宽基指增基金整体表现提升与多元化策略创新 [page::2]

• 2024年上半年中证2000指增基金平均超额收益最高达6.03%，其他宽基如中证500、中证1000也均超过4%。

- 公募指增及量化基金积极利用人工智能及非结构化数据，强化策略灵活性和稳健性，行业超额回撤可控且迅速回升。

笪篁（华泰柏瑞量化智慧）：基本面多因子主导，低频加短期高频模型结合 [page::3][page::4]

| 产品名称 | 任职以来超额收益 | 年化超额 | 超额回撤 |
|-----------------------|--------------|-------|-------|
| 华泰柏瑞量化智慧A | 11.91% | 3.95% | 4.12% |

• 低频基本面因子数量200余个，涵盖价值、成长、质量及量价因子及另类数据。

- 因子加权结合机器学习与主观判断，行业和成分股偏离严格控制，换手率远低于同类。

• 投资组合倾向于优质低估股票，年内超额收益显著且风险控制良好。

曲径（中欧沪深300指数增强）：深耕基本面量化，结合深度学习辅助挖掘量价因子 [page::5][page::6]

• 多因子框架扩充低相关阿尔法，量价因子深度学习挖掘但未用于因子组合非线性加权。

- 产品近年超额收益回升，风险敞口控制严密，行业偏离低于2%，换手率略高于指增平均。

• 团队引入数据科学家及交易专家，主观与量化策略结合，有效提升选股能力。

姚进（中银中证1000指数增强）：多策略叠加，灵活自建风险模型控风险 [page::7][page::8]

• 多策略结合机器学习与传统多因子，因子库超500个，侧重投资逻辑驱动可持续超额。

- 风险模型高度定制，行业与风格因子控制严格，产品展现出有限回撤下的稳定超额能力。

• 代表产品任职以来超额收益16.77%，超额回撤2.25%，风险收益表现优异。

杨梦（博道量化）：传统多因子+AI全流程均衡，强调因子暴露收紧与超额稳定 [page::9][page::10]

• 因子配权均衡，基本面偏动量因子与反转偏反转因子相辅相成，AI模型作为全流程信息解构器使用。

- 主要因子涵盖基本面、量价和另类数据，风格暴露控制在0.3倍标准差以内。

• 产品累计超额收益39.78%，超额回撤控制良好，换手率显著高于行业平均。

姚奕帆（长信量化价值驱动）：因子精细化打磨+深度学习赋能，行业覆盖细致 [page::11][page::12][page::13]

| 指标 | 任职以来 | 2023年 | 今年以来 |
|--------------|--------|-------|-------|
| 年化超额收益率 | 4.30% | 5.69% | 3.83% |
| 超额回撤 | 8.11% | 2.97% | 3.83% |

• 策略结合多模型集成的基本面模型及30%权重的深度学习量价模型，因子入库严格审核。

- 风格因子暴露逐渐收紧，行业敞口控制在2%以内，持仓80%以上为沪深300成分股。

• 换手率较高，反转策略特点明显，整体表现为超额稳健累积。

量化因子与策略构建亮点总结 [page::3][page::7][page::11]

• 因子维度丰富，覆盖基本面、量价及另类数据，利用机器学习提升因子权重分配和因子创新。

- 多团队同时平衡传统线性多因子模型与深度学习非线性模型，针对不同产品风格及市场环境灵活调节策略权重。

• 风险控制严谨，绝大多数产品行业及成分股偏离控制在1%-3%以内，风格因子暴露普遍收紧至0.3倍标准差内，换手率层级区分明显。

国金证券2024年7月29日《公募指增及量化基金经理精选系列五》研究报告详尽分析

---

一、元数据与报告概览

报告标题：《公募指增及量化基金经理精选系列五——多元化数据模型驱动，策略优化技术革新》
发布机构：国金证券股份有限公司
发布时间：2024年7月29日
分析师：张慧、于婧、高鹤文
研究主题：公募指数增强（指增）及量化基金经理的量化投资策略特征、风险控制、投研团队、产品绩效表现分析，重点聚焦五位基金经理——笪篁（华泰柏瑞），曲径（中欧基金），姚进（中银基金），杨梦（博道基金），姚奕帆（长信基金）。

