海富通沪深300指数增强基金：AI加持300指增，风控雕琢超额收益

海富通沪深300指数增强基金（A类:004513；C类：004512）是以跟踪沪深300指数并实现稳健超额为目标的指数增强型基金，产品目前采用双基金经理制，基金经理朱斌全先生、林立禾先生，均是海富通基金公司内部逐步从研究员培养、成长起来的基金经理。林立禾先生2022年10月起任基金经理助理，自2023年开始持续为海富通沪深300指增基金贡献AI策略并于5月开始进行实盘策略迭代，2023年11月起任基金经理，将产品全面升级为100%权重的机器学习策略。策略转型近一年时间内产品累计获得6.54%超额收益，超额收益回报在同期59只沪深300指增产品中排名第3，在较为突出的管理业绩影响下，该产品规模也呈现指数级增长。AI类策略相对于基本面量化策略更看重模型胜率，具备分散性和稳定性的优势，与指增产品类型具备天然的适配性。海富通沪深300指数增强基金从超额胜率、超额回撤幅度、超额修复周期维度来看均具备一定优势。在绝大部分历史情境下，产品基本维持正超额，超额收益稳定性较高，具备一定“踏破牛熊”的特征。在公募量化团队AI转型大浪潮下，海富通沪深300指数增强基金拟以组合优化和风控模型的精细化研究为护城河。为了使AI模型更加贴合沪深300指数的选股范围，在前端因子已经涉及基本面因子的基础上，海富通沪深300指数增强基金拟在组合优化端对基本面类信息进行再补充，以实现基于沪深300指数特征定制化的AI模型。

基于海富通沪深300指数增强基金半年度全部持仓数据来看，海富通沪深300指数增强2022年报以来相对因子暴露由前期的0.3倍标准差进一步压降并维持在0.25倍标准差以内，风险敞口进一步收紧，并新增板块偏离控制约束，预防模型在类似行业内同时超/低配。基金转型以来报告期平均行业偏离度1%、平均成分股偏离度0.46%、平均成分股外配置比例为11.69%。基金持股数量维持在150只左右，跟踪误差维持在4%左右，年化双边换手基本维持在12倍左右，略高于公募沪深300指增平均换手率，但显著低于同类“AI主策略”基金。在2024年降佣背景下，成本端的压降也进一步打开了产品的超额空间。

超额业绩表现：胜率高+回撤幅度小+修复周期短

海富通沪深300指数增强基金历经2次较大变革，2019年10月9日海富通富睿转型为海富通沪深300指数增强基金，并于2023年11月由传统基本面量化策略转型为以深度学习为主的AI策略框架。考虑到海富通沪深300指数增强基金转型前后策略类型及超额收益表现差异较大，我们主要考察分析林立禾先生任职以来（2023年11月）的风险绩效。策略转型近一年时间内产品累计获得6.54%超额收益，超额收益回报在同期59只沪深300指增产品中排名第3，在合理的跟踪误差（沪深300指增中位附近）下，基金超额收益率在同业宽基指数增强型基金，尤其是沪深300指数增强型基金中具有比较优势，超额收益及信息比率均表现稳定且突出，综合性价比较高。在较为突出的管理业绩影响下，该产品规模也呈现指数级增长，截至2024年三季报，海富通沪深300指数增强基金规模从2023年底的1.49亿元迅速飙升至15.07亿元，产品机构持有人比例也稳定维持在高位。随着市场回暖、产品规模持续上升、产品运作压力增加，基金经理表示将进一步收束风险敞口，行稳致远，追求风险收益最大化。

为考察沪深300指数增强基金中长期超额业绩表现，我们拉取2020年以来沪深300指数增强基金逐年超额收益，其中业绩基准选择较为严格沪深300全收益指数。在市场主线不清晰、行业轮动速度加快、极端市场环境频发的背景下，公募沪深300指数增强基金也面临一定的挑战，60只沪深300指数增强基金中仅4只连续两年（2023年和2024年）跑赢沪深300全收益指数，仅海富通沪深300指数增强基金一只产品连续3年、5年稳定跑赢沪深300全收益指数。除了基金产品仓位略低于基准指数仓位、沪深300指数样本股市场有效性较高等原因外，市场占优风格和占优策略的不断切换也是公募沪深300指数增强基金超额业绩表现差强人意的重要原因之一，其中2023年相对占优的机器学习策略和2024年基本面因子收益的回温，这就对各家管理人策略的研究广度和深度提出不小的挑战。

