當《推動公募基金高質量發展行動方案》明確提出“提高公募基金權益投資的規模和穩定性”，并對基金投資業績全面實施三年以上長周期考核；當浮動費率新規推動管理費與業績可持續性深度掛鉤，公募基金正經歷從規模擴張向能力建設的重要轉型，開啟高質量發展的新篇章。

與此同時，傳統主動管理模式正面臨雙重拷問——明星基金經理的光環在風格頻繁切換中逐漸褪色，而賽道押注策略在政策與周期共振下暴露出脆弱性。

這一背景下，量化投資以其獨特的系統化優勢，正在重塑行業的價值創造范式。通過構建科學嚴謹的投資框架，將主動管理的阿爾法獲取能力與系統化的風險控制有機結合。

華安基金量化投資部助理總監張序憑借對市場環境的深刻洞察以及投資框架的持續精進，管理的產品在長周期維度仍展現出穩定超越基準的能力，高度契合行業高質量發展的核心訴求。

01、業績驗證：持續領跑彰顯管理實力

張序管理的華安事件驅動量化混合A（002179）自2020年接手以來，采用主動量化投資策略，通過行業配置模型和量化多策略選股模型的疊加，有效實現收益增強。

過去幾年間，投資框架與方法論在細節層面也經歷了多輪迭代與持續優化。

華安事件驅動量化混合A（002179）從2020年至今六年內，每一年都跑贏了偏股混合型基金指數和中證800。據相關數據顯示，連續6年時間內，每一年都穩定跑贏偏股混合型基金指數并未發生基金經理更換的情況，在公募主動權益基金池（含靈活配置型、偏股混合型）中，基金數量約為20只。（數據來源：Wind，截至2025/5/27）

對于需要以偏股混合型基金指數作為基準進行底倉配置的投資者而言，華安事件驅動量化混合A（002179）是一個非常不錯的配置品種：季度勝率表現優異，相對偏股混合型基金指數和中證800均保持較高勝率。

在管理華安事件驅動量化混合A（002179）之后，張序陸續接手了兩只滬深300相關產品：華安滬深300增強（A：000312，C：000313）和華安滬深300增強策略ETF（561000）。

2021年，接手華安滬深300增強（A：000312，C：000313）后，張序將華安事件驅動量化混合A（002179）的方法論移植其中。但在過去的運行情況中，尤其是在2022年市場環境波動較大的情況下，多策略形式在風險控制層面難度較大。

因此，在2022年底，張序團隊籌備并發行了華安滬深300增強策略ETF（561000），核心定位為純選股指數增強策略。行業模型主要用于風險控制，目標打造業內超額收益率比較穩健的指數增強產品。

在跟蹤誤差維度，張序建立了豐富完善的風險管理模型體系。從2023年1月產品成立至今兩年半的實盤運作來看，年化跟蹤誤差始終嚴格控制在3%的目標范圍內，實際運行區間穩定在2.5%-2.8%之間。這一數據充分表明了超額收益的穩健性和可持續性。（數據來源：Wind，截至2025/5/27，業績基準：滬深300指數收益率）

 

02、體系制勝：“A+F量化投資體系”構建護城河

近年來，A股市場結構性分化加劇，主動投資獲取超額收益的難度顯著提升。市場同質化策略擁擠導致因子失效加速，而投資者對收益穩定性和策略透明度的需求日益提升。

面對這一趨勢，張序的競爭優勢在于其完整的量化“武器庫”，不同產品（包括指數增強、主動量化和資產配置）都是從“武器庫”中選擇相應的策略構建組合，最終形成定制化的投資策略。

在投資體系方面，他也進行了多次迭代，主要采用“A+F量化投資體系”。其中A端微觀選股模型經歷了一定的改進：早期采用從數據到因子的傳統量化模型，但自2022年初，開始從傳統量化模型向機器學習、AI模型進行迭代。從早期基于分類器的傳統模型架構，逐步演進到當前采用GRU、Transformer等時間序列的模型體系。

在微觀層面，目前主要采用“多因子+AI”的組合構建股票池；在中觀層面，自2020年起，系統性構建了基本面量化策略，主要包含兩大核心模塊：行業配置策略和風格配置策略。因此，通過對投資框架進行了多次更新和迭代，得到了目前相對而言比較完備、穩健的中觀配置體系。

（1）微觀選股模型

微觀層面采取了差異化的方式。與市場上普遍采用的端到端AI選股模式（基于股票價格、成交量等信息）不同，張序創新性地以多因子為載體、結合AI形式構建選股策略。在數據庫端，基于Wind和第三方數據商數據，處理得到1500+因子，支持A股市場5000只股票。其中基本面因子600+、量價類因子600+、高頻類因子200+、事件類因子100+。

