2025年金融工程专题报告：启发式分域视角下的多策略增强组合

指数增强型基金的机遇与挑战

作为公募量化产品的主战场，指数增强型基金的规模和数量在近年来呈现出稳定的增长趋势。截至 2025 年 3 月 31 日，A 股公募基金中共有324 只指数增强型基金，合计规模达到 2129 亿元。其中，沪深 300 指数增强型基金、中证500 指数增强型基金及中证 A500 指数增强型基金规模居于前列，分别达到779 亿元、453亿元和 188 亿元。 基于多因子模型叠加组合优化方式构建指数增强策略，是国内公募指增产品实际运作过程中应用最为广泛、理论最为成熟的一套框架。然而近年来，随着市场参与主体逐步增多，多因子模型同质化问题愈发凸显，公募指增产品在实践中面临着 Alpha 衰减和回撤加大的双重考验。

以沪深 300、中证 500 及中证 1000 指数增强型基金为例，我们以各类指数增强型基金中成立时间大于 3 个月、剔除联接基金、剔除增强ETF 基金后的基金池为样本，分别计算指数增强型基金相较基准指数 95%仓位的日度超额收益，随后对同类型指数增强型基金的日度超额收益取均值，最后将该均值在时间序列上进行累加。为了保证样本具有统计意义，我们以满足条件的样本基金大于10只的日期进行计算。

事实上，随着市场信息的流通及参与主体的增多，各家管理人在构建指数增强产品时的底层逻辑框架较为近似，模型的同质化问题愈发凸显。我们从指增基金超额收益的时间序列相关系数和横截面分化度两个维度进行说明。 从时间序列维度来看，我们首先计算各类指数增强型基金相较基准指数95%仓位的日度超额收益，随后计算同类指增产品中任意两只产品过去1年日度超额收益相关系数，最后计算该相关系数平均值。可以看到，近年来指增产品超额收益相关系数创出历史新高，模型同质化问题明显。从横截面维度来看，我们首先计算各类指增产品相对基准指数95%仓位的日度超额收益，随后逐日计算该超额收益截面标准差作为指增产品日度收益分化的代理指标，最后取该代理指标过去 1 年平均值。可以看到，近年来指增产品超额收益的分化程度不断走低，区分程度明显降低。

通常来讲，多因子模型通过因子投资的方式赚取市场定价错误的收益。然而，随着市场参与交易的投资者增多、信息流通速度的加快，传统的Alpha 因子拥挤度明显上升，市场各类型投资者之间的博弈速度加快，因子失效的速度和频次相较之前就会明显增多。

经典多因子指数增强模型

由前述分析可知，在公募指增产品的构建中，多因子模型作为一套成熟的指数增强框架有着广泛的应用。然而近年来，多因子模型同质化问题愈发凸显，公募指增产品面临着 Alpha 衰减和回撤加大的双重考验。本文试图从模型构建上对指增产品的设计进行完善，为了方便后续对不同模型的效果进行对比，本部分我们首先对传统指增模型的框架进行介绍，随后对收益预测模型和组合优化模型的细节进行展开，最后以中证 A500 指数增强为例，对传统指数增强模型的效果进行介绍。

多因子指数增强模型框架

基于多因子模型叠加组合优化方式构建指数增强策略，是国内公募指增产品实际运作时应用最为广泛、理论最为成熟的一套框架。通常来讲，多因子指数增强模型包括收益预测模型及组合优化模型两大部分，收益预测模型包括因子构造、因子检验、因子中性化、因子复合等部分，组合优化包括风险模型、组合优化、绩效归因等部分。

收益预测模型

本部分对收益预测模型进行介绍，我们从估值、成长、质量、分析师预期、分红、公司治理、动量反转、低频量价、高频量价等多个维度筛选出有效的选股因子，因子名称、计算方式及 2013 年以来在全市场的 RankIC 表现如表2 所示。在因子预处理过程中，我们以全市场股票为样本池，对成分股中的选股因子先后进行缺失值填充、中位数去极值、标准化及行业市值中性化处理，具体步骤可参见本文附录一部分。