超额胜率高+回撤幅度小+修复周期短。AI类策略相对于基本面量化策略更看重模型胜率，具备分散性和稳定性的优势，与指增产品类型具备天然的适配性。从超额周胜率的维度来看，海富通沪深300指数增强基金维持在60%以上，相较于同类沪深300指增产品及宽基指增产品均具备一定优势。与此同时，自策略全面迭代至AI以来，依托于回撤控制系统，该基金超额回撤成功控制在2.5%以内，远低于沪深300指数增强型基金同期接近4%的平均回撤水平。在经历今年2月及9月两次极端行情挑战下，基金产品都呈现较优的超额稳定性和较强的超额回撤修复能力，也侧面体现了该产品较为严格的风险控制标准。相对于“老生常谈”的超额回撤幅度问题，回撤修复周期的控制对于持有人体验来说，则更显得更为重要。模型失效后的迭代速度是影响超额回撤修复周期的重要因素之一，依托于海富通基金公司相对充足的算力支持，考察期以来海富通沪深300指数增强基金平均超额回复周期为8.37天，相较于同类产品超额回撤修复速度亦较快。

为了增加产品业绩的可比性及保证统计意义的显著性，我们在60只沪深300指增基金池中，进一步筛选与海富通沪深300指数增强基金较为类似的同类产品，约束产品Alpha模型需结合机器学习算法、年化单边换手率相近、Barra风格因子暴露上限相近，最终得到包含20个沪深300指增基金的小基金池。并依托于上述研究，对海富通沪深300指数增强基金及同类产品进行历史情景分析，结果显示在绝大部分历史情境下，海富通沪深300指数增强基金超额业绩表现及排名均名列前茅，且不论市场涨跌，产品基本维持正超额，超额收益稳定性较高，具备一定的超额收益“踏破牛熊”的特征。

产品策略上，海富通沪深300指数增强基金于2024年6月转型为85%-90%权重的沪深300增强+10%-15%权重Smart Beta增强策略，其中Smart Beta策略是指基于沪深300 Smart Beta指数的增强策略。随着产品规模指数级增长，基金经理希望坚持纯粹量化，充分发挥AI模型优势，降低主观判断权重，并进一步增加对跟踪误差、行业个股偏离、风格因子暴露等限制，打造“业绩突出+超额稳健+风控严格”的产品特征。相较于此前小盘增强卫星策略，Smart Beta增强卫星策略更为贴近沪深300指数本身特征，符合基金经理中长期稳健发展的思路。

自2023年11月开始，海富通沪深300指数增强基金的策略已全面拥抱AI并进行不断地优化升级，策略体系中AI的应用比例由2023年5月的30%-40%，逐步上升到2023年11月100%的占比，完成了模型层面全面机器学习化的迭代。由于传统机器学习的树模型和深度学习模型在模型架构、时序数据的擅长性、超额收益的相关性上均展现出显著差异，故而海富通沪深300指数增强基金目前仍采用神经网络叠加树模型的Alpha模型架构，该产品拟提前停止模型训练及参数区域调优的方式来预防机器学习模型过拟合问题。在未来的研究方向上，基金经理一方面以季度到半年度的频率维持现有模型框架迭代及完善，另一方面拟在一定的算力约束下，围绕强化学习方向进行进一步拓展研究。

因子储备方面，因子库包含1000多个因子，实际输入模型训练的因子不到一半，筛选因子的流程也依赖于模型自动化筛选，从收益贡献维度来看量价因子约贡献70%的超额收益。因子库覆盖内部和外部因子，其中外部因子超额贡献约30%，因子可分为交易逻辑因子和投资逻辑因子，其中交易逻辑因子包含传统交易逻辑因子（趋势、反转，流动性，波动率等）及新型价量类因子（Level 2数据，深度学习等）；投资逻辑因子包含公司基本面、分析师预期、股东结构、公告新闻等。

2023年以来越来越多的公募量化团队选择转型AI框架， Alpha模型的同质化与量价因子的拥挤度或成为越来越多投资者的担忧，也对公募量化团队的研究深度、模型精细度、覆盖广度提出挑战。基金经理林立禾不论从学历背景亦或是从业经历来看，均与量化风控模型相关，在AI转型大浪潮下，海富通沪深300指数增强基金拟以组合优化和风控模型的精细化研究为护城河。

