1.1、 量化基金市场概况

我国量化基金市场起步于 2004 年，共经历了几轮增长期。在 2007 年之前，国 内量化基金市场发展缓慢，以主动量化型基金为主，2007 年金融危机后，海外 量化人才大量归国发展，量化基金份额在当期迅速增长；2014 年至 2015 年指 数的冲高、2016 年大盘股行情带动量化基金产品规模扩张；2018 年市场单边下 跌，指数化投资受到市场广泛关注。投资者对量化投资的理解加深，加上量化产 品业绩稳健，吸引了更多投资者参与到市场中来。

2019 年起，量化基金规模和数量的增长速度明显加快，2021 年底规模突破 2000 亿元。截至 2022 年 3 月 31 日，量化基金资产份额合计 1538.69 亿份；从市场 量化基金数量上看，产品数量持续呈现上涨趋势，目前共有 384 只量化基金， 其中主动量化 229 只、指数增强型 130 只、对冲型 25 只。

1.2、 量化基金产品分类

根据交易策略的不同，本文将量化基金产品分为三类：主动型量化基金、指数增 强型基金与对冲型量化基金，三类产品有各自的特征与优势，适用于不同的交易 需求。

指数增强型基金目前是三类基金中规模最大的一类；主动型量化基金出现最早， 同时也是我国目前市场上数量最多的量化基金产品；对冲型量化基金出现于 2013 年，时间最晚，但份额增长迅速。

1.2.1、 主动型量化基金

从主动型量化基金的规模发展来看，从 2014 年到 2016 年间，该类基金发展迅 速，两年内规模扩张了 149.06%，份额扩张了 163.33%，2015 年至 2017 年， 主动型量化基金规模和份额整体处在高峰阶段。

2014 年至 2016 年间。对比主动权益类基金，主动型量化基金年收益风险更集 中，首尾业绩差 37.1%远低于主动权益类业绩差 57.4%。2014 年至 2016 年， 主动性量化基金收益均值、中位数、最小值均高于主动权益类水平。

2017 年至 2018 年，主动型量化基金较主动权益类基金超额收益的竞争优势变 弱，加之股市走弱，主动型量化基金规模呈现明显的下滑，产品数量增长同时变 缓。2017 年至 2018 年间，主动型量化基金年化收益最大值、均值、中位数均 明显低于主动权益类基金水平。2019 年起，主动型量化基金规模回升，但增速 较 2014-2016 年明显放缓，截至 2022 年 3 月 31 日，主动量化基金份额为 549.01 亿份，占整体市场规模 35.68%；存量产品数量 229 只，占整体产品 59.64%。

1.2.2、 指数增强型基金

从指数增强型基金的历史规模来看，2010 年至 2014 年，市场震荡向下，指数 增强型基金产品份额、数量维持稳定；2015 年市场回调，使得指数增强型基金 规模下降至前期低点；2016 年起，指数增强型基金进入增长阶段，产品数量、 规模、份额增速明显加快；2018 年起，指数基金进入高速发展阶段，指数增强 以其清晰的 Beta 特征凸显了更强的产品力。截至 2022 年 3 月 31 日，指数增强 型基金份额为 774.80 亿份，占整体市场规模 50.35%；存量产品数量 130 只， 占整体产品 33.85%。指数增强型基金主要跟踪指数有沪深 300、中证 500、中证 1000、创业板指等， 跟踪指数的多样性和规模从 2016 年起明显增加。

从产品数量、跟踪规模上看，近三年跟踪沪深 300、中证 500 指数产品占比较 大，其次为中证 1000、创业板指和个别行业指数，其余跟踪指数包含创业板指、 上证 50、创业板综、消费 100、中证高装等共 26 个宽基、行业指数。截至 2021 年 12 月 31 日，分别有 40 只、45 只基金跟踪沪深 300、中证 500，占整体指数 增强型基金产品数量的 32.52%和 36.59%。

1.2.3、 对冲型量化基金

第一只对冲型量化基金嘉实绝对收益策略 A 成立于 2013 年 12 月 6 日，2015 年对冲量化基金行情达到局部高点，股灾后续规模、份额逐渐下行，产品数量方 面趋于稳定。

