內容目錄艾定飛（華商計算機行業量化） 4鄧默（華商新量化） 7胡崇海（國泰君安中證500、國泰君安中證1000指數增強） 10劉斌（嘉實量化精選） 13劉洋（泰達宏利滬深300指數增強） 16張凱（銀華中證1000增強策略ETF） 18風險提示 21圖表目錄圖表1：基金經理量化投資特點（按照拼音首字母順序） 4圖表2：基金經理在管指增及量化產品（至2023.5.22） 5圖表3：代表產品管理期累計收益（截至2023.5.22） 5圖表4：代表產品階段風險收益指標（截至2023.5.22） 5圖表5：代表產品管理期行業偏離度） 6圖表6：代表產品管理期成分股偏離度） 6圖表7：代表產品管理期換手率（倍） 6圖表8：代表產品相對因子暴露 7圖表9：代表產品相對因子收益 7圖表10：代表產品Brinson歸因結果 7圖表11：代表產品成分股內外超額收益 7圖表12：基金經理在管指增及量化產品（截至2023.5.22） 8圖表13：代表產品管理期累計收益（截至2023.5.22） 8圖表14：代表產品階段風險收益指標（截至2023.5.22） 8圖表15：代表產品管理期行業偏離度） 9圖表16：代表產品管理期成分股偏離度） 9圖表17：代表產品管理期換手率（倍） 9圖表18：代表產品相對因子暴露 9圖表19：代表產品相對因子收益 9圖表20：代表產品Brinson歸因結果 10圖表21：代表產品成分股內外超額收益 10圖表22：基金經理在管指增及量化產品（截至2023.5.22） 10圖表23：代表產品管理期累計收益（截至2023.5.22） 10圖表24：代表產品階段風險收益指標（截至2023.5.22） 11圖表25：代表產品管理期行業偏離度） 11圖表26：代表產品管理期成分股偏離度） 11圖表27：代表產品管理期換手率（倍） 12圖表28：代表產品相對因子暴露 12圖表29：代表產品相對因子收益 12圖表30：代表產品2022年報Brinson歸因結果 12圖表31：代表產品2022年年報成分股內外超額收益 12圖表32：基金經理在管指增及量化產品（截至2023.5.22） 13圖表33：代表產品近三年累計收益（截至2023.5.22） 13圖表34：代表產品階段風險收益指標（截至2023.5.22） 13圖表35：量化框架體系 14圖表36：代表產品管理期行業偏離度） 15圖表37：代表產品管理期成分股偏離度） 15圖表38：代表產品管理期換手率（倍） 15圖表39：代表產品相對因子暴露 15圖表40：代表產品相對因子收益 15圖表41：代表產品Brinson歸因結果 16圖表42：代表產品成分股內外超額收益歸因結果 16圖表43：基金經理在管指增及量化產品（截至2023.5.22） 16圖表44：代表產品管理期累計收益（截至2023.5.22） 16圖表45：代表產品階段風險收益指標（截至2023.5.22） 17圖表46：代表產品管理期行業偏離度） 17圖表47：代表產品管理期成分股偏離度） 17圖表48：代表產品管理期換手率（倍） 18圖表49：代表產品相對因子暴露 18圖表50：代表產品相對因子收益 18圖表51：基金經理在管指增及量化產品（截至2023.5.22） 19圖表52：代表產品管理以來累計收益（截至2023.5.22） 19圖表53：代表產品階段風險收益指標（截至2023.5.22） 19圖表54：代表產品管理期行業偏離度） 20圖表55：代表產品管理期成分股偏離度） 20圖表56：代表產品相對因子暴露 20圖表57：代表產品相對因子收益 20圖表58：代表產品Brinson歸因結果 21圖表59：代表產品成分股內外超額收益歸因結果 21圖表60：銀華基金量化團隊發展大事記 21（華商基金（華商基金、胡崇海（國泰君安資管、劉斌（嘉實基金、劉洋（宏利基金（銀華基金）。圖表1：基金經理量化投資特點（按照拼音首字母順序）姓名基金公司量化體系特點核心Alpha模型多因子選股模型體系其他選股模型體系風險模型及組合優化量化團隊大類因子種類因子挖掘方式及特征艾定飛華商基金純量化，以量化多因子選股模型為核心，疊加深度學習算法模型量化多因子模型基本面、量價、分析師預期、相關性、事件、另類等六大類別，行業主題增強基金會加入行業特有因子?