主動量化，這類基金真的很能打！

文| 基哥

如果你關注基金業績榜單，可能會注意到一個現象：最近一年多來，在主動權益類基金中跑在前面的，不再全是傳統的“明星基金經理”掌舵的產品，而是頻繁出現一類名字帶“量化”的基金。

比如廣發量化多因子混合（A類005225，C類025645），近1年收益率超過60%，近1年、近2年、近3年都在同類靈活配置型基金中穩居前5%，遠超同期業績基準表現，也顯著跑贏多數主動權益基金。

截至

2025.10.17

廣發量化多因子過往一年凈值表現，數據來源：天天基金，截至2025.10.17

這些亮眼業績的背后，并非靠押中某個熱門賽道，也不是靠重倉幾只牛股，而是主動量化的投資策略、“系統化作戰”的團隊實力和中小盤活躍的市場風格三者共振的結果。

今天，基哥就以廣發量化多因子為例，來拆解一下主動量化基金到底是什么？為什么最近表現這么強？以及，像廣發量化多因子這樣的產品，是否值得納入我們的持倉清單？

什么是主動量化基金？

“主動量化”這個詞，聽起來有點技術流，但其實可以拆開理解：

“主動”指的是基金經理不完全復制某個指數，而是主動構建投資組合。基金經理會基于對市場的研究和判斷，形成自己的投資策略和投資邏輯，目標是跑贏市場或某個基準。

“量化”指的是用數學模型、算法和大量數據來選股和交易，而不是靠深度調研某幾家公司來做決策。

所以，主動量化基金既包含了主動管理的目標，又運用了量化模型的方法。這和我們熟悉的傳統主動基金或者指數增強基金都有所區別。

主動量化基金有自己的一些典型特征，比如：持倉分散，通常持有幾百只股票，單一個股倉位很低，避免“踩雷”對整體收益造成毀滅性打擊；換手率偏高，模型會根據市場變化快速調整持倉，捕捉短期機會；因子驅動，選股邏輯基于“因子”（即超額收益來源），通過歷史數據驗證哪些因子長期有效。

從持倉結構和投資策略看，廣發量化多因子就呈現出典型的量化特征：

01持倉高度分散

前十大重倉股合計占比通常在8%-9%之間，單一個股持倉不超過1%，有效規避了“踩雷”風險。

廣發量化多因子前十大重倉股，數據來源：基金2025年二季報

02換手率較高

2024年上、下半年換手率分別為396.75%和330.83%，屬于行業較高水平。這意味著組合平均每3-4個月就會完成一次較大規模的輪動。

高換手的背后，反映的是模型對市場信號的快速響應。策略模型每天都會基于最新的信息對全市場股票進行重新評分，然后根據股票打分對持倉組合進行微調，以此適應市場的變化，捕捉中短期的機會。

廣發量化多因子換手率，數據來源：天天基金

03多因子模型

在運作方式上，廣發量化多因子采用的是多因子復合模型，其核心流程包括：

因子庫建設：團隊構建了一個包含上百個因子的數據庫，涵蓋價值、成長、動量、波動率、財務質量、交易行為等多個維度；

因子有效性檢驗：通過歷史回測和實證分析，篩選出長期穩定有效的因子，并剔除那些僅在特定時期有效的“偽因子”；

因子動態加權：不同市場環境下，有效因子會發生變化。例如，牛市初期動量因子強，震蕩市中低波動因子占優。該基金的模型會根據市場狀態，動態調整各因子的權重，而不是固定不變。

為什么主動量化基金最近這么強？

過去幾年，尤其是2024年以來，主動量化基金整體表現亮眼。根據Choice數據，截至2025年9月末，近一年主動量化基金平均回報達28.29%，超九成都獲得了正收益。

數據來源

:Wind，時間截至2025.

