子的挖掘和旧因子的升级改造；最后是新数据的使用， 例如，高频数据，舆情、供应链等另类数据。 因子使用方面，除了成长、价值、质量等传统基本面因子以外，还通过高频数据低频化处理生成量价因子，综合 在中低频框架里使用。另外，在另类数据使用方面，主要通过机器学习进行文本挖掘，用到的文本包括卖方分析师报 告、内部研究员报告、研究短文等等。整体来看，乔亮采用的这套多因子量化体系，信息覆盖的全面度较高，可以保 证在任何市场环境中都会有有效因子能够使用。

基金经理及管理产品风险收益情况：量化经验丰富，超额收益突出

乔亮先生，美国斯坦福大学工商管理博士，统计学硕士，15 年证券投资经验。曾任美国巴克莱（BGI）基金经理， 加拿大退休基金基金经理，南方基金量化投资部基金经理，通联数据股份公司联合创始人、首席投资官，上海寻乾资 产投资总监、总经理，巨杉(上海)资产量化投资部投资总监。2019 年 7 月加入万家基金，担任公司总经理助理、基金 经理。所管理的基金主要分布于指数增强、主动量化、绝对收益等品种中，其中，所管理的指数增强基金包括沪深 300、 中证 500、中证 1000、创业板指数增强基金，四季度末合计管理规模 95.52 亿元；所管理的主动量化基金万家量化睿 选，四季度末管理规模 14.36 亿元，该基金 2022 年中报机构投资者占比达 78.82%，受到机构投资者广泛关注；2022 年 12 月，乔亮先生开始管理万家家瑞混合债券，着手尝试用量化的方法管理固收+产品。

从绩效表现情况来看，代表产品万家中证 1000 指数增强基金 2022 年超额收益 11.79%，在全部宽基指增基金中排 名第 1，万家沪深 300、万家中证 500 指数增强基金 2022 年超额回报也均在 8%以上，超额水平在同业当中同样名列前 茅。截至 2023 年 2 月 8 日，自 2019 年 8 月任职以来，万家中证 1000 指数增强基金年化超额 15.67%，万家中证 500、 万家沪深 300 指数增强基金任职以来（2019 年 9 月）年化超额分别为 11.42%、8.96%。与此同时，任职以来三年多的 管理时间内，3 只指增基金年化跟踪误差均在 4%左右，超额回撤均在 5%以内，通过更加合理化的风险预测模型执行相 对严格的行业、风格偏离约束，实现了可观且稳定的超额收益，充分践行了“追求长期、稳健的超额收益”的理念。

代表产品管理期运作特征：严格控制风险暴露，高频量价提升换手率

股票仓位水平：乔亮先生于 2019 年 8、9 月先后着手管理万家中证 1000、万家中证 500、万家沪深 300 指数增强 基金，3 只基金管理期间始终保持高仓位运作且不做仓位择时，股票仓位始终保持在 93%-95%之间。

成分股、行业偏离情况：成分股偏离度方面，管理期间万家中证 1000、万家中证 500、万家沪深 300 指数增强基 金报告期平均成分股偏离度分别为 0.28%、0.41%、0.65%，3 只基金各个报告期最大成分股偏离度不超过 0.9%， 绝大多数时间在 0.5%以下。从报告期持仓明细来看，绝大多数成分股偏离水平处于-0.5%至 1%区间，基本不存在 主动暴露。成分股外配置比例方面，管理期间万家中证 1000、万家中证 500、万家沪深 300 指数增强基金报告期 平均成分股外配置比例分别为 18.17%、18.49%、16.56%。

行业偏离度方面，管理期间万家中证 1000、万家中证 500、万家沪深 300 指数增强基金报告期平均行业偏离 度分别为 0.91%、1.18%、1.04%，3 只基金各个报告期最大行业偏离度不超过 1.4%，绝大多数时间在 1.2%以下。 从超低配前五大行业的分布情况来看，2022 年中报显示，万家中证 1000 指数增强基金主要超配电子行业，低配 机械设备、基础化工等行业；万家中证 500 指数增强基金主要超配有色金属、电力设备，低配医药生物、非银金 融；万家沪深 300 指数增强基金主要超配电力设备，低配计算机、医药生物、非银金融等行业。不过，具体偏离 水平尚可，且 31 个申万一级行业中绝大多数行业的偏离水平都在-2%到 2%之间。整体来看，乔亮先生管理的 3 只指增基金行业偏离均较低，不在行业层面做过多主动暴露，因而，在近年来行业轮动加快的市场环境中超额回 撤优势明显。