在对因子进行复合时，我们以全市场股票池中滚动12 个月的RankICIR加权来构建复合因子。当因子权重方向与预期因子收益方向相反时，我们将因子权重置为 0。

整体来看，基于多因子组合优化的方式构建的中证A500 指数增强组合展现出一定的有效性，长期来看每年都能够战胜基准指数。然而，分年度绩效表现来看，该组合也存在一定的问题： 从超额收益来看，组合在 2018 年-2022 年的超额收益明显衰减，年度超额收益低于历史均值；从相对回撤来看，组合在 2024 年的相对最大回撤达到8.78%，达到历史最大值。

传统模型破局之路

面对多因子模型在公募指增产品实践中面临的挑战，量化研究者们在拓展收益预测模型的边界上进行了积极探索。 通过另类模型寻找异质化 Alpha 来源是近年来业界投资者普遍采用的方式之一。传统的多因子模型基于上市公司财务数据、分析师预期数据、行情交易数据构建收益预测模型。近年来随着机器学习等前沿理论的发展和计算机算力的不断提升，深度学习等算法被广泛地应用到量化策略的构建和实战中。然而，从实践应用来看，深度学习模型通常基于量价数据生成 Alpha 信息，其信息衰减较快、换手率较高，因此对交易端有着较高的要求。随着模型的普及和市场风格的变化，其稳定性在近年来也呈现明显的波动。 根据股票特征进行分域，随后针对不同股票池构建特质化增强模型是另一种可行的思路。传统的多因子模型将全市场所有股票视为一个整体，用同一套打分标准对个股预期收益进行排序。然而，不同股票背后的投资者结构存在区别，其定价逻辑和适用因子也会存在明显的差异。能否通过一定的标准对股票池进行划分，并针对不同股票池的特点分别进行增强，引起了我们的思考。以机构投资者关注度为例，我们将市场股票划分为高机构关注股票池和低机构关注股票池。通常来讲，高机构关注股票池更偏向于大盘白马股，其交易者结构以机构投资者为主，因此基本面类、分析师预期类因子表现相对较好；低机构关注股票池更偏向于中小盘股，其交易者结构以个人投资者为主，因此量价类指标表现相对较好。由此，投资者可根据不同股票池筛选各自有效的 Alpha 因子进行分域增强。

启发式风格划分法

由前述分析可知，传统的多因子指数增强模型面临着Alpha 的衰减及回撤波动放大的双重考验，能否从其他维度寻找异质化 Alpha 来源对指增产品的设计框架进行完善成为量化投资者不断探索的重要课题。 在拓展收益预测模型边界的诸多探索中，根据股票特征进行分域增强引起了我们的思考。事实上，分域增强的本质即是一种多策略融合的思想——通过找到股票之间的某种共性，根据这一共性对股票进行聚类，随后针对不同股票池采用不同方法进行精选或增强。由于同一类别中的股票往往具有相似的特征，因此可采用特质化的选股方式对股票池进行增强。在实际应用中，这种共性可以是投资者结构（如公募重仓和非公募重仓）、市场风格（如成长和价值）、行业属性（如科技、周期、消费等）、市值特征（如大盘和小盘）等多种维度。然而在实际研究中我们发现，简单地根据某种标准（如机构关注高低、市值大小）对股票池进行划分、并针对每个股票池分别采用多因子增强的方式构建组合并不一定会得到理想的效果，在收益增厚和风险控制维度相较传统的多因子模型并不具备明显优势，因此如何对股票池进行划分、划分之后采用何种策略进行增强可能更为关键。

国信金工主动量化策略介绍

前面提到，分域增强的本质即是一种多策略融合的思想。在实际投资过程中，究竟选用哪些策略进行融合更为合适呢？在过往的研究中，国信金工团队对主动量化型策略的构建进行了长期探索，构造了多个风格类Smart Beta 策略，样本内外表现优异。具体来讲：

在国信金工团队 2020 年 9 月 30 日发布的《超预期投资全攻略》中，我们以研报标题超预期与分析师全线上调净利润为条件筛选超预期事件股票池，并从基本面和技术面两个维度进行精选，构建超预期精选组合，具备典型的成长风格属性；

在国信金工团队 2024 年 6 月 24 日发布的《红利投资全攻略》中，我们在全市场筛选出稳定分红高股息股票池，随后在该股票池中进行多因子打分，构建中证红利指数增强组合，具备典型的价值风格属性；

在国信金工团队 2024 年 7 月 30 日发布的《探寻股价回报的源动力—基于ROE 的高质量选股策略》中，我们筛选出稳定高ROE 股票池，随后从进攻性和防守性两个维度进行打分，构建高质量精选组合，具备典型的质量风格属性；

