近年来权益基金行业轮动加快及量化基金表现优异 [page::3]

• 行业轮动速度自2022年以来屡次超过1200阈值，显示市场主线频繁转换。

- 2019-2023年，公募量化基金整体表现优于偏股基金指数，尤其在2022年及2023年跌幅明显小于偏股指数。

公募FOF配置趋势体现量化产品的增长 [page::5]

• 2023年上半年ETF和公募量化基金在FOF中持有比例分别上涨6.43和1.06个百分点，主动权益基金相应下降。

三类量化结合基金经理共性与差异详述 [page::8]

| 结合类型 | 量化参与度 | 行业集中度 | 个股分散度 | 冷门股比例 | 行业切换速度 | 换手率 | 投资风格 |
|---------|----------|----------|----------|----------|----------|-------|-------|
| 轻度结合 | 低 | 高 | 低 | 中高 | 低 | 适中 | 主观研究为主，量化辅助 |
| 中度结合 | 中 | 中 | 高 | 高 | 较快 | 较高 | 量化股票池初筛+主动选股 |
| 重度结合 | 高 | 低 | 高 | 高 | 较快 | 较低 | 全流程量化+主动融合 |

轻度结合量化基金经理个案分析与建议 [page::11]

• A1基金经理稳健，行业稳定，强调交易收益，持股数量多、波动较低。

- 收益抗风格逆转能力强，适合配置为权益底仓。

• A2基金经理重仓集中，轻仓较为分散且量化成分占比低，风格强势期表现较好。

- A3基金经理低估值成长风格，持股多且含冷门股，行业集中，表现大盘上涨时优异。

中度结合量化基金经理多维对比 [page::15]

| 基金经理 | 波动性 | 夏普比 | 行业集中度 | 个股分散度 | 冷门股比例 | 行业切换速度 | 选股收益贡献 |
|---------|--------|---------|-----------|------------|------------|--------------|--------------|
| B1 | 高 | 中 | 较高 | 较分散 | 高 | 较快 | 主动成长型，量化助力拓展能力圈 |
| B2 | 高 | 高 | 中等 | 高 | 高 | 较快 | 低估值成长，量化扩大选股范围 |
| B3 | 高 | 高 | 较分散 | 高 | 高 | 较快 | 多策略融合，量化强化成长alpha |
| B4 | 低 | 高 | 集中 | 多样 | 高 | 低 | 核+卫星策略，量化筛选结合深入调研 |
| B5 | 高 | 中 | 集中 | 高 | 中等 | 较快 | 大盘成长，量化辅助选股分散化 |

重度结合量化基金经理典型特征及表现 [page::22]

| 基金经理 | 波动率排名 | 夏普排名 | 持股数 | 冷门股比例 | 行业切换速度 | 换手率 | 归因特点 |
|----------|------------|----------|---------|------------|--------------|---------|---------|
| C1 | 适中 | 适中 | 多 | 高 | 高 | 低 | 价值投资，选股显著贡献 |
| C2 | 低 | 高 | 较少 | 高 | 较高 | 低 | 微盘股，选股alpha显著 |
| C3 | 低 | 高 | 多 | 高 | 高 | 低 | 基金经理量化背景，均衡成长 |
| C4 | 低 | 高 | 多 | 高 | 中 | 较低 | 精选个股策略，稳健均衡 |

量化范式融合提升基金经理竞争优势 [page::28]

• 量化方法显著提升了基金经理覆盖能力及选股效率，特别是在市场行业快速轮动与深度调研成本高涨的环境下。

- 投资流程中主动与量化的深度融合成为权益基金的重要发展趋势。

• FOF投资者可根据不同量化结合程度与风格选择适宜基金经理以优化组合配置效果。

权益基金经理的量化范式总结 — 详尽解析与深度解读

---

1. 元数据与报告概览

报告标题： 权益基金经理的量化范式总结
作者及联系方式： 郑兆磊（zhengzhaolei@xyzq.com.cn），沈鸿（shenhong@xyzq.com.cn）
发布机构： 兴业证券经济与金融研究院
发布日期： 2023年11月9日
主题： 探讨A股市场主动权益基金经理融合量化方法的现状、分类特征、投资表现及配置建议

报告核心信息： 本报告从定量和定性角度出发，基于净值表现、持仓结构、业绩归因及访谈结果，将运用量化方法的主动权益基金经理划分为轻度结合、中度结合和重度结合三类。报告分析了各类型基金经理的优势和适用场景，提供了系统的基金经理个性化解析及配置建议。其目的在于帮助投资者理解权益基金量化融合的具体表现与潜在投资价值，指导FOF等机构优化资产配置决策。

