主动量化近一年平均收益35.95%

近一年，主动量化策略基金逆袭大涨，实现业绩、规模双丰收。

截至7月25日，公募主动型量化基金的平均收益达到35.95%，在主动权益基金的平均收益中排第一，明显跑赢普通股票基金（31.68%）和偏股混合型基金（31%），更远超沪深300。

与此同时，发行节奏和规模也在逐渐扩大。目前，全市场主动型量化基金已达528只（包含A、C类），规模突破920亿，比去年增长近22%。

上一期，我们盘点了5只长期业绩优秀的主动量化基金《“主动量化”逆袭大涨，这5只基金值得关注》。文章提到，近一年收益超过50%以上的主动量化前三甲，分别是诺安多策略、广发量化多因子、中信保诚多策略。

今天，我们重点分析一下广发量化多因子（005225）。

银河证券数据显示，截至上周五（7月25日），广发量化多因子以近一年79.71%的业绩回报，在灵活配置型基金中排名前2%。该基金对标国证2000指数，聚焦中小盘赛道，由李育鑫、易威共同管理。

图：广发量化多因子近年来表现

值得注意的是，该基金自李育鑫2023年10月23日管理以来，业绩上涨明显，在其任职近2年里，累计回报达60.09%，年化回报30.57%。大幅超越业绩基准和同类基金。

此外，他管理的广发上证科创板100增强策略ETF（588680），近一年也取得了67.06%的亮眼表现，超越业绩比较基准10个百分点。（数据来源wind，截至2025.7.25）

图：李育鑫目前在管的4只公募基金表现

广发量化多因子是如何在全市场量化基金中脱颖而出？又是如何取得明显又稳定的超额收益的？其背后的制胜逻辑值得深入拆解。

02

多因子策略分散风险

“量化选股”，就是利用大数据和算力进行海量数据处理，并结合“各类因子”（如基本面、估值、市场情绪、技术因子等）进行全市场选股。

因子，就是选股的“标尺”，是衡量股票价值的各类指标，每一个因子就代表一种收益来源。比如，判断股票是否便宜的“估值因子”、评估公司增长潜力的“成长因子”、追踪股价趋势的“动量因子”等等，每类因子都从不同角度帮我们判断股票的优劣。

但单因子选股存在一定局限——比较依赖市场环境。

单一因子好似主题赛道基金，容易“把鸡蛋放进一个篮子”，持股集中度较高。

好处是如果预判对了，收益就会很可观；但如果预判失误，遭遇行业回调、因子“失效”，整个投资策略可能崩塌，波动和回撤随之而来。

广发量化多因子的核心策略就是，采用不同的因子互相配合，取长补短。

比如，“估值因子”帮我们避开高估股票，“动量因子”则可以捕捉短期趋势，“低波因子”可以控制波动和风险，等等。在不同的市场风格下，通过调整这些因子的比例，可以更好地应对风格切换，动态平衡风险和收益点。

对于不同“因子”的运作，广发量化多因子又有三个“环环相扣”的步骤：

第一步，因子开发，就是收集并标准化海量数据。

广发量化多因子主要采用“人工+AI”双引擎模式进行因子开发。李育鑫解释到，人工因子好比“稳定器”，通过研究卖方研报、公司财报，观察行业或市场发展等，提供基本面支撑；机器学习因子则像“侦察兵”，利用算法、神经网络等AI工具，快速挖掘和捕捉市场的细微变化。

第二步，因子提纯，就是构建并筛选有效因子。

这一步的关键是找到“好用又不打架”的因子：既要保证每个因子能持续带来超额收益，又要通过相关性检验，让因子之间互补而非互相抵消。

比如，将“价值因子”（找低估值股票）和“质量因子”（选高盈利公司）搭配，既能避开“便宜没好货”的价值陷阱，又能兼顾安全与潜力，就属于很默契的组合。

第三步，因子组合，多种合成模型综合使用，平滑超额收益波动。

模型的作用是给不同因子“分配权重”：表现稳定、效果好的因子多占一些比重，反之则少一些。

传统模型采用线性加权方式，给因子分配的权重是固定的，比如明确“估值因子占30%、动量因子占20%”，规则清晰、逻辑透明，稳定性强，能提供基础的超额收益支撑。

广发量化多因子使用了“双模型配合”，除了传统用线性加权方式外，还引入了机器学习模型，能从数据中自主挖掘因子间的新关联，识别出某些未被注意的价量特征与股价的关系，适应性更强，能更快捕捉市场新变化。