2019 年起，对冲型量化基金业绩亮眼，规模不断攀升，此后一年基金规模增长 了 11.33 倍，但 2020 年起，受到超额收益稳定性和基差风险的影响，该类产品 平均业绩表现不佳，伴随市场行情，规模、份额呈现回落状态。截至 2022 年 3 月 31 日，对冲量化基金规模为 214.88 亿份，占整体市场规模 13.97%；存量产 品数量从 2020 年维持 25 只，占整体产品 6.51%。

1.2.4、 三类量化基金汇总

从历史发展来看，三类产品扩张和收缩表现不一致。2009 年的牛市中，主动型 和指数增强型基金同步扩张，此后两年两类基金份额、规模相对稳定；2014 年 至 2017 年，三类基金规模、份额变化出现分化；2016 年为主动型量化因 alpha 因子表现出色，份额迅速增长；而 2018 年的市场下跌导致主动型量化基金份额 缩水，转向指数化投资；2018 年后，基于指数产品力的优势，指数产品整体表 现更优，指数型基金持续扩张；2019 年下半年对冲型基金大幅扩容，此后一年 时间内份额增长 9.74 倍。

从最新截面来看，主动型量化型基金产品数量占比最大，为 59.64%。截止 2022 年 1 季度末，主动型、指增型、对冲型量化基金份额合计分别为 549.01 亿份、 774.80 亿份、214.88 亿份；市场存量量化基金中，共有 229 只主动型、130 只 指增型、25 只对冲型量化基金。指数增强型基金产品份额占比最大，为 50.35%。

1.3、 量化基金市场投资者结构对比

从近年来数据看，三类量化基金中，主动型和指数型量化基金以个人投资者为主， 对冲型自 2020 年以来以机构投资者为主，对冲型指数基金拥有“固收+”的特 征和风险收益结构，规避市场带来的系统性风险，强调绝对收益，更注重回撤的 控制。

1.4、 量化基金市场的发展及公司集中度分析

近年来基金公司规模集中度呈下降趋势。截至 2021 年 12 月 31 日，富国基金、 汇添富基金、景顺长城基金、华夏基金、博道基金规模各自占比超过 5%，前十 大基金公司管理规模之和占比为 51.43%。自 2010 年开始至 2021 年末，公募 量化基金的规模集中度呈下降趋势，近两年头部基金公司管理规模稳定。

2.1、 基金投资策略的拆分

将主动量化型和指数增强型基金合并，根据基金跟踪指数或业绩基准指数，细分 为 9 类基金，分别为跟踪上证 50、沪深 300、中证 500、中证 800、中证 1000、 创业板、行业主题增强、其他增强、其他主动量化类基金。

我们将基金的 alpha 定义为其超额收益，分别在 9 类基金中分析三种量化策略 线（从跟踪误差和行业偏离分析偏离度策略、双边换手率分析分量价和基本面型 策略、根据持仓测算基金风格偏离）下，基金 alpha 收益的获取和投资者交易收 益情况。

2.1.1、 偏离度特征——跟踪误差

我们将跟踪误差作为衡量基金收益与跟踪指数收益偏离度的一个指标，计算组合 收益率与基准收益率之间的差异的收益率年化标准差。跟踪误差越大说明投资者 主动投资的风险越大。 2019 年初至 2022 年 Q1，指增型基金在指数跟踪误差上相对主动量化基金要小 很多、分布更集中。指增型基金跟踪误差均值为 4.95%，集中在[2%，6%]区间 内，主动型基金均值在 10.13%，集中分布在[3%，15%]区间内。

指数增强量化基金的信息比率高于主动量化基金；在超额收益方面，指数增强基 金收益风险更集中，超额收益整体均值为 7.67%，而主动量化基金超额收益范 围较大且波动率分散。对比 9 类细分类量化基金的超额收益，2019 年初至 2022 年 Q1 间，跟踪中证 1000 的 8 只基金产品平均年化超额收益最大，为 11.47%，其次为中证 800、上 证 50、其他增强。

