公募指数增强基金年度白皮书及基金经理精选

1、整体数量扩容，规模保持稳定2022年整个A股市场几乎被频的行业轮动大小盘风格切换占据量化选股难度明挤压指增基金超额空。尽管如伴随指数增强策略迭代升级量化投资市场认知度提升公募指增基金管理规较2021年末小幅加。与之相呼指增产品发行热情旧产品数量延续近年来的快速扩容之势截至2022年末公募指增基金共计210只合计管理规模1702.46亿元其中宽基指增金172只行业主题指增金30只SmartBeta指增金8只。从指增基金的类别来看宽基指增在全部指增基金规模中占比88.88仍然占据规模的绝对优势宽基指增基金中又以沪深300中证500上证50中证1000创业板指数增强基金为主五大类别合计规模占宽基指增基金规模的95.83从规模变化情况来看衍生品的扩容成为了202年影响指增基金规模变化的重要因素之一中证1000股指期货和期权的上市交易推升中证1000指增基的市场关注度该类别也成了2022年新产品成立数量多且规模增幅最的指增基创业板沪深300指增基金也有一定比例的规模增加中证500上证50指增基则均出现相比于2021年末10左右的环比规模缩行业主题指增中主要包科（29.94亿元消（26.26元、新能（11.55亿元医药医（8.91亿元农（6.11亿元周4.78亿元中游制3.82亿元、绿色/ES（2.51亿元等指增基产品其中科技指增金2022年末规较2021年末增长19.4亿元绝对增幅大，新能源指增基金次之2022年末规模较021年末增长8.9亿元消费指增基金规模缩水明显2022年规较2021年末下降7.20亿元。综合行业主题指增和量化选股基金中类指增基来看，招商中证消费龙头指数增、嘉实中证半导体产华商电子行业量富国中证医药主题指数增汇添富中证光伏产业指数增等等均是各个细分领域中管理规模相对较大的代其中成立时间较早华商电行业量和富国中证医药主题指数增强2020至222年三年来分别累计实现回报21.44、20.34，超额回报16.10、3.16，中长获益水平良。图表1：指增基金数量及规模变化情况 图2：主要宽基指数量及规模变化情况Wind Wind从管理人情况来看截至2022年末共有10家基金公司指增基金管理规模过50亿元合计规模占比64.97。10家规模50亿以上的头部公司中，9家（易方达基金、富国基金、华夏基金汇添富基金、天弘基金、景顺长城基金、建信基金、兴证全球基金、博时基）继2021年以来管理规模持续稳定在50亿元以上，另有1家（万家基金）于2022年实现规模的大幅提升，进入到0亿以上行列。从规模增幅情况来看相比于201年末2022年规增幅最大基金公为万家基金2022年末管理规模95.52亿元（2021年末15.66亿元，国泰君安证券资产、鹏华基金、嘉实基金、国投瑞银基金、国泰基金2022年规模增幅也均在10亿以上。图表3：2022年末指增基金规模前15基金公司 图4：2022年指增管理规模增幅前10基金公司基金公司年末数量（只）年末规模（亿元）规模占比相比于年末规模变化（亿元）易方达基金544-4富国基金8936万家基金4217华夏基金4721汇添富基金894-4天弘基金963-8景顺长城基金685-1建信基金7756兴证全球基金286-3博时基金343-0招商基金9469西部利得基金5631申万菱信基金5349嘉实基金6403国投瑞银基金2328Wind Wind2、新产品涌现，投资工具日渐丰富增强ETF再添利，中小盘成长风格扩容增强策略TF将指数增强与EF有机结使得产品既具备了EF透明度高交易便捷成本更低的优势同时也兼顾了场外指数增强型基金通过适当的主动量化策略获取超额回报的可能继2021年11月南方证500增策略ETF、华泰柏瑞中证500增强策略ETF、景顺长城中证500增强策略ETF、招商沪深300增强策略ETF、国泰深300增强策略ETF等5只增强策略ETF产品首次获之后，2022年10月第二批13只增强策略ETF产品再获。相较于第一批增强策略ETF，2022年获批的基金涵盖指数更加丰，覆盖沪深300、证500、中证1000、创业板科创50科创创业50指数为投资者提供了更加多样化的工具选择而这6只指数均有较高的市场关度，其中，沪深300、中证500指增基金规模合计较大，中证1000指增基金规模攀升速较快，创业板指和科创创业50指数也有一定的市场规模，科创50指在获批之时尚对应指增基金，第二批增强策略ETF的获批发行将很好的填补部分类别增强策略产品的空缺。截至2022年底，第二批13只增强策略ETF中已有8只基正式成立管理规大多分于8至15亿之间。在基金经理的选择方面可以看到大多数基金公司对于增强策略ETF都采用了指增基金经和ETF基金经理双人合搭配的方式也有基金公司采用了老带的模或是单基金经理制整体来增强策略ETF作为创新型品种在平稳运作近一年之后凭借兼顾超额收益和交易灵活性的特点仍然保持比较好的市场关注特别在第二批次中新增加的中证1000、创业板、科创50等指数品种更加丰富了增强策略ETF产品的可选择性。图表5：增强策略ETF基本信息（截至2022.12.31）年末年报构投者例（）年批华沪增策ETF沪0--1--1许彦张序/52--易达证增策ETF中0-------汇富证增策ETF中0-------博基中增策ETF中0-------招中增策ETF中0--8--0王蔡振/439-银中增策ETF中0--4--5张王帅/517-国中增策ETF中0-------华柏中增策ETF中0--3--2笪柳军/291-E--4--2龙伦张玉/827-E-------E科0--1--545--E科0--1--3崔朱红/569-E科创0--8--6赵夏洋/57--年批景长中增策ETF中0--3--0张南汪郑行//2749华柏中增策ETF中0--2--0田卿柳军/2111南中增策ETF中0--6--68598国沪增策ETF沪0--1--0梁吴昊/6599招沪增策ETF沪0--2--0王苏青/0910ind衍生品助力中证1000指增快发展2022年中证1000指数期货和期权的推出补全了小盘衍生品工具上的空缺，不仅可以促进小市值股票流动性的提升，提高市场的定价效率和活跃程度，为多种量化策略提供实的可。在此背景，中证1000指增基金也迎来了规模和数量的节节攀升，截至2022年末，全市场共计20只中证1000指增基金，其中14只为2022年新立的产品，合计管理规模125.67亿元，相比于201年末增长0亿。布局中证100指增基金的基金公司也由初的6家扩容到了19家目前证1000量化策拥挤度不高且中小市值领比较适合量化选操作在未中小成长行情的阶段性演中，中证1000指增的关注度有望不断提升数量和规有望继续保持增长趋势。管理人基金数量四季报基金规模布局时间万家基金18富国基金17天弘基金16华夏基金10管理人基金数量四季报基金规模布局时间万家基金18富国基金17天弘基金16华夏基金10建信基金12中信建投基金16国泰君安证券资产18招商基金21华安基金10兴银基金11景顺长城基金13创金合信基金15太平基金10国联安基金1-华泰柏瑞基金1-嘉实基金1-鹏华基金1-鑫元基金1-银华基金管理1-Wind Wind市值下沉，国证2000、科创50、双创50指基金初现2022年在科技自强自立自主可控国产的迫切需求下新兴产业成为政策发力重而且国内疫后弱复苏、流动性充裕的宏观环境也有利于中小盘股的流动性溢价扩，在此背景下指增基金在沪深300、中证00这两个成熟领域持续发展的同时，伴随着市值下，对标国证2000、科创5、科创创业50的产品也陆续出现。