本报告采用多角度深入刻画公募指增及量化基金经理，通过研究其量化体系的技术特点、风险控制制度、团队结构及历史持仓，结合基金经理旗下代表产品的绩效与风险数据，全面描绘其投资模式的优势与挑战，旨在为投资者提供决策参考。整体观点强调量化基金拥抱前沿人工智能技术与非结构化数据资源，有效拓展了量化框架广度和深度，增强灵活性和稳健性，从而在复杂市场环境下保持超额收益的稳定性和回撤控制能力[page::0,2]。

---

二、逐节深度解读

2.1 公募指增及量化基金行业整体表现

• 核心论点：2024年公募指增及量化基金积极融合AI及非结构化数据，整体投研实力显著提升。在2024年极端市场环境下，行业超额回撤可控且快速回升，二季度超额表现进一步提升。中证2000指增基金半年超额收益最高达6.03%，中证500和中证1000指增基金均超4%，且超额收益差距缩小[page::2]。
• 数据与趋势：

- 图表1显示各宽基指增基金2024年上半年平均超额收益，中证2000领先；
- 图表2累计超额收益曲线表现稳健回升趋势，体现了市场适应力和策略韧性。

• 逻辑支撑：多元数据驱动与技术革新，辅以严格风险控制，支持策略在极端波动中抵御风险，实现超额稳定增长。

2.2 五位基金经理量化投资体系综合特征

• 报告通过表格（图表3）归纳各基金经理公司背景、量化体系特点、核心Alpha模型、因子挖掘方式、风险模型及团队结构，揭示其差异化战略。[page::2]

---

2.3 笪篁（华泰柏瑞量化智慧）

• 投资策略：以基本面研究驱动的全市场量化选股策略，强调因子构造逻辑和主观研究结合，侧重中长期持有（4-6个月）且换手率低，近期短周期交易模型以机器学习因子加权辅助应用于部分产品，补充高频交易能力[page::0,3]。
• 风险收益表现：

- 任职以来超额收益11.91%，年化超额3.95%，超额回撤4.12%，2024年上半年超额收益6.93%表现突出；
- 旗下6只在管基金累计管理规模6.84亿元，规模适中；
- 代表产品与市场指数相比，累计收益不断超越基准，风险指标稳定，超额回撤低[page::3]。

• 关键量化特征：

- 因子库丰富，包含200余个成长、价值、量价及另类因子，结合文本挖掘新闻、研报舆论等非结构化数据，且因子权重通过机器学习与主观判断结合优化，权重配比与市场环境兼容；
- 风控体系基于巴拉风险模型，行业偏离控制严格，平均行业偏离度0.7%，成分股偏离0.15%，换手率远低于行业平均，体现稳健投资风格；
- 因子暴露则重点覆盖价值、成长、质量、波动、流动性和动量，组合偏向中小市值低估值优质股票，因子的回报贡献明确[page::4,5]。

• 团队与产品线：团队15人，结构扁平，分明研究与投资路径，产品涵盖被动、增强、主动量化和对冲四条线，覆盖主流宽基及特定策略。
• 图表深度解读：

- 图4-6展示代表基金管理规模、累计收益与风险指标，收益曲线明显优于中证500；
- 图7-9行业/成分股偏离度及换手率表现行业领先，强调模型风险控制的有效性；
- 图10-11因子暴露和因子收益表明基本面因子对业绩贡献稳定，机器学习配权符合市场环境需求[page::3-5]。