从超额收益分布情况看，跟踪中证 1000 指数的量化基金超额收益分布集中，分 布较其他类型量化基金略靠右。对比 9 类细分类量化基金的跟踪误差，跟踪中证 500、中证 1000、其他增强、 上证 50、沪深 300 指数的量化基金的跟踪误差小于其他类别基金。

在指数跟踪误差上我们设定跟踪误差序列为 50%分位以下的为偏向跟踪型基金， 其余的为偏向灵活配置型基金。 以跟踪中证 500 和沪深 300 的量化类基金为例，统计对比两种跟踪误差偏离分 类下各组基金的超额收益发现，两类基金累计超额收益出现分化。跟踪中证 500 量化基金中偏向跟踪型基金累计超额持续走高，而偏向灵活配置型基金在 2021 年出现明显回撤；跟踪沪深 300 的量化基金偏向跟踪型基金走势更稳定、波动 更小。

我们用加权平均净值利润率代表基民收益，将其与基金同期复权净值变化率之差 作为投资者交易收益。 跟踪中证 500 指数的量化基金中偏向跟踪组基金投资者交易收益更大，2020 年 至 2021 年间投资者交易收益与波动率呈负相关关系；从 2021 年底看，跟踪中 证 500 的两组量化基金投资者交易收益有明显的差距，偏向跟踪基金在同程度 的波动率下投资者交易收益分布较分散，而跟踪沪深 300 的偏向跟踪组基金投 资者交易收益分布更集中。

2.1.2、 偏离度特征——行业偏离

行业偏离是衡量量化基金与跟踪指数的第二指标，计算量化基金持股市值中中信 一级各行业投资市值占比与跟踪指数持股行业占比之差的绝对数均值。

从 2021 年底上看，指增型基金在行业偏离度上相对主动量化基金控制更好、偏 离程度更小、分布更集中。指增型基金行业偏离均值为 0.82%，集中在(0%，1.5%] 区间内，在有色金属、钢铁、煤炭行业偏离度高于其他行业；主动型基金均值在 2.23%，分布在[0.5%，4.0%]区间内，在煤炭、通信、有色金属行业偏离度相对 较高。 各类量化基金相对超配行业集中在有色金属、基础化工、计算机、传媒行业；从 行业偏离度程度上看，行业主题增强类、跟踪中证 1000 指数类量化基金的行业 偏离要明显低于其他类型量化基金。

将行业偏离度排序为 50%分位以下的定为低偏离基金，其余的为高偏离基金。 以跟踪中证 500 和沪深 300 的量化类基金为例，按年度滚动计算各基金的行业 偏离，对比两组分类基金的超额收益。跟踪中证 500 量化基金中低偏离组超额 收益持续走高，高偏离组在 2021 年初出现明显回撤；跟踪沪深 300 的量化基金 低偏离型基金走势更稳定、波动更小。

从投资者交易收益看，跟踪中证 500 指数的量化基金中偏向跟踪组基金投资者 交易收益更大，2020 年至 2021 年间投资者交易收益与波动率呈负相关关系。 从 2021 年底看，跟踪中证 500 的低偏离基金在同程度的波动率下投资者交易收 益分布较分散，而跟踪沪深 300 的低偏离组基金投资者交易收益分布更集中。

2.1.3、 偏离度特征——跟踪误差+行业偏离

我们从跟踪误差和行业偏离的两个角度判断量化基金是否紧跟跟踪指数。当量化 基金在跟踪误差和行业偏离上都较小则定义为跟踪型；而当跟踪误差和行业偏离 上都较大则为偏离型。

跟踪误差和行业偏离指标分组量化基金有一定的重合性。两指标组合后，跟踪 型和偏离型基金由细分组中的大部分基金组成，因此按照行业偏离划分量化基金 后两组基金累计表现与按照跟踪误差划分后累计表现相似。

2.1.4、 投资策略划分——换手率（基本面因子&量价因子）

换手率衡量量化基金投资策略，基于年报的买卖股票金额之和与始末平均规模之 比计算各量化基金的换手率。 从 2021 年底看，指增型和主动量化型基金在换手率上分布基本一致。指增型基 金换手率均值为 9.03，主动型基金均值在 8.89，两类量化基金分布均集中在( 0， 15]区间内。

