涨近四倍领跑同类，“老牌指数”有何魅力？

A500“出圈”的时节，还有“老牌指数”保有未曾留意的风景。

据了解，中证全指成份股的市值总额占A股总市值的比例超过95%，自基期以来涨幅逼近4倍，跑赢了同期沪深300、中证A500、中证800等一众指数。此外，“分红”也是该指数持续多年的特色之一。近十年来，中证全指现金分红逐年上升，2024年全年达到19334.2亿元。

被动投资中，若将中证全指作为选定的“锚”，量化手段则是获取超额收益的“帆”。泓德基金李子昂表示，金融市场非常复杂，传统的线性多因子策略很难对这种非线性的市场变化做出确定的解释和预测，更适合用AI或者是神经网络的方式去挖掘这些特征，并且做成特征组合，得到一个相对比较准确的预测结果。总的来说，在挖掘阿尔法方面，AI模型更高效，挖掘角度更多元。

1月6日开始发售的泓德智选启鑫混合基金（A类代码：021965，C类代码：021966），拟由泓德基金AI Lab负责人李子昂担纲管理。据了解，该基金以AI选股为核心，对标中证全指指数，是一只长期追求更优超额曲线的主动型量化基金，业绩比较基准为中证全指指数收益率×90%＋中国债券综合全价指数收益率×10%。

“老牌指数”有何魅力？

中证全指基日为2004年12月31日，基点为1000点，于2011年8月2日发布。当前中证全指样本数量涵盖了A股市场超过90%的上市公司，成份股的市值总额占A股总市值的比例超过95%。

回溯该指数的历史业绩，李子昂介绍称，从历史表现来看，截至2024年底，中证全指自基日以来累计涨幅375.07%，高于同期沪深300、中证A500、中证800等指数；选股域来看，中证全指样本数量涵盖了A 股市场超过90%的上市公司，成份股市值总额占A股总市值超95%，选股域更宽更利于AI量化基金发挥优势；行业覆盖来看，中证全指不仅覆盖中证一级和中证二级全部行业，而且覆盖93个中证三级行业，行业覆盖度更广；从市值规模来看，中证全指成份股平均市值为192.61亿元，较为充分地代表A股上市公司整体水平。

估值方面，截至2025年1月6日，中证全指当前指数市盈率约为17.33倍，位于近十年45.21%分位，市净率则更是仅有1.49倍，位于近十年13.11%分位。

李子昂认为，当前估值处于较低区间，且从长期看，中证全指的年化夏普比率优于上证指数、沪深300、中证800等市场指数，表示在承受单位风险的情况下，中证全指能够获得更高收益，同时也体现出了整体 A 股市场具备较高的中长期投资性价比。而从抗风险能力看，中证全指凭借其均衡的行业及个股分布，近五年来，整体最大回撤在主要指数中相对较低。

此外，作为近年来资本市场的高频词，“分红”也是中证全指持续多年的优势之一。相关数据统计，2015年—2023年，中证全指现金分红逐年上升，2024年达到19334.2亿元，为投资者提供了相对稳定的现金流。李子昂认为，股息率高，也说明公司当前股价较低，意味着公司股票的估值收缩风险相对较低。与其余主流指数相比，中证全指近三年股息率约在2%左右，优于中证500、中证1000等指数，股息率分位数位于近十年的93.95%。

量化手段寻觅超额收益

2024年的市场波谲云诡，风格切换、小微盘股调整等给量化产品带来不小压力，而随着大盘的整体回暖与市场情绪的相对缓和，公募量化产品或将再度吸睛。

众多指数中，若将中证全指作为选定的“锚”，量化手段则是获取超额收益的“帆”。

李子昂介绍，借助AI选股模型，有两种途径可以力争获得更高的超额，一个是获取更多信息，并提取信噪比更高的信息；另一个是采用更先进的方式，不断迭代AI模型、训练神经网络，得到更好的结果。而对于保持阿尔法有效性，唯一的方法就是快速迭代模型。传统多因子模型包含比较多的偏长期的基本面因子，比如成长因子、低估值因子，相对来说偏长期，在市场表现好、风格合适的时候能够赚取企业价值提升的钱。而机器学习的数据源更多来自交易信息，从错误定价中获取超额收益，加快神经网络的训练频率，可能会带来更好的稳定性。

结合中证全指这一指数，李子昂介绍，在极端环境下，对标中证全指的量化产品的超额波动率可能较小。这是因为，首先，一旦市场出现风格极速转换，量化产品可能会集中调仓，拥挤度高的策略容易发生踩踏风险，而中证全指与当前主流的量化策略持仓相关性较低，策略拥挤度较低。其次，一旦对标指数因异常原因（例如ETF被大量买入）短期突然上涨，通过全市场选股来实现阿尔法的量化产品，可能会出现负超额，而中证全指覆盖A股全市场，可以在一定程度上减少此类问题的发生。