同時，建立獨特的因子評價體系，采用“勝率-賠率”雙維度加權評估框架作為核心入庫標準，更在意因子的穩健性。在過去的AI模型實踐中，張序發現這樣的方法對模型的樣本內和樣本外的穩健性具備良好的正向促進作用。

在AI模型研發領域建立系統化的技術布局，主要覆蓋：分類模型、深度學習時間序列模型、卷積神經網絡模型等。在各個維度的每一策略進行一定的儲備，然后進行“樣板房跟蹤”，并將合適的投資框架模型化賦能到一些產品中。比如，華安滬深300增強策略ETF（561000）就使用了一些時間序列的深度學習模型；華安事件驅動量化混合A（002179）則以分類器模型為主。

（2）中觀配置模型

在中觀維度的行業配置方面，張序構建了獨具特色的三維一體框架，形成了“微觀-中觀-宏觀”的策略體系。在微觀層面，以微觀多因子框架為核心，不僅包含基本面類、技術類、資金類、風險類、AI類等因子，還涉及其他維度的另類因子，比如輿情等。

該行業配置體系經歷了顯著的迭代升級過程：2021年以前，配置框架主要依托微觀因子構建，其深度和廣度都遠不及當前體系；2022年起，張序發現行業在微觀因子維度的穩定性以及有效因子的占比是持續衰減的，因此決定不斷擴充行業信息。

比如，逐步將中觀層面的產業數據（如半導體、光伏、新能源汽車、煤炭、銀行等）和宏觀層面的經濟指標（如降息、降準、降稅、利率、匯率等）納入配置框架，顯著拓寬了決策的信息邊界。2022年底，又系統性地引入了宏觀層面的事件驅動量化策略，進一步豐富了行業配置的決策維度。

經過持續的迭代優化，當前這套方法論體系已在2023年底發展至最成熟的階段。隨著多維度信息的擴充和因子體系的不斷完善，該策略自2024年起穩健性顯著提升，同時行業配置框架展現出較強的環境適應能力。

張序確實在風格配置領域進行了深入研究。他說，“之所以在過往路演中較少展示風格配置策略，源于我們在實踐中的重要發現。基于行業多因子框架的研究方法，對6類風格因子進行實驗，結果顯示不同風格因子的適用性存在顯著差異。”

在過去的實踐中，張序在風格輪動模型的優化過程中采取了分域處理的方法，將風格因子劃分為四大領域并分別構建差異化的配置策略。具體而言，成長與價值風格能較好地適用于截面輪動框架，而大小盤則有所不同。大小盤風格輪動更多以量價和資金維度為主導，基于基本面分析的因子在判斷市場大小盤切換時表現出明顯的不穩定性。紅利和低波風格更適合基于宏觀經濟維度的分析框架，而非多因子模型。

目前，這套分域處理體系主要應用于組合風險管理端。以指數增強策略為例，在構建最終股票組合之后，需要對風格因子進行嚴格的風險控制?；谑袌鲲L格的研判結論，動態調整風控參數的閾值范圍。

從實盤結果來看，該風控體系對組合回撤控制產生了明顯的增強作用。在指數增強策略的實際運作中，尤其是結合AI策略的產品，最大的挑戰往往來自市場情緒或突發事件引起的風格快速反轉。

在這種情況下，就需要從非個股信息維度進行風格的風險控制。這一方式在華安滬深300增強策略ETF（561000）的實盤操作中得到了驗證，在去年春節和國慶前后的市場劇烈波動期間，該風控體系有效控制了組合回撤幅度，具備一定的防御能力。（數據來源：Wind，業績基準：滬深300指數收益率）

03、量化未來：雙輪驅動模式漸成主流

高質量發展下，公募權益未來將呈現怎樣的狀態？

通過對過去20年公募基金與其對應基準指數的表現進行研究統計，我們得到了一些結論。研究數據顯示，2023年和2024年成為公募主動權益基金跑贏對應基準指數難度較大的年份，這一現象在不同基準指數（包括中證800、滬深300及各行業指數）中均有所體現。在市場下行階段，公募主動權益基金的回撤幅度較大，這一情況在過去幾年內也引起投資者的普遍關注。究其原因，市場上漲時的回撤可通過其他交易策略進行彌補，然而在縮量下跌行情中不采取有效擇時策略，投資交易體驗就會比較差。（數據來源：Wind）