从 9 类细分类量化基金的换手率看，中证 500、中证 1000、上证 50 类量化基金 换手率均值较高，创业板类量化基金换手率均值最低。

从换手率出发，换手率在 7 倍以下的为基本面策略主导基金，12 倍以上的为量 价策略主导基金，其余的为混合型基金。2021 年三组投资风格下的量化基金超 额收益分布差别较小。

以跟踪中证 500 和沪深 300 的量化类基金为例，按年度滚动计算对比三组基金 的超额收益。跟踪中证 500 的三组量化基金累积超额收益在 2020 年下半年开始 出现明显分化，混合型基金组超额收益更优，2020 年超额收益显著；跟踪沪深 300 的三组量化基金在 2020 年起累积超额收益出现分化，量价型基金组超额收 益表现更优。

跟踪中证 500 指数的量化基金中三组基金投资者交易收益均值相差较小，且投 资者交易收益与波动率间相关关系不显著。 从 2021 年底看，跟踪中证 500 的混合组量化基金投资者交易收益分布更集中， 同波动率水平下，量价组投资者交易收益均值更大；跟踪沪深 300 的混合组基 金投资者交易收益均值为负。

2.1.5、 偏离度+换手率划分六大类基金

从对跟踪指数的偏离度和投资风格两个维度，将量化基金划分为六大类：基本面 +偏离型、基本面+跟踪型、量价+偏离型、量价+跟踪型、混合型+偏离型、混合 型+跟踪型。

按年滚动计算各基金偏离度和换手率，对比 2019 年至 2021 年期间跟踪中证 500 和沪深 300 的六大类基金超额收益情况。

跟踪中证 500 的量化基金中，偏离型+基本面特征的基金组在 2021 年 7 月前超 额收益优势明显，同时波动较大；跟踪型+混合、跟踪型+量价组基金超额收益 持续走高，回撤波动稍小；偏离型+量价组基金超额获取情况较弱，超额年化波 动率显著低于其他组别基金。

跟踪沪深 300 的量化基金中，偏离型+量价特征的基金组超额收益优势明显，同 时波动较大，偏离型+混合组基金累计超额收益排名第二，而跟踪型+基本面组 基金超额收益持续走高，收益风险相对更稳定；偏离型+基本面组基金超额获取 情况较弱。

跟踪中证 500 指数的六大类量化基金中，跟踪型基金投资者交易收益程度明显 高于偏离型基金，而跟踪型基金的风险波动幅度均值低于偏离型基金；六大类基 金的超额收益与投资者交易收益呈正相关关系。

跟踪沪深 300 指数的六大类量化基金中，跟踪型+量价型组基金投资者交易收益 较其他大类基金更明显；2021 年偏离型+量价、偏离型+混合、跟踪型+混合组 基金的投资者交易收益为负，及投资者获得的收益高于基金收益。

2.1.6、 相对风格暴露

计算跟踪指数以及量化基金持仓的风险敞口，将量化基金的风格敞口与指数的风 格敞口之差定义为基金的风格暴露偏离。当单边偏离 0.3 倍标准差以上，则认为 量化基金有相对风格暴露。

计算各期无风格暴露的基金比例发现，跟踪中证 500 和沪深 300 的量化基金均 倾向于相对市值因子，而在动量、盈利、BP、流动性因子上保持中性。

对比各期因子暴露的超额收益获取情况发现，跟踪中证 500 的量化基金通过暴 露更多的波动、流动性获取超额收益，而跟踪沪深 300 的基金在市值因子的暴 露上取得了不错的超额收益。

对比沪深 300 和中证 500 在各期风格暴露的方向发现，跟踪中证 500 的量化基 金在动量、市值因子上偏向正暴露，近一年开始，市场风格因子从负暴露转向正 暴露，在 BP、流动性因子上偏向负暴露。

