方兴未艾，砥砺前行——公募量化市场概况与策略解析
Abstract
摘要
公募量化市场发展与概况
市场概况：公募量化市场近来呈现快速扩容，截至2023.10.31，公募指数增强与主动量化产品合计存量数量476只，合计规模达3130.6亿元；从类型分布来看，无论在主动量化还是指数增强产品中，宽基指数均占据绝对优势，同时主题与行业指数量化产品正呈现多点开花，逐步抬升趋势；从宽基标的来看，500量化产品规模扩张明显，以中证1000和国证2000为代表的小微盘宽基指数量化产品已不容小觑。
机构格局：近年来，参与布局量化产品的公募机构数量明显抬升，愈来愈多新生力量涌入市场；但即便如此，优异业绩助推规模、头部机构优势彰显，致使马太效应加剧，集中度相较2020年底不降反升；从市场份额变化来看，2020年底至今涨幅居前多为新晋机构，部分老牌机构未能把握市场机遇，规模停滞不前或甚至呈现回落。
持有结构：量化产品整体仍以个人持有为主，但相较主动权益基金而言更受机构投资者青睐；得益于小盘占优的市场环境，机构投资者配置需求显著抬升，1000量化产品的机构持有占比相对更高；从公募FOF重仓视角来看，平均每三/两只公募FOF重仓列表即出现1只公募指数增强/主动量化产品。
业绩特征：整体来看，指增超额稳定、胜率较高、跟踪误差较低，主动量化则与主动权益趋同；区分标的类型来看，指增超额与跟踪误差呈现1000>500>300的特征，主动量化未见明显趋势，长期来看300与500主动量化跑赢相应指增；区分市场环境来看，下跌市表现更佳，战胜基准指数概率更高；对比主动权益基金而言，收益来源存异，Alpha呈现较低相关性；对比私募量化而言，超额差异缩窄，整体相关性呈抬升趋势。
产品投资策略与收益归因
策略特征：资产配置方面，指增保持高仓位运作，主动量化则与主动权益仓位趋同，呈现较大仓位波动，部分量化产品参与期货投资以增强组合收益与实现现金头寸管理；板块特征方面，指增产品成分股内持股占比保持80%-90%高位，主动量化则相对较低；行业配置方面，主动量化多数选择放宽行业控制或叠加主观行业趋势与景气判断，呈现相对较大偏离，但相较主动权益，指增与主动量化行业层面的偏离控制特征凸显；风格特征方面，市值与估值因子暴露多随市场风格变化呈现轮动特征，但整体暴露敞口控制较为严苛，价量因子不同标的与类型量化产品的暴露与控制特征存异，基本面因子多呈持续稳定正向暴露；持股特征方面，量化产品持股集中度低，且随着小盘标的产品增多，呈现愈加分散趋势；交易特征方面，主动量化换手长期抬升，小盘标的交易属性更强。
收益归因：1）资产配置收益贡献微薄且正负参半，并非量化产品的主要收益来源；2）主动量化产品通过行业暴露获取更高行业配置收益；3）选股收益与交易收益为构成量化产品超额收益的主要来源；4）制度红利期，部分规模尚小的量化产品获取可观打新收益；5）部分收益特征与策略特征不无关联，或有助我们理解其收益特征的底层来源。
绩优产品：梳理今年以来绩优产品的投资风格及策略特征，我们发现：Beta层面，相较同类产品，绩优基金呈现更为明显的小市值、低估值与低波动特征；策略层面，相较同类产品，绩优基金的基本面因子暴露更低，价量因子暴露略高；Alpha层面，剥离风格暴露及基本面/价量因子收益后，仍存在较多未被解释的Alpha；不乏绩优个例并不同时满足前述共性特征，保有相对独立的策略特色。
如何看待当前量化产品配置价值
Alpha依然可期：公募量化正在积极拥抱市场变化而持续迭代，不断拓展Alpha来源并探索其差异化优势；根据我们近日面向公募量化团队发放的调研问卷结果，已有2/3的公募量化团队采用机器学习模型辅助策略，并有近半数相对看好未来高频价量因子表现；我们认为，数据与模型边界的双重拓展，将有望助推量化策略发展，Alpha未来依然可期。
市场环境相对适宜：我们认为，A股当前整体处于估值较低的高性价比状态，但从宏观环境和市场信心来看，尚未具备整体快速上涨条件，未来行情或仍以震荡上行为主，同时市场主线尚未明朗，整体来看，相对较为适宜量化策略开展。需要注意，1）我们对微盘风格观点整体偏中性，若相关预测指标后续出现反弹，微盘风格或阶段承压，量化策略或脱离其适宜市场环境；2）若后市出现快速反弹，或因因子阶段失效及分散化特征，致使量化策略整体弱于市场表现。
关注产品维度特征：从产品维度来看，风格与策略特征呈现明显差异；在近年来快速轮动的市场环境中，部分产品通过阶段性暴露更偏向Beta属性的市值与估值风格以获取超额收益；我们建议投资者明晰产品策略构成，厘清Beta与Alpha端策略特征。当前时点，建议关注规模抬升对于纯Alpha策略及高频价量占比较高策略的负面影响，同时警惕当后市微盘风格发生回调，前期市值风格暴露较多的产品超额回撤。
风险提示
若市场环境或政策因素发生不利变化，或造成行业发展不及预期；报告所有分析均基于公开数据与信息，不构成任何投资建议。
Text
正文
今年以来，伴随着市场波动加剧、行业轮动频繁，量化投资凭借其持股分散、行业均衡的优势为投资者所关注；同时，近年来的市值下沉环境也更有利于发挥量化选股的宽度优势，部分公募量化产品业绩表现突出，备受市场瞩目。
为此，我们于近日以问卷形式面向公募量化团队（指旗下管理指数增强与主动量化产品的团队，以机构为单位）展开匿名调研，以期了解目前市场量化团队的整体情况。
本篇报告，我们旨在基于数据分析及调研结果，梳理公募量化市场的发展及现状，解析量化产品的投资策略与收益来源，并探讨当前时点量化产品的配置价值，以供投资者参考。
公募量化市场发展与概况
产品类别
通常而言，我们以量化产品的Alpha+Beta收益特征来进行类别划分。
具体来看，被动型产品（包括ETF及被动指数基金）以跟踪指数走势为目的，力求复制基准指数成分及权重，最大限度降低跟踪误差，属于强Beta+无Alpha类型。主动型产品中，指数增强基金在对基准指数进行有效跟踪的基础上，通过主动管理以获取Alpha收益，从而实现超越指数的投资回报，属于较强Beta+较弱Alpha类型；量化对冲产品则利用多空策略，以期剥离市场系统性风险，无论在上涨或下跌时均能获取绝对收益，属于无Beta+强Alpha类型；而主动量化基金通常采取多头策略以获取市场超额收益，且相较增强产品而言，没有成分股约束及跟踪误差限制，因而属于较弱Beta+较强Alpha类型。
除此之外，我们注意到，近年来愈来愈多量化基金经理将目光转向非权益赛道，尝试探索拓宽资产类别，以量化选股及资产配置优势为固收类产品提供稳健收益增厚。截至2023.10.31，基金经理具备指数增强产品管理经验的“固收+”基金数量与规模分别达64只与659.5亿元。若将其纳入量化产品范畴，依据前述Alpha+Beta收益特征分类，应居于左下角位置，即较弱Beta+较弱Alpha类型。
图表1：依据Alpha+Beta收益特征的公募量化产品分类
资料来源：中金公司研究部
图表2：基金经理具备指数增强产品管理经验的“固收+”基金数量与规模
注：数据截至2023.10.31；“固收+”基金样本为全部混合一级/二级债基，及股票部分业绩比较基准权重≤40%的灵活配置和偏债混合型基金；指数增强产品管理经验包含历管与现管
资料来源：Wind，中金公司研究部
同时，依据对Beta的依赖程度，我们从收益目标或收益属性角度出发，还可将量化产品归纳为绝对收益型与相对收益型。前者包含位居中轴左侧的量化对冲与“固收+”量化产品，其分别以Beta对冲与股债混合配置及轮动为绝对收益的实现路径，后者则为位居中轴右侧的股票量化产品，涵盖最为常见的主动量化与指数增强产品（仅考虑主动型）。
图表3：依据收益属性的公募量化产品分类
资料来源：中金公司研究部
