时代的车轮滚滚向前，技术的光芒总是格外耀眼。
2025 年初春，Deepseek 的名字如同平地惊雷，在人工智能领域引发震荡，并迅速出圈。量化基金经理，也一下子成为了许多基民关注的对象，毕竟在整个基金领域，他们可谓是接触人工智能的前沿者，神经网络等人工智能算法并非新鲜事物，它们早已是量化投资工具箱中的常用组件。
当然，我并不认为以文本这样非结构化数据处理见长的大模型，会颠覆已有的以财务、交易这些结构化数据为主的量化投资框架。
我更好奇的是，量化投资的这条道路，能为我们带来惊喜的人工智能等技术，究竟可以如何让基民的钱包更“鼓”一些。在春节后的某一个早上，约了汇添富中证500 指数增强基金的基金经理许一尊，聊聊了这个话题。
把手头事情做好
许一尊，对于 EarlETF 的老读者，应该不是截然陌生的名字。在我跟投并一直跟踪的“三五十指增”组合中，他管理的汇添富中证500 指数增强(A：010050 C：016854)也在持仓之中。
2018年至2024年，市场风格不断转换，但这只基金凭借稳健的运作，在过去7年中，每一年度都跑赢基准，取得了突出的超额收益。
数据来源：基金各年年报及2024年基金四季报，2023年业绩经托管行复核，截至2024/12/31。汇添富中证500指数增强由汇添富成长多因子量化策略股票自20230425转型而来，汇添富成长多因子量化策略股票2015/2/16成立以来截至2022年各年业绩及基准为（%）：18.8/26.85、-3.96/-15.77.-0.7/-0.05. -22.51/-30.36、37.13/23.8、40.2/18.99、17.59/14.08、-13.9/-18.28，汇添富中证500指数增强2023/4/25转型当年及2024年业绩及基准为（%）：-2.86/-11.93、11.07/5.40，来源于基金各年年报及2024四季报。
我曾经和汇添富的量化团队交流过好几次，但实话实话，许一尊是我最不熟悉的一位。每一次，他总是低调的“藏”在同事的身后，许多问题要么用一句类似“把手头的事情做好”的话概括，要么就是把回答的机会让给同事们。
这一次，终于有机会和许一尊单独聊聊，将近 2 个小时的交流，让我终于绕过许一尊的“低调”，深入了解到了许一尊在管理指数增强基金上许多细致深入的思考，从某种程度上而言，许一尊在管理量化投资上，的确是如他所言，将“手头的事情做好”，但唯有当你了解这个过程背后的细致，才能明白这是一件多么难而正确的事情。
在谈及作为指数基金经理的工作时，许一尊有一个非常有趣的看法：一位指数增强基金经理而言，最大的挑战或许并非是发掘新的 “阿尔法”，而是如何“把已有的因子研究的结果，以最小的损耗传递到组合的收益之中”。
这句话看似平淡，却点破了量化投资的本质：它并非一蹴而就的魔法，而是一个环环相扣的链条，从最初的指标选取，到最终转化为客户账户上的盈利，期间要经历指标到因子、因子到复合因子、复合因子到投资组合等多个环节。而每一个环节，都不可避免地面临“损耗”。这种“损耗”并非仅仅是交易成本或冲击成本等显性支出，更包含了信息衰减、模型偏差、执行误差等隐性流失。
在理想的模型世界里，收益或许可以无限接近理论值，但在真实的市场环境中，每一步都可能打折扣，每一步都可能偏离预设的轨道。
正因此，量化基金经理的角色，更像是一位精密的工程师，而非点石成金的术士。他的任务不是在每个环节都去 “增加” 价值，这或许是一种不切实际的幻想，而是竭力 “减少” 损耗，如同在复杂的管道系统中，尽可能降低阻力，让涓涓细流最终汇聚成可观的收益。
许一尊甚至略带自嘲地将指数增强基金经理比作 “拖模型的后腿者”， 这并非妄自菲薄，而是一种清醒的自知：模型的完美性与现实的摩擦力之间，存在着难以逾越的鸿沟。而真正的专业性，或许正体现在这种脚踏实地、步步为营的务实态度之中，将每一个 “手头的事情” 做到极致，积小胜为大胜，在可控的范围内，追求长期而稳健的回报。这或许才是量化投资的 “笨功夫”，也是在喧嚣的市场中，保持清醒与理性的基石。
十年演进之路
故事的开端，常常并非预设的剧本。汇添富中证500指数增强基金的诞生，亦是如此。在它以“指增”之名被市场熟知之前，其最初的形态，更像是一款带有鲜明量化选股印记的股票型基金——
汇添富成长多因子量化策略
。
回顾公募指增的发展道路，相比 2010 年前后巴克莱三杰从美国回归开始的相关试水，2015 年开始管理产品的许一尊，应该算是“中生代”。
彼时，量化投资在中国市场尚处萌芽，指数增强的概念也远未像今日这般深入人心。汇添富的前瞻性在于，他们看到了量化方法在投资领域的潜力，并试图将其应用于主动管理型产品中。这款早期产品，承载着对超额收益的朴素渴望，而在实际操作中，则是发现指数增强类策略，是承载这一渴望的极佳路径。