03

扎根中小盘挖掘阿尔法

除了采取多因子策略，广发量化多因子还有一大特点是聚焦中小盘，主要以国证2000为业绩基准。

为什么会选择国证2000作为业绩比较基准呢？原因很简单，本身小市值的股票特征就更契合量化投资策略。

一方面，小市值股票的“定价误差”为量化提供了天然机会。

通常来说，量化策略赚的钱，很多来自市场短期失效的“定价偏差”，小市值股票的机构参与度较低，分析师覆盖少，容易因信息不对称而出现不合理定价。而且这类股票的收益大多来自估值提升，这就为量化模型的量价因子、情绪因子等提供了用武之地。

另一方面，小市值股票的“广度红利”能充分发挥量化优势。

以国证2000指数为例，它覆盖2000只小盘成长股，为量化模型提供了庞大的“因子试验田”，能挖掘出更多的有效因子；同时，量化策略通过分散持仓，能充分发挥信息处理和分散化优势，积少成多，积累超额收益。

在行业配置上，广发量化多因子保持分散均衡的状态，不押注单一赛道，集中度较低。根据基金2024年年报披露，组合共持有500余只个股，覆盖多个行业赛道；截至2025年二季度末，前十大持仓仅占基金净值比8.35%，单一股票没有超过1%。

图：广发量化多因子前十大重仓股

另外，在交易层面，该基金换手率较为积极。根据定期报告披露，其在2024年上半年和下半年的换手率分别达到396.75%和330.83%，每期重仓股几乎全部更新。这种高换手策略配合分散持仓，既能快速捕捉中小盘股的短期机会，又能及时规避市场风险。

体现在产品净值上，表现为广发量化多因子长期跑赢国证2000。

从李育鑫管理以来的20个完整月度来看，截至今年6月末，广发量化多因子相较国证2000的月度胜率高达85.0%，平均每月超额收益1.15%，具有较为稳定的超额收益表现。

其仅在几次小盘风格剧烈波动的月份内出现过跑输指数的表现，其余时间段内几乎都取得了超额收益。

图：李育鑫任职以来的广发量化多因子VS国证2000指数

04

高效协作的团队

量化投资是一套庞大而复杂的策略体系，背后一定需要一支高效协作的团队来支撑体系的稳定运转。

广发基金旗下有多支量化团队，既有纯量化策略的团队，也有“主动+量化”融合的团队。而那支纯量化策略的团队，就是李育鑫和易威所在的量化投资部。

两人都是广发自主培养的投研人才，形成了“技术前沿+实战经验”的互补搭配。

李育鑫是统计学博士，拥有超5年量化投研经验，作为团队的“技术核心”，他凭借扎实的数理功底和数据分析能力，深耕人工智能与机器学习在多因子选股中的应用，擅长从技术前沿挖掘策略潜力。

易威则是应用统计硕士，入行10年来，从股票交易员到量化研究员再到投资经理，他擅长通过数据挖掘、量价规律捕捉交易机会，为策略落地提供扎实支撑。

与此同时，团队以经典的量化投资策略为基础，自主搭建了量化投研一体化平台，持续迭代技术策略，形成工业化的协作模式，并重点提供工具化、底仓型的量化产品。

值得一提的是，团队很早就引入了AI选股技术，充分利用人工智能技术和先进的计算架构，以扩充因子和模型储备，提升模型的选股能力。

这种“核心管理人互补+团队生态赋能”的模式，正是广发量化多因子长期稳健运作的底气所在。

结语：

近一年来，市场呈现结构化行情，板块轮动明显，高成长性的小市值股票上涨较多。如果有前瞻性预判，提前布局对了赛道，那无疑能收益颇丰。但对于普通投资者来说，预判本身就有较高的专业门槛和较大的不确定性。

这种时候，主动量化基金不失为一种较好的选择。不用管现在或未来是哪个主题、哪个行业占上风，在AI技术和量化策略的双重加持下，都能以体系化的方式尽量抓取收益来源。

越是在变化复杂、轮动较快的市场下，主动量化的超额优势就越明显。具有稳定超额、专业体系和平台支持的广发量化多因子（005225），就很值得关注。

风险提示：文中所提个股和基金仅作为研究分析参考，不构成任何买卖建议。个股和基金的涨幅和业绩仅代表过去，不预示未来。基金投资有风险，入市需谨慎。