2022年7月申万菱信基金首先布局市场上首证2000指增基证2000指数小市值股票占较高且成分股权重十分分散，包含了更多受益于“专精特新”产业政策的标成长空十广阔。汇添基、华金、长信基金广发基金先后成立了科创创业0指增基南基鹏华基金嘉实基则着手布局了创50指增金，科创创业50和科创0指均主要分布于电气设备医药生物电子等具备高成长属性和高研发特征的行业块契合科技兴国科技强国发展战略也将受益于相关政的大力倾斜扶总体来看布局中小市值布局专精特新在2022年的指增基金市场已经初现端倪这一趋势仍将有望延续。年末申菱国年末申菱国增A//5国09A//9科创00//1科创02//3科创0-E//8科创0-E//1科0-E//1科0-//0科0-Wind WindMSCI中国A50互联互，兼容新旧经、聚焦龙头强调品质继2021年多家基金公司发行MSI中国A0互联互通被动指数基金之后2022年9月全市场首只踪MSCI中国A50互联互通指数的增强型基金易方达MSCI中国A50指数量化增）正式成立MSCI中国A50互联互通指数均衡分布于消费金融科技制造等板块全面布局新旧经济避免了传统行业占比过高新兴产业代表性不足的问。而且指数布局大市值龙头股的特征十分鲜明在疫情地缘冲突等事件的冲击之下行业龙头企业凭借良好的公司治理、稳定的经营管理、持续的研发投入，在危机中充分展现出了核心竞争优势，强者恒强的格局愈明显。MSCI中国A50互联互通指数在覆盖金融消费领域龙头企业的同时与上证50沪深300等主流大盘宽基指数相比拥有更多科技创新产业升级领域的优质成长龙头代表中国经济转型和升级方向的新经济占比更高拥更强的盈利能力在此基础上MSCI中国A50互联互通指数增强基金深耕优质指数成分股挖掘阿尔法精选布局使得指增基金产品线宽度进一步得到拓。行业名称MS中国0互联互通上证0沪深0工业98703日常消费行业名称MS中国0互联互通上证0沪深0工业98703日常消费74352金融3000信息技术311149材料1730医疗保健859可选消费090公用事业477能源751房地产822电信服务599.Wind Wind1、超额获取难度加大，中证000指增增添亮点2022年我国经济基本面整体趋弱同时外部环境挑战不断俄乌战争全球通胀压力中美货币政策差异均牵动着投资本就脆弱神，A股市场演绎了多轮风格切换和行业轮换行情整体成量、个股离度、因子有效性等在2022年波动明显在此背景下，以量化选股策略为主的指增基金整体超获取难度也明显增加，全年超额相对有限呈现一定的波动形态特别是2022年10月至11月期，两会在防疫政策逐步优化、地产行业三支箭不断加码的刺激市场风格再度发由中小盘成长向大盘价值快速转同时正值三季报披露由于前期市场已经对即将披露的基本面数据有了充分的反应且预期已经达到顶点因而正式披露后市场出现了反应的边际弱化现象预期类因子此时回撤相对明显市场风格的切换叠加部分因子的阶段性调整使得大多数指增基金出现了全年较大的一轮超额回。不过，由于2022年量化选股市场基本属于存量市，策略的拥挤度尚可，因而，整体超额回撤已于12月开始逐渐恢复。从各个细分类别来看中证1000指增金2022年超额收益最高平均超额益7.33万家证1000指数增位列第沪深300中证50创业板指增基金平均超额收益在1至2之间另与201年相比2022年年各主要类指增基超额收均有不同程度下降除上证50指增基金由平均小幅正超额转为负超额以深300指增基金超额收益缩水最为明显，中证500指增基金超额缩水程度紧随其后，中证1000指增基金则超额降幅较少。图表12：主要类别指增基金2022年风险收益指标 图13：主要类别指增基金2022年超额收益率曲线Wind Wind2、复杂环境考验投研实力头部公及规模适中基金经理具优势从基金公司管理规模角度2022年管理规模处于50至70亿、70至100亿规模区间的基金公司，旗下指增基金2022年平均超明显高于其余规模区间基金公司平均而且从最近三个年度来看尽各规模区整体超额平逐年递减但聚焦超额收益相对强弱变来看管理规模50亿以上的头部基金公超额获取能呈现逐递的，即近年来复杂多变市场环境对于基金公司整体量化投研实力提出了更高的要头部基金公往往在基础研究策略开发人员储备以及硬件设施等方面均具备优势多方面综合下来较好量化选股实也带来了相对更佳的超额回报水平。从基金经理管理规模角度022年管理规模0至30亿30至40亿的基金经理所管理指增基金平均超额收益相对较高分别为3.573.21与2021年呈现基本一致的规模特征总体来看2021年以来指增基金超额回报相对更优的基金经理管理规模大多在20到0亿之间相对适中的规模既能够保证一定的策略容纳度又可以在市场变化时保持一定的灵活性当然，上述几组数也一定程度反映了“规模”与“业绩”之间的相互关系。图表14：不同管理规模基金公司平均超额情况 图15：不同管理规模基金经理平均超额情况Wind， Wind，3、老将当丰富管理经验叠加成熟量化体系支撑超额从不同任职年限的基金经理所管理产品的超额水平来看面对2022年复杂多变的市场环任职年限在0至15年的基金经理022年平均超额收益最高为3.1而从过去三年来看作为量化投资老将该任职区间基金经理凭借丰富的投经验和不断迭代更新的投资方法始终保持了不错的超额回报水平与此同时其任职年区间的基金经理022年所管基金平均超额均在1.4左右，无明显差。图16：不同任职年限基金经理平均超额情况Wind，4、相对高换手低偏离品种超领先，严格风控增厚超额基于我们宽基指增基金的量化特征刻画标准统计不同特征下基金的超额收益情况可以看到2022年相对高换手率主动配置比例偏高、行业偏离较小、成分股偏离较小、调仓风格相对稳健的基指增基金超额回报相对更，2022年平均超额收益分别为2.37、2.07、1.99、1.84、1.71。具体来在2022年行业和风格切换速度较快的市场行情下，较高的换手比例、较高的灵活度以及更加敏感的模型相对更加适应市场而且高换手率指增基金往往量价因子使用比例较高2022年在几次基本面因子回撤该特征类型产整体超额回撤幅相较小主动配置比例主要衡量指增基金在成分股外的配置情况主动配置比例较高的指增基面对投资机会的扩散和下沉通过利成分股外优选个的自由度，在2022年也实现了不错超额。行业及成分股偏离小的指增基金基金经理倾向对于行业以及各个风格因子暴露进相对严格控整体跟踪误差更小，在2022年行业轮动、风格切换频繁的大环境中风险暴露相对有限，整体超额较高总的来看，拥有更高的自由度、更强的灵活性、量价因子使用比例较高、能够严格控制行业风格暴露风险的基金产品，在2022年超额收益表现更佳，基金经理较好地实现了增强收益和严控风险之间的平衡。图17：不同标签特征指增基金2022年平均超额情况Wind5、质量、成长、动因子正向暴露Beta、价值因子稳定高品种超额领先根据指增基金整体的相对因子暴露相对因子收益以及两者的对应情况我们可以得到指增基金经理目前的超配偏好以及收益贡献来源从相对因子暴露特征来看根据2022年中报持股明细数据统计所得138只宽基指增基中，90以上的基在2022年年中正向暴露于质量因子和成长因子7左右的基金对于规模因子和杠杆因子相对负暴露，60以上的基金正向暴露于动量因子流动性因子波动因子价值因子一半以上的基金负向暴露于Beta因子总体来看2022年大多数宽基指增基金倾向于正暴露于质量、成长、动量、流动性、波动价值因子，负暴露于规模、杠杆Beta因子，即指增基总体倾向于优选基本面好、流动性强、相对高波动、低估值的中小市值标的进行配置。