在国信金工团队 2022 年 4 月 5 日发布的《聚焦小盘股—如何构建小市值股票投资策略》中，我们以全市场市值最小的 1/3 股票池作为小市值股票池，随后在该股票池中进行多因子打分，构建小盘精选组合，具备典型的小盘风格属性。

传统的指增策略追求超额收益稳定性，其更注重与基准的收益风险比，其夏普比更高；主动量化策略往往追求更高的长期超额收益，其短期弹性更大。然而当我们想要将主动量化型策略用于指数增强产品的构建时，我们需要解决如下两个关键问题： 问题一：市场风格多样，如何对风格进行划分、选用哪些策略进行组合配置更为合理？ 问题二：不同策略之间的权重配比如何确定？基于如上问题，我们需要一套较为完善的方法论，对指数风格进行划分，并确定不同风格的权重占比。

基于成长价值对市场风格进行划分

我们认为，当我们进行多策略融合时，对子策略的选择需要满足两个条件：条件一：单一子策略需要是一类长期有效的策略，即拉长周期来看该子策略相对大盘需要具备长期显著的超额收益； 条件二：不同子策略的选股逻辑具有一定差异性，且各子策略相对各自基准的超额收益具备低相关或负相关性，从而起到风险对冲、取长补短的效果。在 Fama-French 提出的三因子模型中，个股收益能够被市场收益MKT、价值成长收益 HML 及大小盘收益 SMB 很好地解释。在中证、国证、华证等指数公司的风格划分中，成长价值亦是最主流的代表性风格。基于此，我们尝试探索成长和价值风格划分在 A 股市场中是否具备较为明显的区分程度。

基于因子打分的风格划分法

如何对个股风格进行划分呢？我们参考晨星（Morning Star）对基金风格的划分方法以及中证指数公司对风格类指数的编制规则，发现目前业界使用较多的方式为基于成分股的风格因子得分对个股风格进行划分。以成长及价值风格划分为例，基于因子打分的风格划分法通常采用如下步骤对个股风格进行划分。 （1） 首先，对价值因子及成长因子进行定义，在样本空间中进行标准化处理后，得到个股标准化后的价值得分（Value）和成长得分（Growth）；（2） 随后，根据价值因子和成长因子进行降序排列，将价值得分最高的1/N（如前 1/3）股票视为价值风格、成长得分最高的1/N 股票视为成长风格，其余股票划分为均衡风格。需要注意的是，会有少量股票成长和价值得分均处于前 1/N，对于这类股票，我们也将其划分至均衡风格。基于因子打分的方式对个股进行划分在逻辑上简单易懂，在操作上也易于实现，是当前业界使用范围最广的方法之一。但在实际使用过程中，我们发现该种风格划分的方式也存在较为明显的问题。

首先，基于因子打分的风格划分法对阈值参数的选择并没有统一的标准，因此该方法往往对阈值参数较为敏感，从而导致边界点的风格划分较为模糊。当分别选择得分最高的 50%、40%、30%、20%、10%作为阈值对中证全指风格进行划分时，不同阈值的划分结果呈现出明显的区别。整体来看，当阈值设置越宽泛（如设置为 50%）时，同属于价值及成长风格的部分越多，从而导致均衡风格的占比明显提升；当阈值设置越严格（如设置为10%）时，划分到成长及价值的比例越少，均衡风格的占比也会出现提升。

其次，基于因子打分法对风格进行划分时，通常基于公司已实现的财务数据（如估值、成长），但价值股票在业绩上也会呈现出阶段性的成长性，成长股票在估值上也会有低估值的时刻，因此简单地根据价值和成长得分进行排序，可能会得到与市场直观逻辑相悖的结果。 以长江电力为例，该公司2025 年3 月31日的PE为 25 倍，估值因子标准化后得分为 0.25，处于价值得分最高的前1/3 组别；2024年归母净利润同比增速为 19.36%，成长因子标准化后得分为0.42，处于成长得分最高的前 1/3 组别。由此，按照基于因子打分的方法，长江电力将会被划分至均衡风格。 然而，对于大多数投资者而言，长江电力都被视为一只典型的价值股票。从股票相对等权基准的日度超额收益散点图来看，长江电力日度超额与价值组合的日度超额收益相关系数高达 0.71，呈现出十分明显的正相关关系。