；久嬉蜃诱急?0，中高頻量價因子占比30。注重因子的精細化和差異化，致力于細致深入的信息挖掘?；久嬉蜃尤斯ね诰?，中高頻量價因子算法挖掘。基于純量價因子的深度學習模型，倉位大致在10-15左右主要沿用Barra的模型體系，優化器自主研發，優化目標是最大化信息比率。團隊共6人，2名基金經理，1名基金經理助理，3名研究員。團隊協同作戰。鄧默華商基金自上而下，主動量化決定科技、消費、金融類資產配置方向→行業比較和篩選→量化多因子模型選股盈利、成長、市值、流動性、估值等5大類因子，其中盈利因子、成長因子各占35左右，市值因子、流動性因子、估值因子各占10。常用因子20-30個，細分因子等權?；緸榛久嬉蜃?，主要采用人工挖掘的方式。行業比較方面，主要關注景氣度因子（占60）和行業ROE因子（占40），重點配置景氣度和ROE持續向上的行業。主要沿用Barra的模型體系，對行業偏離、風格偏離等進行實時監控并調整。團隊共6人，2名基金經理，1名基金經理助理，3名研究員。團隊協同作戰。胡崇海國泰君安資管純量化，人工智能助力下的基本面與高頻量價深度融合框架動的量化多因子模型。12時交易?；久婧透哳l量價因子超過個因子，實盤數量占比約30。其中基本面因子包括另類、財務析師報告、情緒等；高頻因子以level-2因子為主?；久嬉蜃诱急?0，高頻量價因子占比70主要由團隊人工挖掘而重自動化-、流動性、波動、動量反轉、成長、BP、EP險因子控制在內，行業在1的偏離度之內。共11個人，團隊中有涉及算法交易、IT、投資經理等不同角色，有專門負責因子和機器學習的成員。母公司在計算能力、數據庫、交易平臺、銷售渠道等提供支持。劉斌嘉實基金主動量化，量化能力與主動投研深度融合的系統化投資框架量化多因子模型為主，結合不同行業的定價邏輯建立選股模型目前主要使用到了多個因子，采用ICIR加權。在傳統大類交易成本的高頻因子?；久嬉蜃右匀斯ね诰驗橹鳎瑫r，更多應用了機器學習的方式，替換了部分傳統的行為因子。以公司基本面研究團隊的研究能力為基礎，將各個行業不同的定價邏輯轉換成定量化的策略，來補充到量化體系中去。在Barra風險模型的基礎上，融入產業鏈維度數據約束組合風險，即將主動研究團隊對于三級行業月度景氣度打分結果加入風險模型進行約束，同時，不斷補充市場出現的新的風險因子。團隊10人左右，核心成員為3名基金經理，核心成員相對穩定，且與主動投研團隊交流密切。劉洋宏利基金量化結合主觀團隊研究成果，以量化多因子選股模型為核心，靈活添加衛星策略。量化多因子模型基本面、情緒、技術、研究員選股等四大類因子。并進一步拓展高頻量價和另類數據。目前實際使用100多個因子，采用大類因子等權，細分因子動量加權的方式。人工挖掘為主，十分重視因子背后邏輯的完整性。嘗試通過深度學習進行高頻量價因子的挖掘補充。有豐富的衛星策略可供選擇，如景氣驅動策略、均衡風格策略、量化小盤策略等等，均可以擇機在指數增強型產品中搭配使用，通過低相關性的策略提升組合風險收益水平。在Barra風險模型的基礎之進行了風險因子的補充，并且通過行業輪動和風格輪動體系對組合風險暴露進行優化約束。對于有負面信息的股票進行剔除操作。團隊共7人，3名公募基金經理、2名專戶基金經理、2名研究員。重視與基本面研究團隊的聯動。張凱銀華基金量化多因子為核心的多策略框架量化多因子模型，占比50主要選用價值、成長、盈利、分析師、技術面等因子。采用偏動量加權的方式，對于長期、中期、短期表現好的因子分別給予不同的權重進行線性加權?；久嬉蜃尤斯ね诰驗楦呔暥忍卣?。行業風格輪動模型在滬深300指數增強中使用比例較高。人工智能應用于各個產品，布局了深度學習模型和神經網絡模型，以客觀回測的數據結果來選擇使用。以策略為單位，在Barra風險模型的基礎上，加入創業板、科創板因子等約束組合風險，嚴格約束市值、行業、風格因子，適度控制價值、成長、反轉因子。