由于量化投资所涉及的因子挖掘与模型迭代等工作相对较为系统与繁琐，更需团队协同，因而往往同家公司的量化投资团队内部，即使不同基金经理所管产品，策略也往往趋同，这同主动投资团队所呈现的策略各异与百花齐放，呈现鲜明差异。这也正是我们以机构为单位开展调研的主要考虑因素。
从调研问卷结果来看，61份有效回收问卷中（剔除2人仅管理被动产品，“固收+”量化产品未在调研统计范畴中），基金经理大多兼管不同类型量化产品，其中25人兼管指数增强与主动量化、更有7人兼管三类产品。而事实上，其股票多头的底层核心策略并无差异，仅依据投资目标、产品定位及业绩基准等因素，适当调整因子构成及风控与优化模型。从同家公司旗下的指数增强与对冲产品业绩来看，也确实符合前述论断，其2021-2023年相关系数分别为0.55/0.44/ 0.32，均保持一定程度的正向相关。为此，我们将本文后续研究范畴限定为追求相对收益的主动型股票量化产品，即主动量化与指数增强产品，也是公募量化市场的主流核心品类。
图表4：参与调研问卷的基金经理管理产品情况
注：我们于2023年10月底面向公募量化团队（指旗下管理指数增强与主动量化产品的团队，以机构为单位）发放调研问卷，截至2023.11.01共计回收有效问卷61份；后文提及调研问卷结果，均指该内容；少量调研对象仅管理被动型产品，该图未予纳入统计
资料来源：中金公司研究部
图表5：同家公司旗下指增产品与对冲产品业绩对比
注：数据截至2023.10.31；同家机构量化对冲产品仅保留成立时间最早或基金经理同时管理指增产品的样本；指数增强超额为同家机构300/500指增超额均值，如无则用同类均值替代，样本筛选与匹配原则同对冲产品，且需成立于2021年前
资料来源：Wind，中金公司研究部
市场概况
存量与发行：近来规模快速扩容，指增新发强势抬升
公募量化的初步探索可追溯至2002年11月成立的华安上证180增强（业绩基准后变更为MSCI中国A股指数），至今已历经20载沉浮。早期指数增强产品的跟踪标的多为大盘宽基指数，在小盘风格强劲的2015-2016年规模折损过半，随后步入缓慢扩容阶段；同时期，主动量化产品则凭借不俗收益迎来规模大幅攀升，截至2016年底达到阶段高点791.7亿元，但随后受股市异常波动及2019-2021年结构性行情影响，产品数量增速减缓，规模无甚起色。
2021年，随着小市值因子回暖及指数化投资趋势渐现，指数增强产品迎来规模放量，增幅达42.9%；今年以来，两类产品更是凭借优异业绩表现，“力压”诸多主动权益基金，再度实现规模快速抬升。截至2023.10.31，公募指数增强与主动量化存量产品数量分别为254只与222只，规模分别达2005.3亿元和1125.3亿元。
图表6：公募指数增强产品数量与规模
注：部分早期产品由其他基金类型转型而来，后续统计均以其转型日计入；数据截至2023.10.31，近期新发产品（无2023Q3季报披露）以发行规模计入，后文同
资料来源：Wind，中金公司研究部
图表7：公募主动量化产品数量与规模
注：主动量化基金的筛选方式为，基于Wind概念板块-量化基金的进出日期，筛选当期投资类型为普通股票、偏股混合和灵活配置型基金的部分，以保留历史到期/转型数据
资料来源：Wind，中金公司研究部
从新发情况来看，主动量化产品自2014年以来始终形成强势“碾压”，无论是发行数量或是发行份额，均远超指数增强产品；直至2020年，指数增强产品的弱势局面得到改善，新发数量首超主动量化，且优势保持至今。今年以来，截至2023.10.31，新发指数增强与主动量化产品数量分别为46只与11只，发行份额分别达144.0亿份与33.3亿份。
从发行数量与份额占权益基金整体的比例来看，指数增强产品自2015年触底后呈现缓慢抬升趋势；近两年，由于权益市场震荡走弱，市场情绪欠佳，权益基金整体发行遇冷，指数增强产品的发行占比呈现大幅抬升。今年以来，截至2023.10.31，发行数量与份额占权益基金整体比例达10.0%和9.5%。而主动量化产品，占比则自2015年高点一路回落，近两年来保持相对平稳趋势，即新发并无明显放量。
图表8：公募量化产品历年发行数量与份额
注：转型基金未予计入
资料来源：Wind，中金公司研究部
图表9：公募指数增强产品发行占权益基金比例
注：权益基金统计口径为全部股票型基金（含被动指数型基金）及偏股混合、灵活配置型基金
资料来源：Wind，中金公司研究部
类型分布：宽基占据绝对优势，行业主题多点开花
区分标的指数类型来看，无论在主动量化还是指数增强产品中，宽基指数均占据绝对优势；截至2023.10.31，宽基指数增强与主动量化产品数量分别为219只和188只，规模分别达1782.2亿元与1015.6亿元，在相应类型全部产品合计数量与规模中占比均超出85%。
与此同时，主题与行业指数量化产品正呈现多点开花，逐步抬升趋势。截至2023.10.31，主题与行业指数量化产品合计数量与规模占比分别达11.8%和8.4%，跟踪标的亦已覆盖医药、科技、消费等板块及高端制造、人工智能、国企改革、数字经济及ESG等热门主题。
图表10：不同标的指数类型的公募量化产品数量占比
注：数据截至2023.10.31；以权重最高的股票部分业绩基准指数，作为主动量化产品的跟踪标的，后文同
资料来源：Wind，中金公司研究部
图表11：不同标的指数类型的公募量化产品规模占比
注：数据截至2023.10.31
资料来源：Wind，中金公司研究部
图表12：主题与行业指数量化产品规模与数量占比
注：以指数增强与主动量化合计口径计算；数据截至2023.10.31
资料来源：Wind，中金公司研究部
图表13：不同宽基标的指数的公募量化产品数量（只）
注：数据截至2023.10.31
资料来源：Wind，中金公司研究部
区分宽基标的指数来看，由于主动量化产品多对标主动权益基金，比拼相对业绩表现，因而早期多以沪深300作为其业绩比较基准，规模始终均占据半数以上比重；直至今年，中证500主动量化产品大举扩张（相较去年年底扩容1.5倍），位次首现更迭。指数增强产品中，2021年的规模扩容主要来自于中证500，今年则以中证1000为主、500为辅。
截至2023.10.31，沪深300和中证500量化产品数量分别为135只和116只，规模分别达838.2亿元和1071.4亿元，合计占据全部宽基指数量化产品规模的68.3%。同时注意到，得益于近年来小微盘股的强势走势及中证1000股指期货推出、中证2000指数发布等利好提振，小微盘宽基指数量化产品已不容小觑，中证1000和国证2000量化产品规模已分别达323.2亿元与43.5亿元，合计规模占比13.1%。
图表14：不同宽基标的指数的公募指数增强产品规模
注：数据截至2023.10.31；单位亿元
资料来源：Wind，中金公司研究部
图表15：不同宽基标的指数的公募主动量化产品规模
注：数据截至2023.10.31；单位亿元
资料来源：Wind，中金公司研究部
机构格局
从参与机构数量来看，近年来呈现明显抬升，参与布局指数增强与主动量化产品的公募管理机构数量分别自2020年底的58家/77家增加至79家/84家。
从集中度来看，尽管近年来愈来愈多新生力量涌入市场，但优异业绩助推规模、头部机构优势彰显，致使马太效应加剧，集中度相较2020年底不降反升，合计CR5/CR10分别自38.5%/ 53.2%抬升至40.7%/59.0%。区分产品类型来看，主动量化产品贡献集中度主要增量。