换手率水平及变化：管理期间万家中证 1000、万家中证 500、万家沪深 300 指数增强基金平均半年单边换手率分 别为 3.98、3.49、2.52 倍。从换手率的变化情况来看，近一年来随着高频量价因子权重的增加，3 只基金换手率 水平相比前期均有不同程度提升，整体高于同类型指增基金的平均水平。

因子暴露及贡献：从最近两个报告期来看，万家中证 1000、万家中证 500、万家沪深 300 指数增强基金在规模因 子、Beta 因子、价值因子上呈现一定的负向暴露，在成长因子、动量因子上正向暴露明显，也体现量化模型对高 成长的中小盘股投资价值更加关注的特点。同时在成长因子上的持续正向暴露也实现了不错的正向贡献。

公司量化团队及产品线特点：科班出身梯队建设完整，量化产品线完善

万家基金量化投研团队成员共 11 人，均毕业于国内外高等学府的数学、金融和 IT 相关专业，以理工科背景为主， 整体年龄构成和从业经验分布比较分散，梯队建设比较完整，核心团队成员均具备8年以上策略管理和实盘投资经验。 万家基金共计 4 条量化产品线，包括被动指数、指数增强、主动量化以及绝对收益，涵盖了不同贝塔及阿尔法特征的 产品类别，量化产品线完善。其中，主动量化产品万家量化睿选对标偏股混合型基金指数，在对全市场基金做初步优 选的基础上，通过估算基金历史持仓叠加量化因子筛选构建优秀基金指数，再以此为起点进行指数增强，是目前市场 上比较少数的对标偏股混合型基金指数的公募量化型基金产品。

苏俊杰（鹏华沪深 300、鹏华中证 500 指数增强基金）

基金经理苏俊杰 2019 年加入鹏华基金，现任量化及衍生品投资部副总经理，管理多只指数增强及量化型基金。 苏俊杰先生在公司完善的量化平台基础上，以中低频基本面多因子框架为基础，结合中高频量价和人工智能方法增加 对于非结构化数据的处理和应用，形成了一套 AI+的基本面量化体系。策略专注选股，不做风格和行业上的过度偏离，不做轮动也不择时，超额收益和主动权益基金、同业指数增强产品相关性均较低。从操作特点来看，不论是行业偏离 还是成分股偏离均得到有效控制，不存在过多敞口暴露，模型选股呈现超配兼具优质基本面和估值优势标的的特点， 整体换手率水平相对适中。

量化选股模型特点：广泛的因子覆盖，AI+基本面量化的多周期预测模型

因子挖掘方面，主要基于结构化数据、另类数据设置了三个能力中心，分别是因子研究、人工智能、NLP 运算中 心，通过上述平台发掘有效因子。日内高频数据、网站爬虫等另类数据均有所涵盖，也会对最新的学术理论进行跟踪。 除了人工对于因子的挖掘外，也采用了人工智能的算法进行因子的挖掘和合成，因此因子库更新的速度较快，每年能 达到超过 20%的有效迭代。 因子使用方面，因子库主要包括 8 大类，4000 多个因子，从中精选 200 多个因子应用到模型当中。其中价值因子、 质量因子、成长因子和一致预期因子相对偏基本面，也将很多量价与高频因子、公司治理因子、行业因子、事件因子 等另类因子逐步融入到因子体系中。与传统基本面量化不同的是，鹏华基金对于不同的因子采用不同的预测周期，即 通过多维度、多周期的预测形式，以期实现更加稳定的超额回报。

因子加权方面，基本面因子占比 65%左右，量价高频因子和另类数据因子约占 35%。目前两类因子的分配权重主 要是基于给定投资限制条件下进行合理的权重配比，包括换手率、交易成本、回撤、信息比率等因素，属于经验的结 果。这两类因子的周期性会有一定的错开，有相关性的相互补充和提升的过程，两个相结合的超额收益曲线比较平缓， 长期来看，两类因子都有比较显著的收益贡献。