跟踪沪深 300 的量化基金在动量、波动、流动性因子上偏向正暴露，在市值、 盈利、BP 因子上偏向负暴露。

以每年 6 月、12 月两期计算的各量化基金的相对风格暴露均值为该年的风格暴 露特征，对于同一跟踪指数下的量化基金，着重对比偏离程度较大的风格因子。 跟踪中证 500、沪深 300 的量化基金中跟踪型量化基金在各风格上的相对暴露 偏离程度明显小于偏离型；跟踪型特征上叠加分别叠加基本面、混合或量价投资 风格特征后，各因子相对风格偏离程度相差不大。

从各因子偏离程度上看，跟踪中证 500 的偏离型基金，偏离型+基本面基金在流 动性、市值方向上暴露程度较高，而偏离型+量价基金在动量方向上暴露显著； 跟踪沪深300的偏离型基金中，偏离型+量价基金中市值暴露程度最高，在动量、 流动性、波动、BP、盈利方向上的暴露均大于偏离型+基本面和偏离型+混合型 基金。

2.2、 基金投资策略的拆分——对冲型

我们将基金的 alpha 定义为其绝对收益，对整体对冲型量化基金进行三种量化 策略线（从中性策略分析对冲程度、换手率分析分量价和基本面型策略、根据持 仓分析量化基金风格策略）的梳理，分析各策略线下基金 alpha 收益的获取和投 资者交易收益情况。

2.2.1、 中性策略——完全对冲 vs 部分对冲

通过对比股指期货投资市值与股票投资市值，计算期货投资覆盖率，衡量对冲型 量化基金的对冲程度。绝对收益端两组量化基金组分化明显，部分对冲型量化基金收益表现更优，同时 年度波动率在 2019 至 2020 年略大于完全对冲型基金。

2.2.2、 投资风格特征——量价 vs 基本面

换手率衡量量化基金投资风格，基于年报的买卖股票金额之和与始末平均规模之 比计算各量化基金的换手率。 在绝对收益端，两组量化基金组分化明显，基本面型量化基金收益表现更优；整 体来看，对冲基金通过股指期货对冲系统性风险，注重回撤控制，走势较大盘更 稳定。

从投资风格特征角度，基本面组基金投资者交易收益均值大于量价组基金，投 资者交易收益与波动率间相关关系不显著，从 2021 年底看，量价组基金分布较 基本面组基金分布靠右；从中性策略角度，部分对冲组基金投资者交易收益均值 大于完全对冲组基金，从 2021 年底看，完全对冲组基金分布较部分对冲组基金 分布靠右。

2.2.3、 持仓风格特征

根据股票的风格因子暴露值，分析对冲型量化基金多头组合持仓风格特征。 对冲型量化基金在市值、动量、盈利、成长因子上偏向正暴露，在流动性、BP 因子上偏向负暴露；2020 年开始，Beta、波动因子由负暴露变为正暴露。

我们着重关注市值、Beta、成长、BP、流动性，对比各类量化基金暴露偏向。 完全对冲型和基本面型对冲基金暴露程度更大，在暴露方向上，完全对冲型基 金均倾向于暴露市值因子，基本面型基金倾向于暴露流动性因子。

3.1、 主动权益 vs 量化基金的 beta 特征

2008 年到 2019 年间，偏股基金指数(930950.CSI)相对中证 800 等宽基指数基 准的超额收益并不明显；2015-2016 年之间偏股基金指数相对超额收益出现了一 段明显上升；2019 年之后，主动权益基金超额收益显著提升，大幅战胜宽基指 数，量化基金相对优势减弱；2022 年最新截面上看，主动权益类基金收益率出 现明显回撤，量化基金显著跑输的趋势不会持续。

以 800 成长与 800 价值指数的累计收益差来衡量市场成长价值风格变化；同时 以沪深 300 与中证 500 指数的累计收益差值衡量市场大小盘风格变化。在 2009年和 2014 年，市场风格快速切换的时点，主动权益基金收益往往会跑输宽基指 数；2021 年风格切换，主动权益基金在近一年超额收益回撤，beta 收益效果减 弱，主动权益基金规模和占比发展减缓。