从2020年底至今市场份额变化来看，涨幅TOP15多为新晋机构；其中，国金、华夏、万家基金份额涨幅居前，截至2023.10.31，最新市场份额分别达9.6%、6.7%和5.8%；而部分老牌机构则未能把握市场机遇，相较2020年底，规模停滞不前或甚至呈现回落。
图表16：2020年以来公募量化市场份额涨幅TOP15
注：数据截至2023.10.31
资料来源：Wind，中金公司研究部
图表17：公募指数增强和主动量化产品的机构集中度
注：数据截至2023.10.31
资料来源：Wind，中金公司研究部
图表18：头部公募量化机构的管理产品信息
注：数据截至2023.10.31；按照合计规模降序排列，仅列示排序前20名的公募机构
资料来源：Wind，中金公司研究部
以份额涨幅居前的两家机构为例，从扩张路径来看，前者代表产品国金量化多因子在2022年表现亮眼，成为唯一获取正收益（12.2%）的主动量化产品，并在今年持续保持领先优势，产品规模也由2021年底的不足千万一举跃升至122.0亿元；而后者代表产品华夏中证500增强也已连续两年位居同类产品超额榜首。可见，两家机构均为优异业绩助推规模攀升的典型案例。
从产品布局来看，华夏基金或得益于公司渠道及指数产品优势，涉猎更为广泛，已覆盖500、1000指增与主动量化，300、800、2000、科创50和创业板指增等产品，主动量化与指增齐头并进；而国金基金目前旗下产品仍以500主动量化居多，今年新发800主动量化和1000指增以完善产品布局。
图表19：国金基金旗下量化产品数量与规模
注：数据截至2023.10.31
资料来源：Wind，中金公司研究部
图表20：华夏基金旗下量化产品数量与规模
注：数据截至2023.10.31
资料来源：Wind，中金公司研究部
持有结构
根据2023H1最新数据，以整体法计算得到指数增强与主动量化产品的机构持有比例分别为29.2%和43.0%，即量化产品整体仍以个人持有为主；但相较主动权益基金19.8%的机构持有占比而言，量化产品更受机构投资者青睐。
从时间序列变化来看，主动量化产品的机构持有占比长期呈现震荡上行趋势，而指数增强基金则在2021H1开启反弹，且上涨斜率超出主动权益产品。
区分不同跟踪标的来看，得益于小盘占优的市场环境，机构投资者配置需求显著抬升；截至2023H1，无论是指数增强、主动量化还是主动权益基金，1000指数相关产品的机构持有占比均高出相应类型权益基金整体水平。
图表21：不同类型公募权益基金的机构持有占比（%）
注：以整体法计算；主动权益基金统计口径为，全部普通股票、偏股混合及灵活配置型基金，并依据量化基金概念分类进出时点，剔除其中主动量化部分产品，即保留主观选股权益基金，后文同
资料来源：Wind，中金公司研究部
图表22：不同跟踪标的公募权益基金的机构持有占比（2023H1）
注：单位%；以整体法计算；主动权益基金跟踪标的的提取方式同主动量化，以其权重最高的股票部分业绩基准指数计，后文同
资料来源：Wind，中金公司研究部
以公募FOF重仓视角来看，近1年来，主动量化与指数增强产品的平均重仓次数实现快速拉升，相较去年同期（2022Q3）的0.15只/0.06只跃升至0.3只/0.5只，即意味着，平均每三/两只公募FOF重仓列表即出现1只公募指数增强/主动量化产品。
从具体持有结构来看，截至2023Q3，500主动量化占据头筹，共计被91只公募FOF所持有，在全部FOF重仓公募量化产品只数中占比近5成；300、500和1000指数增强平分秋色，分别被25只、14只和17只公募FOF所持有。
图表23：公募FOF平均重仓不同类型产品数量
注：y轴表示平均来看，每只相应类型产品被多少只公募FOF所重仓持有
资料来源：Wind，中金公司研究部
图表24：重仓量化产品的公募FOF数量（2023Q3）
资料来源：Wind，中金公司研究部
业绩特征
业绩综述：指增超额稳定，胜率较高，主动量化则与主动权益趋同
今年以来，指数增强与主动量化产品相较业绩基准的超额中位数分别为1.3%和-1.3%，获取正超额收益产品占比达63.4%和47.1%，远超主动权益基金整体表现。区分不同时间区间来看，获取正超额收益的指数增强产品占比具备绝对优势；且随着时间区间拉长，优势愈加凸显，近3年和近5年战胜业绩基准的指增产品比例分别达79.1%和96.0%；主动量化产品则同主动权益旗鼓相当，仅在今年以来具备较佳表现。
从相较标的指数的跟踪偏离来看，由于指数增强产品有着较为严苛的投资约束限制（通常要求其投资于标的指数成分股和备选成分股的资金占股票资产或基金资产比例不低于80%，及日均跟踪偏离度的绝对值不超过0.5%、年化跟踪误差控制在7.5%-8.0%以内），因而在不同时间区间，相较指数的跟踪误差及相对最大回撤均显著低于主动量化和主动权益产品。
图表25：近年来不同类型公募权益基金的收益风险特征
注：数据截至2023.10.31；相对表现指相较其业绩比较基准；以中位数统计；后文涉及业绩表现，均剔除3个月建仓期
资料来源：Wind，中金公司研究部
分年度来看，自2013年以来，跑赢业绩基准的指数增强产品占比均超出60%；同时，以中位数来衡量整体表现，指增产品历年均能获取稳定正向超额，并实现对标的指数的有效跟踪，跟踪误差中位数多介于2%-4%区间。而由于没有成分股权重约束等限制，主动量化产品倾向放宽相较指数的跟踪偏离，以获取更为丰厚的超额收益；整体来看，收益风险特征多介于指数增强和主动权益产品间，但更接近主动权益产品，具备较高的收益弹性和业绩波动。
图表26：不同类型公募权益基金的分年度相对业绩表现（2013-2023）
注：数据截至2023.10.31，以中位数统计；相对表现指相较其业绩比较基准
资料来源：Wind，中金公司研究部
区分标的与类型：指增超额1000>500>300，主动量化未见明显特征
为贴合实际投资需求，我们将研究范围缩窄至主流宽基（沪深300、中证500及中证1000）指数，并筛选股票部分业绩比较基准权重不低于80%的样本，作为“类增强”基金池，并构建相应品类（300/500/1000×指数增强/主动量化/主动权益）季度调仓等权指数，进一步探究其细分特征与趋势。后文如无特别说明，样本范围均为该“类增强”基金池，并将业绩基准统一替换为标的指数。
► 区分跟踪标的
从指数增强产品来看，近1年来，300、500和1000等权指数的超额收益分别为-0.8%、1.3%和3.9%，跟踪误差分别为1.9%、2.5%和2.6%，呈现递增趋势；且区分不同时间区间来看，该特征得以稳定保持。
从主动量化产品来看，近1年来，300、500和1000 等权指数的超额收益分别为-6.1%、2.6%和2.9%，跟踪误差分别为5.8%、3.7%和4.9%；相较指数增强产品而言，没有呈现稳定且明显依赖于跟踪标的的业绩特征。
图表27：公募指数增强等权指数的超额与跟踪误差
注：数据截至2023.10.31
资料来源：Wind，中金公司研究部
图表28：公募主动量化等权指数的超额与跟踪误差
注：数据截至2023.10.31
资料来源：Wind，中金公司研究部
分年度来看，自2015年以来（早期样本数量过少，易受单只产品影响），500指数增强仅在2020- 2021年不敌300指增，结合后文持仓特征与策略分析，猜测或因其暴露相对较高风格敞口，以致市场风格切换过程中超额受损；但从其余年份来看，无论是超额收益或跟踪误差，均保持前述趋势，即1000指数增强>500指数增强>300指数增强。
而主动量化产品则分年度表现各异，今年以来，500与1000主动量化表现较佳，超额分别达4.2%与4.9%；同时注意到，由于没有成分股权重约束限制，300主动量化为博取更佳业绩表现，往往配置较多非指数成分股，长期正向暴露市值风格，致使跟踪误差普遍较高；特别是在小盘风格强劲的2015-2016年和2021年以来，该特征更为凸显。