基金经理及管理产品风险收益情况：超额获取能力突出，回撤控制效果良好

苏俊杰先生，硕士毕业于芝加哥大学金融数学专业，本科就读于清华大学，具有 10 年量化投资研究经验。曾任 MSCI 分析师、华泰柏瑞基金专户投资经理、财通基金量化投资二部负责人等。2019 年加入鹏华基金，现任量化及衍 生品投资部副总经理，所管理的指数增强基金主要对标沪深 300、中证 500、中证 1000、科创 50 指数，指增及量化产 品四季度末合计管理规模 31.82 亿元。 从绩效表现情况来看，代表产品鹏华沪深 300 指数增强基金四季度末管理规模 15.01 亿元，2022 年中报机构投资 者占比达 74.52%，受到机构投资者广泛关注。该基金 2022 年超额收益 5.97%，在同期 130 只宽基指增基金中排名第 14。中长期来看，截至 2023 年 2 月 8 日，鹏华沪深 300 指数增强基金自 2021 年 3 月任职以来年化超额 4.74%，超额 回撤 5.15%；鹏华中证 500 指数增强基金自 2022 年 1 月任职以来年化超额 10.67%，超额回撤 4.07%，超额水平稳定且 优异。总的来说，有效的选股模型，以及着力于模型构建、组合构建和事后监控调整三个维度的风控措施，共同保证 了基金产品的超额回报。

代表产品管理期运作特征：严控敞口暴露，超配兼具优质基本面和估值优势标的

股票仓位水平：苏俊杰先生于 2021 年 3 月和 2022 年 1 月先后着手管理鹏华沪深 300 指数增强基金、鹏华中证 500 指数增强基金，2 只基金管理期间始终保持高仓位运作且不做仓位择时，股票仓位始终保持在 90%以上。

成分股、行业偏离情况：成分股偏离度方面，管理期间鹏华沪深 300 指数增强基金、鹏华中证 500 指数增强基金 报告期平均成分股偏离度均为 0.59%，2 只基金各个报告期最大成分股偏离度不超过 0.7%。从报告期持仓明细来 看，绝大多数成分股偏离水平处于-0.5%至 1%区间，基本不存在主动暴露。成分股外配置比例方面，管理期间鹏 华沪深 300 指数增强基金、鹏华中证 500 指数增强基金报告期平均成分股外配置比例分别为 16.78%、15.12%。

行业偏离度方面，管理期间鹏华沪深 300、鹏华中证 500 指数增强基金报告期平均行业偏离度分别为 0.92%、 1.26%，2 只基金各个报告期最大行业偏离度不超过 1.3%。从超低配前五大行业的分布情况来看，2022 年中报显 示，鹏华中证 500 指数增强基金主要超配通信、计算机、传媒，低配非银金融、汽车、国防军工；鹏华沪深 300 指数增强基金主要超配食品饮料、有色金属、通信等行业，低配基础化工、机械设备、农林牧渔等行业。不过， 2 只指数增强基金具体偏离水平尚可，且 31 个申万一级行业中绝大多数行业的偏离水平都在-2%到 2%之间。整体 来看，不在行业层面做过多主动暴露，或使得在近年来行业轮动加快的市场环境中超额回撤优势比较明显。

换手率水平及变化：管理期间鹏华沪深 300 指数增强基金、鹏华中证 500 指数增强基金平均半年单边换手率分别为 2.13、3.20 倍，基本面因子（65%）叠加量价因子（35%）的体系使得产品换手率水平相对适中，与同类型指 增基金的平均水平基本持平。

因子暴露及贡献：从最近两个报告期来看，鹏华沪深 300 指数增强基金、鹏华中证 500 指数增强基金在规模因子、 杠杆因子上均呈现一定的负向暴露，在价值因子、质量因子、成长因子、波动因子、流动性因子、动量因子上正 向暴露明显，即投资组合相对偏向高质量、高成长、低估值、低杠杆的中小盘股。2022 年中报，在成长因子和波 动因子的正向暴露也实现了明显的正向贡献。