量化及海外投資團隊近30人，包含傳統量化研究、交易、宏觀、策略等背景；其中負責AI有5-6位。來源：艾定飛（華商計算機行業量化）風險收益特征：借產業東風，收益快速上行76711300412.672023年5月日，今年以來伴隨著浪潮帶來的板塊階段上行，該基金也實現了16.68的回。近年來超額穩定性有所提升，超額回撤幅度逐年收窄，今年以來超額回撤5.10。圖表2：基金經理在管指增及量化產（截至2023.5.22 圖表3：代表產品管理期累計收益（截至2023.5.22）來源：， 來源：，圖表4：代表產品階段風險收益指標（截至2023.5.22）基金代碼基金簡稱任職日期任職以來今年以來年化收益率年化超額年化夏普比率超額回撤年化收益率年化超額年化夏普比率超額回撤007853.OF華商計算機行業量化A2019/10/303.92-0.280.2414.7046.50-8.241.405.10基金代碼基金簡稱任職日期近一年近三年年化收益率年化超額年化夏普比率超額回撤年化收益率年化超額年化夏普比率超額回撤007853.OF華商計算機行業量化A2019/10/3019.71-4.210.786.221.60-0.530.1414.70基金代碼基金簡稱任職日期2022年2021年年化收益率年化超額年化夏普比率超額回撤年化收益率年化超額年化夏普比率超額回撤007853.OF華商計算機行業量化A2019/10/30-24.87-4.65-1.016.910.05-3.940.058.88來源：，模型框架特點：多因子模型主導，疊加深度學習提供超額增量整體以基本面因（占比70捕捉長期以中高頻量價因（占比30捕捉短內非理性行為。GAA因而較低的相關性提供貢獻超額增量alpha的可能深度學習模型整體倉位大致在Resnet代表產品運作特征：注重基本面、偏好大市值，選股貢獻主要超額風險模型和組合優化：Barra華商計算機行業量化對于行業和成分股偏離控制嚴格，管理期間報告期相對于中信三級行業平均行業偏離度0.81，2022年以來敞口略有放大，但也在0.8以下的水平，管理期間報告期平均成分股偏離度0.91，很好地5.28，即基金基本在成分股內進行優選個股操作。圖表5：代表產品管理期行業偏離度（） 圖表6：代表產品管理期成分股偏離度（）來源：， 來源：，換手率水平及變化：，2022圖表7：代表產品管理期換手率（倍）來源：，因子暴露及貢獻：1、質量因子、成長因子上呈現持續的正向暴露,并且20221規模因子為股票的流通市值，正向暴露代表超配偏大市值股票，負向暴露代表超配偏中小市值股票，下同。因子相對暴露2019年年報2020年中報2020年年報2021年中報2021年年報2022年中報20年年報規模因子0.550.350.430.370.430.350.18Beta因子0.08因子相對暴露2019年年報2020年中報2020年年報2021年中報2021年年報2022年中報20年年報規模因子0.550.350.430.370.430.350.18Beta因子0.08-0.050.310.352-0.120.03價值因子-0.06-0.11-0.16-0.090.010.00-0.12質量因子0.480.160.2720.270.330.19成長因子0.150.050.11660.270.08杠桿因子0.050.070.01-0.070.01.080.10波動因子0.050.030.1410.10-0.010.31流動性因子-0.19-0.19-0.02-0.18-0.25-0.170.14動量因子0.270.090.08-0.1510.210.45因子相對收益2019年年報2020年中報2020年年報2021年中報2021報2022報2022規模因子2.030.803.780.060.980.00Beta因子-0.230.431.30-1.83-0.670.04價值因子-0.07-0.220.220.050.07-0.09質量因子1.700.470.960.06-0.12-0.08成長因子0.450.140.390.854-0.08杠桿因子-0.06-0.010.00-0.070.000.06波動因子0.741.652.27-0.7851.24流動性因子-0.060.510.13-0.48-0.92-0.01動量因子-0.63-0.450.090.41-0.53-1.35-0.63-0來源：， 