2025年公募量化基金整体业绩表现 - 2025年市场环境回暖，为量化策略提供了有利土壤[3][8] - 根据Choice数据筛选的37只规模大于5亿元的量化基金中，有31只2025年收益率超过20%，占比约83.8%[4][6] - 收益率超过40%的基金有14只，占比达37%[9] - 涨幅榜前三名分别是：银华新能源新材料量化股票发起式A (005037.OF) 收益率54.11%，广发量化多因子混合A (005225.OF) 收益率52.72%，易方达易百智能量化策略混合A (005437.OF) 收益率50.21%[8] 量化基金业绩归因与分化 - 业绩优异主要归因于市场贝塔收益显著以及量化模型持续进步，捕获超额收益能力提升[8] - 量化策略的高仓位特征和对中小市值的广覆盖，使其在反弹行情中表现犀利[9] - 业绩存在分化，例如长盛量化红利混合A (080005.OF) 2025年收益率仅为0.98%，与其红利策略在牛市中可能跑输进攻型策略的定位有关[9] - 部分基金业绩波动与所聚焦的赛道紧密相关，例如银华新能源新材料量化股票发起式A在2022年和2023年收益率分别为-25.45%和-30.14%，在2025年随板块估值修复而大幅反弹[11] 长期业绩与稳健型代表 - 从更长周期（自成立以来年化回报）看，表现领先的基金并非全是2025年涨幅最高的，而是能维持中上水平的基金[11] - 广发多因子混合 (002943.OF) 自2016年底成立至2025年，累计收益率达487.67%，年化回报达21.44%，其规模在2021年三季度已突破百亿，2025年最新规模达172.9亿元[12][13] - 国金量化多因子A (006195.OF) 自2018年底成立以来年化回报达17.86%，2025年收益率48.48%，最新规模64.7亿元，在2022年和2023年市场低迷时仍取得12.23%和13.68%的正收益[12][18] 公募量化基金的核心优势 - 具备极度理性的纪律性，通过模型执行交易指令，规避人性弱点[20] - 拥有海量覆盖广度，可全天候扫描全市场数千只股票，在热点轮动快的行情中优势明显，持仓分散以捕捉中小市值股票机会[20] - 超额能力持续进化，随着AI发展快速迭代，优秀团队具备在不同市场环境下持续获取超越指数收益的能力[20] - 产品风格清晰，工具属性强，产品线丰富（如红利、科技、多因子策略等），成为配置型资金和FOF基金的重要选择[21]

文章核心观点 - 2025年中国公募量化基金行业在有利的市场和政策环境下，实现了业绩与规模的“双丰收”，行业进入快速发展新阶段 [1][7] - 公募量化基金已从边缘产品成长为行业重要组成部分，形成了指数增强、量化对冲、主动量化等多元策略格局 [1][5] - 行业未来发展趋势明确，将朝着产品多元化、监管规范化、以及AI技术深度融合的方向发展 [12] 公募量化基金行业相关概述 - 量化基金是通过将投资策略模型化，借助计算机程序实现选股和组合管理的特殊基金产品 [2] - 与传统投资相比，量化投资具有客观性、纪律性、及时性、分散化、可追溯性等优势 [2] - 市场常见的公募量化基金主要有主动量化基金、指数增强基金、量化对冲基金三种类型 [2] 公募量化基金与私募量化基金对比 - 投资门槛：公募量化基金通常1元起投且无锁定期，私募量化基金一般需要100万元起投并有1~3年锁定期 [4] - 费用结构：公募量化基金主要以管理费为主，一般不收业绩报酬；私募基金一般是2%管理费加20%业绩报酬 [5] - 投资策略与监管：公募基金主要投资股票、债券，策略相对稳健且受证监会严格监管；私募基金策略更灵活，可能投资衍生品，信息披露有限 [5] 行业发展历程 - 中国公募量化基金于2002年开始起步，伴随资本市场开放与制度完善而萌芽 [1][5] - 历经二十余年发展，已从边缘小众产品成长为公募基金行业的重要组成部分 [1][5] 行业发展现状：基金新成立情况 - 截至2025年10月29日，年内公募量化策略基金合计成立158只，比2024年全年的95只增长超过66%，创历年新高 [1][7] - 其中增强指数型基金新成立132只，占比超过八成 [7] - 年内募资总规模为830.64亿元，比2024年的368.55亿元增长125%，超出历史任何年份 [1][7] - 平均单只基金发行规模为5.26亿元 [7] 行业发展现状：基金总规模 - 截至2025年中报，中国公募量化基金总规模达到2833.43亿元，是2018年年报披露规模的2.9倍 [1][8] - 规模呈现阶段性变化：2018-2021年快速增长，2021-2025年呈波动态势，2023年因主动量化基金受追捧带动总规模增长至2934.56亿元 [1][8] - 量化指数型基金是主要类型，截至2025年中报规模为1883.8亿元，较2024年末增加40.3亿元，占总规模的66.5% [1][9] - 量化主动型基金规模为898.24亿元，较2024年末增加169.08亿元，占比31.7% [1][9] - 量化对冲基金规模自2022年以来因市场环境变化而明显下滑 [9] 行业发展现状：收益情况 - 2025年前三季度，有业绩展示的公募量化基金共有1166只，平均收益为26.52% [1][9] - 股票型量化基金与混合型量化基金数量合计1081只（占比92.71%），平均收益分别为28.65%和26.72% [1][9] - 另类投资基金平均收益为负，为-0.1% [1][9] - 2025年前三季度收益10强的股票型量化基金上榜“门槛”为57.64%，其中8只为指数型股票基金，2只为普通股票型基金 [11] - 收益领先的基金“科技含量”较高，涉及半导体、创业板、人工智能等领域，黄金及有色板块也是重要布局方向 [11] 行业发展趋势 - 市场宽度增大和上市公司数量增加，为量化策略提供了更大空间，量化产品形态将更加多元化，包括宽基指增、因子被动投资、Smart β及主动量化等 [12] - 监管政策基调是“趋利避害、规范发展”，未来行业将在更完善的监管框架下稳健发展，鼓励头部机构、淘汰劣质机构，并严控策略集中度风险 [12] - 量化基金将积极拥抱AI，通过AI赋能因子挖掘、组合优化和流程自动化，以提升策略开发效率和风控能力，积蓄长期发展力量 [12]