公司量化团队及产品线特点：团队成员具备复合背景，各研究方向自主选择

鹏华基金量化产品线完善，涵盖指数增强、主动量化、被动指数基金等类别。量化部共有 15 人，其中量化策略 8 个，被动指数 7 人。在量化策略的 8 人中，包括 2 名投资经理和 6 名研究员，另有 1 名 IT 人员专门负责数据处理和 底层系统的维护。量化策略团队中有 3 名博士，研究员的背景比较复合，包含物理、会计、金融等多个专业。团队内 部工作内容主要分为基本面因子的研究和优化、量价因子的研究、人工智能算法结合高频数据的研究、因子的融合等 等，各自凭借兴趣选择主攻方向。

叶乐天（建信中证 500、建信中证 1000 指数增强基金）

基金经理叶乐天 2011 年 9 月加入建信基金，2012 年起担任基金经理，十多年的量化研究和投资生涯，使得叶乐 天先生形成了“坚决获取纯粹的阿尔法，拥挤度高的地方不去做暴露，行业、风格基本上不做主动偏离”的投资理念。 在实际投资过程中，除了对模型孜孜不倦的求索之外，也积极推进和权益部门研究成果的融合，借助主观的研究逻辑 和看法，形成差异化的因子数据来源。同时叶乐天先生认为量化不适合做择时，故而将主要精力都放在了选股上，确 保阿尔法纯粹并且稳定，以保证客户的持有体验。从操作特征来看，严格控制行业、个股偏离，重视基本面因子选股， 换手率水平保持稳定。

量化选股模型特点：融合权益研究成果，因子中性化过滤杂音

因子挖掘方面，立足于建信基金强大的权益研究基础，始终与公司权益研究团队对于选股逻辑和行业看法保持着 很好的沟通，会将经过验证的主动研究成果做成因子加以使用。除此之外，数据来源上一方面通过网站或者合作机构 获取股票关注度信息加以加工处理，另一方面也通过人工智能的方式进行因子的补充。在追求量化技术革新、因子深 度和可解释性上，呈现双管齐下的态势，进而形成建信独具特色的因子库。

因子使用方面，核心选用基本面、技术面和情绪面因子，且所有因子都经过了风险模型中性化处理，使得因子不受行业和市值等因素的干扰，提高了模型精度。其中，基本面因子主要是财务报表因子，技术面因子主要是价量因子， 情绪面因子主要包含分析师预期和投资者关注度信息等。此外，会通过事件因子对雷股进行剔除操作，由于量化组合 持仓分散，且对个股的分析不如主动投资透彻，容易踩雷，因而，通过事件因子实现对 A 股负面事件的全方位监测， 及时发现潜在雷股并从股票池剔除，能够大幅降低踩雷概率。 因子加权方面，因子权重的分配采用因子动量的方式，没有进行任何主观的干预，最终使用的因子中，单个因子 权重不会超过 5%，在因子层面遵循分散化的逻辑。

基金经理及管理产品风险收益情况：超额收益明显，风控助力超额稳定性

叶乐天先生，北京大学理学硕士，数学专业出身，曾就职于中金，历任市场风险管理分析员、量化分析经理，从 事风险模型、量化研究与投资相关工作，2011 年 9 月加入建信基金，2012 年起担任基金经理，所管理的 5 只指数增 强型基金四季度末合计管理规模 64.02 亿元，其中，建信中证 500 指数增强，四季度末管理规模 51.98 亿元，管理规 模稳定增长，建信中证 1000 指数增强、建信 MSCI 中国 A 股指数增强 2022 年中报机构投资者占比均在 50%以上，受到 机构投资者广泛关注。 从绩效表现情况来看，代表产品建信中证 1000 指数增强基金 2022 年超额收益 7.74%，在全部宽基指增基金中排 名第 8，建信中证 500 指数增强基金 2022 年超额回报在全部宽基指增基金中排名同样位于前 30%。截至 2023 年 2 月 8 日，自 2018 年 11 月任职以来，建信中证 1000 指数增强基金年化超额 15.71%，建信中证 500 指数增强基金任职以来 （2014 年 1 月）年化超额 8.88%。与此同时，任职以来九年多的管理时间内，2 只指增基金年化跟踪误差均在 5%左右， 超额回撤不超过 7%，通过不做主动风险暴露的方式，很好的保证了阿尔法的稳定性。