根據現行規則要求，公募基金的投資組合與業績比較基準（如滬深300指數）的偏離度不得超過10%。如果以10%作為基準線，公募基金的年化跟蹤誤差普遍超出這一閾值，并且在市場下跌階段偏離幅度更為顯著。

因此，如果繼續沿用現有的方式，公募權益基金很難完成滾動三年跑贏基準的目標。從五年的時間維度來看，連續滾動三年達標更將成為小概率事件。這種情況必將促使基金管理人在跟蹤誤差控制方面投入更多研究精力。

為了更全面地評估不同類型基金的表現，我們系統性地比較了ETF、指數增強和主動權益基金跑贏基準的情況，發現主動權益基金波動最大。指數增強基金在2023-2024年間經歷了比較大幅回調，但仍有超過70%的產品跑贏基準。然而，主動權益基金跑贏基準指數的比例在2024年達到了低位水平。這一結果也表明如果市場未來再次出現類似2024年的情況，基金管理人的壓力也會比較大。（數據來源：Wind）

因此，與其被動應對，不如事先做好跟蹤管理。越來越多的管理人開始關注回撤控制方法的研究，尤其是過去幾年中回撤波動較大的管理人，對此的關注度明顯提升。

在這種背景下，未來產品不僅需要持續挖掘阿爾法收益能力，更要在跟蹤誤差控制方面進行優化與思考。跟蹤誤差投資邏輯的轉換將催生新的投資機會。比如，未來反轉因子的有效性相較于歷史表現可能會得到顯著提升。

投資者未來在選擇基金產品時將更容易識別真正的超額收益能力，即觀察阿爾法收益特征。在市場上漲階段對某只基金產品進行業績歸因時，往往會高估阿爾法收益而低估貝塔收益。一個完整的市場周期（包含市場大漲和市場大跌階段）的業績歸因，能夠大幅降低對阿爾法收益的判斷偏離程度。

如果未來監管規則持續強化，公募產品的貝塔暴露度將會壓低，投資者將更容易識別對應產品真正的阿爾法特征。阿爾法收益的持續性通常強于貝塔收益，對于投資者而言，在構建基金組合的過程中，雖然會錯失部分高彈性品種的交易機會，但組合的穩定性得到顯著增強。

在量化產品未來的發展方向上，張序正重點布局兩個維度。

第一，超額收益為主要目標，跟蹤誤差次之。以華安事件驅動量化混合A（002179）為例，既注重超額收益率，也兼顧跟蹤誤差管理。但對跟蹤誤差的約束相對寬松，在同類基金中位數即可；在控制夏普比率的情況下，增加超額收益的獲取空間。經過六年的實盤操作，這套體系展現出較強的優勢。在收益率端，可以使用戰術性行業、風格配置模型；在選股方面，可以采用多元量化選股模型，比如多因子、AI、事件驅動等。（數據來源：Wind，業績基準：75%×中證800指數收益率+25%×中國債券總指數收益率）

第二，超額收益和跟蹤誤差同等重要。以2023年發布的華安滬深300增強策略ETF（561000）為例，跟蹤誤差控制和超額收益率的創造實現了更好的平衡。同時，風險管理模型也更加精細化。該策略不僅增強了超額收益率的穩健性，還有效降低了跟蹤誤差。當信息比率提升到一定水平后，投資者可以根據自身的風險偏好，靈活選擇指數基金產品和指數增強產品。（數據來源：Wind，業績基準：滬深300指數收益率）

04、Q&A

以下為訪談紀要：

貓頭鷹：普通投資者對量化投資存在哪些認知誤區？

張序：通過系統性的數據統計，我們發現投資者對量化基金的認知存在一定的偏差，往往將其視為高換手或者偏小微盤策略。

根據我們對公募主動權益基金與公募量化基金（剔除指數增強）雙邊換手率的年度數據統計比較，以2024年為例，公募主動權益基金的雙邊換手率在4倍左右，而公募量化基金的雙邊換手率在5倍左右，兩者的差異并沒有想象中那么大。（數據來源：Wind）

我們通過散點圖進一步分析了公募量化基金與主動權益基金在換手率與超額收益方面的分布特征。截面數據顯示，公募主動權益基金集中度更高，量化基金方差更大，分散度更高。公募主動權益基金主要集中在左側3-3.5倍換手率區間，而在右側呈現比較分散的狀態，這表明大多數主動權益基金管理人保持相對穩定的年化雙邊換手率，少數使用高換手策略。相比之下，公募量化基金的分布更加分散，既有高換手策略，又包括大量低換手策略。這一結論有力反駁了市場上很多投資者對公募量化基金都使用高換手策略的固有印象。通過實盤操作，我們發現公募量化基金策略豐富度更加廣泛。（數據來源：Wind）