由此可见，对于个股而言，基于因子打分的方式划分的风格与股票的实际风格可能出现明显背离，其背后的原因在于，因子打分方式更多注重公司已实现的财务报表上的业绩，而市场关注的更多是其未来的发展空间和发展趋势。以成长风格为例，市场博弈的是对未来的预期，部分成长股的高增速尽管在财务报表上尚未体现，但市场对行业发展空间、未来高增速的一致预期，也会使得个股走出典型的成长形态。通常来讲，市场预期往往领先于财务报表的兑现。在2020年10月30 日，宁德时代净利润 TTM 增速仅为-0.45%，同比出现下滑，因此股票在成长上的因子得分相对较低，标准化后的成长因子得分为-0.18，并不会被划分至成长风格。然而从股价表现来看，宁德时代日度超额收益与成长组合的日度超额收益展现出明显的正相关关系，与市场预期一致。

事实上，对于一个公司到底偏向成长风格还是价值风格，不同投资者观察视角不同，其得出的结论往往并不一致。如何解决定量方式刻画与市场一致预期之间的鸿沟呢？本文提出“启发式风格划分法”，根据股价走势对个股风格进行划分。有效市场假说认为，在法律健全、功能良好、透明度高、竞争充分的市场中，一切有价值的信息已经及时、准确、充分地反映在股价走势中。尽管资本市场是否属于强式有效市场尚且存在争论，但其背后反映的一个逻辑却是市场颠扑不破的真理——即市场价格反映一切信息。我们认为，股价是市场参与各方充分报价交易后的最终结果，其反映了市场对该股票的最终看法。因此，在对个股风格进行划分时，其在二级市场上的股价走势呈现出的实际形态可能更为关键。对于同一公司，有的投资者从估值、股息、行业属性等角度认为其价值属性更强，有的投资者从成长角度来看认为其偏向于成长或均衡风格。“启发式风格划分法”遵循的原则，即是根据全市场所有投资者共同参与、充分交易后形成的最终结果——股价走势的最终形态，对其成长、价值属性进行判断。

启发式风格划分法

股价走势是市场各方参与交易后的最终结果，其反映了市场对股票走势的最终看法。因此，在对股票风格进行划分时，我们应该更加注重股价走势到底偏向于成长风格还是偏向于价值风格。基于此，我们提出一种“启发式风格划分法”，根据股价走势对个股风格进行划分。

借用主动量化组合增强风格收益

在将指数成分股划分为不同风格后，我们即可针对每部分进行增强。与基于多因子组合优化的指数增强框架不同，我们在部分风格中采用对应的主动量化型策略进行增强，以期兼顾组合稳定性和收益弹性。 具体来讲，对于成长部分，我们采用超预期精选组合进行替代；对于价值部分，我们采用高股息精选组合进行替代；对于均衡部分，我们构建均衡股票池指数增强组合进行替代。

成长风格增强——超预期精选组合

在国信金工团队 2020 年 9 月 30 日发布的专题报告《超预期投资全攻略》中，我们围绕业绩超预期股票构建了超预期精选组合，是具有典型成长属性的主动量化组合。 首先，我们对超预期精选组合的构建流程进行回顾，其细节如下：调仓频率：每年 1 月、4 月、7 月、8 月、10 月月末； 股票池：基于盈余公告前后分析师全部调升、文本标题超预期事件构建的超预期事件股票池，剔除上市 120 个交易日内的新股、ST、调仓日停牌或涨跌停的股票； 选股步骤： 基本面优选：基于标准化预期外盈利、盈利能力同比改善、公告前后上下调比例差三因子等权打分，剔除最新一期单季度净利润同比增速低于0 的样本，取得分最高的 60 只股票构建基本面优选股票池； 技术面精选：基于 5 个技术类因子等权打分，取基本面优选股票池中得分最高的 30 只股票等权构建组合。

价值风格增强——高股息精选组合

在国信金工团队 2024 年 6 月 24 日发布的专题报告《红利投资全攻略》中，我们通过构建稳定分红高股息股票池，随后在该股票池中进行多因子打分构建的中证红利增强组合能够长期战胜中证红利全收益指数，是具有典型价值属性的主动量化策略。 本文，我们在每月末首先构建中证 A500 指数中的稳定分红高股息股票池，随后在该股票池中基于多因子进行打分，选择得分最高的30 只股票进行股息率加权，构建指数成分股内的高股息精选组合。

