优优私募网

（以下内容从国金证券《公募指增及量化基金经理精选系列七：数据赋能算法驱动，注重策略差异化实践》研报附件原文摘录）　　2024年以来，跌宕起伏的市场环境给量化行业带来了一定挑战，指增策略业绩波动显著。2024年春节前后的小市值极端行情，部分量化策略因小微盘暴露过大而出现较大超额回撤。2024年国庆前后，市场进入高流动高波动的环境，国内支持性货币财政政策力度不断加码，指数快速拉升之际指增超额整体回调。11月后，中证1000和中证2000成交量占比高于沪深300为代表的大盘股，市场波动率冲高，指增策略受益于此，超额收益转而走高。2025年以来，截止2025年2月21日，除上证50、中证800及沪深300指增基金以外，多数策略未取得正超额。

　　伴随着指增量化品种超额稳定性的整体下降，优选策略类型及基金经理就显得愈发重要。本篇专题将继续延续之前《公募指增及量化基金经理精选》系列专题中对于公募量化基金经理的多角度刻画亮点，进一步聚焦国泰君安资管胡崇海、光大保德信基金王卫林、国投瑞银基金殷瑞飞、华安基金张序、太平基金张子权、光大保德信基金朱剑涛等6名投资框架体系各有特色的基金经理（按照姓名拼音字母顺序，下同），以供投资者参考。

　　胡崇海：主张通过多策略体系的差异化互补方式，并结合自研的动态风险管理模型，来提升产品超额的稳健性，以达到优化投资人持有体验的目标。阿尔法模型涵盖六组不同的逻辑，通过动态调整策略组合来适应市场变化。因子库储备丰富，实盘以40%基本面+60%实时量价的深度融合为主要特色，通过支持日内多次调仓的交易系统，集成指令管理、组合管理和业绩归因等功能，以提升交易效率。

　　王卫林：投资策略框架以经典多因子量化体系为基础，结合主动管理的灵活性追求相对稳定的超额收益。经验与数据驱动的决策方式、量化与主动的有机结合，在市场变化中展现出了良好的适应性，同时通过低换手的方式有效实现交易成本控制。该策略框架在创业板指增产品的管理中表现出色，尤其是在控制回撤和降低波动方面表现突出。

　　殷瑞飞：在延续传统多因子框架的基础上，与时俱进进行了AI框架的迭代升级。传统多因子模型采用静态+均衡的因子配置方式，通过每天关注组合在各个因子上的暴露来进行配置权重设定，以达到最终暴露相对均衡的目标。AI框架则采用多个神经网络模型等权融合的方式高效处理量价信号。同时，十分注重风险控制，对于行业以及市值等重要风格因子严控暴露，对于超额收益的稳定性有着很高的重视度。

　　张序：在因子构建及筛选方面精耕细作，十分注重因子的稳定性和可解释性，通过人工挖掘和外部合作的方式不断扩展因子库，实盘中，以资金类因子使用为主。基金经理代表产品华安沪深300增强策略ETF，通过精细化方式构建的因子与机器学习策略框架的融合，以及板块约束、风格因子剥离机制等灵活的风控机制，实现了各个阶段的稳健超额。

　　张子权：充分运用多套AI模型架构，将市场上能够获取的预测股价相关的多元化信息尽可能纳入模型，并根据不同的数据特点，采用不同的子模块进行处理，最终形成股票未来一段时间的期望收益，整个过程高度依赖模型本身，不做人工干预。目前，太平基金量化团队已积累了大量的量化特征，较大的数据源提供了尽可能多的独立信息，同时，多样化的模型架构也在一定程度上为稳健超额提供了积极贡献。

　　朱剑涛：以机器学习模型构建策略框架，认为机器学习模型能够根据市场环境动态调整，对市场节奏的适应性较强。模型采用了丰富多样的数据源，既注重对量价信息的提取，也纳入了基本面信息（如财报数据）、另类数据，共同作用来提升模型稳定性和边际效果。同时通过自研对市场波动敏感性更强的风险模型更好地控制风险暴露。

　　风险提示

　　海外降息进程不及预期、国内政策及经济复苏不及预期等带来的股票市场大幅波动风险。

　　基金相关信息及数据仅作为研究使用，不作为募集材料或者宣传材料。本文涉及所有基金历史业绩均不代表未来表现。