宏观环境支持主动量化基金发展 [page::3][page::4]

• 财政政策减税降费提升企业利润和资本存量，促进权益市场上涨。

- 货币政策连续降准释放长期资金，支持实体经济和金融稳定。

• 注册制推进增加A股上市公司数量，扩大投资标的池，提升主动量化基金广度优势。

国内主动量化基金规模与收益表现 [page::5]

| 年份 | 2011 | 2012 | 2013 | 2014 | 2015 | 2016 | 2017 | 2018 | 2019 | 2020/10/31 |
|------------|--------|--------|--------|--------|--------|--------|--------|--------|----------|------------|
| 绝对收益最低| -34.27%| -7.17% | -12.72%| -0.92% | 23.84% | -19.96%| -24.20%| -42.83%| -2.96% | -6.33% |
| 绝对收益中位| -25.38%| 3.24% | 9.54% | 33.75% | 50.27% | -2.00% | 1.28% | -23.84%| 35.26% | 30.03% |
| 绝对收益最高| -17.72%| 8.30% | 51.46% | 70.42% | 87.48% | 10.52% | 35.55% | -9.13% | 71.92% | 70.82% |
| 沪深300收益| -25.01%| 7.55% | -7.65% | 51.66% | 5.58% | -11.28%| 21.78% | -25.31%| 36.07% | 14.62% |
| 中证500收益| -33.83%| 0.28% | 16.89% | 39.01% | 43.12% | -17.78%| -0.20% | -33.32%| 26.38% | 16.02% |

• 近年来主动量化基金规模先升后降，2020年有回升趋势。

- 绝对收益中位数多数年份优于沪深300和中证500，表现较好。

指数增强策略框架及选股模型 [page::6][page::7]

• 指数增强包含仓位控制、行业轮动、选股三大方法，结合衍生工具如股指期货、可转债等实现收益增强。

- 多因子模型为核心选股工具，通过合成多个alpha因子进行收益预测，辅以风险因子控制行业和市值中性，实现稳定超额收益。

• 打新策略利用A股IPO活跃带来的丰厚短期收益，新增发行规模提升基金打新潜力。

信达澳银量化先锋基金简介与指标表现 [page::8][page::9][page::10][page::14]

• 偏股混合型基金，基金经理王咏辉，投资目标为长期资产增值，严格风险管控，超越“沪深300收益率95%+银行活期5%”业绩基准。

- 基金采用多因子模型结合人工智能算法，因子覆盖价值、质量、技术、情绪、成长和一致预期六类。

• 标的沪深300行业以大金融和大消费为主，整体价值风格明显，盈利能力和估值优势突出。

• 2020年4月至10月，基金净值上涨表现优于沪深300，累计超额收益约1.16%。

打新策略优势 [page::12][page::13]

• 新股上市首日涨幅大幅领先市场，科创板表现尤甚，首日涨幅中位数超过150%。

- 一字涨停连续板数稳定，打新收益显著。

• 团队具备丰富投行资源及打新经验，中签率行业领先，享受政策红利。

金工研究报告详尽分析：主动量化基金及信达澳银量化先锋投资价值分析（2020年初版）

---

一、元数据与概览

• 标题：《主动量化投资正当时——信达澳银量化先锋投资价值分析》

- 发布机构：华泰证券股份有限公司研究所

• 发布时间：2020年1月4日

- 主要作者与联系方式：林晓明、李子钰、何康、王晨宇（均为华泰证券研究员）

• 研究对象与主题：主动量化基金的投资价值及代表性基金——信达澳银量化先锋

- 核心论点：
- 主动量化基金，是没有空头对冲、自由度较高的主动管理量化基金，利用多因子模型和人工智能技术精选股票，兼顾市场Beta和Alpha收益。
- 当前宏观政策（财政减税降费、货币政策降准）及资本市场（注册制推进，IPO加速）利好主动量化基金发展。
- 指数增强是当前推动主动量化基金实现超额收益的稳健策略，涵盖仓位控制、行业轮动和多因子量化选股，辅以打新和衍生品工具。
- 以信达澳银量化先锋为例，基金通过多模型、多因子结合人工智能算法驱动选股，结合充足的打新资源和经验，力争实现超越沪深300基准的长期稳定回报。

[page::0],[page::1]

---

二、逐节深度解读

1. 国内宏观环境和资本市场政策有利于主动量化基金发展

• 主动量化基金定义及特征：

- 不做空头、无严格跟踪误差限制，通常以宽基指数（沪深300、中证500）为业绩基准，主动管理多头头寸较高。
- 通过多因子模型覆盖市场绝大多数股票，提升投资广度和分散组合风险，获得Beta与Alpha双重收益。