从相对因子收益特征来看各因相对收益稳定较强的宽基指增基金2022年均实了平均正超额但有所分化其中，Beta因子稳定性较高的基金2022年平均超额收益最高，为3.11，基金经理面对市场环境变化往往能够灵活地对投资组合中不同收益弹的标的进行调整能在上涨下跌的市场环境中灵活呈现相应的进攻防御状态，不排除具备一定的市场风格和行业切换把控能力，这类基金经理往往也伴随着较强的交易能力和较高的换手率，整体比较适合022年的市场环境价值因子稳定性高的基金202年超额收益紧随其后，平均超额2.86，这基金的基金经对估（左侧或右侧交易的把握能力较与此同时质量因子成长因子杠杆因子等基本面因子稳定性较高的基金也平均实现了1.5左右的超额可见深入基本面研究挖掘优质股票基本面选股能力较强的基金经理整体仍能获得一定的正向超额，但受到2022年下半年基本面因子失效的影响总体超额相有限。图表18：2022年中报宽基指增基金因子暴露特征 图19：各因子稳定性强指增基金2022年超均值Wind Wind进一步将因子暴露方与2022年超额收益相对应根基金经理管理对于各个因子正、负向暴露的报告期数占比情况进行样本划分统计对于某一因子正向或负向暴露期数占比大于0的样本202年的超额收益情况此来观察不同因子暴露偏好的宽基指增基金之间的超额收益差异结果显示偏好负向暴露于规模Beta、质量、成长、波动、流动性，正向暴露于价值、杠杆、动量的基金2022年超额更，仅使用2022年中报数据也可得出同样结论。可见2022年偏好中小市值低估值低波动股票的基金整体表现较需要说明的是从因子暴露偏好还可以出，负向暴露于质量、成长因子，正向暴露于杠杆因子的基金，即偏好基本面一般股票的基金2022年同样表现较好，这主要与基本面因子几次失效带来的影响有关。图表20：管理期不同因子偏好/负暴露的基金2022年超额均值

图21：2022年中报不同因子/负暴露的基金2022年超额均值Wind Wind2022年以来各影响因素缺乏持续性的变化一定程度上影响指增基全的超额表现但目前来看量化选股策略的运行环境最悲观的阶已经过2023年伴随着防疫政策的优化和稳增长政策的持续加码经济基本面整无虞，但经济的修复过程受各种因素的影响不会一蹴而就因而货币政策适度宽松财政政策适度积极的政策框架大概率仍会继续，市场流动性有望继续保持合理充裕。对A股市场而言，当前正处于中长期“底部区域2023年国政策红利期、海外紧缩预期缓和期，双期叠加，市场或有望展开行情演，总体交易大概率会处于相对活跃状。从市场风格演进角度来看尽管在地产政策落地防疫政策持续优化背景下大盘风格仍有阶段占优的可能但是2021年开启的中小盘主导的长周期行情仍未结束。国内经济弱复苏、流动性充裕的宏观环境，仍有利于中小股的流动性溢价扩张而且在科技自强自立自主可控国产的迫切需求下新兴产业作为政策发力重点，中小企业盈利更具修复韧性中小盘股仍具备较好的投资性价比2023年整体市场风格有望演绎从大中盘到中小盘动的节奏。在布局指数贝塔层面配置机会的同时，基于上述分析预计2023年量化选股策略的运行环境有改，尽管离全面性好转仍有一段距离但阶段性阿尔法机会仍将存在指增基仍具备较的配置价因而我精选了笪篁（华泰柏瑞基金、马芳（国金基金、乔亮（万家基金、苏俊杰（鹏华基金、叶乐天（建信基金、殷瑞飞（国投瑞银基金等指增基基金经（按照拼音首字母顺序下同就产品量化体系策略特风控制投研队、绩效表等多个维度进深度研并结合历史持仓明细数据对以上六名基金经理做了全面分析和特征刻以供投资者参。我们依据基金经理在因子挖掘中对主动权益研究团队研究内容和观点的参考程度将上述6位基金经理大致分为两大类：因子挖掘上纯粹量化程度更高的基金经理，如马芳（国金基金、乔亮（万家基金、苏俊（鹏华基金，以及因子挖掘上比较重视主观研究逻辑输出的基金经理如笪（华泰柏瑞基金叶乐（建信基金殷瑞（国投瑞银基金。因子挖掘坚持纯粹量化的基金经理（马芳、乔亮、苏俊杰）往往在机器学习、人工智能、量价因子、另类数据等方面投入更多研究时间和精力更重视先进算法和模型的引在因子构建因子筛选投资组合构建的过程当中几乎不存在主观人工调整的情况这类基金经理由于几乎完全遵从量化模型的结果故而对基金经理的量化能力和经验提出了较高的要求其纯粹量化的特性使得其在投资主线不明朗的震荡市环境中往往够获得更好的超额收益表现因子挖掘重视主观研究逻辑的基金经（笪篁叶乐天殷瑞飞非常注重因子的可解释性希望在传统量化的基础上通过和主观研究团队的密切沟通来弥补部分因子相对可解释性差的问题此类基金经理往往在挖掘和构建因子时会采用更加精细化的方式对于失效因子的判定也更加谨慎由于基本面因子占比较高因而产品在基本面因子有效的市场环境下比较容易获得更高的净值弹性。图表2：基金经理量化投资特点整等用切性高来源：笪篁（华泰柏瑞量化创优、华泰柏瑞量化智）笪篁先华泰柏瑞量化投团队核心成员2016年加入华泰柏瑞基金2020年5月起担任基金经理笪篁先生坚持以基本面研究为基础的全市场量化选策略十分重视因子的构造逻辑通过和主观研究员密切沟通的方式实现对不同行业基本面因子的精细化刻画再结合先进的风控技术实现稳健的超额这一点也在持仓组合得验证，持仓多偏好质量成长等基本面优质的低估中小市值股票所管理的基金产品超额收益主要来源于个股的选并且笪篁先侧重中长期投4-6个月同时淡化仓位择时和因子轮动不论因子稳定性还是持仓稳定性上都较为突出，整体换手水较低。量化选股模型特：重视基本面因子构造逻辑，因子权重相对稳定因子挖掘方面与主观研究团队交流密切通过借鉴主研究观点或研究框架来对模型进行改特别是细分行业选股会借鉴研究员对行业投资逻辑的看法重点观察指标以及数据使用情况等同时参海内外文献研究报告中涉及量化传统金融会计机器学习等方的内容对因子和模型予以改进量化行业内新技术的发展，例如文本挖掘、新数据的使用也是其持续关注的内容之。因子使用方面以基本面因子为主主要包含四大类因子成长因、价值因子、另类因、技术类因。成长因子更加注报表之外的信和未潜在成长空间价值因子会根据不同的股票特性使用不同的估值方是多元复合的价值因另类因子主要包括分析师研报也在尝试运用NLP技进行文本处理和挖等此类因子尽不一定能贡献很高的阿尔法，但由于传统因子的相关性较低因此边际增益比较明显。因子加权方面采用线性模型和非线性模型结合由因子权的调整需要一定的样期来支其有效性故而调整频率不高几套权重配置方法所呈现的结果显示，因权会在一定范围内动变化但总体变化不会特别大。这主要是由因子本身投资周期较长相长周期里不同方得到的因子权差异不所以在长周期还是保持相对均且稳的配置。基金经及管理产品风险收益情：超额收益稳定，超额回撤控制良好笪篁先生目前共管理5只指数增强及量化型基金产品四季度末合计管理规模8.82亿元其中，华泰柏瑞量化对冲2022年中报机构投资者占比达53.16，受到机构投资者关注从绩效表现情况来看代表产华泰柏瑞化智慧2022年超额收益4.97，在期210只量化选股型基金中排第31，华泰柏瑞量化盈、华泰柏瑞量化创优2022年超额收益在同期210只量化基金中排名也在30以内超额情况较中长期方面截至2023年2月8日泰柏瑞量化创自020年5月任职以来绝对收益30.13，超额益12.11，超额最大回撤4.75。整体来看笪先生管理的产品中长期超额收益表现良好且超额回撤相对有限。