來源：，超額收益歸因：2022圖表10：代表產品Brinson歸因結果 圖表11：代表產品成分股內外超額收益來源：， 來源：，量化團隊及產品線特點：基金經理風格各異，整體團隊協同作戰62鄧默（華商新量化）ROEROE5風險收益特征：中長期回報持續，超額穩定性有所提升鄧默先生，2011年6月加入華商基金，從事金融工程與產品設計工作，2015年1月任量化投資部總經理助理，2015720596模16.39億元，較四季度末小幅上升。從績效表現情況來看，代表產品華商新量化是一只全市場選股的量化型基金，截至2023年5月日，任職期間（2015年9月以來）凈值累計行109.27，任職以來年化收益9.62，年超額7.60今年以來凈值小幅下行0.55位于同業230只量化選股型基金中游水平整體超額穩定性有所提升超額回撤8.75，回撤幅度顯著收窄。圖表12：基金經理在管指增及量化產（截至2023.5.22 圖表13：代表產品管理期累計收益（截至2023.5.22）來源：， 來源：，圖表14：代表產品階段風險收益指標（截至2023.5.22）基金代碼基金簡稱任職日期任職以來今年以來年化收益率年化超額年化夏普比率超額回撤年化收益率年化超額年化夏普比率超額回撤000609.OF華商新量化2015-09-099.627.600.4632.34-1.35-6.64-0.098.75基金代碼基金簡稱任職日期近一年近三年年化收益率年化超額年化夏普比率超額回撤年化收益率年化超額年化夏普比率超額回撤000609.OF華商新量化2015-09-09-5.46-5.54-0.2620.354.822.550.2732.34基金代碼基金簡稱任職日期2022年2021年年化收益率年化超額年化夏普比率超額回撤年化收益率年化超額年化夏普比率超額回撤000609.OF華商新量化2015-09-09-33.79-21.11-1.7326.1915.1415.540.5617.92來源：，模型框架特點：自上而下理念貫穿，量化助力組合構建（消費、科技、金融PPI、PMI、工業企業利潤同比增速等宏觀指標進行。當經濟10、工業企業利潤總額的同比增速、科技指數相比于上證綜指的整體表現等。當經濟好轉、貨幣偏ROEROE10中觀行業選擇方面，將同類別資產中的細分行業進行比較和篩選主要關注景氣度因子（占60）和行業ROE因（占40行業景氣度因子共有100多個每個行業都有3至4個特有的景氣度因子用于觀察行變化各個行業ROEROE量化選股模型方面，主要使用盈利因子、成長因子、市值因子、流動性因子、估值因子等5大類因子，其中盈利因子、成長因子各占35左右，市值因子、流動性因子、估值因子各占10，常用因子大約20至30個，各個細分因4。ROEROEROE代表產品運作特征：傾向科技類資產，呈現高波動、高關注度的因子特征風險模型和組合優化：3.38管理期間報告期平均成分股偏離度2.21由于是一只全市場選股型量化基金，因而，成分股外配置比例相對較高，管理期間報告期平均成分股外配置比例為46.10，會進行一定比例的滬深300指數成分股外選股操作。圖表15：代表產品管理期行業偏離度（） 圖表16：代表產品管理期成分股偏離度（）來源：， 來源：，換手率水平及變化：20227300圖表17：代表產品管理期換手率（倍）來源：，因子暴露及貢獻：20222020年中報2020年年報2021年中報2021年年報2022年中報2022年年報700270.20.50.8332-0.0.8700.5動量因子270.60.180.00.012020年中報2020年年報2021年中報2021年年報2022年中報2022年年報700270.20.50.8332-0.0.8700.5動量因子270.60.180.00.016流動性因子490.40.60.8920.60.5130.5波動因子.06-010.1.1706-0.0.05-13-0.