• 财政政策：

- 减税降费主要体现在增值税下调（16%→13%，10%→9%）、提高个人所得税起征点、出入口税费调整，全年为企业和社会减负近两万亿元。
- 这些措施有助提升企业利润、资本存量和劳动参与率，驱动经济效率提升。

• 货币政策：

- 2019年进行多次降准，最新一次为2020年1月1日实施，释放长期资金超8000亿元。
- 加大支持实体经济的资金供应，降低融资成本，尤其促进小微民营企业发展。

• 政策综合效应：

- 财政与货币政策协同起作用，支撑实体经济与权益市场上涨，主动量化基金因此能受益于向上的市场Beta。
- IPO数量由于注册制改革不断增加，市场投资标的更加丰富，进一步凸显主动量化基金的投资广度优势。

[page::3],[page::4]

2. 注册制推进及A股上市公司数量增长

• 详细梳理科创板（2018年底）和创业板注册制渐次推进过程，推动市场退出传统核准制，促进企业快速上市。

- 2019-2020年新股上市数量大幅提升，IPO市场活跃。

• A股上市公司数量由2010年约1700家稳步增至2020年超过4000家（图表1），为量化基金提供更加丰富的证券池与投资机会。

[page::4]

3. 主动量化基金发展现状与业绩表现

• 规模与数量：2017年达到规模顶峰后有波动，2020年逐渐回升。（图表2）

• 业绩表现：

- 采用Wind定义的主动量化基金绝对收益数据显示，多个年份主动量化基金中位数收益均领先于沪深300及中证500。
- 2019年及2020年截至10月底，主动量化基金中位数收益率约35%和30%，显著优于基准指数（分别为36%、14.6%和26%、16%）。

• 投资表现区间波动较大，最低收益 -42.83%，最高可达70%以上，反映基金管理水平差异与市场波动风险。

[page::5]

4. 指数增强投资方法详析

• 指数增强策略旨在控制跟踪误差的同时，追求相对基准指数的超额收益。

- 方法主要包括：
- 仓位控制（择时）：宏观角度调节股票仓位比例；
- 行业轮动：在行业间进行动态调配以捕捉相对优势；
- 选股：微观层面，运用多因子量化模型系统评估个股。

• 衍生工具辅助增强收益，包括打新、股指期货套利、融资融券、期权策略、可转债套利等手段。

- 多数公募指数增强产品聚焦“量化”路径，实现系统化、自动化投资决策。

• 多因子选股流程：

1. 收益预测：构建alpha因子（如价值、质量、成长等），对股票打分，形成综合预测。
2. 风险控制：包括行业中性、市值中性、持仓权重、换手率、最大回撤及跟踪误差限制，构建风险受控的组合。

• 打新机会显著：

- IPO数量自2014年重启后稳增，2017年达到峰值，且2020年创业板注册制实施后，IPO回暖加速，2020年前10个月新股首发数320家，募集金额3952亿。
- 新股上市首日涨幅高，可观市场化收益，有效增厚整体基金收益。



[page::6],[page::7]

5. 信达澳银量化先锋基金介绍

• 基金基本信息：

- 偏股混合型偏重量化策略，基金经理王咏辉；
- 费用结构合理，认购、申购、赎回费率分层设计，年管理费1.5%，托管费0.25%，C类份额销售服务费0.8%/年。

• 业绩基准：沪深300指数收益率×95% + 银行活期存款利率（税后）×5%。

[page::8],[page::9]

6. 沪深300指数多角度投资价值分析

• 成分股权重及行业分布：

- 由市值大、流动性好的300只代表性股票组成；
- 前50大权重股包括贵州茅台（5.11%）、中国平安（5.06%）、五粮液、招商银行、美的集团等，覆盖消费、电力、金融、科技等多个核心行业。

• 行业分布偏向大金融(约30%)与大消费(约25%)，整体风格价值且稳健。

• 盈利能力（ROE-TTM）：

- 沪深300历史ROE高于中证500和创业板指，表明该指数成分股盈利能力强，为持续投资价值奠定坚实基础。

• 估值水平：

- 估值指标显示沪深300市盈率、市净率均偏低，股息率偏高，体现显著的价值投资特征。
- 相较于其他国内外指数，沪深300估值具有吸引力。



[page::9],[page::10]