在稳定分红高股息股票池中基于表 5 所示的因子进行打分，随后采用过去12个月 RankICIR 对单因子进行加权构建复合选股因子，最后选择得分最高的30只股票构建股息率加权组合。 为了避免组合在某些个股和行业上过于集中，我们将个股上限设置为6%，中信一级行业上限设置为 20%。 可以看到，2013 年以来，高股息精选组合年化收益率22.49%，同期中证 A500 内价值组合年化收益 10.60%，组合年化超额收益11.89%。整体来看，作为价值风格型的代表性策略，高股息精选组合相对中证A500内价值股票池具有较为明显的超额收益。

均衡风格增强——基于自适应风险控制的均衡指增组合

对于中证 A500 指数中的成长及价值部分，我们采用主动量化型策略进行替代。这类策略尽管长期来看超额收益更高，但在个股、行业上相对基准指数的偏离较大，可能为复合组合带来较大的跟踪误差。 为了增强复合组合的稳定性、减少子策略带来的跟踪误差，对于中证A500指数中的均衡部分，由于其成分股各类风格兼具，我们采用传统多因子模型对其收益进行增强。此外，为了进一步增强组合稳定性，我们在组合优化的风险控制部分，提出一种自适应风险控制模型，有效降低组合回撤。

在传统的指增模型中，我们通常对风格因子进行“后验式”控制，即固定地控制组合在某些风格（如市值、Beta）上的风险暴露。然而，我们认为不同时间点影响组合风险的因素并不完全相同，机械地在所有时间段对组合风格进行固定控制可能会遗漏市场的潜在风险。

多策略组合超额收益的相关性

到目前为止，我们采用主动量化策略对中证 A500 指数成分股内的成长及价值风格进行了增强。事实上，多策略复合组合能否分散风险，很大程度上取决于不同策略超额收益之间的相关关系。当子策略之间的相关性较低时，多策略复合才能够分散组合风险、减少组合波动。 在超预期精选组合的构建中，从股票池的筛选到选股指标的构建都是以成长、动量类指标为主，与高股息精选组合中使用的价值、低波类指标相关性较低。可以看到，以超预期精选组合为代表的成长型风格与以高股息精选组合为代表的价值型风格超额相关系数均值为 0.15，整体呈现出低相关关系。

进一步地，我们考察当某类风格增强组合出现较大回撤时，其他策略在同一区间相对各自基准指数的超额收益情况，其中超预期精选组合的比较基准为中证A500成长股票池，高股息精选组合的比较基准为中证 A500 价值股票池，均衡增强组合的比较基准为中证 A500 均衡股票池。

启发式分域视角下的多策略中证A500增强

组合构建

本文根据“启发式风格划分法”对个股风格进行划分，随后对不同风格股票池采用主动量化策略及指数增强策略进行替代，构建多策略中证A500 指数增强组合，具体步骤如下： 首先，每个月月末采用“启发式风格划分法”，对中证A500 指数成分股进行风格划分，根据个股在指数中的权重进行加总，确定指数成分股属于成长、价值及均衡的比例。 随后，针对各类风格构建对应的主动量化组合及指数增强组合，具体来讲采用超预期精选组合替换成长部分持仓，采用高股息精选组合替换价值部分持仓，采用自适应动态风险控制下的均衡指增组合替换均衡部分持仓。最终，根据第一步确定的风格比例对多策略进行复合，构建最终的指数增强组合持仓。 采用每月末进行调仓，手续费设置为双边千分之三。