杠桿因子.04-060.5.1630.60.1001-0.成長因子.01-070.0-0.4218-0.0.086質量因子.45-058-0.-0.3775-0.0.44-59-0.價值因子.01-009-0.0.3670.50.4600.2Beta因子.36-031-0.-0.450.10.1680.0規模因子因子相對暴露因子相對收益2020年中報2020年年報2021年中報2021年年報2022年中報2022年年報規模因子0.171.400.03-1.02-0.050.00Beta因子-1.701.95-2.98-1.930.54-0.01價值因子-1.140.600.37-2.210.39-0.32質量因子0.190.30-0.090.180.020.00成長因子-0.030.353.360.24.110.04杠桿因子0.020.01-0.060.000.07-0.03波動因子12.185.9012.236.8010.361.96流動性因子-0.16-0.060.231.63-0.16-0.01動量因子-2.450.960.84-2.13-3.40-0.392來源：， 來源：，2022圖表20：代表產品Brinson歸因結果 圖表21：代表產品成分股內外超額收益來源：， 來源：，對于華商基金量化團隊情況，本處不再重復分析列示。胡崇海（國泰君安中證500、國泰君安中證1000指數增強）胡崇海先生以30本面+70深度融合策略為核心，不加主觀介入，希望在挖掘因子、合成因子、構Alpha118BP、EP0.21500500風險收益特征：風險收益水平優異，超額穩定性良好2014年加入上海國泰君安證券資產管理有限公司，125002023523.33產品國泰君安中證500國泰君安中證1000指數增截至年5月日任職以來年化超額分別7.10，今年以來超額回撤幅度分別為0.911.13超額回撤幅度有限穩定性較高各項風險收益指標均位于同類指數增強型基金前15。圖表22：基金經理在管指增及量化產（截至2023.5.22 圖表23：代表產品管理期累計收益（截至2023.5.22）來源：， 來源：，圖表24：代表產品階段風險收益指標（截至2023.5.22）基金代碼基金簡稱任職日期任職以來今年以來年化超額年化跟蹤誤差年化信息比率超額回撤年化超額年化跟蹤誤差年化信息比率超額回撤014155.OF國泰君安中證500A2021-12-157.103.142.261.694.292.511.710.91015867.OF國泰君安中證1000指數增強A2022-08-169.6410.690.907.2710.953.672.991.13基金代碼基金簡稱任職日期近一年2022年年化超額年化跟蹤誤差年化信息比率超額回撤年化超額年化跟蹤誤差年化信息比率超額回撤014155.OF國泰君安中證500A2021-12-153.472.891.201.697.643.242.361.69015867.OF國泰君安中證1000指數增強A2022-08-16--------來源：，模型框架特點：基本面+高頻量價深度融合,機器學習與深度學習雙重驅動因子儲備方面，Alpha1500個因子實盤模型應用因子數量占比約30這些因子主要由團隊人工挖掘而得均是有邏輯的因子因子覆因子權重上目前基本面因子權重占比30高頻量價因子占比約70共包含12個子模（傳統機器學習子模662//Alpha1/32/3。25代表產品運作特征：高換手率、嚴格風控共同助力超額收益0.21化主要依賴于對市場經驗的積累和歷史回撤原因的回顧2014500、國泰君安中證1000指數增強對于行業和成分股偏離控制嚴格，管理期報告期平均行業偏離度分別0.73和0.75均在風險模型約束的1行業偏離度以下管理期間報告期平均成分股偏離度分別為0.33和0.13絕個股偏離度處于-0.5到0.5的區間，很好地控制了相對于標的指數的偏。