◎记者吴晓婧胡尧

　　在人工智能浪潮重塑各行各业的今天，量化投资也步入了“算法博弈”的新阶段。海量数据、复杂模型与强大算力，构成了量化策略的基石。然而，真正的挑战并非技术的堆砌，而是探寻如何将先进的算法与深刻的金融逻辑相融合，从而在市场波动中持续稳定地获取超额收益。

　　广发基金量化投资部易威，拥有12年证券从业经验、6年投资管理经验。在他看来，量化是为价值投资做“科学加法”的精密过程，并以此构建了一套“有逻辑、有数据、有纪律”的量化投资体系。5月11日，拟由其担纲的广发汇智量化选股混合基金发行，这是对其投资体系的进一步探索。

　　多因子“骨架”与AI“神经”有机融合

　　易威的投资方法论建立在严谨的数学与统计学基础之上，但其核心在于对市场行为的深刻理解。他参与管理的广发量化多因子，近年来取得了稳定的超额收益。基金定期报告及银河证券数据显示：截至3月31日，该产品近1年回报为39.69%，超越业绩比较基准15.43个百分点，同类排名前30%；近2年回报为91.49%，同类排名前7%。

　　“量化投资的壁垒，首先在于对有效因子的深厚积累和逻辑验证。”易威介绍，广发基金量化投资部基于长期的投资研究经验，搭建了共享因子库，涵盖数百个有效因子，基本面与交易面因子贡献较为均衡，为策略研发提供坚实数据支撑。这些因子通过精细化处理剥离风格干扰，确保其纯净与稳健。这构成了策略稳定性的“骨架”。

　　然而，面对复杂的市场环境，传统线性模型的局限性愈发凸显。为此，易威及其团队引入了决策树、神经网络等机器学习模型，将其视为量化投资体系的“神经系统”。“机器学习擅长处理非线性关系，能够挖掘因子库中隐藏的深层信息，这恰好与传统的线性模型形成互补。”他解释道。

　　“骨架”与“神经”并非割裂。在投资中，易威致力于将两者进行有机融合与均衡配置：经典的多因子模型确保了投资组合能够更好捕捉基本面的价值，提供可解释、长期有效的收益来源；而机器学习模型则像一个敏锐的“增强器”，能够在不同市场环境下动态调整权重，挖掘更深层次的阿尔法。这种多模型架构有效提升了策略在不同市场环境下的适应性与韧性，能在一定程度上平滑波动，提高超额收益的稳定性。

　　锚定中证全指做“增强”

　　基于成熟且经过验证的“多因子选股+机器学习增强”复合策略，广发汇智量化选股混合，选择了以中证全指为业绩比较基准，其基准为“中证全指指数收益率×80%+中债-国债总全价（1—3年）指数收益率×15%+银行活期存款利率（税后）×5%”，旨在更充分地发挥其量化选股优势。

　　“中证全指是一个具有较高吸引力的基准。”易威认为，中证全指是A股覆盖面最广的宽基指数之一，A股上市公司市值覆盖率超过90%。其包含超5000只成分股，为量化模型提供了更广阔、更丰富的“选股土壤”。此外，该指数中市值低于100亿元的公司数量占比超60%，此类股票普遍存在定价偏差，有助于量化策略更精准地挖掘被“错杀”的标的。

　　从成分行业和重仓股来看，该指数集中度较低、风格较为均衡。Choice数据显示，其前十大成分股权重合计仅约10%，行业分布覆盖全面，其中电子（13.32%）、电力设备（9.46%）、医药生物（6.58%）、通信（5.10%）等代表经济转型方向的行业占比较高，能够较好地分享中国经济增长，特别是“新质生产力”发展的红利。

　　从历史表现来看，截至今年3月底，指数基日（2004年12月31日）以来中证全指的累计收益率为484.23%，年化收益率达9.17%，高于同期沪深300、上证指数等宽基指数。与此同时，指数年化波动率25.42%，相对中证500、深证成指等指数波动更低。在此基准上做增强，有望实现“上涨时跟得住，下跌时少跌点，长期积累超额”的效果，从而优化投资者的持有体验。

　　知其然，知其所以然

　　与主动管理依赖个体的深度研究不同，量化团队更倚重广泛覆盖与系统分析，以总结出更普适的规律。易威介绍，其所在的量化投资部在十余年中积累的丰富实盘经验和系统化投研体系，是其策略得以有效实施的保障。团队成员均来自国内外顶尖高校的数学、计算机、金融工程等领域，秉持“立足基本面，用多元化数据验证投资逻辑”的投资理念。

　　易威介绍，其团队搭建了统一的量化投研平台，所有成员的数据与策略均沉淀于此，投研人员在此进行研究、评价、归因比较，并互相观察进展、提出优化建议。此外，广发基金超百人的一体化投研平台，也为量化团队提供了丰富的“基本面”养分。“我们会将主动研究的深度逻辑与量化模型的数据挖掘能力相结合，确保模型不仅‘知其然’，更要‘知其所以然’。”易威表示。