---

2. 逐节深度解读

2.1 引言与行业背景

• 行业轮动加速：

- 根据申万二级行业指数构建了“行业轮动速度指数”（以月为窗口计算前20名行业排名变动），发现自2022年以来该指数常高于1200的阈值，说明行业轮动速度快速，市场主线变换频繁且持续时间短 （图1）。

• 公募量化基金表现较优：

- 2019-20年抱团股行情时，公募量化基金整体表现一般；2021年公募量化基金表现与偏股基金相当；2022年及2023年公募量化基金跌幅明显小于偏股基金（2023年9月底收益中位数-2.63% vs -9.52%）（图2）。

• 公募FOF配置变化：

- 2023年上半年，主动权益基金在FOF中的占比明显下降，ETF和公募量化基金占比显著上升，显示市场对量化策略接受度提升（图3）。

• 结论：

- 行业快速轮动及标的数量提升带来量化策略优势，主动权益基金经理逐步融合量化方法，试图提升投资效率和覆盖深度。[page::3,4,5]

2.2 基金经理筛选与研究方法

• 筛选路径：

- 从偏股主动基金中筛选名称、投资策略包含量化关键词的产品，剔除量化基金经理管理产品，结合访谈和调研确定主动权益基金中量化融合基金经理。

• 分类标准：

- 轻度结合量化（主观为主，量化辅助）
- 中度结合量化（量化初筛为主，行业集中，个股分散）
- 重度结合量化（量化方法主导，行业和个股高度分散）

• 分析维度（表1详细）：

- 净值维度：波动率、夏普比率、收益锐度、产品间差异
- 持仓维度：仓位调整、行业与个股分散度、冷门股比例、行业切换度、交易方式、不同产品特征差异
- 持仓分解：重仓股轻仓股差异、超额收益
- 业绩归因：Brinson归因（仓位择时、行业配置、选股、交易贡献）、Barra归因（风格暴露）、换手率

• 方法论强调：

- 以上维度为量化融合特征的推断框架，关注共性与个性，以辅助理解基金经理的投资体系和能力圈。 [page::6,7,8]

2.3 轻度结合量化基金经理

• 基本特征：

- 访谈中量化方法有限，主观选股仍主导。
- 定量表现为重仓行业与股票集中度高，重仓股通常占比≥9%，头部行业集中度20%-30%以上。

• 具体案例（A1、A2、A3基金经理）对比（表2）：

- 净值波动与夏普率整体优于普通主动经理，轻仓股分散且稳定，行业切换频率低。
- 轻仓股表现优于重仓股，表明量化部分对组合有积极补充作用。

• 个性细节分析：

- A1基金经理分散配置不同ROIC/ROE水平公司，交易积极，表现稳健抗跌，交易收益贡献显著（图4-7）。适合稳健型权益底仓配置。
- A2基金经理深度价值风格，重仓集中但轻仓较分散，轻仓股偏主流，结合量化辅助强化股票池广度。行情上涨时表现良好，跌幅相对较大，配置时需关注行业风险（图8-11）。
- A3基金经理偏低估值成长，重仓股占比较高，量化挖掘同风格冷门股，轻仓股行业与重仓较为一致，表现东北强，适合风格顺风期配置（图12-15）。

• 总结：

- 轻度融合量化优化选股广度与持仓分散性，量化影响有限，仍以主观研究为核心，行业选择及核心持仓偏主动管理。[page::8,9,10,11,12,13,14]

2.4 中度结合量化基金经理

• 基本特征：

- 基金经理访谈普遍确认使用自研量化模型进行股票池初筛。
- 重仓行业集中度类似主动平均，但个股组合分散，涵盖较多冷门股票，量化拓展个股覆盖。
- 轻仓股与重仓股行业、风格高度一致，体现量化与主观融合内化于同业能力圈。

• 案例分析（B1-B5基金经理，表3）：

- 多数基金波动率、收益锐度不下降，持仓中行业集中度较高、个股分散且换手率适中。
- 行业切换频率普遍高于主动平均，并且轻仓股整体跑赢同期主动指数，说明量化拓展有效。

• 个别基金亮点：

- B1基金经理偏均衡成长，行业选择明确且切换活跃，冷门股持仓比例高，抗跌强（图16-19）。
- B2基金经理曾为量化经理，风格为低估值成长，具较高Beta与选股能力，表现抗跌（图20-23）。
- B3基金经理利用自主选股模型提升成长风格alpha，持仓分散且波动率适中，整体表现优异（图24-27）。
- B4基金经理采用核心+卫星组合策略，核心持仓集中，卫星量化辅助，整体组合稳健（图28-29）。
- B5基金经理注重公司质量与景气，量化分析筛选优质公司，轻仓股表现优异，持仓更加分散（图30-31）。