圖表25：代表產品管理期行業偏離度（） 圖表26：代表產品管理期成分股偏離度（）來源：， 來源：，50013.2350025100020228，故而暫無其完整報告期的換手數據。圖表27：代表產品管理期換手率（倍）來源：，因子暴露及貢獻：5001000Beta2022500、國泰君安1000因子相對暴露國泰君安中證500A國泰君安中證指數增強A2022年中報2022年年報2022年年報規模因子-0.18-0.11-0.10Beta因子0.020.05因子相對暴露國泰君安中證500A國泰君安中證指數增強A2022年中報2022年年報2022年年報規模因子-0.18-0.11-0.10Beta因子0.020.050.03價值因子-0.060.200.22質量因子0.19-0.060.04成長因子0.390.031杠桿因子-0.100.080波動因子0.05-0.20-0.20流動性因子0.13-0.09-0.08動量因子0.230.053因子相對收益 國泰君安中證500A2022年中報2022年年報-0.02 14 7 4國泰君安中證指數增強2022年年報-0.020.040.15-0.02-0.100.05-0.1807-0.48-1.動量因子-0.0101-0.10-0.流動性因子-0.8078-0.9波動因子06-0.杠桿因子-0.2成長因子40.0質量因子0.0價值因子-0.Beta因子規模因子來源：， 來源：，超額收益歸因：202210005005001000500分股外選股也實現了正向超額貢獻。圖表30：代表產品2022年年報Brinson歸因結果 圖表31：代表產品2022年年報成分股內外超額收益來源：， 來源：，量化團隊及產品線特點：團隊量化實力強，硬件優勢明顯國泰君安資管量化團隊共11個人，核心成員基本穩定，團隊中有涉及算法交易、IT、投資經理等不同角色，分32500100030070TMT8行業，整體上行業分布比較均衡。劉斌（嘉實量化精選）Barra500風險收益特征：超額收益穩定、持續，超額回撤控制良好2013300504量化型基金產品一季度末合計管理規模49.69億元其中嘉實量化精選2022年年報機構投資者占比高達，2023522201512職以來絕對收益76.07年化收益7.54年化超額7.39超額回撤方面年2022年今年以來近年超額回撤分別為4.267.124.58超額表現相對穩定回撤幅度有限整體來看嘉實量化精選中長期收益表現良好且具有較好的超額穩定性。圖表32：基金經理在管指增及量化產（截至2023.5.22 圖表33：代表產品近三年累計收益（截至2023.5.22）來源：， 來源：，圖表34：代表產品階段風險收益指標（截至2023.5.22）基金代碼基金簡稱任職日期任職以來今年以來年化收益率年化超額年化夏普比率超額回撤年化收益率年化超額年化夏普比率超額回撤001637.OF嘉實量化精選2015/12/77.547.390.4321.376.18-4.220.514.58基金代碼基金簡稱任職日期近一年近三年年化收益率年化超額年化夏普比率超額回撤年化收益率年化超額年化夏普比率超額回撤001637.OF嘉實量化精選2015/12/71.65-1.440.108.6012.798.970.718.60基金代碼基金簡稱任職日期2022年2021年年化收益率年化超額年化夏普比率超額回撤年化收益率年化超額年化夏普比率超額回撤001637.OF嘉實量化精選2015/12/7-12.256.65-0.577.1223.808.311.334.26來源：，模型框架特點：量化多因子+主動投研，量化能力與平臺優勢充分融合劉斌先生帶領的嘉實基金量化團隊倡導將自身團隊的量化能力與嘉實基金投研平臺的基本面研究能力進行深度，并按照70和30比例加總，得到全部個股評分，再細分行業配置約束加入到風險模型當中，最終通過組合優化生成符合條件的股票組合。