图表29：公募指数增强等权指数的分年度超额收益
注：数据截至2023.10.31
资料来源：Wind，中金公司研究部
图表30：公募主动量化等权指数的分年度超额收益
注：数据截至2023.10.31
资料来源：Wind，中金公司研究部
图表31：公募指数增强等权指数的分年度跟踪误差
注：数据截至2023.10.31
资料来源：Wind，中金公司研究部
图表32：公募主动量化等权指数的分年度跟踪误差
注：数据截至2023.10.31
资料来源：Wind，中金公司研究部
► 区分产品类型
长期来看，在300与500指数中，相较具有相同跟踪标的的指数增强而言，主动量化产品能够累积更高超额收益；2015年以来，300指增与主动量化的年化超额分别为4.8%和5.6%，500指增与主动量化的年化超额分别为6.9%和8.2%。
而在1000指数中，主动量化超额的长期表现则不敌指增，自2018年以来，1000指增与1000主动量化的年化超额分别为10.0%和6.1%。究其原因，一方面，早期1000量化产品数量较少， 截至2021年底，指增与主动量化均不足10只，或不具备代表性；另一方面，小盘股中超额来源相对较为丰富且前期拥挤度较低，相较通过Beta暴露博取超额，挖掘Alpha收益或更为持续与稳定。
图表33：公募指数增强等权指数的累计超额净值
注：数据截至2023.10.31
资料来源：Wind，中金公司研究部
图表34：公募增强及主动量化等权指数的累计超额净值
注：数据截至2023.10.31
资料来源：Wind，中金公司研究部
区分市场环境：下跌市表现更佳，战胜基准指数概率更高
以标的指数上涨/下跌月份标记市场环境来看，无论是指数增强或主动量化产品，均在下跌市表现更佳，即指数自身疲弱的市场环境中，量化产品更易博取超额。以增强产品为例，300和500指增在上涨市的月均超额均为0.1%，时序胜率分别为55.7%和52.9%；而在下跌市中，月均超额分别为0.6%和0.9%，时序胜率也抬升至83.3%和90.3%。
同时，从产品维度而言，下跌市中，战胜标的指数的公募量化产品占比也相对更高。同样以增强产品为例，上涨市中跑赢基准指数的300与500指增占比分别为50.6%和45.1%，而在下跌市中则分别达72.3%和76.1%。
图表35：不同市场环境下公募指数增强与主动量化产品表现对比
注：数据截至2023.10.31；以相应类型产品等权指数存续区间统计，其中300/500指数增强/主动量化的统计始点均为2013.01，1000指数增强/主动量化的统计始点分别为2017.04/2016.07，因而上涨/下跌月份数目有所差异
资料来源：Wind，中金公司研究部
对比主动权益：收益来源存异，Alpha呈现低相关
量化投资与主动投资的本质均为价格发现，捕捉市场错误定价所带来的投资机会；但前者侧重通过历史数据归纳提纯影响股票走势的规律，通过预测未来收益以构建投资组合，追求投资的纪律性、系统性与分散性，而后者则侧重长期深度的基本面调研，并结合对宏观经济与行业趋势的认知，展开投资决策，因而两者收益来源存在差异。
我们逐月计算各类产品等权指数的CAPM与FF3超额收益，并考察其时间序列维度的相关性，可以看到：
► 指增产品同具有相同跟踪标的的主动权益基金整体相关性较低，仅300指增的FF3 Alpha略超0.5，其余均不足0.4；特别是500指增，或因其选股范围更为宽泛、价量因子占比较高、持股相对分散等特征，同500主动权益超额相关性更低。
► 相较指增而言，主动量化产品整体同主动权益基金相关性更高，特别是300主动量化，CAPM与FF3 Alpha相关系数分别达0.88和0.84；我们认为，或因追求相对业绩排名，部分主动量化产品借鉴主观选股思路所致。
图表36：量化产品与主动权益的超额收益相关性
注：月度Alpha序列相关性；由于500主动权益基金成立时间较晚，数据区间为2015.01-2023.10
资料来源：Wind，中金公司研究部
对比私募量化：超额差异缩窄，整体相关性抬升
对比公募与私募量化，前者由于具有较多投资及交易约束，策略往往以低频基本面量化为主（辅以少量低频价量），而后者以高频价量为主，交易模式更加灵活、策略种类相对丰富（多交易频段与不同底层标的策略相叠合），不同的策略特征自然导致相对悬殊的业绩差异。
而近年来，部分公募量化团队适当提高调仓频率以应对快速切换的市场风格，同时通过积极引入高频及另类数据、机器学习算法等方式拓展其Alpha来源。从调研问卷结果来看，已有近半数公募量化团队采用价量因子占比超出40%；同时，2/3的公募团队表示，已采用机器学习算法以辅助策略搭建。
为此，我们筛选部分私募500增强代表产品，同公募500量化产品进行对比。具体筛选方式为，根据私募排排数据，选取以量化多头为主要策略的百亿私募机构；各家机构内部，取其成立时间最早且今年以来周度净值数据披露完整的500增强产品，作为私募代表产品，共计16只。
图表37：公募量化团队的价量因子使用比例
注：单位，家，表示机构数量
资料来源：中金公司研究部，调研问卷
图表38：公募量化产品同私募代表产品的相关性
注：数据截至2023.10.27，周频；相关性数据为同私募代表产品的相关系数均值
资料来源：Wind，私募排排网，中金公司研究部
从收益风险特征来看，今年以来，部分公募500量化产品的确已同头部私募相匹敌；但在公募产品中，业绩呈现较大分化差异，不乏产品录得负向超额回报。
我们进而计算，今年以来，公募500量化产品同头部私募500指增代表产品的超额收益相关性。可以看到，已有近2成和超6成公募指增与主动量化产品，同私募平均相关系数超出0.4，更有14.6%的500主动量化产品相关系数均值超0.5。我们认为，这或为部分公募量化策略与私募趋同的有力印证。
图表39：公募与私募500量化产品今年以来收益风险特征
注：数据截至2023.10.27，周频；公募产品未做筛选，为剔除建仓期后具有全年业绩的全量样本
资料来源：Wind，私募排排网，中金公司研究部
拉长时间区间来看，我们以私募排排策略指数与前述公募等权指数，对比公募量化产品与私募指增收益表现。以300指数为例，今年以来，公募指增、主动量化和私募指增的年化超额分别为1.4%、1.0%和2.4%，差值明显低于近3年与近5年；同时，500主动量化也愈加趋近500私募指增表现，近5年、近3年与近1年的年化超额差值分别为7.0%、6.6%和4.1%，整体呈现收窄趋势，或为公募量化策略逐步高频化的又一印证。
图表40：公募与私募300量化产品近年来超额对比
注：数据截至2023.10.27，周频，年化值
资料来源：Wind，私募排排网，中金公司研究部
图表41：公募与私募500量化产品近年来超额对比
注：数据截至2023.10.27，周频，年化值
资料来源：Wind，私募排排网，中金公司研究部
产品投资策略与收益归因
在本章中，我们从持仓特征（包括资产配置、板块与行业配置、风格特征与持股特征）及交易特征维度，解析量化产品的投资策略，并从归因视角拆解其收益来源。
策略特征
资产配置：指增保持高仓位运作，部分参与期货投资
从股票仓位来看，指数增强产品始终保持较高仓位水平运作，鲜少调整仓位配比，整体呈现较小仓位变动；而主动量化产品则呈现较大仓位波动，例如2015H2股市异常波动期间，仓位下调近10%，整体同主动权益基金仓位趋同；近年来仓位逐步趋于稳定，维持在略低于指增水平位置。截至2023Q3，指增与主动量化产品股票仓位中位数分别为93.2%和91.8%，均略高于主动权益基金。