拓展：多策略宽基及偏股基金指数增强策略

多策略沪深 300 指数增强策略

事实上，基于启发式分域视角的多策略增强组合不仅可以运用到中证A500指数增强的构建中，也可以拓展到其他宽基指数上。

以沪深 300 指数为例，首先找到沪深 300 指数中的成长及价值种子群体，随后采用时间序列回归的方式、根据回归系数将成分股划分至成长、价值及均衡风格，最后根据个股在沪深300指数内的权重进行加总，得到沪深 300 指数内的风格股票池。从历史平均风格权重来看，沪深 300 指数成分股中约有 42%属于均衡风格，29%属于成长风格，29%属于价值风格。 在对指数风格进行划分后，我们分别采用主动量化策略或指数增强策略对不同风格股票池进行增强，具体来讲： 沪深 300 成长增强：采用超预期精选组合进行替代； 沪深 300 价值增强：采用沪深 300 内高股息精选TOP30 组合进行替代； 沪深 300 均衡增强：采用沪深 300 均衡指增组合进行替代。此处，均衡指增组合以沪深 300 指数为选股空间，以相对沪深300 内均衡部分个股偏离上限1.5%、行业偏离上限 2%、至少 80%成分股属于沪深300 内均衡部分、自适应动态风险控制作为约束条件进行构建。 最后，以指数成分股内的风格权重作为不同子策略的配置权重，构建多策略沪深 300 指数增强策略。

多策略主动股基增强策略

除宽基指数外，基于多策略视角的指数增强策略也可以拓展到主动股基增强策略的构建上。在国信金工团队 2022 年 12 月 7 日发布的专题报告《战胜机构投资者——再论主动股基业绩增强策略》中，我们采用先优选基金、再获取优选基金股票持仓、最后对持仓进行多因子增强的方式构建了优基增强策略。具体来讲：首先，从多维度对主动股基未来收益进行预测，为避免市场风格快速反转带来的短期波动，我们对优选基金进行夏普分层。根据基金过去1 年的夏普比分为 5 组，并在每组中选择基金综合得分最高的10%基金构建优选基金组合。 随后，对优选基金的股票持仓进行穿透还原，构建优选基金股票持仓。

总结

指数增强型基金的机遇与挑战

指数增强型基金的机遇：作为公募量化产品的主战场，指数增强型基金的规模和数量在近年来呈现出稳定的增长趋势。截至 2025 年3 月31 日，A股公募基金中共有 324 只指数增强型基金，合计规模达到 2129 亿元。指数增强型基金的挑战：基于多因子模型构建指数增强策略，是国内公募指增产品应用最为广泛、理论最为成熟的框架。然而，近年来多因子模型同质化问题凸显，在公募指增产品实践中面临着 Alpha 衰减和回撤加大的双重考验。

启发式风格划分法

分域增强：传统的多因子模型将全市场所有股票视为一个整体，用同一套打分标准对个股预期收益进行排序。然而，不同股票背后的投资者结构存在区别，其定价逻辑和适用因子也会存在明显的差异。能否通过一定的标准对股票池进行划分，并针对不同股票池的特点进行精选，引起了我们的思考。子策略选择标准：分域增强的本质即为多策略融合，但是选用何种策略、每种策略配置多少权重是我们需要回答的两个关键问题。我们认为子策略的选择需要满足两个条件：（1）长期具备超额；（2）超额收益相关性低。基于因子打分的风格划分法：传统的风格划分法通常基于因子打分法，这种方法对阈值参数较为敏感，导致边界点风格划分较为模糊；此外，这种方法侧重于公司已实现财务信息，可能无法及时反映市场对其风格的真实判断。启发式风格划分法：“启发式风格划分法”，通过寻找指数内部具有典型风格代表性的种子群体，以该种子群体为锚点、采用时间序列回归法对个股收益进行聚类，最终将股票风格划分至成长、价值及均衡三个维度上。风格策略增强组合构建：在将指数成分股划分为不同风格后，我们采用对应的主动量化策略及指数增强策略进行替代。对于成长部分，采用超预期精选组合进行替代；对于价值部分，采用高股息精选组合进行替代；对于均衡部分，构建均衡股票池指数增强组合进行替代。 多策略超额收益相关性：多策略复合组合能否分散风险取决于不同策略超额收益之间的相关关系。以超预期精选组合为代表的成长型风格与以高股息精选为代表的价值型风格超额收益相关系数为 0.15，整体呈现出低相关关系。

多策略指数增强组合绩效表现

多策略中证 A500 指数增强组合自 2013 年以来年化超额收益18.22%，相对最大回撤 6.90%，信息比 2.67，收益回撤比 2.64。 多策略沪深 300 指数增强组合自 2013 年以来年化超额收益18.86%，相对最大回撤 7.45%，信息比 2.65，收益回撤比 2.53。 多策略主动股基增强组合自 2013 年以来年化超额收益17.44%，信息比2.24，收益回撤比 1.78，每年都能够战胜偏股混合型基金指数，分年度收益基本每年都能排在主动股基前 30%分位点内。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）