圖表35：量化框架體系來源：嘉實基金，100ICIR1000500代表產品運作特征：組合體現基本面優勢，有效控制風險暴露Barra500管理期間報告期平均行業偏離度0.99，2022年行業偏離度基本維持在0.7附近，在嚴控一級行業偏離的同時，通過細分行業景氣度的融入對于三級行業也進行適當的敞口暴露控制管理期報告期平均成分股偏離度0.52，2022年年報成分股偏離度更是低至0.34地控制了相對于標的指數的偏離成分股外配置比例方面由于嘉實量化精選為量化選股型基金，全市場進行選股操作，不受80成分股內配置比例的約束，因而，成分股外配置比例較高，管理期間報告期平均成分股外配置比例為65.47。圖表36：代表產品管理期行業偏離度（） 圖表37：代表產品管理期成分股偏離度（）來源：， 來源：，換手率水平及變化：，2018500圖表38：代表產品管理期換手率（倍）來源：，因子暴露及貢獻：Beta2022息的有效結合，模型挖掘前期漲幅有限的低估值標的在下半年實現了較好的效果。圖表39：代表產品相對因子暴露 圖表40：代表產品相對因子收益因子相對暴露2020年中報020年年報1年中報2021年年報2022年中報2022年年報因子相對暴露2020年中報020年年報1年中報2021年年報2022年中報2022年年報規模因子-0.140.010.02-0.11-0.14-0Beta因子0.000.200.610.110.270.09價值因子-0.06-0.03-0.110.070.100.25質量因子0.440.470.510.490.460.14成長因子0.270.230.230.550.600.27杠桿因子-0.030.01-0.02-0.06-0.07-0.12波動因子0.060.130.190.110.13-0.12流動性因子-0.13-0.08-0.110.100.23動量因子0.110.09-0.27-0.160.17-0.45因子相對收益2020年中報2020年年報2021報2021年年報2022年中報2022年年報規模因子-0.310.110.00-0.25-0.020.00Beta因子0.004-3.15-0.59-1.570.11價值因子-0.110.0460.41-0.070.18質量因子1.331.675-0.210.14-0.06成長因子0.7021.250.852.26-0.25杠桿因子0.010.00-0.030.00-0.04-0.07波動因子1.351.5110.802.16-0.46流動性因子0.360.54-0.300.37-0.240.00動量因子-0.530.1020.42-1.110.63 來源：， 來源：，超額收益歸因：20192021圖表41：代表產品Brinson歸因結果 圖表42：代表產品成分股內外超額收益歸因結果來源：， 來源：，量化團隊及產品線特點：團隊成員穩定，產品線布局完善嘉實基金增強策略團隊10人左右，核心成員為3名基金經理，核心成員相對穩定，且與主動投研團隊交流密切。產品線主要包括寬基指數增強、行業主題指數增強和主動量化基金。寬基指數增強類產品主要覆蓋范圍包括滬深300、中證500、中證1000、創業板指、科創50等主流寬基指數。同時，在2022年布局了一只半導體產業指數增強基金，聚焦自主研發背景下的半導體產業鏈機會。另外，團隊管理了多只主動量化型產品，其中，比較有代表性的包括風險收益表現相對突出的嘉實量化精選以及對標偏股混指數進行增強策略操作的嘉實量化阿爾法，后者于2022年底完成改造，嚴格對標偏股混指數運作。劉洋（泰達宏利滬深300指數增強）7Barra300指數增強對于行業偏離控制嚴格，管理期行業偏離度基本保持在0.5以下水平。風險收益特征：超額收益穩定，回撤幅度有限539.34至2023年5月22日代表產品泰達宏利滬深300指數增強自2019年1月任職以來絕對收益64.20年化收益11.50，年化超額6.81超額回撤方面年2022年今年以來任職以來超額回撤分別為2.772.971.273.50，300圖表43：基金經理在管指增及量化產（截至2023.5.22 圖表44：代表產品管理期累計收益（截至2023.5.22）來源：， 