当《推动公募基金高质量发展行动方案》明确提出“提高公募基金权益投资的规模和稳定性”，并对基金投资业绩全面实施三年以上长周期考核；当浮动费率新规推动管理费与业绩可持续性深度挂钩，公募基金正经历从规模扩张向能力建设的重要转型，开启高质量发展的新篇章。

与此同时，传统主动管理模式正面临双重拷问——明星基金经理的光环在风格频繁切换中逐渐褪色，而赛道押注策略在政策与周期共振下暴露出脆弱性。

这一背景下，量化投资以其独特的系统化优势，正在重塑行业的价值创造范式。通过构建科学严谨的投资框架，将主动管理的阿尔法获取能力与系统化的风险控制有机结合。

华安基金量化投资部助理总监张序凭借对市场环境的深刻洞察以及投资框架的持续精进，管理的产品在长周期维度仍展现出稳定超越基准的能力，高度契合行业高质量发展的核心诉求。

01、业绩验证：持续领跑彰显管理实力

张序管理的华安事件驱动量化混合A（002179）自2020年接手以来，采用主动量化投资策略，通过行业配置模型和量化多策略选股模型的叠加，有效实现收益增强。

过去几年间，投资框架与方法论在细节层面也经历了多轮迭代与持续优化。

华安事件驱动量化混合A（002179）从2020年至今六年内，每一年都跑赢了偏股混合型基金指数和中证800。据相关数据显示，连续6年时间内，每一年都稳定跑赢偏股混合型基金指数并未发生基金经理更换的情况，在公募主动权益基金池（含灵活配置型、偏股混合型）中，基金数量约为20只。（数据来源：Wind，截至2025/5/27）

对于需要以偏股混合型基金指数作为基准进行底仓配置的投资者而言，华安事件驱动量化混合A（002179）是一个非常不错的配置品种：季度胜率表现优异，相对偏股混合型基金指数和中证800均保持较高胜率。

在管理华安事件驱动量化混合A（002179）之后，张序陆续接手了两只沪深300相关产品：华安沪深300增强（A：000312，C：000313）和华安沪深300增强策略ETF（561000）。

2021年，接手华安沪深300增强（A：000312，C：000313）后，张序将华安事件驱动量化混合A（002179）的方法论移植其中。但在过去的运行情况中，尤其是在2022年市场环境波动较大的情况下，多策略形式在风险控制层面难度较大。

因此，在2022年底，张序团队筹备并发行了华安沪深300增强策略ETF（561000），核心定位为纯选股指数增强策略。行业模型主要用于风险控制，目标打造业内超额收益率比较稳健的指数增强产品。

在跟踪误差维度，张序建立了丰富完善的风险管理模型体系。从2023年1月产品成立至今两年半的实盘运作来看，年化跟踪误差始终严格控制在3%的目标范围内，实际运行区间稳定在2.5%-2.8%之间。这一数据充分表明了超额收益的稳健性和可持续性。（数据来源：Wind，截至2025/5/27，业绩基准：沪深300指数收益率）

 

02、体系制胜：“A+F量化投资体系”构建护城河

近年来，A股市场结构性分化加剧，主动投资获取超额收益的难度显著提升。市场同质化策略拥挤导致因子失效加速，而投资者对收益稳定性和策略透明度的需求日益提升。

面对这一趋势，张序的竞争优势在于其完整的量化“武器库”，不同产品（包括指数增强、主动量化和资产配置）都是从“武器库”中选择相应的策略构建组合，最终形成定制化的投资策略。

在投资体系方面，他也进行了多次迭代，主要采用“A+F量化投资体系”。其中A端微观选股模型经历了一定的改进：早期采用从数据到因子的传统量化模型，但自2022年初，开始从传统量化模型向机器学习、AI模型进行迭代。从早期基于分类器的传统模型架构，逐步演进到当前采用GRU、Transformer等时间序列的模型体系。

在微观层面，目前主要采用“多因子+AI”的组合构建股票池；在中观层面，自2020年起，系统性构建了基本面量化策略，主要包含两大核心模块：行业配置策略和风格配置策略。因此，通过对投资框架进行了多次更新和迭代，得到了目前相对而言比较完备、稳健的中观配置体系。

（1）微观选股模型

微观层面采取了差异化的方式。与市场上普遍采用的端到端AI选股模式（基于股票价格、成交量等信息）不同，张序创新性地以多因子为载体、结合AI形式构建选股策略。在数据库端，基于Wind和第三方数据商数据，处理得到1500+因子，支持A股市场5000只股票。其中基本面因子600+、量价类因子600+、高频类因子200+、事件类因子100+。