随着2015H2以来股指期货的持续贴水，越来越多公募量化产品开始配置期货合约（依据基金合同要求，持有多头不得超过基金资产净值的10%），以增强组合收益、实现现金头寸管理及提高投资组合的运作效率；但随着贴水幅度收窄，无论从配置期货合约的产品占比还是整体配置期货合约的持仓比例来看，均呈现回落。截至2023Q3，持有股指期货的指增与主动量化产品占比分别为22.5%和20.5%，整体法计算其持有期货仓位分别为0.4%和0.5%。
图表42：不同类型公募权益基金的股票仓位（%）
注：以中位数列示
资料来源：Wind，中金公司研究部
图表43：持有股指期货的公募量化产品占比
资料来源：Wind，中金公司研究部
以500指数增强基金A为例，从其历期股票仓位来看，呈现较大波动，特别是2019Q1-Q3期间持续下调约9%，似与招募说明书中所述“类别资产配置不作为其核心策略，通常情况下将保持各类资产配置的基本稳定”略有出入。但叠加期货仓位后，其整体权益仓位波动有所收窄，即意味着，基金经理或依据预期申赎、流动性需求及基差等因素辅以期货投资。
图表44：公募量化产品持有期货市值占资产净值比
注：以整体法计算
资料来源：Wind，中金公司研究部
图表45：基金A的股票及股票+期货仓位（%）
资料来源：Wind，中金公司研究部
板块特征：指增产品成分股内持股占比保持高位
从板块特征来看，为控制相对指数的跟踪偏离，指数增强产品持股多分布于标的指数成分股，整体占比始终维持在80%-90%左右高位；而主动量化产品持有成分股比例则相对较低，且同主动权益基金呈现一致趋势。截至2023H1，整体法计算得到指数增强、主动量化与主动权益基金持有标的指数成分股比重分别为87.0%、30.0%和44.3%。
区分标的指数来看，截至2023H1，300、500与1000指数增强持有标的指数成分股比例均超出85%；而主动量化产品内部呈现分化，其中300与1000主动量化分别持有49.5%和62.0%的标的指数成分股，而500主动量化持股则近半分布于1800外，500指数内持股比例仅18.4%。
图表46：不同类型公募权益基金的成分股内持股占比
注：以整体法计算
资料来源：Wind，中金公司研究部
图表47：公募量化产品的持股板块分布（2023H1）
注：以整体法计算
资料来源：Wind，中金公司研究部
行业配置：指增与主动量化产品均适当控制行业偏离
指数增强产品通常采用“指数化投资为主、主动性投资为辅”的投资策略，以复制目标指数成分及权重为基础，利用多因子模型预测未来预期收益以调整投资组合，并通过量化方法控制板块、行业与个股偏离以及风格因子暴露，以期在有效控制跟踪偏离的同时，获取超越基准指数的收益。主动量化产品虽同其一脉相承，但多数选择放宽行业及风格层面控制约束，或叠加主观行业趋势与景气判断，因而相较标的指数，部分行业呈现较大偏离。
以2023H1最新数据来看，整体法计算得到，300主动量化显著超配传媒与机械行业（以偏离幅度超过2%记），低配非银、银行与食品饮料行业；500主动量化显著超配机械、建筑与汽车行业，低配非银、国防军工与有色金属行业；而指数增强产品中，仅500指增低配基础化工行业（-2.0%），其他偏离幅度均低于2%。
从长期配置趋势来看，主动量化产品多数报告期超配基础化工与机械行业，两者成分股数量众多、市值偏中小盘（截至2023.10.31，不足百亿市值的股票数量占比分别为76.5%和84.4%），更有利于发挥量化策略的选股宽度优势。从长期低配板块来看，300主动量化长期大幅低配金融板块（或为其具有较大跟踪偏离的主要原因），近年来幅度有所收窄，500主动量化则多数报告期低配有色与医药行业。
图表48：300量化产品的行业配置偏离（2023H1）
注：以整体法计算
资料来源：Wind，中金公司研究部
图表49：500量化产品的行业配置偏离（2023H1）
注：以整体法计算
资料来源：Wind，中金公司研究部
进而，我们以基金在每个行业相较基准指数的偏离绝对值，按照其在标的指数中权重进行加权，来刻画量化产品的行业偏离程度。整体来看，指数增强产品的行业偏离度始终维持低位，中位水平于1%左右浮动；主动量化产品虽同前所述，部分行业存在较大幅度偏离，但整体来看，其行业偏离度特征与指增产品趋同，近年来基本维持在2.5%左右的略高水平。相较主动权益基金，两类量化产品在行业层面的偏离控制特征凸显。
以2023H1最新数据来看，指增产品的行业偏离度多分布于0%-1%和1%-2%区间，300指增产品中12.5%具有较高的行业偏离度（2%-5%），比例高于500与1000指增；而主动量化的行业偏离度多分布于1%-2%和2%-5%区间，300主动量化中具有较高行业偏离度（>5%）的产品占比同样更高，主要是由于无论300指增或主动量化，大多阶段性或长期低配金融板块所致。
图表50：不同类型公募权益基金的行业偏离度
注：以中位数列示
资料来源：Wind，中金公司研究部
图表51：公募量化产品的行业偏离度分布（2023H1）
资料来源：Wind，中金公司研究部
不同产品的行业配置策略呈现差异，以两只300指数增强产品为例，基金B始终严控行业偏离，2019年以来所有报告期的绝大多数行业偏离幅度不超2%；而基金C自转型以来，在2019H1-2020H2期间大幅低配金融板块，超配食品饮料与消费者服务行业，为其贡献明显行业配置超额收益（4期行业配置收益均值达2.5%，具体计算详见后文），而或因近来市场缺乏明确主线，产品行业偏离幅度呈现明显收窄趋势。
图表52：不同300指数增强基金的行业配置差异（2019H1-2023H1）
资料来源：Wind，中金公司研究部
风格特征：市值与估值暴露依市场风格适时调整，正向暴露盈利与成长
由于公募量化产品在不同风格层面的暴露与偏离情况不尽相同，我们将其归结为市值与估值、低频价量与基本面因子三类，分别展开讨论与分析。
► 市值与估值因子：多随市场风格变化呈现轮动特征
从市值与估值因子来看，量化产品多依据风格近期表现适当调整暴露方向或幅度，这与量化投资依赖历史演变规律来预测未来表现的逻辑相契合。例如，随着机构投资者占比抬升及小市值因子阶段失效，2017H2以来量化产品均收窄市值因子的暴露敞口，而2021年以来，随着小市值因子回暖，又纷纷增加暴露幅度。又如，随着政府稳增长政策持续发力，市场流动性预期明显改善，2019H2以来量化产品纷纷切换估值暴露方向。
图表53：公募量化产品的市值与估值因子暴露（2015H1-2023H1）
注：以中位数列示；为避免歧义，我们统一以因子长期收益为正的方向为定义暴露正向，如市值与估值的正向暴露分别指向小市值与低估值暴露，后文同；因子收益指以报告期为截止时点的半年度收益，例如2023H1对应2023.01.01-2023.06.30
资料来源：Wind，中金公司研究部
不同产品的风格因子暴露也呈现差异，以两只500指数增强产品为例，基金D始终保持正向市值与估值因子暴露，且暴露幅度通常不超0.2倍标准差，同其基金经理偏向静态的因子配置方法及以长期视角考察与判断因子表现的投资理念相吻合。而基金E则呈现明显的风格切换特征，例如2020H1以来切换至高估值风格，及时果断的暴露转向也为其带来较为明显的收益增厚。
图表54：不同500指数增强基金的因子暴露差异（2019H1-2023H1）
资料来源：Wind，中金公司研究部
以2023H1最新数据来看，得益于小微盘风格势头正盛，正向暴露市值因子的指增与主动量化产品占比均超90%；同时，正向暴露估值因子的指增与主动量化产品占比也均超6成，同今年以来价值风格走强不无关系。