百亿私募业绩表现 - 旗下多数基金预估净值下跌7% [1] - 基金净值从最高点回撤幅度达20% [1] - 业绩表现大幅跑输市场指数 [1] 业绩归因分析 - 高位重仓创新药赛道 [1] - 重仓硬件龙头公司跌幅超过37% [1] - 重仓美股稳定币股 [1] - 投资策略为押注赛道模式 被认为赌性较强 [1] - 投资操作中存在追高行为 [1] 市场环境对比 - 当前市场指数环境良好 沪深300指数年内涨幅达14% [3] - 部分公募量化基金年内收益普遍在30%以上 优秀者接近50% [5] - 私募基金在良好市场环境下出现亏损被视为罕见现象 [3] 对普通投资者的启示 - 投资应避免眼高手低和理念本末倒置 [5] - 不应在低位时不敢进场 高位时全仓追涨 [5] - 建议根据自身能力进行均衡化配置 [5] - 大部分投资应追求略高于指数的回报 [5] - 优秀的公募基金收益相对不错 比个人投资更专业化 [5]

核心观点 - 报告核心观点为在市场波动加大的背景下，指数增强策略展现出稳健特质，其超额收益表现优于主动量化和市场中性策略 [1] - 中证1000指数增强基金年度表现最为突出，年内平均超额收益达6.69%，近一年平均超额收益高达10.55% [3][10] - 公募主动量化基金年内绝对收益表现最佳，平均收益达22.14%，但近期出现显著回撤，本周平均收益为-4.65% [1][3] 公募量化基金业绩统计 - **周度业绩（2025.11.17-2025.11.21）**：各指数增强策略均实现正超额收益，其中中证500指增表现最佳，平均超额收益为0.35%，正超额基金占比达80.82% [1] - **月度业绩（截至2025.11.21）**：中证500指增平均超额收益为0.77%，正超额基金占比81.69%，表现领先；而中证1000指增平均超额收益为-0.07%，正超额基金占比仅为43.48% [2] - **年度业绩（2025YTD）**：中证1000指增平均超额收益高达6.69%，正超额基金占比89.13%，显著优于其他指增策略；沪深300指增表现相对较弱，平均超额收益为-0.75% [3] - **主动量化与市场中性策略**：主动量化基金年内平均收益为22.14%，但本周平均收益为-4.65%，正收益基金占比仅0.49%；市场中性基金年内平均收益为1.01%，本周平均收益为-0.22% [1][3] - **分位数表现**：中证1000指增近一年超额收益中位数为9.74%，75%分位点达14.39%，显示头部产品表现强劲；其近一年跟踪误差中位数为4.31% [10] 公募量化基金收益分布 - 报告通过收益分布图展示了本周公募量化基金的整体收益情况，具体分布细节需参考图2 [11][13] 公募量化基金业绩散点图 - 散点图展示了公募指数增强基金近1年的超额收益与年化跟踪误差的关系，以及主动量化和市场中性基金的绝对收益与最大回撤的关系 [14][16][17][19][20] 公募量化基金净值走势 - **指数增强策略净值走势**：公募四大指增等权组合今年以来累计超额净值走势显示，中证1000指增和中证A500指增组合表现相对稳健 [21][22] - **主动量化与市场中性策略净值走势**：公募主动量化产品等权组合今年以来累计净值呈现显著增长，但近2年走势波动较大；市场中性产品组合净值走势相对平稳 [27][28][29][30][31] 附录：计算说明 - 报告采用日频数据进行计算，年化采用242个交易日并进行几何年化 [32] - 公募基金分类标准基于Wind投资类型二级分类，并结合基金名称、投资目标、策略等进行定义，基金池更新时间为2025年9月30日 [32] - 超额业绩计算的比较基准为产品所跟踪标的指数对应的全收益指数，统计时通常仅考虑成立满2个月的产品，但对存续期较短的中证A500指增有所放宽 [32][33]