同时，建立独特的因子评价体系，采用“胜率-赔率”双维度加权评估框架作为核心入库标准，更在意因子的稳健性。在过去的AI模型实践中，张序发现这样的方法对模型的样本内和样本外的稳健性具备良好的正向促进作用。

在AI模型研发领域建立系统化的技术布局，主要覆盖：分类模型、深度学习时间序列模型、卷积神经网络模型等。在各个维度的每一策略进行一定的储备，然后进行“样板房跟踪”，并将合适的投资框架模型化赋能到一些产品中。比如，华安沪深300增强策略ETF（561000）就使用了一些时间序列的深度学习模型；华安事件驱动量化混合A（002179）则以分类器模型为主。

（2）中观配置模型

在中观维度的行业配置方面，张序构建了独具特色的三维一体框架，形成了“微观-中观-宏观”的策略体系。在微观层面，以微观多因子框架为核心，不仅包含基本面类、技术类、资金类、风险类、AI类等因子，还涉及其他维度的另类因子，比如舆情等。

该行业配置体系经历了显著的迭代升级过程：2021年以前，配置框架主要依托微观因子构建，其深度和广度都远不及当前体系；2022年起，张序发现行业在微观因子维度的稳定性以及有效因子的占比是持续衰减的，因此决定不断扩充行业信息。

比如，逐步将中观层面的产业数据（如半导体、光伏、新能源汽车、煤炭、银行等）和宏观层面的经济指标（如降息、降准、降税、利率、汇率等）纳入配置框架，显著拓宽了决策的信息边界。2022年底，又系统性地引入了宏观层面的事件驱动量化策略，进一步丰富了行业配置的决策维度。

经过持续的迭代优化，当前这套方法论体系已在2023年底发展至最成熟的阶段。随着多维度信息的扩充和因子体系的不断完善，该策略自2024年起稳健性显著提升，同时行业配置框架展现出较强的环境适应能力。

张序确实在风格配置领域进行了深入研究。他说，“之所以在过往路演中较少展示风格配置策略，源于我们在实践中的重要发现。基于行业多因子框架的研究方法，对6类风格因子进行实验，结果显示不同风格因子的适用性存在显著差异。”

在过去的实践中，张序在风格轮动模型的优化过程中采取了分域处理的方法，将风格因子划分为四大领域并分别构建差异化的配置策略。具体而言，成长与价值风格能较好地适用于截面轮动框架，而大小盘则有所不同。大小盘风格轮动更多以量价和资金维度为主导，基于基本面分析的因子在判断市场大小盘切换时表现出明显的不稳定性。红利和低波风格更适合基于宏观经济维度的分析框架，而非多因子模型。

目前，这套分域处理体系主要应用于组合风险管理端。以指数增强策略为例，在构建最终股票组合之后，需要对风格因子进行严格的风险控制。基于市场风格的研判结论，动态调整风控参数的阈值范围。

从实盘结果来看，该风控体系对组合回撤控制产生了明显的增强作用。在指数增强策略的实际运作中，尤其是结合AI策略的产品，最大的挑战往往来自市场情绪或突发事件引起的风格快速反转。

在这种情况下，就需要从非个股信息维度进行风格的风险控制。这一方式在华安沪深300增强策略ETF（561000）的实盘操作中得到了验证，在去年春节和国庆前后的市场剧烈波动期间，该风控体系有效控制了组合回撤幅度，具备一定的防御能力。（数据来源：Wind，业绩基准：沪深300指数收益率）

03、量化未来：双轮驱动模式渐成主流

高质量发展下，公募权益未来将呈现怎样的状态？

通过对过去20年公募基金与其对应基准指数的表现进行研究统计，我们得到了一些结论。研究数据显示，2023年和2024年成为公募主动权益基金跑赢对应基准指数难度较大的年份，这一现象在不同基准指数（包括中证800、沪深300及各行业指数）中均有所体现。在市场下行阶段，公募主动权益基金的回撤幅度较大，这一情况在过去几年内也引起投资者的普遍关注。究其原因，市场上涨时的回撤可通过其他交易策略进行弥补，然而在缩量下跌行情中不采取有效择时策略，投资交易体验就会比较差。（数据来源：Wind）