由于量价因子数据频率和变化幅度都远高于传统基本面因子，融合基本面类因子和量价因子的传统AI模型中，因子权重一般集中于高频量价因子，基本面因子的权重比较低。而沪深300指数样本股多具备大盘龙头股特征，研究覆盖度和市场有效性均较高，基本面因子权重较低容易使得AI模型偏离市场主流投资逻辑。为了使AI模型更加贴合沪深300指数的选股范围，在前端因子已经涉及基本面因子的基础上，海富通沪深300指数增强基金拟在组合优化端对基本面类信息进行再补充，以实现基于沪深300指数特征定制化的AI模型。

组合优化模型具体的实现策略上采用了事件驱动、行业轮动、研究员因子等模型，用于修正前端AI模型打分结果，对主策略起到信息补充的作用。行业轮动模型采用月频策略，通过改变推荐和不推荐行业的组合优化阈值上限，影响持仓组合结果。如金融行业上市公司呈现一定同涨同跌特性，超额收益空间并不突出，故而深度学习模型对于非银、银行等行业通常呈现低配特征，在今年上半年的市场环境中不占优，故而需要行业轮动模型来动态微调行业超低配上下限才能更好的适配市场环境。研究员因子部分补充了主动权益研究员的研究结果，基于海富通及基金内部研究员推荐股票池结果，推荐股票池会实时调仓。并在此基础上开发了有研究员轮动模型。从策略效果来看，由于基本面信息的补充仅为小分值、小范围微调，故而上述三个策略对模型超额收益表现并不突出，在超额回撤方面具备一定贡献，有利于提升策略的超额稳定性。除了组合优化模型外，海富通沪深300指数增强基金在Alpha模型端也对沪深300指数进行了定制化修正，主要包含降频和微调2部分。

风险控制：行稳以致远，敞口进一步收紧

海富通沪深300指数增强基金风险模型主要延用Barra CNE6体系，并在此基础上补充其他更适应A股市场的风格因子，如：二阶、三阶市值因子。该基金行业最大偏离由前期3%调整为2%，风险敞口进一步收紧，并增加板块约束，通过增加板块偏离的约束，预防模型在类似行业内同时超/低配，以降低模型漂移幅度。基金主体采用成分股内增强的形式，以保证产品和指数净值的低偏离，持股数量维持在150只左右，跟踪误差维持在4%左右。另外，当模型遭遇回撤时，会对风格、行业等的敞口暴露做更加严格的限制，避免模型在不擅长时间区间承受超额回撤。

基于海富通沪深300指数增强基金半年度全部持仓数据来看，海富通沪深300指数增强2022年报以来相对因子暴露由前期的0.3倍标准差进一步压降并维持在0.25倍标准差以内，与模型约束基本标准一致。基金转型以来报告期平均行业偏离度1%、平均成分股偏离度0.46%、平均成分股外配置比例为11.69%。2024年中报显示，行业偏离与个股偏离均存在小幅上升空间，符合前述新增Smart Beta卫星策略的特征。

海富通沪深300指数增强基金自2023年引入AI模型以来，换手率有所上升，年化双边换手基本维持在12倍左右，略高于公募沪深300指增平均换手率（9倍），但显著低于同类“AI主策略”基金换手率（18-20倍）。2024年中报显示基金换手较前期小幅下降，或主要为拉长模型预测周期的影响。基金经理表示在2024年1月降佣的背景下，海富通基金交易佣金从万8降至万2.5，但暂不考虑增加模型换手，成本端的压降也进一步打开了产品的超额空间。

基金经理及海富通基金量化团队介绍

海富通沪深300指数增强基金的基金经理为朱斌全先生、林立禾先生。朱斌全先生，复旦大学硕士，2007年4月加入海富通基金，历任股票交易员、数量分析研究员、专户投资经理，现任量化投资部基金经理。基金经理林立禾先生，FRM，密歇根大学安娜堡分校硕士，定量金融与风险管理专业，曾任中欧基金风险管理部量化风控岗，2020年8月加入海富通基金任量化研究员，2022年10月起任基金经理助理，2023年11月起任基金经理。