根据研报内容，本报告主要对各类公募量化基金（如指数增强基金、主动量化基金、市场中性基金）的业绩进行统计和展示，并未涉及具体的量化模型或量化因子的构建、测试与评价。报告的核心是基金产品的业绩回顾与分析[1][2][3][9][10][11][13][14][16][18][19][20][21][24][26][27][28][29][30]。 因此，报告中**没有**涉及以下内容： * 量化模型或量化因子的名称 * 量化模型或量化因子的构建思路与具体过程 * 量化模型或量化因子的评价 * 量化模型或量化因子的测试结果（如IC、IR、多空收益等） 报告内容集中于公募量化基金的整体业绩表现，包括不同时间窗口下的收益、超额收益、跟踪误差、最大回撤等指标的统计分布和净值走势图[10]。

根据研报内容，本报告主要对各类公募量化基金（如指数增强基金、主动量化基金、市场中性基金）的业绩进行统计和展示，并未涉及具体的量化模型或量化因子的构建、测试与评价。报告的核心是基金产品的业绩回顾与分析[1][2][3]。 因此，报告中**没有**需要总结的量化模型或量化因子相关内容。

根据研报内容，该报告主要对各类公募量化基金的历史业绩进行了统计和展示，并未涉及具体的量化模型或量化因子的构建、测试与评价[1][2][3][8][9][30]。报告的核心是基金业绩的跟踪与分析。 因此，本总结将重点放在报告中所统计的**量化基金类型**及其**业绩指标**上。 量化基金业绩统计 报告对以下六类公募量化基金进行了业绩统计[9][30]： 1. **沪深300指数增强基金**：以沪深300指数为基准的增强型产品。 2. **中证A500指数增强基金**：以中证A500指数为基准的增强型产品。 3. **中证500指数增强基金**：以中证500指数为基准的增强型产品。 4. **中证1000指数增强基金**：以中证1000指数为基准的增强型产品。 5. **主动量化基金**：采用量化方法进行主动管理的股票型产品。 6. **股票市场中性基金**：采用量化对冲策略的市场中性产品。 业绩指标与计算说明 报告采用了统一的业绩计算原则[30][31]： - 采用日频数据进行计算，年化采用242个交易日，几何年化[30] - 超额业绩计算的比较基准为产品所跟踪的标的指数对应的全收益指数[30] - 统计时一般仅考虑成立满2个月的基金，中证A500指增因存续时间较短，在统计本年收益时不作此要求[31] 基金的回测效果 以下为截至2025年10月17日的各类基金业绩指标统计结果（均值）[9]： | 基金类型 | 本周超额/收益 | 本月超额/收益 | 本年至今超额/收益 | 近一年超额/收益 | 近一年跟踪误差 | 近一年最大回撤 | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | **沪深300指增** | 0.01% | 0.24% | -0.93% | -1.79% | 3.23% | - | | **中证A500指增** | 0.25% | 0.62% | 0.94% | - | 6.27% | - | | **中证500指增** | 0.79% | 1.26% | 0.31% | 0.02% | 4.64% | - | | **中证1000指增** | 0.55% | 1.03% | 7.11% | 10.93% | 4.81% | - | | **主动量化基金** | -2.88% | -3.12% | 23.73% | 30.71% | - | 13.68% | | **市场中性基金** | -0.12% | 0.11% | 0.96% | 0.83% | - | 3.39% | *注：指增基金主要展示超额收益和跟踪误差，主动量化和市场中性基金展示绝对收益和最大回撤[9]*

这篇研报主要跟踪了各类公募量化基金的业绩表现，并未涉及具体的量化模型或量化因子的构建、测试与评价。报告内容集中于基金产品的业绩统计，而非底层模型或因子[1][2][3][9][10]。 因此，根据您的要求，本次总结将跳过“量化模型与构建方式”、“模型的回测效果”、“量化因子与构建方式”及“因子的回测效果”等部分。