然而注意到，部分产品虽然有着正向暴露，但整体市值与估值暴露敞口控制较为严苛；截至2023H1，43.4%的指数增强产品，市值因子暴露绝对值不超过0.1倍标准差；而在估值因子暴露绝对值不超0.1倍标准差的指增和主动量化产品占比则分别为33.6%和27.4%。
图表55：公募量化产品中市值与估值因子暴露为正的产品占比（2023H1）
资料来源：Wind，中金公司研究部
图表56：公募量化产品中市值与估值因子暴露绝对值<0.1倍标准差的产品占比（2023H1）
资料来源：Wind，中金公司研究部
► 价量因子：不同标的与类型的量化产品暴露与控制特征存异
从传统低频价量因子来看，不同标的与类型的量化产品暴露与控制特征存在差异。以300指增为例，多数产品的敞口控制较为严格，换手与波动因子暴露绝对值不超过0.1倍标准差的产品占比，时序始终维持于70%/50%以上；而1000量化产品的相应比例则相对较低，即多数产品选择放宽对于价量因子的暴露控制，以同其策略特质相适配。整体而言，呈现主动量化产品及小盘标的暴露程度更高的特征。
图表57：公募300增强中换手与波动因子暴露绝对值<0.1倍标准差的产品占比
注：换手与波动暴露分别指低换手&低波动
资料来源：Wind，中金公司研究部
图表58：公募500/1000增强的换手与波动因子暴露
注：以中位数列示
资料来源：Wind，中金公司研究部
同时，观察量化产品在价量因子的暴露方向，多数500和1000量化产品呈现正向暴露，特别在2017-2019年的低波动、低换手市场环境中，暴露幅度也呈现明显抬升。
► 基本面：持续稳定正向暴露成长与盈利
从基本面因子来看，公募量化产品在成长与盈利因子多呈现正向暴露，特别是500与1000量化产品，多报告期甚至全员暴露为正。
从暴露幅度来看，近年来，大幅暴露基本面因子的量化产品比例呈现先升后落，或同近年来基本面因子几经回调相关。以成长因子为例，截至2023H1，正向暴露幅度超过0.3倍标准差的300指增、500指增与1000指增产品比例分别达26.8%、76.7%和59.3%，主动量化产品也呈现同样特征。
图表59：公募指数增强中盈利因子暴露为正的产品占比
资料来源：Wind，中金公司研究部
图表60：公募指数增强中盈利因子正向暴露>0.3倍标准差的产品占比
资料来源：Wind，中金公司研究部
图表61：公募指数增强中成长因子暴露为正的产品占比
资料来源：Wind，中金公司研究部
图表62：公募指数增强中成长因子正向暴露>0.3倍标准差的产品占比
资料来源：Wind，中金公司研究部
持股特征：量化产品持股集中度低，且呈愈加分散趋势
从持股集中度来看，指数增强与主动量化产品相持平，远低于主动权益基金；从时序来看，随着2020H2抱团股瓦解及小盘标的产品日渐增多，均呈现持续下降趋势。截至2023H1，指增、主动量化与主动权益基金的持股集中度中位数分别为16.1%、15.2%和51.1%。
从持股数目来看，呈现反向特征，即指数增强与主动量化产品持股数目远超主动权益基金，且近年来呈现抬升趋势。截至2023H1，指数增强、主动量化与主动权益基金的持股数目中位数分别为266只、253只和93只。
图表63：不同类型公募权益基金的持股集中度（%）
注：以中位数列示
资料来源：Wind，中金公司研究部
图表64：不同类型公募权益基金的持股数目（只）
注：以中位数列示
资料来源：Wind，中金公司研究部
交易特征：主动量化换手长期抬升，小盘标的交易属性更强
从交易特征来看，自2016H2以来，量化产品的换手水平稳定高于主动权益基金（前期指增以大盘宽基标的及基本面量化居多，换手水平相较主动权益基金并无二致，甚至更低）；同时，主动量化产品自2018H2以来抬升趋势明显，再度印证前述公募量化趋于高频化的特征；若进而区分指数来看，500与1000主动量化及1000指增升频更为明显。
图表65：不同类型公募权益基金的换手率（倍）
注：半年度，双边，右同；以中位数列示
资料来源：Wind，中金公司研究部
图表66：公募量化产品的换手率（2023H1）
注：以中位数列示
资料来源：Wind，中金公司研究部
截至2023H1，指数增强与主动量化产品的双边换手中位数分别为5.0倍和7.6倍；区分基金类型和标的指数来看，多呈现主动量化高于指数增强、小盘标的交易属性更强的特征，这同前述对于价量因子的暴露敞口控制正相匹配。
收益归因
我们以Brinson模型对公募量化产品的超额收益进行归因，以期拆解其各项收益来源。
需要说明的是：1）结合前文所述，考虑到量化产品往往换手较为频繁，我们以T-1M至T+1M作为收益拆分时段，其中T为报告期时点；例如，2023H1对应2023.06.01-2023.07.31期间收益；新股以上市日归属于该拆分时段计入收益；2）结合前文量化产品近年来权益仓位，选用 90%*相应标的+10%*上证国债指数为业绩比较基准，并依此计算与拆分超额收益。
从结果来看，我们发现其主要呈现以下特征：
► 资产配置收益贡献微薄且正负参半，并非量化产品的主要收益来源；这也同资产配置并非量化产品的核心投资策略相呼应；
► 主动量化产品通过行业暴露获取更高行业配置收益；指增与主动量化产品的行业配置收益时序均值分别为0.04%与0.15%，时序胜率均为71.4%；
► 选股收益与交易收益为构成量化产品超额收益的主要来源；指增和主动量化产品的选股收益时序均值分别为0.52%和0.24%，时序胜率分别为76.2%和71.4%；交易收益的时序均值分别为0.65%与0.60%，时序胜率分别为71.4%和66.7%；
► 制度红利期，部分规模尚小的量化产品获取可观打新收益；以2020H1为例，打新为指增和主动量化产品分别贡献2.3%与1.9%的超额增厚。
图表67：公募量化产品的Brinson收益拆分（2013H1-2023H1）
注：以中位数列示
资料来源：Wind，中金公司研究部
由归因结果来看，部分产品具备相对稳定的超额收益来源。以500主动量化基金F为例，其在2019 H1-2023H1的报告期间有8/9期获取正向行业配置收益；具体来看，2020H2-2022H1期间大举超配电新、随后在2022H2转向家电（10.1%）与食品饮料（15.1%），今年中报则是超配通信与低配医药，大幅的行业偏离与相对准确的前瞻判断，均为其带来正向行业配置收益。需要注意的是，归因区间仅限于报告期前后，或存在无法刻画产品真实收益来源特征的可能。
图表68：具备不同稳定收益来源的代表产品Brinson收益拆分（2019H1-2023H1）
资料来源：Wind，中金公司研究部
除却基于持仓的收益拆解，我们还注意到量化产品的部分收益特征与策略特征不无关联，或可帮助我们理解其收益特征的底层来源。我们以行业偏离度与策略适用度简单举例与分析。
► 行业偏离度 vs 跟踪误差/相对回撤/月度胜率
我们以成立于2021年前的500指增与主动量化产品为分析样本（后简称500分析样本），考察其2021H1-2023H1的行业偏离度均值与业绩指标间关系。
可以看到：1）行业偏离度同跟踪误差、相对回撤呈现明显的正向相关，即行业偏离程度越低，或可认为产品的风控模型更为严苛，故而能够实现相较标的指数更为紧密的跟踪；2）行业偏离度同月度胜率呈现一定程度的负向相关，这意味着行业偏离程度越高，虽然有更大概率能够博取行业上涨超额或规避行业下跌损失，但未必每每均为正向贡献，长期来看或致使其超额稳定性有所折损。
图表69：500量化产品的行业偏离度与跟踪误差
注：以500分析样本列示，行业偏离度为2021H1-2023H1报告期均值；业绩统计区间为2021.01.01-2023.10.31，下同
资料来源：Wind，中金公司研究部