我們通過實證研究進一步驗證了公募量化產品的市值特征。采用每年底持股明細數據，基于持倉權重計算加權市值，得到每一只基金當前持有股票的加權市值，再對所有基金進行算數平均處理，數據顯示公募主動權益基金和公募量化基金在持倉市值方面的差異并不大。

具體來看，2020年、2021年公募主動權益的平均持倉市值略大于公募量化基金。但近年來，尤其根據去年的數據來看，兩者的差異并不大。這一數據有力地證明了公募量化基金并非全部是小盤策略，還涵蓋大盤策略、中盤策略，體系比較豐富、完整。與換手率分布不同，無論是主動權益基金還是量化基金，在持倉市值分布層面都呈現出分散的特征，而非集中在某些特定的區間，兩類產品在市值選擇策略上都具備多元化的特點。（數據來源：Wind）

貓頭鷹：量化投資策略在強調業績基準的指導意見下如何發揮更大的作用？

張序：在當前的監管環境和浮動費率制度下，基金產品的考核重點正在發生一定轉變。超額收益雖然仍采用滾動三年的測算方式，但市場對超額收益率的穩定性要求更為嚴格。比如，超額收益率能否像我們產品所展示的那樣持續上行。

與其他主動權益基金呈現的波浪形超額情況不同，公募主動量化基金，尤其是公募量化基金整體，在新的規則體系下，超額收益率曲線相對于基準展現出更強的適應性。無論是未來的監管導向還是費率維度來看，我們認為對公募量化產品的發展提供了重要機遇。

貓頭鷹：剛剛提到在眾多因子中篩選出整體勝率較高的因子，那這些因子在選股和換倉時的具體應用情況是怎樣的？換手率表現如何？

張序：在投資框架中，我們開發了涵蓋周度和月度調倉頻率的多元化策略體系。目前，主要采用周頻調倉為主、月頻為輔的模式，主要基于兩點考量：第一，周頻調倉能更有效地控制跟蹤誤差，降低組合風險水平；第二，在實際操作中，我們發現將量價因子等應用到月頻調倉中會導致超額收益明顯損耗。

第三，但基于不同產品的特點，策略的應用各有側重。以華安滬深300增強策略ETF（561000）為例，周頻調倉策略占主導地位，因此雙邊換手率可能就在9倍左右的位置。（數據來源：Wind，業績基準：滬深300指數收益率）

相比之下，華安事件驅動量化混合A（002179）中周頻策略的占比略低一些，雙邊換手率在7倍左右的水平。整體而言，我們的產品換手率分布在7-10倍區間。（數據來源：Wind，業績基準：75%×中證800指數收益率+25%×中國債券總指數收益率）

貓頭鷹：過去幾年內，量化產品會階段性出現大幅偏離指數的情況，尤其是在一些大小盤風格極度差異變化的時間點。您怎么看待這類情況，以及如何對這樣的市場環境做出調整？

張序：通過對部分量化基金的業績歸因，我們發現過去部分量化基金曾出現與小市值風格共振的回調情況，主要源自其策略在特定風格上的過度暴露。

以近兩三年市場上產生明顯超額收益的基金為例，往往呈現出風格強暴露的特征，要么集中配置小微盤股的量化策略，要么專注純紅利、低波風格的策略。這種特點就會使得該基金產品與風格出現明顯的共振情況。比如，某只產品的基準并非該風格指數時，就容易出現顯著跑輸基準的情況。相比之下，風格均衡、交易策略多元化的量化產品在該類問題上的表現要穩健一點。

當“三年滾動跑贏基準”成為高質量發展的必答題，華安基金張序向投資者交出了滿分答卷：通過嚴格的跟蹤誤差控制、均衡的風格暴露管理（分域處理體系）以及AI賦能的因子挖掘，量化投資正逐步進化為創造可持續阿爾法收益的載體。

未來，隨著監管規則的持續落實，那些能同時平衡超額收益與風險邊界的量化產品，或將成為公募行業高質量發展浪潮中的核心引擎。

---

風險提示：觀點僅供參考，不構成投資建議，市場有風險，投資需謹慎，指數基金存在跟蹤誤差?；疬^往業績不代表未來表現，指數的歷史業績不代表基金產品未來業績表現。投資者在購買基金前應仔細閱讀基金招募說明書與基金合同，請根據自身投資目的、投資期限、投資經驗等因素充分考慮自身的風險承受能力，在了解產品情況及銷售適當性意見的基礎上，理性判斷并謹慎做出投資決策。