海富通基金公司层面积极推进AI转型，量化投资团队在引入具有深度学习背景人才的同时，全体成员均展现出了对于AI应用的探索热情，硬件配置目前也已达到公募基金量化团队的相对领先位置。海富通基金量化团队经验丰富，共9名成员，领军人物为杜晓海先生，下设6名专业投资人员和3名研究人员，核心团队成员均具备丰富的策略管理和实盘投资经验，并且过去两年以来引进了两名具有深度学习背景的成员，目前部门整体管理规模超30亿元。海富通布局量化投资领域较早，早期以基本面量化策略为旗帜，在经历近几年市场风格不断变化的同时，也在积极进行策略的迭代升级，至今已经形成了集数据整合、因子挖掘、组合构建、交易执行、风控优化于一体的系统化、智能化投研框架。自2023年开始，量化团队致力于探索AI等前沿手段，打造了以深度学习核心策略，辅以事件驱动、行业轮动等卫星策略的量化投资体系。

沪深300指数投资价值分析

沪深300指数发布于2005年4月8日，由沪深市场中规模大、流动性好的最具代表性的300只证券组成，综合反映沪深市场上市公司证券的整体表现。今年以来沪深300指数实现14.51%的增幅，整体区间收益、波动率、夏普比率等风险收益指标均较优，沪深300指数成为市场投资热点，指数换手率及流动性稳定维持在高位，估值仍均处于较低位置。今年以来沪深300ETF累计资金流入超4000亿元，北向资金持仓指数成分股规模仍然维持在相对高位，公募基金持仓沪深300指数成分股权重占总披露持仓权重的一半以上，显著高于A股平均水平，机构关注度不断提升。沪深300指数在每半年一次的成分股调整中不断地吐故纳新、升级进化，指数整体呈现行业分布更加分散均衡，成长性不断增强的特点。沪深300指数成分股多为各个行业中的龙头公司，股息率显著高于其他宽基指数。在近年来整体经济弱复苏的大背景下，沪深300指数营收同比增长率始终保持正值，且归母净利润同比增长率和营收质量显著好于中证500、中证1000指数，指数成分股质地优良，能够较好的穿越周期波动，更适合作为投资底仓。未来随着超预期政策的进一步落地、经济的进一步复苏，市场有望企稳回升，充分涵盖稳增长板块和复苏机会的沪深300指数仍为机构持续关注的底仓型标的之一。

投资热点：指数关注度高、流动性强

受益于2024年以来大盘价值风格占优、行业主线不清晰的市场背景，沪深300指数作为大盘价值风格的代表宽基指数之一，成为市场投资热点，指数换手率及流动性稳定维持在高位。从ETF资金流向及北上资金流向可以看出，今年以来沪深300ETF累计资金流入超4000亿元，占宽基ETF总流入规模的51.26%，远高于其他宽基指数的资金流入规模；尽管期间也有过多次波动，中长期来看，北向资金持仓沪深300指数成分股规模仍然维持在相对高位且总体趋势整体向上。从2024年中报及三季报披露的公募基金情况来看，公募基金持仓沪深300指数成分股权重占总披露持仓权重的一半以上，从持有基金数量、持有基金家数均显著高于A股平均水平，且仍具备一定的增持趋势，机构关注度不断提升。未来随着超预期政策的进一步落地、经济的进一步复苏，市场有望企稳回升，充分涵盖稳增长板块和复苏机会的沪深300指数仍为机构持续关注的底仓型标的之一。

中长期表现相对稳健，今年以来业绩优异

截至2024年10月24日，沪深300指数自2016年以来累计收益为4.35%，超越同期中证500指数（-26.02）、中证1000指数（-45.76），中长期收益具备相对优势。从阶段表现来看，在今年以来、近一年多市场的反复震荡的市场环境中，与其他宽基指数相比，沪深300指数整体区间收益、波动率、夏普比率等风险收益指标均较优，今年以来实现14.51%的增幅。

吐故纳新持续提升成长性，行业分布更加均衡

沪深300指数在每半年一次的成分股调整中不断地吐故纳新、升级进化。通过对比近十年沪深300指数行业权重分布变化，2014年末原本相对集中的银行、非银金融、房地产等传统行业占比大幅收缩，同时电力设备、电子、食品饮料、有色金属、计算机、通信等成长及周期行业占比逐渐增加。在进化更新的过程当中，指数行业分布也日趋均衡，在29个申万一级行业中均有布局，其中，前三大行业集中度由十年前的45.11%逐渐下降至2024年10月的33.16%，指数整体呈现行业分布更加分散均衡，成长性不断增强的特点。