文章核心观点 - 证监会《推动公募基金高质量发展行动方案》推动行业从重规模转向重投资者回报的新纪元 [1] - 量化基金凭借其系统性、科技驱动的投研体系 在此政策下迎来重大发展机遇 [1] - 量化投资的“黄金时代”正在开启 其优势与政策导向高度契合 [1] 量化基金的核心优势与政策契合点 - 政策强调强化投研核心能力建设 鼓励科技赋能和“平台式、一体化、多策略”投研体系建设 这与量化基金的投研体系高度一致 [2] - 量化投资通过系统性方法、数学模型和信息技术 从海量数据中寻找规律并严格执行决策 [2] - 量化基金已搭建基于算法的“投资机器” 可实现7x24小时信息处理和超额收益挖掘 相比传统投资对个人经验的依赖更具系统性和效率 [2] 量化基金的投资策略与风险收益特征 - 量化基金通常全市场选股 投资组合持有数百甚至上千只股票 低持仓集中度平滑个股特有风险 [3] - 通过风险模型和优化算法 基金严格约束投资组合在行业、风格上的暴露 确保与基准的偏离在预设范围内 [3] - 这种对标基准的方式使投资业绩与基准高度相关 提高了未来收益的可预测性 为投资者提供清晰稳定的风险收益特征 [3] 量化基金的收益来源与技术应用 - 量化基金基于基本面数据、量价数据及另类数据 运用线性模型、自然语言处理、机器学习等手段捕捉海量微小的定价偏差 [4] - 基金从数千只股票中捕捉定价偏差 在大部分时间内稳定获取小幅超额收益 极少出现爆发性收益 因此超额曲线通常较为平滑 [4] 量化基金的发展机遇与责任 - 量化基金需主动将自身优势与行业高质量发展大势对接 为投资者创造更多稳定的超额回报 [5] - 当前机遇也意味着更大的责任和更高的要求 [5]

根据提供的研报内容，以下是量化模型与因子的总结： 量化模型与构建方式 1. **沪深300指增模型** - 模型构建思路：基于沪深300指数的增强策略，旨在通过量化方法获取超越基准指数的收益[9][10] - 模型具体构建过程：采用日频数据计算超额收益，年化采用242个交易日几何年化方式，比较基准为沪深300全收益指数[30] 2. **中证500指增模型** - 模型构建思路：跟踪中证500指数并通过量化方法实现超额收益[9][10] - 模型具体构建过程：与沪深300指增类似，采用日频数据计算超额收益，年化采用242个交易日几何年化方式，比较基准为中证500全收益指数[30] 3. **中证1000指增模型** - 模型构建思路：跟踪中证1000指数并通过量化方法实现超额收益[9][10] - 模型具体构建过程：采用日频数据计算超额收益，年化采用242个交易日几何年化方式，比较基准为中证1000全收益指数[30] 4. **中证A500指增模型** - 模型构建思路：跟踪中证A500指数并通过量化方法实现超额收益[9][10] - 模型具体构建过程：采用日频数据计算超额收益，年化采用242个交易日几何年化方式，比较基准为中证A500全收益指数[30] 5. **主动量化模型** - 模型构建思路：通过量化方法主动选股获取绝对收益[9][10] - 模型具体构建过程：采用日频数据计算收益，年化采用242个交易日几何年化方式[30] 6. **股票市场中性模型** - 模型构建思路：通过量化方法构建市场中性组合获取稳定收益[9][10] - 模型具体构建过程：采用日频数据计算收益，年化采用242个交易日几何年化方式[30] 模型的回测效果 1. **沪深300指增模型** - 本周超额收益均值：-0.23%[10] - 本月超额收益均值：0.10%[10] - 本年超额收益均值：0.83%[10] - 近一年跟踪误差均值：3.52%[10] 2. **中证500指增模型** - 本周超额收益均值：-0.81%[10] - 本月超额收益均值：-0.55%[10] - 本年超额收益均值：1.58%[10] - 近一年跟踪误差均值：4.97%[10] 3. **中证1000指增模型** - 本周超额收益均值：-0.78%[10] - 本月超额收益均值：-0.75%[10] - 本年超额收益均值：5.10%[10] - 近一年跟踪误差均值：5.12%[10] 4. **中证A500指增模型** - 本周超额收益均值：-0.44%[10] - 本月超额收益均值：-0.04%[10] - 本年超额收益均值：2.99%[10] - 本年跟踪误差均值：6.47%[10] 5. **主动量化模型** - 本周收益均值：2.40%[10] - 本月收益均值：4.32%[10] - 本年收益均值：17.91%[10] - 近一年最大回撤均值：14.79%[10] 6. **股票市场中性模型** - 本周收益均值：-0.38%[10] - 本月收益均值：-0.04%[10] - 本年收益均值：1.00%[10] - 近一年最大回撤均值：4.18%[10] 量化因子与构建方式 （报告中未提及具体量化因子的构建，故跳过此部分） 因子的回测效果 （报告中未提及具体量化因子的回测效果，故跳过此部分）