根据现行规则要求，公募基金的投资组合与业绩比较基准（如沪深300指数）的偏离度不得超过10%。如果以10%作为基准线，公募基金的年化跟踪误差普遍超出这一阈值，并且在市场下跌阶段偏离幅度更为显著。

因此，如果继续沿用现有的方式，公募权益基金很难完成滚动三年跑赢基准的目标。从五年的时间维度来看，连续滚动三年达标更将成为小概率事件。这种情况必将促使基金管理人在跟踪误差控制方面投入更多研究精力。

为了更全面地评估不同类型基金的表现，我们系统性地比较了ETF、指数增强和主动权益基金跑赢基准的情况，发现主动权益基金波动最大。指数增强基金在2023-2024年间经历了比较大幅回调，但仍有超过70%的产品跑赢基准。然而，主动权益基金跑赢基准指数的比例在2024年达到了低位水平。这一结果也表明如果市场未来再次出现类似2024年的情况，基金管理人的压力也会比较大。（数据来源：Wind）

因此，与其被动应对，不如事先做好跟踪管理。越来越多的管理人开始关注回撤控制方法的研究，尤其是过去几年中回撤波动较大的管理人，对此的关注度明显提升。

在这种背景下，未来产品不仅需要持续挖掘阿尔法收益能力，更要在跟踪误差控制方面进行优化与思考。跟踪误差投资逻辑的转换将催生新的投资机会。比如，未来反转因子的有效性相较于历史表现可能会得到显著提升。

投资者未来在选择基金产品时将更容易识别真正的超额收益能力，即观察阿尔法收益特征。在市场上涨阶段对某只基金产品进行业绩归因时，往往会高估阿尔法收益而低估贝塔收益。一个完整的市场周期（包含市场大涨和市场大跌阶段）的业绩归因，能够大幅降低对阿尔法收益的判断偏离程度。

如果未来监管规则持续强化，公募产品的贝塔暴露度将会压低，投资者将更容易识别对应产品真正的阿尔法特征。阿尔法收益的持续性通常强于贝塔收益，对于投资者而言，在构建基金组合的过程中，虽然会错失部分高弹性品种的交易机会，但组合的稳定性得到显著增强。

在量化产品未来的发展方向上，张序正重点布局两个维度。

第一，超额收益为主要目标，跟踪误差次之。以华安事件驱动量化混合A（002179）为例，既注重超额收益率，也兼顾跟踪误差管理。但对跟踪误差的约束相对宽松，在同类基金中位数即可；在控制夏普比率的情况下，增加超额收益的获取空间。经过六年的实盘操作，这套体系展现出较强的优势。在收益率端，可以使用战术性行业、风格配置模型；在选股方面，可以采用多元量化选股模型，比如多因子、AI、事件驱动等。（数据来源：Wind，业绩基准：75%×中证800指数收益率+25%×中国债券总指数收益率）

第二，超额收益和跟踪误差同等重要。以2023年发布的华安沪深300增强策略ETF（561000）为例，跟踪误差控制和超额收益率的创造实现了更好的平衡。同时，风险管理模型也更加精细化。该策略不仅增强了超额收益率的稳健性，还有效降低了跟踪误差。当信息比率提升到一定水平后，投资者可以根据自身的风险偏好，灵活选择指数基金产品和指数增强产品。（数据来源：Wind，业绩基准：沪深300指数收益率）

04、Q&A

以下为访谈纪要：

猫头鹰：普通投资者对量化投资存在哪些认知误区？

张序：通过系统性的数据统计，我们发现投资者对量化基金的认知存在一定的偏差，往往将其视为高换手或者偏小微盘策略。

根据我们对公募主动权益基金与公募量化基金（剔除指数增强）双边换手率的年度数据统计比较，以2024年为例，公募主动权益基金的双边换手率在4倍左右，而公募量化基金的双边换手率在5倍左右，两者的差异并没有想象中那么大。（数据来源：Wind）

我们通过散点图进一步分析了公募量化基金与主动权益基金在换手率与超额收益方面的分布特征。截面数据显示，公募主动权益基金集中度更高，量化基金方差更大，分散度更高。公募主动权益基金主要集中在左侧3-3.5倍换手率区间，而在右侧呈现比较分散的状态，这表明大多数主动权益基金管理人保持相对稳定的年化双边换手率，少数使用高换手策略。相比之下，公募量化基金的分布更加分散，既有高换手策略，又包括大量低换手策略。这一结论有力反驳了市场上很多投资者对公募量化基金都使用高换手策略的固有印象。通过实盘操作，我们发现公募量化基金策略丰富度更加广泛。（数据来源：Wind）