3.2、 量化基金在主动权益基金中的收益分布看竞 争优势

我们通过对比可以发现，在量化基金收益表现跑输主动权益基金的年份，规模发 展收到明显限制，规模缩减或增速减缓。2019 年以来，量化基金绝对收益表现 均值低于主动权益基金，2019 和 2020 年绝对收益中位数位列主动权益基金收 益排名 75%以上，收益分布在主动权益类基金后半部分，整体收益跑输主动权 益型基金。2021 年，量化基金与主动权益类基金收益率均值差距缩小，整体收 益均匀分布在主动权益类基金收益分布中部，业绩表现逐步优化，目前仍处于市 场较低点位，布局优势明显。

3.3、 挖掘 beta 和 alpha 的关系

按月频计算量化基金在 2020 到 2021 年间的 beta 和 alpha，依据两者的正负向 关系计算时间占比，60%及以上时间表现出正向相关关系的划分为强相关，正相 关时间占比在 40%-60%之间的为弱相关。从指数角度来看，跟踪沪深 300 指数的量化基金以弱相关为主，强相关基金在 跟踪中证 500 指数量化基金中占比稍高于弱相关，占比为 51%。量化基金的月频 alpha 和beta 表现为正向关系的时间占比集中于 50%-60%区间， 跟踪中证 500 指数的量化基金在 70%-80%区间的占比高于跟踪沪深 300 指数的 量化基金。

3.3.1、 绝对收益角度

从跟踪沪深 300 指数的量化基金来看，2020 年 9 月后强相关量化基金的绝对收 益略高于弱相关量化基金的绝对收益，但这一现象在 2021 年同期出现了变化， 两者绝对收益差距明显收窄。

从跟踪中证500指数的量化基金来看，2021年2月左右整体绝对收益快速增长， 此后强相关和弱相关的基金超额收益走势出现明显差距，正相关的量化基金绝对 收益优势明显。

依据各基金 beta 与 alpha 成正比的时间占比，将量化基金分为强相关和弱相关 两类。从跟踪沪深 300 指数的量化基金来看，强相关和弱相关的基金绝对收益 分布均较广，但前者的绝对收益波动率更集中；从跟踪中证 500 指数的量化基 金来看，强相关的基金绝对收益和风险均更加集中。

3.3.2、 超额收益角度

从跟踪沪深 300 指数的量化基金来看，2020 年 9 月后强相关量化基金的超额明 显高于弱相关量化基金的超额，此后两者超额收益差距明显收窄，弱相关量化基 金超额一度反超强相关量化基金。从跟踪中证 500 指数的量化基金来看，2021 年 2 月后强相关和弱相关的基金超 额收益走势出现明显差距，强相关的量化基金超额收益优势明显

从跟踪沪深 300 指数的量化基金来看，强相关的基金相比弱相关的超额收益更 加集中，处于[0, 20]区间以内。超额收益波动更小。从跟踪中证 500 指数的量化 基金来看，强相关的基金超额收益表现明显优于弱相关基金，超额收益波动同样 更低。

3.3.3、 投资者交易收益角度

我们将平均复权单位净值增长率和平均加权平均净值利润率分别看作基金收益 和投资者收益，将其与基金同期复权净值变化率之差作为投资者交易收益，计算 四类强、弱相关量化基金的投资者交易收益情况。 从指数整体来看，跟踪中证 500 指数的量化基金获取了更高的收益，但同时也 从相关性角度表现出更大的收益差距。从相关性来看，跟踪沪深 300 的弱相关 基金拥有最低的投资者交易收益，跟踪中证 500 的强相关基金投资者交易收益 则最高。

2021 年量化基金整体来看，投资者交易收益相比主动权益基金更低。量化基金 的业绩越高，投资者收益获取率越高。跟踪沪深 300 的量化基金整体投资者交易收益小于跟踪中证 500 的基金，其中 跟踪中证 500 指数的强相关基金收益明显高于其他三类，投资者交易收益也较 高。

3.4、 Alpha 收益的确定性

将两年期量化基金与主动权益基金的 Alpha 收益做对比。从整体集中度来看，量 化基金的 Alpha 收益集中度较高，相较于主动权益基金表现出了更大的收益确定 性。除此之外，量化基金的年化 Alpha 收益均值也明显高于主动权益基金。