那么，AI选股有何优势？

李子昂表示，第一，AI选股能够更好地处理高频数据。高频数据更具广度和深度，是全市场所有的参与者交易行为数据的体现。随着基本面因子越来越多表现出噪音和失效，量化模型需要处理的数据范围从基本面和日频信息过渡到了高频数据，并对逐笔成交、逐笔委托的数据做特征提取和建模，导致数据量呈指数级上升，并对海量数据的处理能力提出了更高的要求，传统多因子策略很难做到这点，反而神经网络处理这种数据会更加高效。

第二，AI选股更能挖掘金融市场的非线性特征。金融市场非常复杂，传统的线性多因子策略很难对这种非线性的市场变化做出确定的解释和预测，更适合用AI或者是神经网络的方式去挖掘这些特征，并且做成特征组合，得到一个相对比较准确的预测结果。总的来说，在挖掘阿尔法方面，AI模型更高效，挖掘角度更多元。

李子昂表示，目前A股市场依然存在风格切换、结构转换的情况，投资者面临时机和策略选择的挑战。“因此我们希望通过发挥泓德基金量化团队研发的综合量化投资策略的优势，力争在Beta全面均衡的基础上挖掘稳健持续的Alpha，为投资者提供更好的投资体验。”

相关研报统计，2024年公募主动量化基金平均收益4.84%，实现正收益的基金占比高达72.22%；其中，公募中证500指增平均超额收益0.28%，实现正超额收益的基金占比60.66%；公募中证1000指增平均超额收益3.81%，实现正超额收益的基金占比更是高达84.44%。

重磅产品即将发行

去年9月国内宏观政策出现较大变化，中央政治局会议部署经济工作，中国人民银行、金融监管总局和证监会发布一系列重磅政策支持资本市场发展，其中5000亿互换便利和3000亿回购再贷款工具将直接支持股市，叠加美联储开启降息周期，压抑近三年的A股市场爆发出巨大势能，市场成交量由5000亿上下迅速扩大到30000亿以上，多个宽基指数也迎来久违大涨。

李子昂回顾行情时表示，然而这种短时间由情绪驱动的连续大幅上涨，很可能会出现大幅震荡调整。去年10月市场进入政策预期与市场动量相互推动的市场环境，市场整体波动较大，成交维持在非常活跃的状态，外部环境、内部政策的优化调整也进入高波动的阶段。

去年11月以来市场在经历过大幅的震荡之后开始进入盘整期。李子昂介绍称：“市场的震荡对模型 Alpha 端带来了一定挑战，我们采用多模型的方式尽可能降低超额收益的回撤。虽然投资者对当前反转或反弹仍有争论，但市场环境变化带来的巨大波动和可能的风格切换不容忽视，量化模型的适应性问题再次被提出。我们也在不断努力开发新的模型，努力适应市场，为投资者创造更好收益。”

1月6日开始发售的泓德智选启鑫混合基金（A 类代码：021965，C 类代码：021966），拟由泓德基金AI Lab负责人李子昂担纲管理。据了解，该基金以AI选股为核心，对标中证全指指数，是一只长期追求更优超额曲线的主动型量化基金，该基金业绩比较基准为中证全指指数收益率×90%＋中国债券综合全价指数收益率×10%。

值得注意的是，金玉在前，由李子昂管理的泓德智选启航混合，该基金同样是对标中证全指、以AI选股为核心，产品自2024年3月19日成立以来截至2024年底，累计收益15.78%，同期中证全指涨幅为7.22%。

风险提示：

基金有风险，投资须谨慎。敬请投资者认真阅读基金的基金合同、招募说明书与基金产品资料概要等相关法律文件并关注基金特有风险，选择适合自身风险承受能力的投资品种进行投资。我国基金运作时间较短，不能反映股市发展的所有阶段。基金的过往业绩并不预示其未来表现，基金管理人管理的其他基金的业绩也不构成对本基金业绩表现的保证。基金管理人承诺以诚实信用、勤勉尽责的原则管理和运用基金财产，但投资有风险，基金管理人不保证基金一定盈利，也不保证最低收益。本基金管理人提醒投资者基金投资的“买者自负”原则，在做出投资决策后，基金运营状况与基金净值变化引致的投资风险，由投资者自行承担。上述产品风险等级以销售机构为准，仅适用风险匹配客户。基金产品由基金管理公司发行与管理，销售机构不承担产品的投资、兑付风险管理责任。（CIS）