我们通过实证研究进一步验证了公募量化产品的市值特征。采用每年底持股明细数据，基于持仓权重计算加权市值，得到每一只基金当前持有股票的加权市值，再对所有基金进行算数平均处理，数据显示公募主动权益基金和公募量化基金在持仓市值方面的差异并不大。

具体来看，2020年、2021年公募主动权益的平均持仓市值略大于公募量化基金。但近年来，尤其根据去年的数据来看，两者的差异并不大。这一数据有力地证明了公募量化基金并非全部是小盘策略，还涵盖大盘策略、中盘策略，体系比较丰富、完整。与换手率分布不同，无论是主动权益基金还是量化基金，在持仓市值分布层面都呈现出分散的特征，而非集中在某些特定的区间，两类产品在市值选择策略上都具备多元化的特点。（数据来源：Wind）

猫头鹰：量化投资策略在强调业绩基准的指导意见下如何发挥更大的作用？

张序：在当前的监管环境和浮动费率制度下，基金产品的考核重点正在发生一定转变。超额收益虽然仍采用滚动三年的测算方式，但市场对超额收益率的稳定性要求更为严格。比如，超额收益率能否像我们产品所展示的那样持续上行。

与其他主动权益基金呈现的波浪形超额情况不同，公募主动量化基金，尤其是公募量化基金整体，在新的规则体系下，超额收益率曲线相对于基准展现出更强的适应性。无论是未来的监管导向还是费率维度来看，我们认为对公募量化产品的发展提供了重要机遇。

猫头鹰：刚刚提到在众多因子中筛选出整体胜率较高的因子，那这些因子在选股和换仓时的具体应用情况是怎样的？换手率表现如何？

张序：在投资框架中，我们开发了涵盖周度和月度调仓频率的多元化策略体系。目前，主要采用周频调仓为主、月频为辅的模式，主要基于两点考量：第一，周频调仓能更有效地控制跟踪误差，降低组合风险水平；第二，在实际操作中，我们发现将量价因子等应用到月频调仓中会导致超额收益明显损耗。

第三，但基于不同产品的特点，策略的应用各有侧重。以华安沪深300增强策略ETF（561000）为例，周频调仓策略占主导地位，因此双边换手率可能就在9倍左右的位置。（数据来源：Wind，业绩基准：沪深300指数收益率）

相比之下，华安事件驱动量化混合A（002179）中周频策略的占比略低一些，双边换手率在7倍左右的水平。整体而言，我们的产品换手率分布在7-10倍区间。（数据来源：Wind，业绩基准：75%×中证800指数收益率+25%×中国债券总指数收益率）

猫头鹰：过去几年内，量化产品会阶段性出现大幅偏离指数的情况，尤其是在一些大小盘风格极度差异变化的时间点。您怎么看待这类情况，以及如何对这样的市场环境做出调整？

张序：通过对部分量化基金的业绩归因，我们发现过去部分量化基金曾出现与小市值风格共振的回调情况，主要源自其策略在特定风格上的过度暴露。

以近两三年市场上产生明显超额收益的基金为例，往往呈现出风格强暴露的特征，要么集中配置小微盘股的量化策略，要么专注纯红利、低波风格的策略。这种特点就会使得该基金产品与风格出现明显的共振情况。比如，某只产品的基准并非该风格指数时，就容易出现显著跑输基准的情况。相比之下，风格均衡、交易策略多元化的量化产品在该类问题上的表现要稳健一点。

当“三年滚动跑赢基准”成为高质量发展的必答题，华安基金张序向投资者交出了满分答卷：通过严格的跟踪误差控制、均衡的风格暴露管理（分域处理体系）以及AI赋能的因子挖掘，量化投资正逐步进化为创造可持续阿尔法收益的载体。

未来，随着监管规则的持续落实，那些能同时平衡超额收益与风险边界的量化产品，或将成为公募行业高质量发展浪潮中的核心引擎。

---

风险提示：观点仅供参考，不构成投资建议，市场有风险，投资需谨慎，指数基金存在跟踪误差。基金过往业绩不代表未来表现，指数的历史业绩不代表基金产品未来业绩表现。投资者在购买基金前应仔细阅读基金招募说明书与基金合同，请根据自身投资目的、投资期限、投资经验等因素充分考虑自身的风险承受能力，在了解产品情况及销售适当性意见的基础上，理性判断并谨慎做出投资决策。