---

2.4 曲径（中欧沪深300指数增强）

• 投资策略：深耕基于行业研究员判断的基本面量化，选股模型以基本面与量价因子结合，融合私有及第三方多元数据，带有深度学习挖掘量价因子特色，但因子组合作用仍偏线性，非线性模型仅限于因子构建阶段[page::3,6]。
• 风险收益表现：

- 7只管理基金规模28.46亿元，代表产品自2022年成立以来超额略为负值，但2024年超额回撤控制提升，表现改善；
- 超额回撤近年来维持在2-3%左右，行业和成分股偏离控制严格，风险调控效果良好；
- 换手率高于指数增强平均，体现策略迭代引入更多机器学习量价因子，增加交易频率[page::6,7]。

• 因子及风险控制：

- 因子权重中另类数据占主导（历史最高60%，目前30-40%）；
- 加强风险控制，行业偏离严格控制在2%以内，因子暴露控制在0.3标准差以内，且动态调整；
- 因子暴露显示组合偏小盘、价值回归，收益贡献呈现从负转正转变趋势[page::6,7]。

• 团队与产品线：11人团队，融合主观与量化，聘请外部专家加强深度学习及交易，产品涵盖指数增强、主动量化及主题基金，风控与因子验证严谨。
• 图表深度解读：

- 图13显示沪深300增强产品累计收益与沪深300大盘指数相比，尽管整体负收益，但相对指数表现稳定；
- 图15-17行业及成分股偏离度稳定，换手率相较指数略高，策略调整明显；
- 因子暴露图18-19展现负向规模、Beta暴露和正向价值暴露，符合价值回归与防御加权策略[page::6-7]。

---

2.5 姚进（中银中证1000指数增强）

• 投资策略：多策略叠加框架，包含机器学习与传统多因子，强调策略间互补以降低波动。机器学习因子权重较重，重点挖掘非线性超额关系，且着重保持策略及因子逻辑透明，减少黑箱模型比例[page::7,8]。
• 风险收益表现：

- 代表产品自2023年12月起管理，超额收益显著（截止2024年6月超额16.77%），超额回撤低（2.25%），表现稳定且强劲；
- 加仓期低仓位策略应对短期剧烈波动，凸显稳健特质；
- 管理规模较小（在管基金合计约0.6亿元），团队对风险控制要求严格[page::7-8]。

• 风险控制：

- 自建风险模型参考Barra体系，针对个性约束多次迭代，策略各子类风格和行业暴露均严格控制，保持组合风格多元且平衡；
- 换手率介于双周到月频，较灵活，优化组合弹性[page::8]。

• 团队与产品线：10年以上投研一体团队，成员可覆盖因子构建到策略组合全过程，产品涵盖宽基指增和特色指增。
• 图表深度解读：

- 图21展示新任产品上涨过程中超额明显扩大；
- 图22风险收益数据突出，信息比率高达3.65，超额回撤控制优异；
- 因子贡献和暴露数据因产品新，暂无详尽披露[page::8]。

---

2.6 杨梦（博道沪深300指数增强、博道远航）

• 投资策略：强调传统多因子与AI全流程模型的均衡结合，模型因子在偏动量（趋势）和偏反转（均值回归）因子间保持均衡配权，通过多方法论弥补单一模型局限，提升超额收益的稳定性[page::9,10]。
• 风险收益表现：

- 9只在管基金管理规模92.24亿元，产品整体表现良好；
- 博道沪深300指数增强累计超额39.78%，博道远航自2021年6月起超额15.84%，风控收紧后2024年上半年防御明显，回撤可控；
- 杠杆因子暴露低，行业和成分股偏离度维持合理区间，换手率高于行业平均，反映策略活跃[page::9,10]。

• 模型机制：

- 因子组合动态加权，AI深度学习不仅用于因子挖掘，更融合全流程处理基本面、量价及另类数据；
- 因子入库严谨，强调绩效及区分度，因子逻辑稳定；
- 针对偏股混合型指数构建模拟持仓，动态调整增强策略，
- 风控采用Barra基础，加持针对A股市场的定制调整，控制因子暴露在0.3倍标准差内[page::9,10]。