來源：，圖表45：代表產品階段風險收益指標（截至2023.5.22）基金代碼基金簡稱任職日期任職以來今年以來年化超額年化跟蹤誤差年化信息比率超額回撤年化超額年化跟蹤誤差年化信息比率超額回撤162213.OF泰達宏利滬深300指數增強A2019/1/96.813.352.043.50-1.082.21-0.491.27基金代碼基金簡稱任職日期近一年近三年年化超額年化跟蹤誤差年化信息比率超額回撤年化超額年化跟蹤誤差年化信息比率超額回撤162213.OF泰達宏利滬深300指數增強A2019/1/90.313.050.103.504.673.351.393.50基金代碼基金簡稱任職日期2022年2021年年化超額年化跟蹤誤差年化信息比率超額回撤年化超額年化跟蹤誤差年化信息比率超額回撤162213.OF泰達宏利滬深300指數增強A2019/1/90.953.350.282.974.623.571.292.77來源：，模型框架特點：側重基本面因子，不斷拓展能力圈ESG200300100、資金流向（北向資金、機構資金等）等因素，最后通過結合行業擁擠度指標對行業權重進行修正。風格輪動體系根據宏觀數據、交易情緒（資金流的邊際變化、日歷效應來判斷市場風格，主要作用于風險模型代表產品運作特征：持股注重基本面+估值，嚴控風險敞口暴露Barra3000.512022年行業偏離度基本維持在0.5以下管理期報告期平成分股偏離度0.57，2022年年報成分股偏離度更是低至0.36很好地控制了相對于標的指數的偏離成分股外配置比例方面近年來不斷下降管理期間報告期平均成分股外配置比例為12.46年末至5.27即基金基本在成分股內進行優選個股操作。圖表46：代表產品管理期行業偏離度（） 圖表47：代表產品管理期成分股偏離度（）來源：， 來源：，換手率水平及變化：2.24，2022300圖表48：代表產品管理期換手率（倍）來源：，Beta2022圖表49：代表產品相對因子暴露 圖表50：代表產品相對因子收益----0.00.0因子相對暴露201----0.00.0因子相對暴露2019年中報201年年報2020年中報2020年年報2021年中報1年年報2022年中報2022年年報規模因子-0.09-0.080.26-0.13-0.10-0.04-0.110.00Beta因子0.0140.020.00-0.13-0.080.06-0.06價值因子0.0340.05-0.060.060.130.100.07質量因子0.200.130.400.230.400.130.330.25成長因子0.140.130.120.280.080.360.16杠桿因子0.100.130.13-0.130.040.00-0.070.03波動因子-0.030.020.050.040.010.010.04-0.01流動性因子-0.030.000.0750.0140.090.01動量因子0.06580.2400.250.01因子相對收益2019年中報2019年年報2020年中報2020年年報201年中報2021年年報2022年中報2022年年報規模因子-0.30-0.280.54-1.1-0.09-0.100.010.00Beta因子-0.06-0.120.180.040.620.374-0.08價值因子-0.080.6-0.090.08-0.030.76-0.080.05質量因子0.730.441.160.26-0.160.06-0.11成長因子0.620.420.501.500.021.39-0.15杠桿因子-0.22-0.150.010.020.020.00-0.030.02波動因子-0.180.391.080.140.040.66-0.04流動性因子0.04-0.050.27-0.40.080.15-0.060.00動量因子-0.14-0.171.120.08-0.61-0.30-1.66-0.02 0-2--50-2--5來源：， 來源：，量化團隊及產品線特點：團隊規模適中，注重分工與合作722300、中證500、申萬績優策略指數等，策略框架如前文所述；主動量化基金主要由劉欣先生管理，主要采用多策略方式，通過對不同量化子策略之間的配置及組合輪動獲取超額。張凱（銀華中證1000增強策