代表产品管理期运作特征：严控行业个股偏离，重视基本面，精选优质个股

股票仓位水平：叶乐天先生分别于 2014 年 1 月、2018 年 11 月先后着手管理建信中证 500、建信中证 1000 指数 增强基金，2 只基金管理期间始终保持高仓位运作且不做仓位择时，股票仓位始终保持在 80%以上，结合股指期 货仓位后，合计仓位水平始终稳定在 90%以上（不含杠杆折算）。

成分股、行业偏离情况：成分股偏离度方面，管理期间建信中证 1000、建信中证 500 指数增强基金报告期平均 成分股偏离度分别为 0.35%、0.23%，2 只基金各个报告期最大成分股偏离度不超过 0.5%，绝大多数时间在 0.3% 以下。从报告期持仓明细来看，绝大多数成分股偏离水平处于-0.5%至 0.5%区间，基本不存在主动暴露。成分股 外配置比例方面，管理期间建信中证 1000、建信中证 500 指数增强基金报告期平均成分股外配置比例分别为 18.93%、22.44%。

行业偏离度方面，管理期间建信中证 1000、建信中证 500 指数增强基金报告期平均行业偏离度分别为 0.88%、 0.75%，2 只基金各个报告期最大行业偏离度不超过 1.2%，绝大多数时间在 1%以下。从超低配前五大行业的分布 情况来看，2022 年中报显示，建信中证 1000 指数增强基金主要超配电力设备、计算机、有色金属行业，低配电 子、医药生物、食品饮料等行业；建信中证 500 指数增强基金主要超配医药生物、电子，低配非银金融、军工。 不过，具体偏离水平尚可，且 31 个申万一级行业中绝大多数行业的偏离水平都在-1%到 1%之间。整体来看，叶乐 天先生管理的 2 只指增基金行业偏离均较低，在实际操作中的确不在行业层面做过多主动暴露，因而，主线不明 朗、行业轮动加快的市场环境中，表现出较好的超额回撤优势。

换手率水平及变化：叶乐天先生对于产品换手率做了一定的约束，管理期间建信中证 1000、建信中证 500 指数 增强基金平均半年单边换手率分别为 3.42、2.34 倍，由于前者量价因子占比更高且规模较小，因为换手率水平 比后者稍高，但与同类型指数增强基金比较来看，建信中证 1000、建信中证 500 指数增强基金换手率水平均明显地低于同业平均水平。从换手率的变化情况来看，2021 年以来有所下降，这或与增加换手率较低的 Smart beta 辅助策略以及股指期货替代比例增加有关，交易层面的换手率水平并没有明显的变化。

因子暴露及贡献：从最近两个报告期来看，建信中证 1000、建信中证 500 指数增强基金在规模因子、杠杆因子 上呈现一定的负向暴露，在成长因子、质量因子、动量因子、价值因子上正向暴露明显。在成长因子和波动因子 上的持续正向暴露实现了不错的正向贡献。在成长因子、质量因子、价值因子等基本面因子的正向暴露，也体现 了叶乐天先生重视基本面选股的思想，与其量化理论相契合。

公司量化团队及产品线特点：团队科班出身，产品条线建设完备

建信基金量化投研团队成员共 10 人，均有国内外高等学府求学背景，涉及专业包含数学、统计、金融等量化投 资相关领域，即整个团队均以科班出身，量化投研经验均在 5 年以上，核心团队成员均有 10 年以上的量化分析或投 资管理经验。从因子挖掘到人工智能均有人员负责，团队梯队建设比较完整。建信基金指增量化产品线主要包括，包 括大盘指数、中小盘指数、行业指数、Smart Beta 产品线，产品线完善。