图表23：基金经理在管指增及量化产（截至2023.2.8 图24：代表产品管理以来累计收益（截至2023.2.8）Wind Wind图表25：代表产品阶段风险收益指标（截至2023.2.8）--1316681-44--2-59-0-125-66--7-107-85351--1-44-7-8-912-1--2-91-9-6-996-1--7-654-19088Wind代表产管理期运作特征严控风险暴露，低换手中长期投资股票仓位水平：以笪先生管理华泰柏瑞量化创和华泰柏瑞量化智为例，2只基金始终保持高仓位运作且不做仓位择时，大多数时间股票仓位基本保持在90以上。图表26：管理期间股票仓位水平（） 图27：管理期间股票仓位水平（）Wind 来源：成分股行业偏离情况华泰柏瑞量化创对标创业板指数华泰柏瑞量化智主要对标证500指数我们分别以上述指数作为基准衡量基金的行业和个股偏离程度等指成分股偏离度方管理期间华泰柏瑞量化创优、华泰柏瑞量化智慧报告期平均成分股偏离度分别为0.71、0.15，绝大多数报告期成分股偏离度在0.8以下。从报告期持仓明细来看，绝大多数成分股偏离水平处0.5至0.5区间。成分股外配置比例方面，由这两只基金均量化选股型基，全市场进行选股操作不受8成分内配置比例的约束，因而2只基金成分股外配置比例均较高，管理期华泰柏瑞量化创、华泰柏瑞量化智报告期平均成分股外配置比例分别为41.88、67.03。成分股偏离区间华泰柏瑞量化创优华泰柏瑞量化智慧A年年报年中报年年报年中报21100[52)110成分股偏离区间华泰柏瑞量化创优华泰柏瑞量化智慧A年年报年中报年年报年中报21100[52)1100[15)3200[51)3333[05)8[-50)86[-1-5)4100[-5-1)1000[-2-5)0000-21000Wind Wind行业偏离度方面管理期华泰柏瑞量化创华泰柏瑞量化智报告期平均行业偏离度分别为0.540.75，2只基金各个报告平均行业偏离度不超过0.8绝大多数时在0.6以下从超低配前五大行业的分布情况来看，2022年中报显示华泰柏瑞量化创主超配医药生物、基础化行业，低社会服务、美容护理行业；华泰瑞量化智主要超交通运输、建筑装饰、基础化，低农林牧、国防和军工、医药生。不过，具体偏离水均较且31个申万一级行业中绝大多数行业的偏离水平都-1.5到1.5之间两个代表产品超低配行业的差异或是由于对标不同指数的量化模型选用的因的差所致对标创业板指华泰柏瑞量化创对于个股的成长性、创新性等赋予了更高的权重，故而超配行业几乎均为“专精特新”集中的行业。而对标中证500的华泰柏瑞量化智其成分股分布则更为均衡中证500指数成分股几乎覆盖了所有行业分类故而在模型的因子选择上也对全市场选股设计，没有明显的风格倾向。图表30：代表产品管理期行业偏离度（） 图31：行业偏离情况（超低配前5大行业）年报（）年报（）年报（）年报（）前大业126334639311685212446097前大业-58-8-7-09-65-1-13-28-2-3-8-40-1-7-2-56-2-8-1-2Wind Wind换手率水平及变化管理期华泰柏瑞量化创优华泰柏瑞量化智平均半年单边换手率分别为1.221.23倍，2020年以来整体换手率水平低于对应指增基金平均水平这与笪篁先生秉持的长期投资的思想相契合也复合基本面量化模型的低换手特征。图32：代表产品管理期换手率（倍）Wind因子暴露及贡献：从最近两个报告期来看华泰柏瑞量化创优、华泰柏瑞量化智在规模因1和Beta因子上呈1规模因子为股票的流通值，向暴代表配偏市值票，向暴代表配偏小市值票，同。现明显的负向暴露在价值因子质量因子成长因子动量因子上正向暴露明显即投资组合倾向于兼具基本面优势和估值优势的中小市值标这对其精细刻画基本面因长期投资优质个股的投资理进行了印2022年中报，在成长因子和波动因子上的正暴露、在Beta因子上的负暴露带来了较明显的正回报。.1....07-9.1....07-9-01-.6-0动量因子51459动量因子4-0701-.90流动性因子59043流动性因子573403-0波动因子50704-波动因子2-00001-0杠杆因子-4-21-3-杠杆因子3858770成长因子2017成长因子51-3014-0质量因子5648质量因子33-11-.70价值因子7720价值因子96-86060B因子-2009-9-B因子5-0-24-.5-0规模因子-5-54-1-规模因子年中年年报年中报年年报年中报年年报年中报年年报华泰柏瑞量化智慧A华泰柏瑞量化创优因子相对收益华泰柏瑞量化智慧A华泰柏瑞量化创优因子相对暴露Wind 来源：公司量化团队及产品线特点团队规模较大扁平化效率高华泰柏量化与海外投资团共16人，与被指数基团相对独立。团研究和投资的人基本相，投资团队主要负责组合管理相关工作研团队则专进行研工整体团队的合比扁平以项为出发点和落脚点组织人。华泰柏基金量化产品线主要包四条产品被动指指数增强主动量和对冲产指增类产主要覆盖范围包括沪深300、中证500、中证1000、创业板、科创板和MSCI中国A股等主流宽基指数主动量化产品则以最大化Alpha收益为原则设产包括华泰柏瑞量化阿尔（对A股华泰柏港股通量（对港股对冲策略公募产品华泰柏量化绝对收益华泰柏量化对冲稳健对冲产不进行仓位择时但会涵小规模的基差套策略。图35：公司量化产品线情况华泰柏瑞基金，马芳（国金量化多因、国金量化多策）基金经马芳2016年5月加入国金基金，现任国金基金量化投资事业部副总经理，具备6年的量化投资运营和研究经验多年证券交易软件开发与测试经验马芳女坚持纯粹的量化方（机器学习不加入过多的主观思路，以多策略叠加机器学习的方法构建极度分散化的投资组合以此来提供相对稳定且具备竞争力的超额收益多策略技术框架确立于2015年，除了追求个股超额之外，也会在风格、行业等方面建立子模型，并对子模型的输出进行叠加综合产生对个股的唯一打分共同决定投资组所管理的国金量化多因子国金量化多策略基为量化选股策略基金进行全市场选操作从操作特征来看整体持仓调整灵活换手率较高呈现一定左侧布局中小盘反转的特点。量化选股模型特：多策叠加机器学习，分散持仓增强超额稳定性马芳女士所管理的基金多为量化选股型基金采用多策略量化框架进行全市场选股操作该量化框架体系确立于2015年经历了7年多的实盘验证已经具备了较好的稳定性这套框架根不同的维度和方向单独建立子模具体包括股票超额行业风格等多个维度共同决定输出结投资组通过机器学方法来构建组合权重调整频率为复合的结分为高中低三个频率混频率分布在一到一个不等在这7年多的时间内会不定期地在变量层面、子模型层面进行迭代优化，最近一次是低频策进行优，主要涉及两个方向1、寻找更好的、具备更强预测能力的技术模。2、参数的优化。子模型超额如果在一时间表现不及预期，有可能会被下线优化，单个优化子模型并不影响其他的模型的正常输出，每个子模型都是单独的Alpha。因子挖掘方面初期积累大批具备比较强经济学意义的变目前仍在类方向上寻找新鲜的视角或数含但不限于行情数、基本面数、宏中观数据。因子使用方面因子库主要包行情数、基本面数据宏中观数据等其基本面数主要是财报数据和一致预期数据因子加权方面量因子和基本因占比均筛选因子的过程中不要求因子IC或ICR有非常强的预测能力主要考察因在输入到子模型是会有边际上的影响或变兼顾长期的稳定性和不同情景的有效性因基本的研框比成熟所变量加入后可以很快进行验证。基金经及管理产品风险收益情：绝对收益及超额收益双优马芳女士，自2020年9月在国金基金任职基金经理以来目前管理4只指数增强及量化型基金产，四季度末合计管理规模33.97亿元其国金量化多策机构资金持有相对较高202年中报机构投资者占比达42.4。