图表70：500量化产品的行业偏离度与相对回撤
资料来源：Wind，中金公司研究部
图表71：500量化产品的行业偏离度与月度胜率
资料来源：Wind，中金公司研究部
图表72：行业偏离度与业绩指标的滚动相关性
注：以500量化产品为样本，滚动考察2年，要求截至考察时点，存在完整半年报数据的样本数量≥10只；行业偏离度以报告期均值计算
资料来源：Wind，中金公司研究部
► 策略适用度 vs 选股收益
我们以Brinson归因模型中的行业选股超额胜率，来度量量化策略的行业适用度。以基金I为例，计算其在2020H1-2023H1期间的行业选股超额均值，胜率高达83.3%；即使拆分来看单期胜率，均值也超出60%，或可认为其选股策略能够适用于多数行业，超额收益来源足够分散。
图表73：基金I的行业选股收益
注：取2020H1-2023H1报告期均值
资料来源：Wind，中金公司研究部
图表74：基金I的行业选股胜率（2020H1-2023H1）
资料来源：Wind，中金公司研究部
进而，我们考察策略适用度（行业选股胜率）与行业选股收益间关系，以滚动区间计算结果来看，其历期相关系数均值高达0.8；究其原因，或同量化策略擅长捕捉短周期的市场价格信息及追求胜率的底层投资逻辑密切相关。
图表75：500量化产品的行业选股胜率与收益
注：以500分析样本列示，行业选股胜率为2021H1-2023H1报告期均值；业绩统计区间为2021.01.01-2023.10.31
资料来源：Wind，中金公司研究部
图表76：行业选股胜率与收益的滚动相关性
注：以500量化产品为样本，滚动考察2年，要求截至考察时点，存在完整半年报数据的样本数量≥10只；行业选股胜率以报告期均值计算
资料来源：Wind，中金公司研究部
绩优产品
我们仍以500量化产品为分析对象，选取今年以来（截至2023.10.31）超额表现居前的5只500指数增强和5只500主动量化产品，作为绩优基金样本，尝试剖解其投资风格及策略特征。
除却前述基于持仓的风格刻画，我们进而构建基于净值的归因模型，其中自变量包括代表Beta属性的市场、市值和估值因子，以及团队自行构建的基本面及低频价量Alpha因子，以期考察绩优基金的风格暴露及策略构成。我们发现：
► Beta层面：相较同类产品，绩优基金呈现更为明显的小市值、低估值与低波动特征
从截面数据来看，绩优基金2023H1的市值、估值与波动因子暴露中位数分别为0.54、0.31和0.26倍标准差，而同类产品中位数仅分别为0.17、0.07与0.06倍标准差；从净值数据来看，绩优基金的市值与估值Beta中位数分别为0.11和0.15，同样远超同类中位水平（均为-0.03）。
► 策略层面：相较同类产品，绩优基金的基本面因子暴露更低，价量因子暴露略高
从净值数据来看，绩优基金与同类样本的基本面Beta中位数分别为6.9%和18.5%，价量Beta中位数分别为20.8%和18.5%；从截面数据来看也呈现相同特征，2023H1，绩优基金与同类样本在盈利因子的暴露中位数分别为0.07与0.21倍标准差，在成长因子的暴露中位数分别为0.37与0.45倍标准差。
► Alpha层面：剥离风格暴露及基本面/低频价量因子后，仍存在较多未被解释的Alpha
从净值数据来看，绩优基金的Alpha中位数为5.0%，远超同类样本中位数-0.4%，即意味着其或存在较多不能被风格暴露及常见Alpha策略所解释的超额收益。
结合今年以来小市值、低估值占优的市场环境及相应因子表现，我们认为，适当放宽且方向契合的Beta暴露与较高的异质Alpha收益，共同铸就绩优样本今年以来的优异表现。
图表77：今年以来绩优500量化产品的风格暴露特征
注：Alpha为年化值，以242个交易日计
资料来源：Wind，中金公司研究部
需要注意的是，尽管整体来看绩优基金具备前述特征，但其中仍不乏部分个例。例如，指数增强4和指数增强5分别未在估值/市值因子存在明显暴露，指数增强4与主动量化5对基本面因子的依赖程度更高等，即绩优基金既具备整体来看的共性特征，也保留独有的策略特色。
为避免少量样本的偶然性，我们进而在全量样本中，计算基金的超额收益同前述基于净值的Alpha及风格/策略Beta，以及同基于持仓的风格因子暴露间的截面相关性，以验证前述论断。结果显示，无论是指数增强还是主动量化产品，超额收益均同市值、估值与波动因子暴露呈现正向相关；同时，超额收益与剥离风格暴露及常见Alpha策略后的异质Alpha收益，相关系数也均超出0.7，佐证前述由绩优基金样本所得结论。
图表78：超额收益与净值归因Beta暴露的相关性
注：数据区间为2023.01.01-2023.10.31
资料来源：Wind，中金公司研究部
图表79：超额收益与截面持仓因子暴露的相关性
注：数据区间为2023.01.01-2023.10.31
资料来源：Wind，中金公司研究部
如何看待当前量化产品配置价值
今年以来，经济弱复苏叠加流动性宽松的市场环境中，基本面因子相对失效，市场风格呈现下沉且热点与行业轮动频繁，致使主动权益基金普遍表现欠佳，跑输主流宽基。相较之下，量化产品凭借其宽度持股、行业分散等优势，过半数获取正向超额；同时，其Beta相对清晰、风格相对稳定的特征也更为机构投资者所青睐，因而在前文我们看到，其持有占比呈现明显抬升趋势。
那么立足当前时点，应如何看待量化产品的配置价值？我们尝试从Alpha预期、市场环境适宜程度和产品维度重点关注特征三个层面，展开探讨。
Alpha依然可期
结合前文业绩特征，尽管整体来看，近年来量化产品超额收益呈现边际收窄趋势（图表29-30），但仍不乏部分业绩优异产品陆续涌现。同时，公募量化也在积极拥抱市场变化而持续迭代（由前文所述主动量化产品交易频率的抬升及部分产品同私募业绩趋同，或可为印证），部分团队更是融入高频及另类数据、人工智能及深度学习模型等，不断拓展Alpha来源并探索其差异化优势。
从调研问卷结果来看，截至目前，已有2/3的公募量化团队采用机器学习模型辅助策略，其使用范围包括因子挖掘与构建、收益预测模型及组合构建与风险控制，其中前者使用程度较高（36/40），后者使用程度较低（12/40）。
展望未来因子表现，近半数公募量化团队更为看好高频价量因子（29/61），其次为基本面因子（15/61），或正对应公募量化发展的两条路径，偏价量类、侧重模型迭代与交易升频，偏基本面类、侧重纳入或借鉴主观思路；另有少量团队较为看好预期类、低频价量与另类数据。
根据团队近日发布的报告《2024年量化策略展望：红利为基，稳中求进》（后简称展望报告），我们认为，数据与模型边界的双重拓展，将有望助推量化策略发展；同时，随着A股可投资股票数量的增加与中小市值股票关注度的抬升，量化策略的投资广度与投资边界将得以扩充，Alpha未来依然可期。
图表80：公募量化团队的机器学习使用领域
资料来源：中金公司研究部，调研问卷
图表81：公募量化团队未来更看好哪类因子表现
资料来源：中金公司研究部，调研问卷
市场环境相对适宜
公募量化团队作为量化策略的实践者，对适宜策略开展的市场环境有着更加直观和真切的感受与认知。为此，我们通过调研问卷列举适合量化策略开展的几种市场环境，并统计公募量化团队的认可度，由高至低依次为：
►【认可度45/61】市场风格偏向小盘：量化投资依赖于广度与胜率，市值下沉环境更有利于发挥量化选股的广度优势，同时小盘股的机构参与度与资金拥挤度相对较低，量化策略更易捕捉短线交易机会，增强效率相对更高；
►【认可度44/61】市场散户交易占比较高：市场定价效率较低，更易捕捉信息与价格偏差；