殷瑞飞（国投瑞银沪深 300、国投瑞银中证 500 指数增强基金）

基金经理殷瑞飞 2011 年 6 月加入国投瑞银基金， 2013 年 9 月起担任基金经理，先后管理过 9 只基金产品，目前 在管产品 6 只。殷瑞飞先生专注多因子选股，在因子挖掘方面讲究因地制宜，不同的因子采用的不同的挖掘方案，其 中基本面因子多借鉴行业研究员的研究逻辑，一定程度上降低了量化模型的黑箱程度，增加了因子的可解释性。而在 因子复合方面则采用纯量化的方式，避免主观的影响。同时殷瑞飞先生淡化风格和行业的选择，聚焦于自己选股能力 圈范围之内，除了对于收益的追求之外，对于超额收益的稳健性有着很高的重视度。从操作特征来看，由于基本面因 子占比较高，因而整体换手率水平低于同业平均，成长、质量因子上的正向暴露贡献了不错的超额来源，进一步验证 了基金经理重视因子逻辑、深入基本面研究的特点。

量化选股模型特点：因子挖掘因地制宜，因子配置“静态+均衡”

因子挖掘方面，不同的因子采用不同的方向，基本面因子主要从基本面角度去挖掘和改善，通过对各个行业的研 究以及研究员的交流深入了解各个行业的基本面逻辑，进行因子升级。量价类、交易模式类的因子则更加依赖于新算 法的学习和更新，从数据的频率以及取得的方向上进行相应的拓展，例如借助更加复杂的算法去挖掘一些非线性的模 式，拓宽数据的处理。模型迭代方面，主要包含两大方向。一是从收益来源的角度，新因子的挖掘和老因子的迭代； 二是投资组合框架的细化和完善，例如风险模型的更新和迭代、换手机制的优化等。但整体的投资理念和框架近年来 始终没有发生变化，始终遵循风格、行业中性，坚持静态+均衡的配置原则。 因子使用方面，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。前三 类因子属于基本面因子，主要关注公司的盈利能力、成长能力、估值性价比。交易特征因子主要基于市场交易层面的 特征或者高频数据做挖掘，获取交易对手非理性行为的投资回报。分析师预期因子介于基本面和交易面之间，充分利 用市场分析师的研究成果，通过模型化的方法把研究成果整合到因子体系中。另类数据方面已有应用，是未来的重要 方向，但是现在占比并不高。

因子加权方面，采用“静态+均衡”的因子配置方式来规避因子失效风险。具体来看，综合考虑各因子长期表现 的显著性、稳定性以及相互之间的相关性来进行因子权重的分配，不做频繁的因子择时，保持因子格局的相对稳定。 并且不在单一因子上暴露过多权重，力求保持各大类因子的相对均衡配置。因子权重上不加主观判断，因为主观判断 容易受到市场情绪干扰，也容易受到同公司主动基金经理观点影响，还是希望保持与主观基金经理观点的相对独立性， 为投资者提供更加独立客观的投资工具。

基金经理及管理产品风险收益情况：管理规模稳定增加，中长期收益丰厚稳定

殷瑞飞先生，厦门大学统计学博士，曾任职于汇添富基金金融工程部，2011 年 6 月加入国投瑞银基金，2013 年 4 月开始担任基金经理助理，2013 年 9 月起担任基金经理，先后管理过 9 只基金产品，目前在管产品 6 只，大多为指数 及量化型基金，量化领域研究及实战经验丰富。殷瑞飞先生所管理的 2 只指数增强型基金四季度末合计管理规模 29.33 亿元，其中，国投瑞银沪深 300 量化增强基金 2022 年中报机构投资者占比达 73.66%，受到机构投资者广泛关注。

从绩效表现情况来看，代表产品国投瑞银沪深 300 指数增强基金 2022 年超额回报 3.54%，在同期 130 只宽基指数 增强型基金中排名第 32，国投瑞银中证 500 量化增强基金 2022 年也实现了 1.19%的超额回报，在同期 130 只宽基指 数增强型基金中处于中游水平。截至 2023 年 2 月 8 日，从中长期角度来看，国投瑞银中证 500 指数增强基金自 2018年 8 月任职以来，年化超额 14.61%，国投瑞银沪深 300 指数增强基金 2019 年 6 月任职以来年化超额 6.11%。与此同 时，近三年来两只指增基金年化跟踪误差均在 3%左右，超额回撤不超过 6%。整体来看，殷瑞飞先生所管理的基金中 长期超额丰厚且超额稳定性良好，很好的实现了所追求的投资目标。