• 团队与产品线：

- 5人核心团队，稳定性高，成员长期共事；
- 产品涵盖宽基指增、量化选股及赛道主题增强，如消费、成长和红利方向；
- 团队架构清晰，配备专职基础和应用研究员，负责因子挖掘和策略研发[page::9,10]。

• 图表深度解读：

- 图24-25展示产品自成立以来分季度规模增长及优秀超额收益表现；
- 图26-28行业及成分股偏离略高于行业平均，换手率高，因子暴露显示成长、流动性、动量倾向显著；
- 因子收益呈现波动但整体正贡献，支持均衡策略的稳定超额性能[page::9-10]。

---

2.7 姚奕帆（长信量化价值驱动）

• 投资策略：因子细致化打磨，注重非传统因子及另类数据（文本、专利等）的深度应用，结合多模型集成（线性与非线性）、机器学习量价模型（神经网络），提升策略多样化和超额能力，反应市场持续更新的因子有效性挑战[page::11,12]。
• 风险收益表现：

- 5只管理基金合计17.72亿元，代表产品自2022起管理，任职内累计超额17.83%，2023年及今年以来持续贡献正超额；
- 超额回撤控制良好，任职以来为8.11%，今年3.83%，体现稳健的风险管理；
- 管理规模稳步提升，规模权重布局合理[page::11,12]。

• 模型及团队特色：

- 因子库丰富，100+传统及机器学习因子，采用多模型集成架构提升预测多样性和非线性捕捉；
- 投研团队13人分结构合理，覆盖从因子挖掘到策略构建，梯度分明且稳定；
- 量价模型神经网络占30%权重，体现深度学习显著影响；
- 行业暴露和风格控制严格，行业偏离度1.16%，成分股偏离1.25%，换手率3.88倍，略高于沪深300指增平均[page::11-13]。

• 因子暴露与贡献：

- 价值、成长因子持续正向暴露，规模、Beta因子负暴露；
- 质量、波动、流动性、动量因子2023年末由正向转负向，显示策略开始偏向反转风格，并体现机器学习模型的影响[page::12,13]。

• 图表深度解读：

- 图31-33基金规模增长及累计收益显示产品稳定超额累计；
- 图34-36偏离度和换手率反映合理风控及策略活跃度；
- 图37-38因子暴露细节及收益贡献支持策略灵活调整与稳健表现[page::11-13]。

---

2.8 风险提示

• 海外降息进度不及预期可能引发市场波动；

- 国内政策执行及经济复苏存在不确定性；

• 理性看待基金历史业绩，研究报告仅供参考不构成买卖建议；

- 投资需根据风险承受能力选择，关注潜在利益冲突[page::0,13]。

---

三、图表深度解读（精选）

| 图表编号 | 主题 | 关键洞察 |
| -------- | ------------------------------ | ---------------------------------------------------------------- |
| 图1、图2 | 宽基指增超额收益与累计表现 | 2024年上半年积极回升，中证2000指增领先，显示不同指增策略表现分化与适应市场能力。 |
| 图4-6 | 华泰柏瑞管理规模、收益、风险指标| 管理规模逐步稳定增长，累计超额收益超过11%，超额回撤可控，体现稳健管理理念。 |
| 图7-9 | 华泰柏瑞行业与股权偏离度及换手率| 行业偏离度维持低位，跑赢行业平均换手率近3倍，符合中长期基本面持有低换手策略。 |
| 图13 | 中欧沪深300指数增强累计收益 | 尽管自成立以来累计表现负面，但2024年超额回撤有所改善，策略转型迹象显现。 |
| 图15-17 | 中欧行业及成分股偏离、换手率 | 风险控制严格，换手率较高彰显策略迭代和活跃交易。 |
| 图24-25 | 博道基金规模和超额收益 | 产品规模扩大且累计超额表现可观，如沪深300指数增强超额近40%，远航策略表现稳健。 |
| 图26-28 | 博道行业偏离度、成分股偏离度 | 偏离度维持合理区间，换手率偏高，支持均衡模型和高活跃交易风格。 |
| 图31-33 | 长信量化价值驱动规模与收益风险 | 规模逐渐上升，持续超额，风控严控，波动合理，体现机器学习深度应用的超额能力。 |
| 图34-36 | 长信行业及成分股偏离、换手率 | 偏离相对较高，但仍符合风险管理标准；换手率明显高于沪深300平均，说明策略偏交易活跃。 |
| 图37-38 | 长信因子暴露及收益贡献 | 显示成长、价值因子为主要贡献，策略演进体现为反转特征，加强神经网络模型的投资影响。 |

