大盘股相对走弱，该选择怎样的300 指增？

A股终于反弹，但是大盘股相较中小盘股，不再似上半年那样有着显著的超额。

对沪深300 指数增强类基金的持有人，这显然是一个 Beta 不占优的局面。这时候，显然就要向沪深300 指增的 Alpha 要超额。

这里就以《 穿透指增基金的迷雾，谁在下沉，谁守着本分(2024 中报) 》中提到的博道沪深300 指增(007044)为例，来聊聊我心中 “中坚型”沪深300 指增 的特质。

三类沪深300 指增

在《 穿透指增基金的迷雾，谁在下沉，谁守着本分(2024 中报) 》中我提到，截至 8 月底的过去 1 年中，博道沪深300指增的收益 在一众量化沪深300指增中排名第一。

这只基金的指增风格，在我心中属于那种 “中坚型”沪深300 指增品种，适合作为核心仓位 。

虽然名字都叫沪深300 指增，但基金与基金，是大不同的。

每个基金经理的风格不同，有的相对保守，有的比较激进，就会导致不同的沪深300 指增产品，呈现出迥异的收益表现。

基于我对大量沪深300 指增基金的观察，我觉得可以分成三类：

1. 约束严格的沪深300 指增基金。特征是严守沪深300 本份，不下沉小市值，行业偏离也有限。这类基金，在一个沪深300 指增组合中，适合作为底仓型品种，保持“胜率”。

2. 适度偏离的沪深300 指增基金，特征是适度下沉小市值，行业有偏离，但不严重。这类基金，则适合作为“中坚型”品种，提升组合的“赔率”。

3. 约束宽松的沪深300 指增基金，这类基金在市值上往往有比较大的偏离，甚至可能下沉至中证2000 都没覆盖的微盘股，沪深300 内部，也可能有极大的行业偏离。这类基金，我觉得是要敬而远之的。

口说无凭，这里给一张三只沪深300 指增的走势对比，你就能看出这三者的差异。在今年1 月底二月初的小微盘崩盘中，某约束严格的沪深300 指增基金，安然度过，甚至还能贡献正超额，作为“压舱石”，是这类指增基金最大的价值。但近期小盘股开始走强后，显然这类的超额就走平了。至于博道沪深300，作为适度偏离的“中坚型”指增，在 1 月底的确有适度的回撤，但很快就追回来，并在近期创出新高。至于某款约束宽松的沪深300 指增，由于偏离押注出错，则是出现了显著持久的负超额。

如果我们拉长到 2023 年再看这三只基金的对比，那么感慨更多。在 2023 年小微盘走强的行情中，约束宽松的沪深300 指增一度表现优异，但“出来混终究要还”的，在 2024 年小微盘崩盘中回吐了所有的优势，而出现显著负超额。至于约束严格的 沪深300 指增，虽然全程稳定，但一年半不到 3%的超额(相对沪深300 全收益)，绝对值上又有点弱。

鱼和熊掌能否兼得？

博道沪深300 指增为代表的适度偏离类沪深300 指增，无疑是在两者兼得上的一种“平衡”之选。

量化投资的双均衡选择

博道沪深300 指增(007044)的基金经理是博道基金量化投资总监杨梦，EarlETF 的老读者对其应该不会陌生。

她管理的博道远航(007126)入选笔者每年更新的 EarlONE清单 ，是一只跟踪万得偏股混合型基金指数(885001)且超额不俗的优秀品种。

虽然今年许多人是因为博道远航而知道杨梦，但其实杨梦团队是以指增产品起家的。

如何跟踪指数并获得超额，不同的量化基金会有不同的玩法。杨梦的投资框架，讲究“双均衡”—— 一个是方法论的均衡，一个是因子配权的均衡 。

方法论的均衡

多因子模型，自尤金·法玛的三因子模型以来，已经成为了量化投资的主流范式。

如何发掘更多的因子，如何用好更多的因子，就成为不同量化基金经理投资收益高下之分的根源。

传统上，多因子模型采用的是 偏线性的方法论 ，是在追求可理解程度较高的模式下，通过人工挖因子，之后再去组合的方式。在这种框架下，因子的组成过程比较简单，可能就是几个大类因子打分排序选出总得分最高的个股，但这种框架下对因子质量的要求就比较高，许多量化团队的因子库动辄几百个甚至上千，以至于被戏称为“因子大战”、因子动物园。

而伴随机器学习的火热，又有了 AI全流程框架下的多因子模型 ，这套模型通过各种各样机器学习的算法，直接面对真实世界的所有信息。过去人工挖因子的时候能够获得的各类信息，比如财报、分析师预期、上市公司公告等，再结合上下游一些另类的数据，全部加工成相关的特征工程，然后去适配相应的网格组合在一起，形成最后的一个预测。

在杨梦看来，这两套模型各有利弊，具有互补性。传统的线性多因子，合成简单，对因子本身要求高；AI 框架下，合成变成高技术活，相应的对因子的要求就比较低，可以比较简单一些。

正因此，杨梦团队管理的博道指数+产品，均采用 50%传统框架多因子模型+50%全流程AI框架多因子模型的均衡方式来运作。

因子配权的均衡

不管是传统偏线性的多因子模型，还是AI全流程框架的多因子模型，都会面临一个问题，就是为了完成对股票未来收益率的预测，到底多少程度考虑基本面的景气度和质量，多少程度考虑技术面的走势以及估值的高低，也就是所谓的“因子配权”。

基本面类因子，关注的是上市公司的景气度和质量，通过类似 ROE、毛利率、营收增速，分析师预期之类的基本面信息来捕捉优秀的公司。

而量价类因子和低估值类型的因子，这类信息不关注上市公司运作的财务信息，而是关注市场的交易信息和估值维度所揭示的股价朝着中短期合理中枢“回归”的概率。

这两种性质的因子，一种偏动量，一种偏反转，过度的偏配可能会导致在风格波动时不必要的损耗，因此，杨梦团队选择了基本面类因子和均值回复类因子基本均衡的配权方式。

对偏离的适度约束

在因子投资层面的均衡之上，博道的指增产品对风险偏离也做了约束，保持适度偏离但不离谱的状态。

如何衡量一个指增产品的风险偏离？

个人觉得市值和行业偏离是最重要的两个观察对象。

市值偏离，就是此前在《 穿透指增基金的迷雾，谁在下沉，谁守着本分(2024 中报) 》聊到过的，沪深300 指增基金有多少的持仓下沉至中证500、中证1000 乃至更小的小盘股。