• 总结：

- 中度结合量化强化选股广度及效率，保持行业集中，体现量化与主动优势融合。适合需兼顾风格表现与广覆盖的投资者配置需求。[page::14,15,16,17,18,19,20,21]

2.5 重度结合量化基金经理

• 基本特征：

- 量化参与度最高，股票池筛选乃至组合构建全程量化驱动，主动管理思路与量化建模深度结合。
- 行业与个股高度分散，重仓行业集中度显著低于整体主动基金，持股数量远多于平均。

• 基金列表比较（C1-C4，表4）：

- 净值表现典型低波动、高夏普、收益锐度下降，换手率较低，持股结构极分散并包含大量冷门股。
- 行业切换频率明显高于主动基金平均，体现持仓灵活调仓能力。
- 轻仓股较为稳定且跑赢主动指数，选股收益显著。

• 个案分析：

- C1基金经理坚持价值投资，结合量化辅助提高选股广度，行业与个股持仓显分散，低换手率（图32-37）。
- C2基金经理微盘股策略代表，市场认可度高，持仓分散，换手低，表现显著超越同行（图38-41）。
- C3基金经理由量化转向主动，强调基本面量化，产品波动低且具较强成长策略灵活性，呈现超额收益负相关（图42-43）。
- C4基金经理采用精选个股策略，行业聚焦、组合分散，表现稳健，低换手率，超额收益主要贡献于选股及交易（图44-47）。

• 总结：

- 重度融合量化实现行业与股票层面多维分散，降低波动同时提高选股效率和收益稳定性，适合追求均衡成长及微盘风格F0F配置。[page::22,23,24,25,26,27,28]

2.6 总结与展望

• 超额收益环境变化挑战： 受全球宏观不确定性及市场资金有限影响，主动权益基金获取Alpha难度加大。

- 量化融合带来竞争优势： 结合量化的基金经理在行业覆盖效率和选股广度上具备优势，能拓展能力圈与覆盖深度。

• 基金经理分类带来的启示： 轻度、中度、重度融合量化分别体现不同投资策略的混合程度和范式特点，为FOF等配置提供多样化选择。

- 未来趋势： 主动与量化结合将日益深化，FOF配置和基金精选将越来越依赖量化工具和方法论，权益基金经理也积极学习和融合量化知识，提升投研质量。

• 风险提示： 基于历史数据的判断风险，未来行情和市场结构变化可能导致结论失效，报告非投资建议。[page::28,29]

---

3. 图表深度解读

• 图1（行业轮动速度指数）：显示2012年以来行业排名变化趋势，2022年多次高于1200阈值，证明行业轮动加快，市场主题转换频繁，加大了主动投资难度，提升量化筛选价值。[page::3]

- 图2（公募量化基金与偏股基金指数表现）：2019-2023年间，量化基金表现波动较偏股基金小，特别是2022年及2023年量化基金收益明显优于偏股基金，体现量化策略在市场波动中防御能力。[page::4]

• 图3（公募FOF持有权益基金结构变化）：2023年6月比2022年底，ETF和量化基金持仓比重显著上升，主动权益减少，反映资金偏好结构性变化。[page::5]
• 表1（分析维度说明表）：详细列示净值、持仓、持仓分解、归因等多维度定量指标及计算方法、采样频率和分析逻辑，为后续对基金经理特征的解释提供系统框架。[page::7,8]
• 表2（轻度结合量化代表基金多维度对比）：展示A1、A2、A3基金经理在波动率、夏普、夏普率、行业集中度、持股数量、冷门股占比、换手率等指标的差异，支持轻度结合量化的特征描述及个性分析。[page::9,10]
• 图4-7（A1基金经理与对照组收益和归因）：A1基金涨跌幅幅度较小，风格逆风时表现领先，交易收益明显，证明其稳健交易模式和量化辅助的投资特色。[page::11]
• 图8-11（A2基金经理表现与归因）：A2上涨表现接近对照，同期回撤较重，重仓集中，行业配置收益显著，反映深度价值风格体现在细分行业配置上。[page::12,13]
• 图12-15（A3基金经理表现与归因）：风格顺风时涨幅明显高于对照，重仓股集中度较高，行业配置贡献突出，表现较强成长风格特征。[page::14]
• 表3（中度结合量化代表基金多维度对比）：B系列基金经理在多项指标（波动率、夏普、行业和个股分散度、冷门股占比等）中表现各异，体现中度量化对行业集中和个股分散的平衡策略。[page::15,16]
• 图16-31（B系列经理表现、归因及持仓结构）：体现均衡成长、低估值成长、均衡成长策略的不同市场表现、超额收益来源及持股风格差异，展示量化融合帮助资本管理的具体实践。[page::17-21]
• 表4（重度结合量化代表基金多维度对比）：C系列基金经理展现高分散度、稳定收益、低换手率、高冷门股占比的显著特征，底层辅以微盘、价值、成长等多因子风格因子暴露。[page::22,23]
• 图32-47（C系列基金经理绩效表现及持仓）：明确区分价值风格（C1）、微盘股风格（C2）、均衡成长（C3）、稳健精选（C4）基金经理表现差异、市场适应能力与投资组合特征，展示量化投资高度融合主动策略的成果。[page::24-28]