---

四、报告批判性视角

• 多位基金经理均在基本面研究基础上结合机器学习及AI手段，体现量化投资的持续演进和对技术创新的拥抱，但机器学习模型真实贡献度和黑箱风险需持续监控与验证。

- 各基金经理对因子权重及风控参数调整均表现谨慎，体现市场波动和监管环境的谨慎态度，但在实际回测与实盘表现匹配度上需要投资者警惕。

• 曲径团队虽大力引入另类及深度学习因子，但当前主因子模型仍偏线性，深度学习多用于因子构建阶段，表明非线性深度模型应用尚处于探索。

- 多数产品换手率较行业平均高，虽有助于捕捉超额，但也带来交易成本及市场冲击风险，需结合产品定位审慎评估。

• 超额收益与超额回撤控制体现产品经理风险收益管理能力，但不同产品周期较短，需关注能否长期持续体现超额回报。

- 报告未对估值方法（例如DCF、市盈率等）做显性描述，偏重策略特征及风险控制，投资者需结合自身需求权衡。

---

五、结论性综合

本报告高度系统地展开了2024年公募指增及量化基金经理多维度剖析，聚焦笪篁、曲径、姚进、杨梦、姚奕帆五位量化领军人物，展示了中国公募量化基金在基本面研究、机器学习，尤其是人工智能辅助策略开发等方面的创新实践与经验积累。基金经理均在因子模型构建、风险敞口控制、策略多元化配置和团队协作方面形成清晰的特色，个别团队更结合非结构化数据和深度学习模型提高超额稳定性。

尤其值得关注的是，华泰柏瑞笪篁先生表达了以基本面为根基结合机器学习加强短周期交易，超额收益持续，回撤可控。中欧曲径团队以基于主观行业理解深度融合量价因子和多元数据补强策略。中银姚进推出多策略融合且严格风险管理的量化体系创造高超额收益。博道杨梦强调多元方法论均衡，AI全流程框架与传统模型互补，策略弹性强。长信姚奕帆突出因子打磨和神经网络深度学习应用，因子体系丰富且因子贡献优化明显。

图表数据显示，各基金经理旗下代表产品普遍体现了较高的行业及成分股偏离控制能力，换手率波动反映了其策略风格及市场适应度，因子暴露及贡献的清晰图谱佐证了策略逻辑的有效性和投资理念的贯彻。总体而言，报告呈现了公募指增及量化基金行业正通过技术深度融合和系统性完善持续提升投资管理能力和风控水准，保持了面对复杂市场环境下的韧性和超额获取潜能。

投资者在参考本报告时应结合市场环境、政策风险和自身风险偏好，审慎评估量化基金产品的配置及策略适配性，关注机器学习及AI模型应用的实际表现及透明度风险，注重长期稳定回报与风险匹配。报告为深度理解公募量化基金的投资生态和领先团队运作提供了详实的实证与理论支持。

---

（全文共计约2500字，综合涵盖基金经理投资策略、风险控制、市场表现、图表数据解读和分析批判，确保内容完整细致、专业并具前瞻性，为读者提供了深刻行业洞察及投资启示。）[page::0-15]

报告