从绩效表现情况来看代表产品国金量化多因子2022年超额收益29.10在同期20只量化选股型基金中排第2，国金量化多策略2022年超额收益17.42，在期210只量化选股型基金中排第3，2只金2022年绝对收也均在6以上不论是绝对收益水平还是风险调整后收（夏普比率均在同业当中名列前茅截至2023年2月8日，从中长期角度来看国金量化多因自2020年9月任职以来累计收益46.31年化超额17.32国金量化多自任职以来累计收益30.07，年化超额0.55，而且，任职以来2只基金超额最大回撤均在左右。整体来看通过分散化的投资组合自上而下多策略的投资框架严格风险约束很好实现了获可观且稳定中长超额收益的投资目。图表36：基金经理在管指增及量化产（截至2023.2.8 图37：代表产品管理以来累计收益（截至2023.2.8）Wind Wind图表38：代表产品阶段风险收益指标（截至2023.2.8）--317295628--373556893--307291752--343360365Wind代表产管理期运作特征左侧布中小盘反转全市场选股散持仓股票仓位水平：马芳女士于2020年9月开始管国金量化多因和国金量化多策基，历史定位国金量化多因为高仓位运作国金量化多策为中高仓位运且进行一定的仓位择时操这点差异从2只基金历年权益仓位统计结果也可以看出2022年下半年以来股票仓位特征有所变化2只基金均保持高仓位运作且不进行仓位择时，股票仓位基本保持在80以上。图39：管理期间股票仓位水平（）来源：行业偏离情况我们以中证50指数为基准分别测国金量化多因和国金量化多策的行业偏离程结果显示管理期国金量化多因和国金量化多策报告期平均行业偏离度分别为2.031.82最近两个报告期行业偏离度有所上升，但不超过3.5。从超低配前五大行业的分布情况来看2022年中报显示国金量化多因子和国金量化多策均主要超配计算机机械设备电行业低钢铁交通运输有色金属非银金融等行业。对于行业的偏离主要由模型输出信号决定，没有人为的调整与干预。年报（）年报（）年报（）年报（）年报（）年报（）年报（）前大业667740294.9142032226274前大业-7-32-9-0-62-38-4-.8-8-4-2-.4-0-3-1-0-5-7-8-1Wind Wind换手率水平及变化管理期国金量化多因和国金量化多策平均半年单边换手率分别为5.9811.2倍整体换手率水平远高于中证500指增基金平均水平，这或与量价因子的使用和机器学习模型的应用有关。图42：代表产品管理期换手率（倍）Wind因子暴露及贡献：从最近两个报告期来看国金量化多因和国金量化多策均在规模因子Beta因子、质量因子成长因子杠杆因子波动因子动量因子均呈现明显的负向暴露推测是由于机器学习的量化模型相较于主观基金经理的研究领域而言对于小盘股的研究更具优势其中Beta因子和动量因子的低配均为组合带来突出的正贡献，也体现量化模型偏左侧布局、善于捕获价格弹性较低的稳健小盘股反转的特点。25804.动量因子-25804.动量因子-202-90.流动性因子-11-1-08-.波动因子-400-31-.杠杆因子-31-02-.2-.成长因子-561-21.质量因子30584.价值因子00854.B因子-66-1-38-.规模因子年中报年年报年中报年年报国金量化多策略国金量化多因子A因子相对收益.因子相对暴露国金量化多因子A国金量化多策略年年报年中报年年报年中报规模因子-5-9-8-8B因子-34-6-36-3价值因子1-18-5质量因子-9-5-3-08成长因子-7-7-4-2杠杆因子-2-7-2-9波动因子-6-7-4-5流动性因子6173动量因子-30-7-31-8Wind 来源：公司量化团队及产品线特点软件及量化背景产品线主聚焦量化多头国金基金2011年成立成立初期便对量化的部署投入了较大的精力2013-204年平台已经比较完善地建立了量化策略的运营支撑国金基金量化投资事业部核心人员共6位大多是在软件开发积累较多的专业人才后逐渐纳入了专门从事量化研究的研究员除了策略研究外基金经理主要负责产品投资管理公在因子的挖掘和补充上部署了3人其他则负责关注优化和数据层管理模式统一除核心的研究人员外也会使用公司平台的共用源，比如IT、交易、风控等国金基金量化产品线主包含量化多和指数增强产品其中以量化多头为主未来会继续在细分领域进布局，为投资者提供更多对标不同指数、各类市场风格的量化产品。乔亮（万家沪深300、中证500、中证1000指数增强基）基金经理乔亮2019年7月加入万家基金倡导“通过科学的投资方法，用纪律克服人性的弱点，用模型作为探索投资机会的工具，结合市场的具体演化，追求长期、稳健的超额收益，追求长期的投资价值坚持系统化的量化投资框架不加入主观因素干乔亮先生管理的指数增强及量化基金主要采用多因子框架模型构建阿尔法组合因子覆盖全面涵盖多维度多信息渠道多年的从业经使得乔亮先非常注重模型和策略的独立性更多使用非传统方式进行细节方面的处理尽可能避免与其他量化基金策略的同质化问题从操作特征来看所管理的指增产品风险敞口控制非常严格由于量价因子使用比例较高，因而，整体换手率水平高于同业平均。量化选股模型特：因子覆盖全，策略同质较低因子挖掘方面主要有三个来源首先文献检索和研究成定期跟踪国及海外的最新研究成果卖方的最新研报通过外部研究方法和研究思路的启进提炼和改良主要应用基本面等中长期因子其次基于对市场现象的观察更应于量价类市场情类因包括新因的挖掘旧因子的升级改造最后新数的用，例如高频数，舆情、供应链等另类数据。因子使用方面除了成长价质等传统基本因子以外还通过高频数低频化处理生成量价因综合在中低频框架里使用另外在另类数使用方主要通过机器学习进文本挖用到的文本包括卖方分析师报告内部研究员报告研究短文等整体来看乔亮采用的这多因子量化体系信息覆盖的全面较高可保证在任何市场环境中都会有效因子能使用。基金经及管理产品风险收益情：量化经验丰富，额收益突出乔亮先生美国斯坦福大学工商管理博士统计学硕士15年证券投资经曾任美国巴克（BGI基金经理，加拿大退休基金基金经理南方基金量化投资部基金经理通联数据股份公司联合创始人首席投资官上海寻乾资产投资总监总经理巨(上)资产量化投资部投资总监2019年7月加入万家基担任公司总经理助基金经理所管理的基金主要分布指数增强主动量绝对收等品种中其中所管理的指数增强基金包括沪深300、中证500中证1000创业板指数增强基金四季度末合计管理规模95.52亿元所管理的主动量化基金万家化睿选，四季度末管理规模14.36亿元，该基金202年中报机构投资者占比达78.82，受到机构投资者广泛关注2022年12月，乔亮先生开始管万家家瑞混合债，着尝试用量化的方管固收产品。从绩效表现情况来看代表产品万家中证1000指数增强金2022年超额益11.79在全部宽基指增基金中排名第1万家沪深30万家中证50指数增强基金2022年超额回报也在8以上超额水在同业当同样列茅截至2023年2月8日自019年8月任职以来万家中证100指数增强基年化超额15.67万家中证0、万家沪深300指数增强基任职以019年9月年化超额分别为11.428.96与此同时任职以来三年多的管理时间内3只指增基金年化跟踪误差均在4左右超额回撤在5以内通过更加合理化的风险预测模型行相对严格的行业、风格偏离约束，实现了可观且稳定的超额收益，充分践行了“追求长期、稳健的超额收益”的理念。