回顾2024年，A股市场整体呈现“W”型走势，除了9月底几个交易日是全面反弹之外，大部分时间依旧延续过去几年同样的结构性的分化行情。对于很多类型的基金而言，在这种行情环境中获取收益并不是很容易，通过复盘后，我们发现有不少量化基金表现较为出色，有不少全年收益超过20%。
2024年初经历了小盘股的流动性危机，年中市场成交量跌至历史低位，9.24全面普涨之后市场又转向震荡，这些都对量化基金获取收益形成了较大的挑战。
我们通过分析之后发现，2024年表现较好的量化基金大多都属于主动量化基金，在量化投资中融入一定的主动研究成果，在风格和行业均衡配置的基础上，通过适度行业偏离、量化选股和主动交易等方式获取超额收益，采用的模型更加灵活，行情适应能力较高。
我们综合基金经理从事量化研究和投资超8年、2024年业绩较为出色、历史超额收益稳定、规模适中等指标，为大家选出了四只主动量化基金，给大家具体分析一下。
一、华安事件驱动量化混合
张序自2020年5月开始管理华安事件驱动量化混合，该基金近6个月收益为14.40%，跑赢同期业绩基准4.81%；近1年收益率为21.31%，跑赢同期业绩基准15.35%。（来源：基金定期报告，截至2024.9.30）
从成长过程来看，张序有着扎实的量化分析功底，曾在国际知名投行任量化分析师。2017年2月加入华安基金，管理的第一只公募基金就是华安事件驱动量化。
从华安事件驱动量化的行业持仓来看，持仓行业数量维持在10-15个之间，相对比较集中。张序在不同时期会对两三个行业进行较大幅度的偏离，比如2021年电力设备行业持仓占比维持在30%以上，当年A股整体调整，电力设备是极少数走强的行业。2023年至2024年上半年对电子和计算机进行重仓，两者持仓占比在2023年4季度达到63.04%，抓住了2022年底ChatGPT推出后引发的人工智能相关板块的行情。
可见，张序在量化投资中加入了行业轮动模型，会在不同时期寻找相对强势的行业进行重点配置。具体执行过程中采用多因子模型进行行业性价比排序，核心因子为基本面因子（如财务数据、卖方分析师预期数据）、资金类因子（如公募资金仓位变化、北向资金和两融资金动向）、技术类因子（如行业量价数据）及风险因子（如PEG模型、PB-ROE模型、估值分位数），这些因子不仅注重行业当前基本面，还融入了对未来投资回报潜力的预期，更加注重实际的市场表现。
从华安事件驱动量化的个股持仓来看，持股数一般在50只以内，前十大个股持仓占比平较高。在同一行业内，不同时期持有的个股会有所不同，比如2021年至2022年上半年对电力设备持仓较多，其中2021年主要以新能源领域的宁德时代、亿纬锂能等电池产业链企业为主。在2022年上半年减持上述估值偏高、走势偏弱的股票之后，转而调换为同是新能源领域的走势较强的东方电缆、中天科技等线缆企业。
可见，张序在个股选择上主次分明，依靠量化“广撒网”，之后进行“重点捕捞”，持股集中度相对较高；持股周期比较灵活，会及时调整个股的持仓，选用更有潜力的标的。
在回撤控制方面，张序在行业轮动模型加入了风险类指标，坚持行业中性、估值中性，使组合能够在不同的市场条件下保持相对稳定的表现。其中，行业中性使组合不受行业限制，在经济周期的不同阶段从全市场筛选优势行业；估值中性使组合在不同风险收益特征的资产之间进行分散投资，并借助估值分位数等风险因子有效筛除估值过高、过于拥挤、潜在风险较大的行业。比如2021年上半年大幅减持医药生物，2022年下半年开始大幅减持新能源，均规避了后续较大幅度的调整。
整体上来看，张序搭建了“行业轮动+多因子选股” 的量化模型，放弃准确率不高的择时操作，从中观行业偏离、微观多因子选股来寻求超额收益，通过风险类指标对组合持仓进行及时调整，提升组合的稳定性。
二、华泰柏瑞量化优选混合
盛豪自2015年10月开始管理华泰柏瑞量化优选，至今任职回报为76.56%，跑赢同期沪深300指数68.30%，2024年收益率为14.41%。（来源：Choice，截至2025.01.10，下同）
盛豪是英国剑桥大学数学系硕士，2007年开始从事量化研究工作，至今有超过17年的量化研究和投资经验，超过9年的公募量化基金管理经验。2012年9月加入华泰柏瑞基金。
从华泰柏瑞量化优选的行业持仓来看，其长期保持20个以上的行业配置，行业分散程度较高，单个行业持仓占比一般不超过15%，没有明显的风格或主题偏好。可见，盛豪进行量化投资时，不择时、不做行业轮动，在行业层面进行较高程度的分散化配置，降低单一行业对组合表现的影响。