---

4. 估值分析

报告主要聚焦于基金经理类别与投资表现评估，未涉及具体权益基金估值模型或目标价设定，故无传统DCF、PE或EV/EBITDA等估值内容。

---

5. 风险因素评估

• 历史数据依赖风险：报告结论基于历史市场和基金数据，未来行情出现重大变动时，表现可能不再适用。

- 量化模型有效性风险：量化模型长期有效性受市场结构、流动性及因子失效影响，存在下降风险。

• 市场环境风险：市场波动、风格轮动加快，或导致某类量化结合策略短期表现不佳。

- 配置风险：基金经理风格差异显著，错误风格配置可能导致组合整体波动性或回撤加大。

• 投资者认知风险：量化融合程度较深的基金经理特征复杂，投资者如不了解隐含风险，可能误判其适用环境。

报告未显式列出缓解措施，风险提醒集中在历史数据局限和市场前景不确定性。 [page::0,29]

---

6. 批判性视角与细微差别

• 报告基于12名典型基金经理的代表性研究，但样本有限，可能不足以全面覆盖所有量化融合权益基金经理格局，结论普适性待验证。

- 分类标准虽较系统，量化参与度界定中存在主观访谈依赖，某些界限模糊，分类或有交叉重叠。

• 风险提示较为宽泛，对量化模型潜在失效和极端市场表现的细节不足，建议后续研究更细化评估。

- 报告重视量化对行业切换和选股广度的积极作用，但对量化可能带来的群体行为风险、风格拥挤风险未深入探讨。

• 各类基金经理对比均基于对照组业绩，但对照组选取标准和表现波动未详解，可能存在选择偏差。

- 部分基金经理访谈内容内容较少，如C2基金经理，限制了对投资策略全貌的解读。

• 换手率及收益锐度的指标解释充分展示收益质量差异，但对成本影响、交易费用等间接因素涉及不足。

- 估值方法及未来展望部分相对简略，不涉及量化基金市场容量、竞争格局等宏观层面分析。

---

7. 结论性综合

本报告系统研究了中国公募市场主动权益基金经理中，融合量化方法的实践，基于基金经理访谈及多维度定量指标（净值波动与收益、持仓行业与个股分散度、冷门股占比、换手率、Brinson及Barra归因）将其划分为轻度、中度、重度三个融合层级。

• 轻度结合量化：仍以主观研究为核心，量化方法辅助市场观察和部分选股，行业与个股集中度高，风格特征鲜明。产品表现稳健，抗跌性好，量化提升了交易效率与持仓稳定性。适合稳健型配置需求。

- 中度结合量化：量化方法用于股票池初筛，个股分散度提高，重仓行业相对集中。行业切换加快，冷门股持仓比例高，量化辅助广度显著。风格表现多样，能够平衡风格集中与覆盖广度。适合兼顾风格弹性与持仓扩展投资者。

• 重度结合量化：量化成为主要投资流程，与主动管理思路紧密结合。行业与个股高度分散，整体持仓极其分散，重仓权重低，低波动高夏普，且轻仓股常有超额表现。换手率普遍低于主动基金平均，强调中小盘及成长领域。适合追求全市场均衡成长及微盘股超额收益的投资者。

多维度对比结果显示，量化融合一般提升了持仓的分散化和覆盖面，行业切换灵活度增强，同时保障了收益和风险的平衡。访谈和定量分析的一致性表明该分类体系较为合理，且不同融合程度对应不同类型的投资策略和适用场景。

图表数据提供了丰富的实证支持：市场轮动快速（图1）为量化方法提供了应用土壤；基金经理个案及归因分析揭示了量化融合对交易收益、选股能力与行业配置的不同贡献路径（图4-47）。

在当前市场环境下，量化方法有效助力基金经理拓展能力圈，应对市场风格波动和个股分散需求，为FOF投资者提供多样化的组合搭配思路。未来随着技术进步和市场发展，主动权益基金经理与量化融合将进一步深化，成为主动投资新时代的重要范式。

此次研究为FOF配置和基金经理选拔提供了系统的理论与实证框架，值得投资机构密切关注与持续跟踪。

---

（全文依据原报告内容梳理，所有观点及数据均源自报告所附页码；图片使用相对路径标记示例如：。）

报告