代表产品管理期运作特征：深入基本面研究，中低换手契合投资逻辑

股票仓位水平：殷瑞飞先生分别于 2018 年 8 月、2019 年 6 月先后着手管理国投瑞银中证 500 量化增强、国投瑞 银沪深 300 量化增强，2 只基金管理期间始终保持高仓位运作且不做仓位择时，股票仓位始终保持在 85%以上， 结合股指期货仓位后，合计仓位水平基本稳定在 90%以上（不含杠杆折算）。

成分股、行业偏离情况：成分股偏离度方面，管理期间国投瑞银中证 500、国投瑞银沪深 300 指数增强基金报告 期平均成分股偏离度分别为 0.48%、0.57%，2 只基金各个报告期最大成分股偏离度不超过 0.9%，绝大多数时间在 0.6%以下。从报告期持仓明细来看，绝大多数成分股偏离水平处于-0.5%至 1%区间，基本不存在主动暴露。成分 股外配置比例方面，管理期间国投瑞银中证 500、国投瑞银沪深 300 指数增强基金报告期平均成分股外配置比例 分别为 17.51%、15.14%。

行业偏离度方面，管理期间国投瑞银中证 500、国投瑞银沪深 300 指数增强基金报告期平均行业偏离度分别 为 0.54%、0.42%，2 只基金各个报告期最大行业偏离度不超过 0.8%，绝大多数时间在 0.5%以下。从超低配前五 大行业的分布情况来看，2022 年中报显示，国投瑞银中证 500 指数增强基金主要超配电力设备、纺织服装、煤炭 行业，低配房地产、军工、环保等行业；国投瑞银沪深 300 指数增强基金主要超配石油石化、食品饮料、电子， 低配房地产、农林牧渔、基础化工。不过，具体偏离水平均较低，且 31 个申万一级行业中绝大多数行业的偏离 水平都在-1%到 1%之间。殷瑞飞先生认为，从历史上来看,最大的风险源是风格和行业偏离所带来的超额回撤，对 于这类风险很难进行识别和预判，因此，采用了把风格和行业完全中性化的处理方法，简单且有效的进行规避。 呈现出的效果即为行业、成分股偏离度较低，不做过多主动暴露。

换手率水平及变化：管理期间国投瑞银中证 500、国投瑞银沪深 300 指数增强基金平均半年单边换手率分别为 2.72、 2.37 倍，2021 年以来整体换手率水平明显低于同业平均水平。

因子暴露及贡献：从最近两个报告期来看，国投瑞银中证 500、国投瑞银沪深 300 指数增强基金在规模因子、波 动因子上呈现一定的负向暴露，在价值因子、质量因子、成长因子上正向暴露明显。2022 年在成长因子和质量因子上的正向暴露实现了不错的正向贡献，这也符合基金经理重视因子逻辑、深入基本面研究的特点。

公司量化团队及产品线特点：资深量化团队，助力增强量化

国投瑞银量化投资团队由 5 名成员组成，均为理工科背景，以数学、统计、计算机为主，其中博士学位 3 名，核 心团队成员从业年限均在 14 年以上。整个量化投资团队研究范围包含多因子选股、机器学习、事件驱动等多个领域。 量化产品线主要包括被动指数产品、指数增强产品、主动量化选股产品、量化固收+产品，这几年以指数增强作为重 点业务方向，后面也会积极推进发行和管理创新性产品。2022 年末，殷瑞飞先生新成立了一只量化选股型基金--国投 瑞银专精特新量化选股，该基金为主题类量化产品，于传统宽基指增相比，产品实现了一定的差异化定位。国投瑞银 专精特新量化选股主要集中于医药生物、电子、制造等专精特新行业，尽管同样采用多因子选股模型，但在因子架构 上与传统宽基指增有所差异，会在有限的行业里面做更深入的研究和模型的构建。而且，作为量化选股型产品，该基 金对于跟踪基准的紧密度要求不高，即更加追求收益/波动的最大化。这类基金的发行，不仅进一步丰富和完善了国 投瑞银基金的量化产品条线，同时契合市场热点，也为广大投资者提供了更多类别的投资工具。

编辑：999感冒灵