图表45：基金经理在管产品（截至2023.2.8） 图46：代表产品管理以来累计收益（截至2023.2.8）Wind Wind图表47：代表产品阶段风险收益指标（截至2023.2.8）万中指增A--175458339万中指增A--623036172万沪指增A--66560-89-56万中指增A--154524267万中指增A--629556973万沪指增A--681002630Wind代表产管理期运作特征严格控制风险暴露，高频量价提升换手率股票仓位水平乔亮先生于209年89月先后着手管万家证1000万家中证500万家深300指数增强基金3只基金管理期间始终保持高仓位运作且不做仓位择时，股票仓位始终保持在93-95之间。图48：代表产品管理期间股票仓位水平（）Wind成分股行偏离情况：成分股偏离度方管理期间万家中证1000万家中证500万家深300指数增强基金报告期平均成分股偏离度分别为0.28、0.41、0.65，3只基金各个报告期最大成分股偏离度不超过0.9，绝大多数时间在0.5以下从报告期持仓明细来看绝大多数成分股偏离水平处-0.5至1区间基本不存主动暴露成分股外配置比例方面管理期万家中证1000万家中证500万家沪深300指数增强基金报告期平均成分股外配置比例分别为18.17、18.49、16.56。图表49：代表产品管理期成股偏离度（） 图50：成分股偏离分布万中指增A万中指增A万沪指增A年报年报年报年报年报年报2101042[52)106043[15)7596[51)[05)[-50)[-1-5)001196[-5-1)000031[-2-5)000010-2000021Wind Wind行业偏离度方面管理期间万家中证1000万家中证500万家深300指数增强基金报告期平均行业偏离度分别为0.91、1.18、1.04，3只基金各个报告期最大行业偏离度不超过1.4，绝大多数时间在1.2以下。从超低配前五大行业的分布情况来看2022年中报显示，万家中证1000指数增强基金主要超配电子行业，低配机械设备基础化工等行业万家中证500指数增强基金主要超配有色金属电力设备低配医药生物非银金融万家沪深300指数增强基金主要超配电力设备低配计算机医药生物非银金融等行业不过具体偏离水平尚可，且31个申万一级行业中绝大多数行业的偏离水平都-2到2之间。整体来看，乔亮先生管理的只指增基金行业偏离均较低不在行业层面做过多主动暴露因而近年来行业轮动加快的市场环境中超额回撤优势明显。图51：代表产品管理期行业偏离度（）Wind....98--9....98--9-7-6-9-0-1-7-5-5-6-47--9-3-5-7-82-2-5-04-14-93-1-61-1-14-6-15-9前大业705196788191397814421721803722127904前大业年报（）年报（）年报（）年报（）年报（）年报（）万沪指增A万中指增A万中指增AWind，换手水平及变化管理期万家中证100万家中证500万家深300指数增强基金平均半年单边换手率分别为3.983.492.2倍从换手率的变化情况来看近一年来随着高频量价因子权重的增3只基金换手率水平相比前期均有不同程度提升，整体高于同类型指增基金的平均水平。图53：代表产品管理期换手率（倍）Wind因子暴露及贡献从最近两个报告期来看万家中证1000万家中证500万家深300指数增强基金在规模因子Beta因子价值因子上呈现一定的负向暴在成长因子动量因子上正向暴露明显也体现量化模型对高成长的中小盘股投资价值更加关注的特点。同时在成长因子上的持续正向暴露也实现了不错的正向贡献。图表54：代表产品相对因子暴露 图55：代表产品相对因子收益万中指增A万中指增A万沪指增A万中指增A万中指增A万沪指增A年报年报年报年报年报年报年报年报年报年报年报年报-06-2-8-3-25-7-4-04-17-.4-55-05B因子-04-0-4-2-07-1B因子21706882-03-9-3-9-11-1-508-517-651-07.1-48-14-68055047-03.900007259255323-0271203.900430114-06-4-3806.7-2-15-263003-08-1-28081-509-5-.75-01.3790169-7-79-26-.9-45-92Wind 来源：公司量化团队及产品线特点科班出身梯队建设完整量化产品线完善万家基金量化投研团队成员共11人均毕业于国内外高等学府的数学金融和IT相关专业以理工科背景为，整体年龄构成和从业经验分布比较分散梯队建设比较完整核心团队成均具备8年以上策略管理和实盘投资经验。万家基金共计4条量化产品线包括被动指数指数增强主动量化以及绝对收涵盖了不同贝塔及阿尔法特征的产品类别量化产品线完善其中主动量化产品万家量化睿对标偏股混合型基金指数在对全市场基金做初步优选的基础上通过估算基金历史持仓叠加量化因子筛选构建优秀基金指数再以此为起点进行指数增强是目前市场上比较少数的对标偏股混合型基金指数的公募量化型基金产品。图56：公司量化产品线情况来源：万家基金，苏俊杰（鹏华沪深300、鹏华中证500指数增基）基金经理苏俊杰2019年加入鹏华基金，现任量化及衍生品投资部副总经理管理多只指数增强及量化型基金。苏俊杰先在公司完善的量化平台基础上以中低频基本面多因子框架为基础结合中高频量价和人工智能方法增加对于非结构化数据的处理和应用形成了一套AI+的基本面量化体系策略专注选股不做风格和行业上的过度偏离，不做轮动也不择时超额收益和主动权益基同业指数增强产品相关均较低从操作特点来看不论是行业偏离还是成分股偏均得到有效控制，不存在过多敞口暴露，模型选股呈现超兼具优质基本面和估值优势标的特点，整体换手率水平相对适中。量化选股模型特：广泛的因子覆盖AI+基本面量化的多周期预测模型因子挖掘方面主要基于结构化数据另类数据设置了三个能力中心分别是因子研究人工智能NLP运算中心通过上述平台发掘有效因日内高频数据网站爬虫等另类数据均有所涵盖也会对最新的学术理论进行踪。除了人工对于因子的挖掘外也采用了人工智能的算法进行因子的挖掘和合成因因子库更新的速度较快每年能达到超过20的有效迭。因子使用方面因子库主要包括8大类400多个因子从中选200多个因子应用到模型当中其中价值因子、质量因子成长因子和一致预期因子相对偏基本面也将很多量价与高频因公司治理因子行业因子事件因子等另类因子逐步融到因子体系中与传统基本面量化不同的是鹏华基金对于不同的因子采用不同的预测周期即通过多维度、多周期的预测形式，以期实现更加稳定的超额回报。因子加权方面基本面因子占比65左右，量价高频因子和另类数据因约占35。目前两因的分配权重要是基于给定投资限制条件下进行合理的权重配比包括换手率交易成回撤信息比率等因素属于经验的结果这两类因子的周期性会有一定的错开有相关性的相互补充和提升的过两个相结合的超额收益曲线比较平，长期来看，类因都有比较显著收贡献。基金经理及管理产品风险收益情况超额获取能力突出，回撤控制效果良好苏俊先，硕士毕业于芝加哥大学金融数专业，本科就读于清华大学，具有10年量化投资研究经验曾任MSCI分析师、华泰柏瑞基金专户投资经、财通基金量化投资二部负责等。2019年加入鹏华基金，现任量化及衍生品投资部副总经理所管理的指数增强基金主要对标沪深300证50中证00科创0指数指增及化产品四季度末合计管理规模31.82亿元。从绩效表现情况来看代表产鹏华沪深300指数增基四季度末管理模15.01亿2022年中报机构投资者占比达74.52，受到机构投资者广泛关注该基金2022年超额收益5.97，在同期130只宽基指增基金中排名第14。