7. 信达澳银量化先锋的投资方法论

• 利用多因子模型与人工智能算法结合，以多个相关性较低的子模型（时间序列回归多因子模型、ICIR配权多因子模型、AI选股模型）综合提升投资胜率。

- 多因子涵盖价值、质量、技术、情绪、成长、一致预期6大类，力求捕捉市场驱动股票价格的多维因素。

• 人工智能与大数据平台辅助：

- 结合金融大数据、舆情数据和互联网数据，通过云计算平台进行因子选股策略搭建与优化，实现交易监控和算法交易执行。

• 打新增强收益：

- 多数非科创板新股上市首日涨幅达44%涨停限制。
- 科创板新股首日涨幅极高（2019年中位数98%，2020年达155%）。
- 多数机构投资者在新股上市后7日内卖出，整体收益达到约155%，成为主动量化基金收益重要来源。

• 信达澳银在打新方面优势显著：

1. 与主流券商（华泰、中金、中信等）合作密切，拥有丰富投行资源；
2. 投资团队经验丰富，具备一级市场高科技股票定价与海外投资经验；
3. 公募多只基金中签率领先业内，政策支持确保科创板享有最大配售权。

[page::11],[page::12],[page::13]

8. 基金近期表现及管理团队介绍

• 截至2020年10月31日，信达澳银量化先锋净值为1.1999，自2020年4月建仓以来实现净值超越沪深300约1.16%。

- 管理团队背景雄厚，王咏辉基金经理拥有21年证券基金经验，具备英国牛津大学工程与计算机科学双硕士背景，曾在多家国际金融机构担任要职，回国后专注量化投资与指数增强，具备丰富的基金管理与ETF投资经验。

• 信达澳银整体规模为344亿元，权益类基金247亿元，团队科研实力和量化产品线完善，支持量化先锋基金投资及战略实施。

[page::14]

9. 风险提示

• 历史表现仅供参考，不能简单外推未来表现，市场规律存在失效风险。

- 投资过程需谨慎，应关注市场及基金管理人可能面临的各类系统性和非系统性风险。

• 不保证未来收益，基金管理人的过往其他基金业绩不构成未来表现担保。

[page::0],[page::14]

---

三、图表深度解读

| 图表编号 | 说明 | 主要内容 | 作用及解读 | 潜在局限或注释 |
|--------|---------|------------|--------------|---------------|
| 图表1 | A股上市公司数量变化 | 近十年A股公司数由约1700家增至4000余家。 | 说明注册制等改革推动企业快速上市，扩充股票池有利于主动量化基金多元化投资。 | 不区分不同板块市值及质量，数量增加不直接等于投资标的质量提升。 |
| 图表2 | 国内主动量化基金数量及规模 | 2017年规模最高，数量及规模2020年逐步回升。 | 反映行业发展波折，近期回稳有望，体现投资者信心恢复。 | 不细分策略类别，规模背后风险状况未展示。 |
| 图表3-4 | 主动量化基金与指数收益比较 | 多数年份主动量化基金绝对收益优于沪深300和中证500。 | 说明多因子量化管理在多数年份能实现超额收益，验证策略有效性。 | 单年度极端收益波动较大，提示需关注个别基金表现差异。 |
| 图表5 | 指数增强主要策略说明 | 三层策略（仓位控制、行业轮动、选股）及多衍生品增强手段示意。 | 系统展示指数增强策略构架，反映策略综合性和灵活性。 | 图示未细化各环节投资逻辑与模型细节。 |
| 图表6 | IPO数量与募资规模 | 近年来IPO数量和募资稳步提升，2020年创高峰。 | 支持基金打新策略运行，反映市场活跃，投资机会增多。 | 未反映IPO质量及后市表现。 |
| 图表9-10 | 沪深300成分股权重及行业分布 | 大市值白马股为主，以金融、大消费为核心行业。 | 体现指数成分股稳定性和价值特征，基准收益吸引力高。 | 高权重股票风险集中风险需评估。 |
| 图表11-12 | 盈利能力及估值对比 | 沪深300 ROE最高，估值偏低，股息率高。 | 证明指数成分股公司盈利稳定且价值合理，基准指数投资价值突出。 | ROE下滑趋势及估值时点风险提示。 |
| 图表13-14 | 多因子模型与AI平台框架 | 六大类因子及AI云计算架构，支持数据驱动的系统化选股。 | 体现基金强大的技术和数据处理能力，增强投资决策科学性。 | 模型黑箱风险和历史回测依赖性。 |
| 图表15-16 | 新股上市表现与涨停一字板 | 非科创板新股首日涨幅近44%，科创板更高，连续涨停天数稳定。 | 打新策略收益丰厚，策略合理性充分。 | 新股投资风险和市场波动不确定性。 |
| 图表17 | 信达澳银量化先锋净值走势 vs 沪深300 | 基金净值略超沪深300，体现超额收益能力。 | 示范基金管理人策略效果及市场匹配度。 | 时间跨度不足较短，尚需长期跟踪。 |