►【认可度40/61】市场主线未现/分歧度高：市场易被短期交易与情绪所干扰，板块与行业分化程度抬升，量化投资的纪律性、程式化特征及持股分散、行业均衡的优势得以凸显；
►【认可度38/61】市场交易活跃度高：价量因子赚取市场短期失效部分收益，有效性抬升；
►【认可度25/61】指数走弱/横盘震荡：震荡市中热点与板块轮动较为频繁，量化策略均衡与分散优势彰显；同时，指数自身表现相对平淡或疲弱，多头组合更易跑赢基准。
图表82：适合量化策略开展的市场环境
资料来源：中金公司研究部，调研问卷
图表83：市值风格&抱团度 vs 500指增相对超额
注：时间区间为2014.01-2023.10
资料来源：Wind，中金公司研究部
进而，我们依据量化策略的超额收益来源或影响因素，从市场情绪、行业/风格轮动、市场延续性及市场分歧度等多维度出发，以期从实证角度印证上述论断，并检验其他可能相对适宜量化策略开展的市场环境特征。
从分组收益来看，市值越偏小盘、指数波动/换手越高（对应交易活跃度高）、指数涨幅越低（对应下跌/震荡市）及市场抱团度较低（对应主线未现/分歧度高）时，500增强的超额收益相对较高，同前述论断正相一致。同时，我们还发现：
► 指数上涨时，尽管指增的绝对超额表现欠佳，但相对偏股基金指数的超额收益往往更高，这同展望报告中对于历史反弹情景的分析结论相同（参见展望报告图表56）；
► 指数换手/波动越高，对指增相对偏股基金指数的超额收益影响方向存异；前者依然保持正向，而后者则当指数波动越低时，超额表现往往更佳；
► 行业收益延续性对指增的绝对及相对超额分别有正向与负向影响，前者源于其策略本质依赖历史数据与规律，后者则因趋势市中，主观选股策略表现更为强劲；
► 行业轮动程度虽不具备分组收益单调性，但轮动程度较大组，500指增的相对超额具备明显优势，较大组与其余三组均值的月均差值为0.91%；而绝对超额则具备明显劣势，较大组与其余三组均值的月均差值为-0.62%，这意味着，当行业短期呈现大幅轮动，指增虽然自身超额受损，但往往凭借其持仓分散及交易优势跑赢偏股指数。
图表84：指数涨跌 vs 500指增绝对&相对超额
注：时间区间为2014.01-2023.10
资料来源：Wind，中金公司研究部
图表85：指数波动 vs 500指增绝对&相对超额
注：时间区间为2014.01-2023.10
资料来源：Wind，中金公司研究部
图表86：指数换手 vs 500指增绝对&相对超额
注：时间区间为2014.01-2023.10
资料来源：Wind，中金公司研究部
图表87：行业延续性 vs 500指增绝对&相对超额
注：时间区间为2014.01-2023.10
资料来源：Wind，中金公司研究部
根据展望报告，经历年初至今的弱势表现，A股当前整体处于估值较低的高性价比状态，但结合宏观环境和市场信心，我们认为，短期来看A股尚未具备整体快速上涨的条件，未来行情可能仍以震荡上行为主，同时市场主线尚未明朗，整体而言，相对较为适宜量化策略开展。从相对优势来看，当前行业收益延续性及资金抱团度指标均处于历史较低分位（22.6%与20.1%），量化策略相对主动的比较优势仍可期待。
需要注意的是，一方面，根据展望报告，我们对于未来微盘风格整体偏向中性，尽管政策利好、关注抬升，但信用利差与机构持股集中度等预测指标已处历史较低分位，存在拐点反弹可能；若后续指标出现反弹，微盘风格或阶段承压，量化策略或脱离其适宜风格与市场环境。
另一方面，若后市出现快速反弹，量化策略或弱于市场整体表现。究其原因，量化策略依据历史数据与规律得到未来预期判断，若市场出现反弹，部分前期强势因子或存在阶段失效可能；同时，量化策略分散持股、均衡配置的特征也会抑制其上涨弹性（从前文测试结果亦可窥见）。
关注产品维度特征
结合前文策略特征分析，我们注意到，具体到单只基金维度，量化产品的风格与策略特征呈现明显差异，例如前文所述基金B与C的行业偏离，基金D与E的市值与估值因子暴露等。
我们认为，市值与估值因子在经历广泛应用后，更偏向Beta属性，其收益也会存在阶段性的差异与反向；特别是近年来快速轮动的市场环境中，部分产品通过阶段性的暴露偏离以获取超额收益。以主动量化产品J为例，在2021Q1-2023Q3期间，市值与估值暴露为其贡献季均1.7%和0.6%的超额收益，且两者胜率分别达9/11和8/11，为典型的Alpha+Beta策略产品。
配置量化产品时，我们建议投资者明晰产品的策略构成，为纯Alpha策略还是Alpha+Beta策略。Alpha端，重点考量超额的稳定性、因子构成与模型迭代频率等；Beta端（如有），则需关注其历史静态/动态暴露、风格收益贡献，以及当前暴露是否适配市场环境或后市风格判断等。
图表88：量化产品的超额收益考量维度
资料来源：中金公司研究部
图表89：主动量化产品J的季度风格收益贡献
注：Alpha以60个交易日计算季度值
资料来源：Wind，中金公司研究部
结合前文对于量化产品的分析与论述，当下时点，我们提示投资者关注以下两点。
► 产品规模
伴随着规模扩张，超额衰减在所难免，不少公募量化产品纷纷选择暂停申购以控制规模容量。截至2023.10.31，共计8只/18只指数增强/主动量化产品采取限购措施。
尽管整体来看，呈现规模越大、限购占比越高的特征，但我们认为，还需结合产品策略综合考量规模因素的影响。对于纯Alpha策略及高频价量占比较高的量化策略，规模抬升存在相对较大的负面反馈，需重点关注其规模增长后超额的持续性；而Alpha+Beta策略及以低频基本面为主的量化策略规模容量则相对较高，无需过早关注。
图表90：不同规模区间的量化产品限购情况
注：提取截至2023.10.31的申购状态；限购统计包含暂停大额申购与暂停申购
资料来源：Wind，中金公司研究部
► 风格暴露
回顾2021年指增所经历的超额回撤，以2021H1来看，500增强多暴露于前期表现较佳的盈利与成长因子（暴露中位数分别为0.52与0.43倍标准差），而后随着因子回调，均为产品贡献负向超额；以成长因子为例整体来看，前期暴露程度越高，超额回撤幅度也相对越大。
而结合前文分析可知，当前时点，多数产品显著暴露于小市值与低估值风格（2023H1正向暴露市值因子的指增与主动量化产品占比均超90%，正向暴露估值因子的指增与主动量化产品占比也均超6成），甚至部分产品呈现相对较高的暴露幅度（超出1倍标准差）。
根据展望报告，我们认为，红利风格有望维持优势，而微盘风格观点则较为中性；以各家公募量化团队的观点来看，也呈现分化特征。我们认为，以史为鉴，需警惕后续微盘风格发生回调所导致的超额回落（特别是当前暴露较高的量化产品）。
图表91：500指增的历史阶段回撤与成长因子暴露
资料来源：Wind，中金公司研究部
图表92：未来看好哪些市场风格（市值）
资料来源：中金公司研究部，调研问卷
图表93：未来看好哪些市场风格（价值-成长）
资料来源：中金公司研究部，调研问卷
Source
文章来源
本文摘自：2023年11月26日已经发布的《基金研究系列（24）：方兴未艾，砥砺前行——公募量化市场概况与策略解析》
孙丁茜 分析员 SAC 执证编号：S0080522100001
周萧潇 分析员 SAC 执证编号：S0080521010006 SFC CE Ref：BRA090
刘均伟 分析员 SAC 执证编号：S0080520120002 SFC CE Ref：BQR365
胡骥聪 分析员 SAC 执证编号：S0080521010007 SFC CE Ref：BRF083
Legal Disclaimer
法律声明
本篇文章来源于微信公众号: 中金量化及ESG