中长期来看，截至2023年2月8日鹏华沪深30指数增基金自01年3月任职以来年化超额4.74超额回撤5.15鹏华中证50指数增基金自202年1月任职以来年化超额10.67超额撤4.07超额水平定且优异总的来说有效的选股模型以着力于模型构建组合构建和事后监控调整三个维的风控措施共同保证了基金产的超额回报。图表57：基金经理在管指增及量化产（截至2023.2.8 图58：代表产品管理以来累计收益（截至2023.2.8）Wind Wind图表59：代表产品阶段风险收益指标（截至2023.2.8）鹏沪指增A--54745-18-71鹏中指增A--179470046鹏沪指增A--52655----鹏中指增A--17297----Wind代表产管理期运作特征严控敞口暴露，超配兼具优质基本面和估值优势标的股票仓位水平：苏俊先生于2021年3和2022年1月先后着手管鹏华深300指数增强基、鹏华中证500指数增基金2只基金管理期间始终保持高仓位运作且不做仓位择时，股票仓位始终保持在90以上。图60：代表产品管理期间股票仓位水平（）Wind成分股行偏离情况：成分股偏离度方管理期间鹏华深300指数增强基鹏华证500指数增基金报告期平均成分股偏离度均为0.59，2只基金各个报告期最大成分股偏离度不超过0.7。从报告期持仓明细来看，绝大多数成分股偏离水平处0.5至1区间，基本不存在主动暴露。成分股外配置比例方面，管理期华沪深300指数增强基金、鹏华中证500指数增强基报告期平均成分股外配置比例分别为16.78、15.12。成分股偏离区间 鹏华沪深指数增强A 鹏华中证指数增强A年年报年中报年年报年中报252-成分股偏离区间 鹏华沪深指数增强A 鹏华中证指数增强A年年报年中报年年报年中报252-0[52)56-[15)6-[51)-[05)-[-50)-[-1-5)63-0[-5-1)10-0[-2-5)20-0-211-0Wind Wind行业偏离度方面管理期鹏华沪深300鹏华中证50指数增基报告期平均行业偏离度分别为0.92、1.26，2只基金各个报告期最大行业偏离度不超过1.3。从超低配前五大行业的分布情况来看2022年中报显示，鹏华中证500指数增基主要超通信、计算机、传，低配非银金、汽车、国防和军工；鹏华沪深300指数增强基主要超食品饮料、有色金属、通信等行，低配基础化工、机械设备、农林牧渔等行。不过，2只指数增强基具体偏离水平尚可且31个申万一级行业中绝大多数行业的偏离水平都-2到2之间整来看，不在行业层面做过多主动暴露或使得在近年行业轮动加的市场环境中超额回撤优比明显。图表63：代表产品管理期行业偏离度（） 图64：行业偏离情况（超低配前5大行业）鹏沪指增强鹏中0指增年报（）年报（）年报（）年报（）前大业74--039--.333--.7412--.41112--6前大业-3-7---15-6-5---17-2-8---23-2-6---22-4-7---3Wind Wind换手水平及变化管理期鹏华深300指数增强基金鹏华证500指数增强基平均半年单边换手率分别为2.13、3.20倍基本面因子6）叠加量价因子35）的体系使得产品换手率水平相对适中与同类型指增基金的平均水基持平。图65：代表产品管理期换手率（倍）Wind因子暴露及贡献从最近两个报告期来看鹏华深300指数增强基金鹏华证500指数增强基在规模因子、杠杆因子上均呈现一定的负向暴露在价值因子质量因子成长因子波动因子流动性因子动量因子上正向暴露明即投资组合相对偏向高质量高成长低估值低杠杆中小盘2022年中报在成长因子和波动因子的正向暴露也实现明的正向贡献。因子相对暴露鹏华沪深指数增强A鹏华中证指数增强A年年报年中报年年报年中报规模因子-0-2-因子相对暴露鹏华沪深指数增强A鹏华中证指数增强A年年报年中报年年报年中报规模因子-0-2--0B因子-1-3-7价值因子83-6质量因子007-1成长因子40-2杠杆因子-50--5波动因子-26-0流动性因子44-8动量因子29-9因子相对收益鹏华沪深指数增强A鹏华中证指数增强A年年报年中报年年报年中报规模因子-2-04--3B因子5.5--9价值因子8-01--3质量因子-3.1-3成长因子09.4-0杠杆因子-1.0--2波动因子-8.1-64流动性因子02-02--07动量因子-5-17--89...Wind 来源：公司量化团队及产品线特点团队成具备复合背，各研究方向自主选择鹏华基金量化产品线完善涵指数增强主动量化被动指数基等类别量化部有15其中量化策略8个，被动指数7人。在量化策略的8人中，包括2名投资经理和6名研究员，有1名IT人员专门负数据理和底层系统的维护量化策略团队中有3名博士研究员的背景比较复合包含物理会计金融等多个专业团队内部工作内容主要分为基本面因子的研究和优化量价因子的研究人工智能算法结合高频数据的研究因子的融合等等，各自凭借兴趣选择主攻方向。叶乐天（建信中证500、建信中证1000指数增强基）基金经理叶乐天2011年9月加入建信基金2012年起担任基金经理，十多年的量化研究和投资生涯，使得叶乐天先生形成“坚决获取纯粹的阿尔法拥挤度高的地方不去做暴露行风格基本上不做主动偏离的投资念。在实际投资过程中除了对模型孜孜不倦的求索之外也积极推进和权益部门研究成果的融合借助主观的研究逻辑和看法形成差异化的因子数据来源同时叶乐天先生认为量化不适合做择时故而将主要精力都放在了选股上确保阿尔法纯粹并且稳定以保证客户的持有体验从操作特征来看严格控制行个股偏离重视基本面因股，换手率水平保持稳定。量化选股模型特点：融合权益研究成果，因子中性化过滤杂音因子挖掘方面立足于建信基金强大的权益研究基础始终与公司权益研究团队对于选股逻辑和行业看法保持着很好的沟通会将经过验证的主动研究成果做成因子加以使用除此之外数据来源上一方面通过网站或者合作机构获取股票关注度信息加以加工处理另一方面也通过人工智能的方式进行因子的补充在追求量化技术革新因子深度和可解释性上，呈现双管齐下的态势，进而形成建信独具特色的因子库。因子使用方面核心选用基本面技术面和情绪面因子且所有因子都经过了风险模型中性化处理使得因子不受行业和市值等素的干扰提高了模型精度其中基本面因子主要是财务报表因子技术面因子主要是价量子，情绪面因子主要包含分析师预期和投资者关注度信息等此外会通过事件因子对雷股进行剔除操作由于量化组合持仓分散，且对个股的分析不如主动投资透彻，容易踩雷，因而，通过事件因子实现对A股负面事件的全方位监测，及时发现潜在雷股并从股票池剔除，能够大幅降低踩雷概率。因子加权方面因子权重的分配采用因子动量的方没有进行任何主观的干预最终使用的因子中单个因子权重不会超过5，在因子层面遵循分散化的逻辑。基金经及管理产品风险收益情：超额收益明显，风控助力超额稳定性叶乐天先生北京大学理学硕士数学专业出身曾就职于中金历任市场风险管理分析员量化分析经理从事风险模型、量化研究与投相关工作2011年9月加入建信基，2012年起担任基金经理所管理的5只指数增强型基金四季度末合计管理规模64.02亿元其中建信中证50指数增四季度末管理规模51.98亿元理规模稳定增长建信中证1000指数增建信MSCI国A股指数强2022年中报机构投资者占比在50以上受到机构投资者广泛关注。从绩效表现情况来看代表产建中证1000指数增强基金02年超额收益7.74，在全部宽基指增基金中排名第8建信中证50指数增强基金202年超额回在全部宽基指增基金中排名同样位于前30截至203年2月8日，自2018年1月任职以来，建中证100指数增强基年化超额15.71，建信证500指数增强基任以来（2014年1年化超额8.88与此同时任职以来九年多的管理时间内2只指增基金年化跟踪误差均在5右超额回撤不超过7，通过不做主动风险暴露的方式，很好的保证了阿尔法的稳定性。