盛豪在这只基金上采用的是偏中长期的基本面量化模型，换手率与普通主动权益基金经理相仿。从华泰柏瑞量化优选的个股持仓来看，个股持有的时间比较长，比如中国平安自他2015年4季度接手该基金至2021年2季度长达23个季度都位于前十大。从实践效果来看，盛豪对这一策略的应用已经驾轻就熟，这只基金从2016到2023年连续8年实现超越业绩基准。
整体来看，盛豪采用的是基于基本面的多因子选股模型，不进行择时、中观行业轮动，专注于通过量化选股获取稳定的超额收益。多因子选股模型中对基本面因子赋予了较高的权重，因为基本面过硬的股票的内在价值对股价的支撑力度较高，在市场下跌时更抗跌，当市场恢复理性后也会更容易重回上行趋势。
三、建信多因子量化股票
叶乐天自2016年8月9日开始管理建信多因子量化股票，至今任职回报为30.44%，跑赢同期沪深300指数15.03%，2024年收益率为21.78%。
叶乐天自2008年就开始从事风险模型、量化研究与投资，有超16年量化领域从业经验，超12年的公募基金管理经验。2011年9月加入建信基金。
从建信多因子量化的行业持仓来看，其行业数量一般保持在20个以上。叶乐天在不同的时期会对两三个行业进行重点配置，有时单个行业持仓占比会超过20%，比如2019年和2020年重点持有食品饮料和医药生物，契合当时的核心资产行情。整体看，该基金的行业分布较为广泛，对价值、成长、周期等均有配置，没有明显的风格偏好。
可见，叶乐天在行业配置中坚持风格中性、行业中性，组合覆盖了多样化的风格和行业。同时为了适应近几年A股结构性行情较为突出的实际情况，会择机选择相对强势的行业进行重点配置，比如他将公募基金的行业配置数据纳入量化分析范围，在2019年和2020年捕捉到了核心资产行情。
叶乐天采用的是主动与量化多因子相结合的模型。多因子涵盖质量、动量、成长、情绪、大数据等100多个因子的维度去精选个股，可以更完整的刻画各个股票的特点。还会采用风格轮动交易策略以获取更好收益，以更好的适应市场环境。
从建信多因子量化的个股持仓来看，叶乐天采用的选股模型相对灵活，前十大重仓股更换的频率较高，2022年至2024年上半年换手率在300%至700%之间；大、中、小市值股票全覆盖，前十大中还经常出现科创板股票。可见，叶乐天会进行全方位量化选股，交易较为频繁，积极主动寻求超额收益。
四、博时智选量化多因子股票
刘钊自2021年11月2日开始管理博时智选量化多因子股票，任职回报为8.69%，跑赢同期沪深300指数32.37%，2024年基金收益率为28.60%。
刘钊是中国科学技术大学博士、深圳证券交易所博士后研究员，2020年加入博时基金，他是当前市场上为数不多在私募和公募量化领域都有过管理经验的选手，对各类策略和因子的理解很深入。
从博时智选量化多因子的行业持仓来看，刘钊在持仓行业数量始终保持在20个以上；行业配置主次分明，次要行业持仓一般在3%以下，主要行业持仓一般在10%左右；遇到较大的机会时，单个行业的持仓会达到20%左右。比如2024年上半年对科技领域的电子和消费领域的汽车行业的持仓均超过20%，前者是为了捕捉人工智能大范围落地应用带来的行情，后者则是沿着国家刺激汽车消费政策进行的布局，两个行业在上半年均有不错的表现。
可见，刘钊在构建量化模型的时候，不仅考虑因子历史回测的有效性，还关注经济和市场环境变化对标的未来表现的影响，主动向未来具有较高成长性的行业进行偏离，追求超额收益。
从博时智选量化多因子的个股持仓来看，前三大重仓股集中度较高，单只股票的仓位甚至会超过8%，在四只基金中处于较高水平。
整体上看，刘钊的量化投资模型主要靠行业偏离和个股选择获取超额收益。他重视因子的挖掘，也强调模型逻辑，即借助量化模型分析过去的数据，也对资产的未来表现进行推理，以便筛选出未来更有潜力的标的。
五、结语
纯粹的量化投资注重客观分析和决策，避免人为主观因素干扰，但灵活应变能力较弱，容易出现模型失效或不适应市场环境变化的情况。我们研究了近几年表现较好的量化投资选手之后发现，他们共同的特征之一是尝试融入一些主动管理思路，不仅重视研究的广度，也重视研究的深度，让量化投资策略更加丰富多彩，降低模型失效的风险，提升不同市场环境的适应性。
上述介绍的四只主动量化基金的基金经理，在中观行业配置、微观个股挖掘、组合集中度、投资周期等方面均有自己的特色，将“广撒网”的量化投资和“深挖洞”的主动研究相结合，未来有望走得更稳、更远。
声明：基金、基金投顾组合的研究、分析不构成投资咨询或顾问服务，本账号发布的言论仅代表个人观点，不作为买卖的依据。基金投资有风险，基金及基金投顾组合的过往业绩不预示其未来表现，为其他客户创造的收益，并不构成业绩表现的保证。基金投顾业务尚处于试点阶段，基金投顾试点机构存在因试点资格取消不能继续提供服务的风险。敬请认真阅读相关法律文件和风险揭示声明，基于自身的风险承受能力进行理性投资。
