近期权益市场波动加剧，尤其是AI、半导体等科技板块频繁出现高位震荡与快速轮动，令投资者对权益投资的信心受挫。在此背景下，资金开始重新审视风险与收益的平衡点，那些能够在控制回撤的同时还能提供长期稳健回报的产品，正获得越来越多关注。
值得注意的是，今年以来，在“固收+”这一赛道，量化策略异军突起，凭借纪律化投资、多资产分散和系统化风控等优势，成为新增长点。据统计，目前全市场量化“固收+”产品规模已约1800亿元，头部基金公司纷纷布局，知名量化基金经理相继入局。
展望后市，在低利率环境和资产再配置需求的推动下，叠加公募量化生态日趋成熟，量化“固收+”规模有望持续增长，为投资者提供波动可控、性价比更高的新选择。
公募加速布局量化“固收+”
量化“固收+”正成为公募基金行业的新风口。Wind数据显示，截至2026年一季度末，在3.2万亿元“固收+”基金（包括混合一级、二级与偏债混合基金）中，采用量化策略的产品达到200只左右，规模合计约为1800亿元。
2026年以来，多只量化“固收+”新品陆续面市，如大成招享汇智混合、博道衍晟混合、太平嘉信债券等。与此同时，富国裕丰回报混合、万家元和债券等多只基金即将或正在发售。
值得一提的是，年初以来，多位公募量化基金经理开始参与“固收+”产品的管理，如华夏基金孙蒙、汇添富基金吴振翔、西部利得基金盛丰衍、万家基金乔亮、博道基金杨梦、浦银安盛基金江峰、招商基金邓童等。
对于公募加速布局量化“固收+”的原因，分析人士认为，一是低利率环境下，传统固收类资产的收益空间被压缩。投资者如果只买纯债，可能会觉得弹性不足；但如果直接加大权益仓位，又会担心波动太大。量化“固收+”正好卡在这个中间地带：希望债券底仓力争求稳收益，同时通过量化模型在权益端寻找更细碎、更分散的超额收益机会。二是A股市场的结构分化越来越明显。过去单一风格可能持续很久，但自2024年9·24行情以来，市场轮动更快，在AI算力的主线下，还有红利、黄金、周期、消费等风格不断切换。对主观投资来说，这意味着判断难度变大。而对量化投资来说，反而有了更多可捕捉的定价偏差。量化模型可以同时跟踪大量股票、因子和风险暴露，用更高频、更系统的方式去识别机会。
量化“固收+”具有三大差异化特征
与传统“固收+”产品相比，量化策略对“固收+”的赋能，主要体现在收益端、风险端、纪律性、策略广度等维度，应用过程中体现出持仓风格偏向均衡分散，更加注重风险管理。
据华夏基金介绍，量化“固收+”基金在权益端，采取量化策略的“固收+”基金，主要借助数据驱动、模型化交易、纪律性执行的量化方法解决组合管理过程中选股、风控等问题，将传统“固收打底+权益增强”的模糊经验，重构为可量化、可回测、可预期的系统化工程。目前市场上常见细分策略包括红利优选、量化选股、指数增强以及转债增强等。
关于量化“固收+”的差异化特征，富国基金认为主要有三个方面：一是决策纪律性：量化模型基于历史规律与统计显著性进行决策，减少情绪化干扰，以规则对抗人性弱点。二是风险控制的前置性：在组合构建阶段即对行业偏离、风格因子暴露等风险指标进行主动约束，而非事后被动应对。三是收益来源的多元化：通过对海量数据的挖掘，量化模型可以从估值、动量、质量、情绪等多个维度捕捉超额收益，且持仓特征往往高度分散，有效降低单一标的的集中度风险。
华泰证券研报显示，量化“固收+”基金在权益市场上涨（尤其是结构性行情）中可能收益弹性不如其他“固收+”基金，但基于跨资产分散配置、量化择时、股票增强等多重手段，在回撤控制上更有优势，长期来看性价比更高。
公募量化走向成熟与规范
有业内人士表示，量化“固收+”产品的快速发展，其背后是公募量化投资生态整体走向成熟与规范。
博道量化团队介绍，之所以在“固收+”产品中引入量化策略，本质上就是想进一步提升投资“体感”，用一句话概括——严纪律控波动，高效率挖收益。控波动方面，量化模型可以排除人为主观情绪干扰，雷打不动地按纪律执行，以更好平滑组合波动；挖收益方面，量化策略覆盖广、反应快，全市场筛选高潜力增收标的，力争让收益“再多一点”。
富国基金认为，投资生态的完善和规范是公募量化“固收+”产品崛起的重要因素，具体体现为三个方面：
其一，量化投资多元扩围。历经十余年沉淀，国内量化行业数据、算力、人才体系逐步完备，股票端成熟量化策略全面复用至“固收+”权益仓位。
其二，模型架构增效升级。以线性因子筑牢稳健底层，辅以非线性特征、机器学习等挖掘超额收益，兼顾策略稳定性与收益弹性。
其三，基础设施和风控体系日益完善。公募头部机构自建量化交易与数据平台，模型搭载实时自动化风控监控机制，行业合规细则落地，量化交易规范化、透明度大幅提升。
需要注意的是，招商基金资深策略分析师田悦表示，未来量化策略“固收+”也面临一些挑战：一方面高成交额一定程度上掩盖了策略拥挤，若成交回落，同质化策略容量将被重估；另一方面量化“固收+”涉及多类资产、多种细分策略，对投研团队的模型迭代能力和多资产协同管理能力要求也大幅提高。