图表68：基金经理在管指增及量化产（截至2023.2.8 图69：代表产品管理以来累计收益（截至2023.2.8）Wind Wind图表70：代表产品阶段风险收益指标（截至2023.2.8）建中指增A--78938-80-70建中指增A--218247100建中指增A--720779860建中指增A--237857585Wind代表产管理期运作特征严控行业个股偏离，重视基本面，精选优质个股股票仓位水平：叶乐先生分别于2014年1月、2018年11月先后着手管理建信中证500、建信中证1000指数增强基金2只基金管理期间始终保持高仓位运作且不做仓位择时，股票仓位始终保持在80以上，结合股指期货仓位后，合计仓位水平始终稳定在90以上（不含杠杆折算。图表71：管理期间股票仓位水平（） 图72：管理期间股票仓位水平（）Wind 来源：成分股、行偏离情况：成分股偏离度方，管理期间建证1000、建中证500指数增强基金报告期平均成分股偏离度分别为0.35、0.23，2只基金各个报告期最大成分股偏离度不超过0.5，绝大多数时间在0.3以下。从报告期持仓明细来看，绝大多数成分股偏离水平处-0.5至0.5区间，基本不存在主动暴露。成分股外配置比例方面，管理期间建信中证1000、建中证500指数增强基金报告期平均成分股外配置比例分别为18.93、22.44。成分股偏离区2[52)[1成分股偏离区2[52)[15)[51)[05)[-50)[-1-5)[-5-1)[-2-5)-2建信中证指数增强A建信中证指数增强A年年0050000年中报年年报年中报014000000410000020000Wind Wind行业偏离度方面管理期建中证1000建信中证500指数增强基金报告期平均行业偏离度分别为0.88、0.75，2只基金各个报告期最大行业偏离度不超过1.2，绝大多数时间在1以下。从超低配前五大行业的分情况来看2022年中报显示建中证1000指数增强基金主要超电力设备、计算机、有色金行业，低电子、医药生物、食品饮等行业建中证500指数增强基金主要超医药生物、电，低配非银金、军工。不过具体偏离水平尚可且31个申万一级行业中绝大多数行业的偏离水平都-1到1之间整体来看叶乐天先生管理的2只指增基金行业偏离均较低在实际操作中的不在行业层面做过多主动暴露因而主线不明朗、行业轮动加快的市场环境，表现出较好超额回撤优势。建中指增A建中指增A年报（建中指增A建中指增A年报（）年报（）年报（）年报（）前大业98649447.87758.035479026前大业-2-.1-3-0-8-4-0-6-1-5-0-.2-6-2-5-3-7-8-9-8Wind Wind换手率水平及变化：叶乐天先生对于产品换手率做了一定的约束，管理期间建证1000、建中证500指数增强基金平均半年单边换手率分别为3.42、2.34倍，由于前者量价因子占比更高且规模较小，因为换手率水平比后者稍高但与同类型指数增强基金比较来看建中证1000建信证500指数增强基金换手率水平均明显地低于同业平均水平。从换手率的变化情况来看2021年以来有所下降，这或与增加换手率较低的Smartbeta辅助策略以及股指期货替代比例增加有关，交易层面的换手率水平并没有明显的变化。图77：代表产品管理期换手率（倍）Wind因子暴露及贡献：从最近两个报告期来看，建中证1000、建信中证500指数增强基金在规模因子、杠杆因子上呈现一定的负向暴露在成长因子质量因子动量因子价值因子上正向暴露明显在成长因子和波动因子上的持续正向暴露实现了不错的正向贡献在成长因子质量因子价值因子等基本面因子的正向暴露也体现了叶乐天先生重视基本面选股的思想，与其量化理论相契合。因子相对暴露建信中证指数增强A建信中证指数增强A年年报年中报年年报年中报规模因子-6-因子相对暴露建信中证指数增强A建信中证指数增强A年年报年中报年年报年中报规模因子-6-22-4B因子-4.0.2-5价值因子03395质量因子00504成长因子00867杠杆因子-4-43-9波动因子-23408流动性因子-0-193动量因子09.436因子相对收益建信中证指数增强A建信中证指数增强A年年报年中报年年报年中报规模因子-2-405-01B因子3-5-87价值因子5-301-05质量因子-3701-50成长因子814041杠杆因子-1-201-04波动因子-700169流动性因子-0401028-02动量因子-25-9-4-69.Wind 来源：公司量化团队及产品线特点团队科班出身，产品条线建设完备建信基金量化投研团队成员共10人，均有国内外高等学府求学背景，涉及专业包含数学、统计、金融等量化投资相关领域，即整个团队均以科班出身，量化投研经验均在5年以上，核心团队成员均有10年以上的量化分析或投资管理经验从因子挖掘到人工智能均有人员负责团梯队建设比较完建信基金指增量化产品线主要包括包括大盘指数、中小盘指数、行业指、SmartBeta产品，产品线完善。图80：公司量化产品线情况来源：建信基金，殷瑞飞国投瑞银沪深300、国投瑞中证500指数增强基）基金经殷瑞飞2011年6月加入国投瑞基金，203年9月起担任基金经理先后管理过9只基金产品目前在管产品6只殷瑞飞先生专注多因子选股在因子挖掘方面讲究因地制宜不同的因子采用的不同的挖掘方案其中基本面因子多借鉴行业研究员的研究逻辑一定程度上降低了量化模型的黑箱程度增加了因子的可解释性而在因子复合方面则采用纯量化的方式避免主观的影响同时殷瑞飞先生淡化风格和行业的选择聚焦于自己选股能力圈范围之内除了对于收益的追求之外对于超额收益的稳健性有着很高的重视度从操作特征来由于基本面因子占比较高因而整体换手率水平低于同平均成长质量因子上的正向暴露贡献了不错的超额来源进一步验证了基金经理重视因子逻辑、深入基本面研究的特点。量化选股模型特：因子挖掘因地制宜，因子配置“静态+均衡”因子挖掘方面不同的因子采用不同的方向基本面因子主要从基本面角度去挖掘和改善通过对各个行业的研究以及研究员的交流深入了解各个行业的基本面逻辑进行因子升级量价类交易模式类的因子则更加依赖于新算法的学习和更新从数据的频率以及取得的方向上进行相应的拓展例如借助更加复杂的算法去挖掘一些非线性的模式，拓宽数据的处理。模型迭代方面，主要包含两大方向。一是从收益来源的角度，新因子的挖掘和老因子的迭代；二是投资组合框架的细化和完善例如风险模型的更新和迭代换手机制的优化等但整体的投资理念和框架近年来始终有发生变化，始终遵循风格、行业中性，坚持静+均衡的配置原则。因子使用方面，主要包含五大类因子估值因子、成长因、盈利因子、分析师预期因、交易特征因。前三类因子属于基本面因子主要关注公司的盈利能力成长能力估值性价比交易特征因子主要基于市场交易层面的特征或者高频数据做挖掘获取交易对手非理性行为的投资回报分析师预期因子介于基本面和交易面之间充分利用市场分析师的研究成果通过模型化的方法把研究成果整合到因子体系中另类数据方面已有应用是未来的重要方向，但是现在占比并不高。因子加权方面，用“静+均衡”的因子配方式规避因子失效风险具体来看，综合考虑各因子长期表现的显著性、稳定性以及相互之间的相关性来进行因子权重的分配，不做频繁的因子择时，保持因子格局的相对稳定。并且不在单一因子上暴露过多权重力求保持各大类因子的相对均衡配置因子权重上