◎记者 吴晓婧 胡尧

近年来，量化投资行业步入快速发展期，算力、模型和交易速度成为竞争焦点，不少投资者将量化投资与高频交易、复杂算法画上等号。然而，在广发基金量化投资部总经理助理、基金经理赵杰看来，指数增强基金是以长期稳定超额收益为核心目标，通过构建“多元化、均衡化”的策略体系及严格的风险控制，力争实现长期稳定的超额收益。

赵杰拥有近18年从业经验、8年公募管理经验，长期深耕指数增强与量化投资研究，重视运用多元量化方法挖掘市场机会，致力于寻找长期有效的阿尔法因子。Choice数据显示，截至5月31日，其管理的广发沪深300增强自成立以来累计收益达92.14%，较同期沪深300指数实现近50个百分点的累计超额收益。

在“人少的路上”持续耕耘

当前，部分量化策略向高频化方向演进，试图通过更快的交易频率捕捉微小的市场定价偏差。对此，赵杰认为，高频交易虽热，但在公募基金的实际运用中，预测收益往往容易受到换手成本和交易冲击的双重影响。

在他看来，量化投资的核心不是技术竞赛，而是寻找长期有效的收益来源。“相比于依赖单一风格或单一因子获取收益，广泛而均衡的阿尔法来源更有利于适应不同的市场环境”。这也是其采用的指数增强策略的重要特征——通过更低的换手、更长的预测周期，追求更稳定的超额收益。

在量化策略开发中，赵杰带领的量化投资部立足公募量化基金的定位和特点，将研究资源投入到中长期预测能力的提升上，希望通过更精准的收益预测，提高超额收益向实盘收益的转化效率。“相比拥挤的赛道，我们更愿意在人少的路上持续耕耘。”赵杰说。

围绕这一理念，赵杰和团队确立了以中低频量化选股策略为重点的发展方向，开发了具有较强原创性的低频机器学习模型。在数据处理层面，通过对高频价量数据进行低频化处理，在保留信息含量的同时有效降低换手率，从而降低交易成本与市场冲击，提升策略的收益表现。

与此同时，赵杰和团队认为，回归投资的本源，是获取长期超额收益的真正基石。“相较依靠算力进行大规模的因子挖掘，我们更关注因子背后反映的经济逻辑。”赵杰表示，“超额收益并非来自模型或算力的简单堆积，而是来自对金融数据的深刻理解。”

解码阿尔法的“基因”

赵杰带领的广发基金量化投资部，致力于将对投资市场的理解转化为可执行的策略。他将这个过程概括为：“双因子”提供“原料”，“双模型”负责“加工”。

目前，团队搭建了以经济逻辑为内核、“双因子”驱动的模式，持续深耕基本面与交易面的深度融合：一方面，保留大量经过长期市场检验的基本面因子；另一方面，吸收逻辑清晰的量价因子，避免陷入“因子失效—重新挖掘—再次失效”的循环。

赵杰表示，收益来源主要来自基本面因子与交易面因子的结合。其中：基本面因子包括成长、盈利、价值、分析师预期等维度；交易面因子则涵盖动量、反转、资金流、高频价量等市场微观信号。两类因子相关性较低，能够形成良好的互补关系。

在策略框架上，团队构建了覆盖基础因子、收益预测模型、风险模型和组合优化器的完整体系。长期以来，团队将大量精力投入因子库建设，目前已储备上千个有效阿尔法因子，覆盖财务数据、分析师数据、另类数据以及日频、分钟级价量数据等多个维度，基本面因子和交易面因子各占约一半。

而在模型层面，团队采取“双模型”——传统多因子模型与机器学习模型均衡配置的方式。其中：多因子模型依托长期积累的基本面因子和量价因子，对股票未来收益进行预测；机器学习模型则利用决策树、神经网络等算法处理复杂的非线性关系，从因子库中进一步挖掘增量信息。两者互补，以提升整体预测的稳健性与准确性。

系统化能力的长期积累

对于指数增强产品而言，持续获得超额收益是一大难点。在赵杰看来，长期业绩的背后，本质上是风险控制能力。因此，在管理组合的过程中，团队始终将“分散化”和“低波动”放在重要位置。

在组合构建阶段，团队对行业、风格和个股偏离均设置严格约束。例如：行业偏离不超过3%，风格因子暴露偏离控制在0.3个标准差以内，避免因持仓配置单一行业或风格导致超额收益出现大幅波动；个股权重偏离基准不超过1%，持股数量通常维持在100到200只，通过高度分散化持仓降低个股波动对组合净值的影响。

“稳定的超额收益，并非来自某一次的主动偏离，而是来自系统化能力的长期积累。”赵杰介绍，广发基金自2011年开始探索量化投资，搭建了统一的量化投研平台，涵盖市场跟踪、因子库、策略回测和组合跟踪等多个模块，团队成员的所有研究成果均在平台内沉淀和共享，通过不断迭代提升模型竞争力。