9

30

，僅統計產品初始基金

基哥認為，這背后有幾個關鍵原因：

其一：市場風格切換頻繁，中小盤股成為阿爾法沃土。

這幾年，市場沒有明顯的主線，板塊輪動極快。尤其是2023年以來，國證2000、中證1000等中小盤指數表現活躍。這類股票的研究覆蓋度低、機構持倉分散、信息不對稱程度高，容易出現“錯殺”或“低估”，這正是量化策略最擅長挖掘的“阿爾法”來源。

廣發量化多因子的業績比較基準就是國證2000指數，這意味著它的主要戰場在市值偏小、流動性適中的股票群體。這個選擇并非隨意，而是基于量化策略的核心邏輯——尋找市場定價效率相對較低的領域。通過系統性地掃描數千只股票，識別出那些基本面尚可但被短期情緒壓制、或技術面出現反轉信號的標的。

換句話說，它不追求“發現下一個茅臺”，而是通過高頻率、大樣本的篩選，在海量中小盤股中持續“撿貝殼”，積小勝為大勝。

其二：AI與機器學習加持，捕捉深層阿爾法信號。

現在的量化早已不是簡單的“低估值+高成長”打分卡。越來越多的團隊引入機器學習、自然語言處理等技術，從財報、新聞、輿情、交易行為中提取信號，從而發現更復雜、非線性的規律。

廣發量化多因子的基金經理李育鑫，就很重視傳統多因子模型與機器學習相結合的可能性。在實際運作中，他引入機器學習算法（如XGBoost、神經網絡），用于捕捉因子之間的非線性關系和交互效應，實現AI輔助增強的效果。比如，某些因子組合在一起時，可能產生“1+1>2”的增強效果，這是傳統方法難以識別的。

這種“人工邏輯+數據驅動”的雙軌制，既保證了策略的可解釋性，又提升了對復雜市場的適應能力。

績優產品背后的“系統化作戰”能力

公開資料顯示，廣發量化多因子由李育鑫和易威共同管理。李育鑫擁有統計學博士學位，長期深耕量化模型開發，對因子挖掘和風險控制有深入研究。

不過基哥認為，主動量化產品的成功，個人作用固然重要，但更依賴團隊和平臺的支持。

李育鑫所在的量化投資團隊，從2011年開始專注量化策略研發。該團隊由趙杰率領，匯聚了數學、計算機、金融工程等專業背景的投研人員，從業經驗覆蓋投研、交易、信息技術等復合領域。

他們以經典的量化投資策略為基礎，自主搭建了量化投研一體化平臺，能夠高效處理海量數據，并實現策略的快速回測與實盤部署。此外，該團隊早在2020年就啟動了AI選股的探索，這種長期投入，構成了其策略持續迭代的底層能力。

我們可以從歸因分析來看廣發量化多因子的收益來源，數據顯示：它的行業偏離貢獻有限，不押注單一行業，行業配置相對均衡，行業擇時帶來的超額收益較小；個股選擇是核心，絕大部分超額收益來自個股權重調整，即在相同行業中，選到了更強的個股；因子暴露也比較穩定，長期保持對動量、低波動、高質量等因子的正向暴露，顯示其策略具備持續性。

這說明，它的收益并非來自運氣或風格博弈，而是實實在在的系統化作戰能力。

當然，任何策略都有其邊界和風險點，我們在投資廣發量化多因子這只基金時，也需要注意它的一些風險收益特征。比如，它在提供很好的創新高能力、夏普比率、凈值修復能力的同時，波動也會偏大。

廣發量化多因子近三年收益數據分析，數據來源：天天基金，截至20251017

所以，我們在關注這只產品高收益的同時，也要理性看待其風險點，根據我們的投資目標，來選擇諸如定投、網格策略、金字塔交易等符合自己風險承受能力的投資策略。

對于普通投資者來說，與其費力追逐熱點、預測風格，不如考慮把一部分資金交給這類“系統化選手”。尤其是在當前市場環境下，主動量化基金的“鈍感力”和“持續挖礦”能力，或許比“一擊必殺”的押注更值得信賴。

廣發量化多因子混合（A類005225，C類025645）及其它績優主動量化基金的表現，至少說明這套方法論在當下是有效的。至于未來能否持續，時間也會給出答案！

（本文完）

聲明：基金研究、分析和基金組合服務不構成投資咨詢或顧問服務，本賬號發布的言論僅代表個人觀點，不作為買賣的依據。基金投資有風險，基金及基金組合的過往業績不預示其未來表現。敬請認真閱讀相關法律文件和風險揭示聲明，基于自身的風險承受能力進行理性投資。