将跟踪沪深 300 和中证 500 量化基金 Alpha 汇总统计可见，两类量化基金 Alpha 分布区间均较窄，因此收益确定性更加显著。相较而言，跟踪中证 500 指数的 量化基金 Alpha 收益略低于跟踪沪深 300 指数的量化基金。

监管引导稳健投资，市场宽基化趋势明确。2022 年 4 月 26 日，证监会发布《关 于加快推进公募基金行业高质量发展的意见》（以下简称“《意见》”），强调要积 极拓展持续营销，创新投资者陪伴方式，切实改变“重首发、轻持营”的现象， 加大对基金定投等长期投资行为的激励安排。在“重持营”监管导向下，量化投 资是提升普通投资者投资体验的有效手段。

在短期业绩导向的增长逻辑下，基金公司通过做大分子，即广泛寻找超额收益的 方式放大夏普比率，驱动管理规模和管理费规模提升，但加剧了整体波动。而在 长期业绩导向的增长逻辑下，基金公司通过做小分母，即控制波动率的方式放大 夏普比率，在此背景下，以控制波动、寻找稳定收益的量化投资成为最佳选择之 一。

4.1、 资产端视角

Beta 的未来优势和 Alpha 收益确定性，是量化基金作为优秀投资标的的两个重 要因素。量化基金 alpha 相对可控，具有显著的 Alpha 收益确定性，且 beta 劣 势有望消除，未来预期向好，竞争优势上边际改善，具有增长潜力和配置价值， 为 B 端投资者提供更为稳健和持续的收益。

量化基金 Alpha 收益确定性高、收益特征多元。量化基金跟踪指数通过量化策 略获取超额收益，加上较低的跟踪误差，量化基金的 Alpha 收益确定性较主动权 益类基金更明显，分布区间较窄；从策略线来看，不同策略线分组下的量化基金 组间 Alpha 收益获取分化明显，呈现 Alpha 多元化且特征鲜明的特点。

Beta 趋势未来可期，过去一段时间量化基金的 Beta 表现不及市场预期，但该趋 势不会持续。近年来主动权益基金相对中证 800 的相对超额收益显著提升，走 势战胜宽基指数，且收益表现优于量化基金。从历史发展看，在量化基金收益表 现跑输主动权益基金的年份，量化基金规模发展收到明显限制、增速减缓。但从 2022 年最新截面上看，主动权益类基金收益率出现明显回撤，量化基金跑输的 趋势将不会持续，Beta 趋势未来可期。

4.2、 负债端角度

在提升收益、降低波动的投资需求推动下，B 端需求边际提升显著。以 FOF 基 金产品为例，在打破刚兑、房住不炒等政策背景的驱动下，B 端投资者倾向于配 置有收益确定性的资产，提升投资收益的同时降低风险波动，从 2020 年末以来， FOF 基金数量和规模的发展已进入快速增长阶段，B 端需求边际提升显著。 量化基金同样具有良好的 Alpha 收益确定性，且 Beta 未来预期向好，可作为 B 端投资者优秀的投资标的。

从 B 端投资偏好看，机构投资者倾向于清晰拆分 Beta 和 Alpha 的关联关系，而 量化基金 Beta 和 Alpha 鲜明的界限区分，能够使其成为 B 端投资者偏好的投资 标的。量化基金相对于主动权益基金对 Beta 的配置更明确，同时策略围绕指数， 相较于主动权益基金来说 Alpha 的收益确定性更高，因此量化基金的 Beta 和 Alpha 收益界限更加清晰。

个人投资者直接参与投资量化基金产品难度大，而经由 B 端参与投资是更好的 选择。量化基金交易特征、结构复杂，个人投资者较难理解，同时，量化策略的 选择和更迭需要结合市场结构性行情或实际变化情况，相较于行业主题，量化策 略的选择和理解难度更大，C 端客户倾向于直接买入主动权益类基金而非量化基 金，因此对于 C 端客户来说，经由 B 端参与量化基金的投资是更好的选择。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）