---

四、估值分析

本报告对信达澳银量化先锋并未具体使用传统估值模型（比如DCF、PE倍数法）展开定价评估，投资基准及基金管理策略更偏向指数增强和量化多因子选股。估值的核心依据是所跟踪的沪深300指数的成分股特征，因此：

• 投资基准选择稳健，成份股盈利稳定（ROE良好）且估值合理（PE、PB低于国际同类指数，股息率较高），为基金提供健康的Beta基础。

- 通过多因子模型和AI算法寻找错误定价和包含Alpha潜质的股票，叠加打新红利，实现目标收益超越基准。

策略本质是基于指数增强的主动管理，结合相对估值优势和量化因子的动态选股，而非依赖传统估值静态评价。

---

五、风险因素评估

• 市场风险：股市波动及系统性风险可能造成基金收益波动幅度增大，历史收益不完全代表未来表现。

- 模型失效风险：量化模型基于历史数据和假设，宏观环境和市场结构变化或导致模型失效。

• 流动性风险：包括大规模股票交易难执行预期策略。

- 政策风险：注册制及资本市场政策变化可能对市场表现及打新收益产生重大影响。

• 操作风险：量化策略依赖数据和算法完整性，技术故障或误操作可能导致异常损失。

- 报告未详细讨论以上风险的发生概率及缓解策略，但强调投资需谨慎，提醒投资者关注风险。

[page::0],[page::14]

---

六、批判性视角与细微差别

• 报告倾向于积极描述主动量化基金和信达澳银量化先锋优点，对潜在风险未给出深度分析，投资者需关注模型过度拟合、市场非理性波动及黑天鹅事件的潜在冲击。

- 虽指出历史业绩不代表未来，但报告未充分揭示量化策略在市场极端环境下的表现及可能的回撤风险。

• 大量依赖ISS、Wind等第三方数据，模型构建和数据质量对结果影响较大，缺乏对数据滞后、数据缺漏等可能影响的明显说明。

- 信达澳银基金团队经验丰富，但基金成立时间较短，业绩样本空间有限，无法全面检验策略稳定性。

• 费率结构相对较高，可能影响净收益表现，未详细说明对业绩的影响。

- 图表部分大多集中于宏观和基准分析，具体基金持仓、因子权重及调整动态等细节披露不足，限制对基金实际风险敞口及管理风格的全面判断。

---

七、结论性综合

本报告围绕主动量化投资在中国资本市场的发展背景、政策环境、投资方法及典型基金案例进行了系统剖析。宏观政策利好、注册制推动上市公司数量及交易活跃度增长，为主动量化基金，尤其是采用指数增强策略的产品，提供了广阔的投资空间和天然的Beta收益支持。

信达澳银量化先锋依托覆盖面广泛的多因子模型和人工智能算法，实现精准选股和风险控制，通过系统化、科学化的量化投资流程，有望获取持续的超额Alpha。基金具备丰富打新资源和经验，科创板等新兴板块红利进一步提升潜在收益空间。管理团队国际化背景深厚，经验和技术实力对基金长期表现是积极保障。

沪深300指数作为投资基准，其成分股盈利优良、估值合理，行业集中于大金融和大消费，构筑安全边际，为基金提供稳健的基准收益支撑。此外，基金自成立以来实现一定程度超越基准收益，显示模型组合和策略体系初见成效。

图表分析揭示中国资本市场IPO活跃度提升、主动量化基金在多数年份表现优于基准、沪深300指数性价比明显等关键事实支撑报告核心观点，技术平台及量化选股多因子体系构架合理，支撑长期策略执行。

投资者在关注该类主动量化基金时，应结合基金实际操作策略、管理团队实力和市场风险，理性评估收益与风险的匹配关系，避免过度依赖历史数据及模型假设带来的盲目乐观。总体来看，主动量化基金在当前环境下具备较高发展潜力，信达澳银量化先锋作为典型代表具备一定的示范价值和投资吸引力。

---

# 综上，本报告系统展示了A股主动量化基金的市场环境、投资逻辑、模型技术和案例实践，体现出行业的成长性与信达澳银量化先锋的稳健策略优势，为投资者提供了全面、专业的投资参考依据。[page::0],[page::3],[page::4],[page::5],[page::6],[page::7],[page::8],[page::9],[page::10],[page::11],[page::12],[page::13],[page::14]

报告