时代总是悄然发生着转变。随着中国资本市场的日渐成熟，投资者对于风险收益特征的理解也日趋理性。“指数增强”这一概念，开始被市场接受和认可。它不再仅仅是一种投资工具，更成为一种投资策略，一种风险收益介于被动指数与主动股票之间的平衡选择。
2023 年 4 月，基金转型为中证500 指数增强基金，回归真实面目。在许一尊看来，转型之后，这只基金“客户需求-产品定位-投资人员-投资策略”四个要素对齐，更有助于基金持有人的利益。
均衡为本 规则化配置
量化投资，在许多外行人看来，就是一台神秘的电脑，输入数据，很快就吐出该买什么，不该买什么的结果，纯纯的“火箭科技”硬科技的味道。
但当你真正了解量化投资，尤其是当下公募的指数增强类基金时你才会知道，为何不同的基金业绩千差万别，很大程度上取决于指数增强基金经理本身对投资理念的选择，也就是更“艺术”的部分。
一个直观的例子就是，当下量化投资，是以因子投资为主。所有的量化团队都会告诉你，他们在有上千个类似与低估值(市盈率)、高 ROE、4 周涨幅这样的因子，通过计算机的神奇组合，就能有点石成金的效果。
但事实上，如何将成百上千个因子组合，如何取舍，本身就是基金经理的投资观的体现。有的基金经理喜欢剑走偏锋，追求规模因子下沉，小盘股当道时光芒万丈，但大盘股崛起则是节节败退；有的基金经理喜欢因子择时，主观去预测那个因子表现更好，猜对自然是当红炸子鸡，但猜错可能就要超额沉寂许久。
许一尊，不是这样的风格。他的理念，很传统，如果要用两个字来概括就是“均衡”，如果要用更学术的话来说，就是追求六类因子的均衡。
“基本面因子和量价因子权重怎么分配”，这是我在与指数增强类基金经理交流时，必问的一个问题。
基本面因子，如同价值投资的基石，关注企业的盈利能力、成长性、质量等长期 fundamentales。量价因子，则更侧重于市场行为与情绪的量化表达，试图从成交量、价格波动等数据中，捕捉市场短期脉动。一只指数增强类基金的超额，很大程度上可以归因于其在这两类因子上的取舍。
对于这个问题，许一尊给出了更复杂的答案：
六类复合因子相对均衡，规则化配置
。
具体而言，在基金管理中，目前在因子基础上，进一步构造了基本面、量价、左侧、右侧、快、慢在内的六类复合因子。这六大类复合因子并非简单的并列关系，而是从不同维度、不同周期，力求捕捉市场信息的有效性。
左侧/右侧是投资逻辑上的划分，左侧，偏向于逆向投资的逻辑，挖掘被市场低估的价值洼地，如基本面中的高质量、低估值，市场面因子中的低波动；右侧则反映趋势投资逻辑，顺势而为，追逐市场趋势，如基本面中的景气度和市场面中的短期量价。
快与慢，则是在时间维度上的考量，前者捕捉市场短期变化，后者则着眼于长期趋势，长期因子角度，汇添富基本面投研的研究结论也通过因子化的方式纳入到模型中，一定程度弥补了传统量化在前瞻性和基本面研究深度方面的不足。这样划分，在复合因子内部的投资逻辑更为清晰和自洽，模型训练时可以更有针对性，同时也增加了模型框架整体的稳健性。
在该框架下，因子蕴含的信息根据属性和投资逻辑，通过规则化的机器学习算法，汇总到各类复合因子上。然后在模型策略，进一步结合组合特性，通过规则化的算法构造成各组合的选股因子。通过风险约束下的股票超配低配，将因子中的信息最终反映到组合中去。
这种多维度的因子框架，并非为了追求模型的复杂性，而是为了构建一个更为稳健、更具适应性的策略体系。“因子均衡配置”的核心目标，在于分散风险。单一因子往往具有其局限性，在特定的市场环境中可能失效。而通过均衡配置不同类型的因子，可以有效降低单一因子失效带来的冲击，提升策略的整体稳健性。
紧盯跟踪误差
在评估一只指数基金时，信息比率是常用的指标。这个指标的计算方法，包含了两部分：❶ 相对指数的超额收益；❷相对指数的跟踪误差。
如果说均衡配置的因子，是为了让超额收益更平稳，那么许一尊同时还花费了很大的精力在对跟踪误差的控制上。
跟踪误差，在许一尊看来，某种程度上甚至是中国公募指数增强基金的“生命线”。他指出，在美国的公募基金行业，主动基金对基准的跟踪误差可能只有 4%，本质上是“准指增”了，所以他们指增这个品类需求很小。
但在中国的公募行业，主动基金对基准的跟踪误差往往在 8-10%，这意味着在近乎没误差的指数基金和巨大跟踪误差的主动基金之间，用户需要一个“中庸之路”，这就是指数增强类基金的价值——既保留指数基金的规则性和透明性，又能适当贡献超额。
正因此，许一尊将“精控跟踪误差”视为量化指数增强的核心竞争力之一。为了实现这一目标，团队构建了多维度的风险约束体系。这套体系并非简单的 “一刀切” 式的限制，而是从行业、风格、市值等多个维度，对投资组合进行精细化的约束。
如何更好的约束，这正是指数增强基金经理的任务之一。许一尊举了一个细节，关于行业偏离。传统上，指数增强基金都会内部设定行业偏离约束，比如持有的某个行业权重，相比指数的行业权重，不能偏离超过 1 个百分点。但以什么划分行业，各家有不同的操作。
