2025年以来，量化策略基金的运行环境较2024年整体改善，截止11月14日，今年以来主要宽基指增类别均实现正超额，其中，中证1000、国证2000、中证2000等小盘指增基金超额收益更加突出。从阶段性表现来看，春节后的急速拉升行情，尤其是科技板块的领涨，使得主要宽基指增基金超额普遍出现短期波动。进入3月后，市场逐渐进入震荡波动、贝塔温和、交投活跃的窗口期，为阿尔法模型提供了理想的选股环境，各类品种超额逐渐修复并不断走高。下半年以来，特别是8月以后，科技成长风格再度走强，导致指增产品超额整体承压，在此过程中，各类品种之间也出现了分化，沪深300、中证500、中证A500、中证800指增基金超额波动更加明显。
　　本篇专题将继续延续之前《公募指增及量化基金经理精选》系列专题中对于公募量化基金经理的多角度刻画亮点，进一步聚焦华泰柏瑞基金孔令烨、广发基金李育鑫、易方达基金刘阳、工银瑞信基金刘子豪、天弘基金杨超等5名投资框架体系各有特色的基金经理（按照姓名拼音字母顺序，下同）。我们将综合这5名基金经理的量化体系特点、风险控制制度、投研团队现状以及产品绩效表现等多个维度进行深度研究，并结合历史持仓明细数据进行全面分析和特征刻画，以供投资者参考。
　　孔令烨（华泰柏瑞基金）：牵头并负责短期技术面模型框架的搭建和维护，模型整体基于机器学习框架构建，实盘部署多个基于不同逻辑训练的模型，在建模思路与集成方式上形成互补。尽管是短期技术面模型，但在因子挖掘时依然十分注重逻辑性，既有传统线性方式刻画，也有机器在逻辑框架下去学习、构建，实盘中量价因子占据主导。从实际运作来看，代表产品华泰柏瑞中证2000指数增强在合理的风险暴露下实现了持续的超额回报。
　　李育鑫（广发基金）：采用线性多因子模型与机器学习模型相对均衡配置的多模型架构，以期提升超额的稳定性。团队通过长期积累，储备了完备的Alpha因子库，覆盖了市场上各个主流的超额来源，所运用的数据源也是涵盖了基本面和不同颗粒度的价量信息，力争通过信息的广度获取长期稳健的超额。实际运作来看，代表产品广发量化多因子管理以来取得了不错的超额表现，弹性明显。
　　刘阳（易方达基金）：构建了一套系统化的量化投资框架，核心是基于机器学习的分层阿尔法模型。该模型上层采用多因子寻优算法，下层通过数据驱动方式将因子分簇形成多个子模型。目前体系已积累多个子模型，并且每年持续新增，各模型在波动率、市值等维度保持差异化风险敞口。策略以改良的Transformer模型为基础，通过动态寻优算法对子模型进行加权筛选，基于改良信息比率指标自动淘汰无效模型。
　　刘子豪（工银瑞信基金）：投资策略以多样性为核心理念。在因子层面，强调逻辑多样性而非数量，注重因子逻辑的清晰性与可持续性。模型层面采用并联架构，约50个子模型在因子类型、训练样本、预测目标等维度差异化，以降低过拟合风险，提升预测稳健性。策略层面，通过运行低相关子策略，追求回撤异步性，实现策略间内部平衡，从而平滑超额收益曲线。整体框架旨在通过系统性分散化，在不同市场环境下持续捕捉阿尔法并控制风险。
　　杨超（天弘基金）：带领量化团队自2024年开始系统地将AI融入投资流程，实现了整体框架的智能化升级。团队在共同开发、共同维护阿尔法信号源的基础上，根据不同指增量化产品的定位差异，灵活选取更适配的信号进行实盘使用。当前总体框架以中频AI预测模型为核心，同时战术性叠加1-3日短周期预测模型。从实际运作来看，代表产品天弘中证500指数增强严控风格暴露，兼顾超额持续性和超额厚度。
　　风险提示
　　海外降息进程不及预期、国内政策及经济复苏不及预期等带来的股票市场大幅波动风险。
　　基金相关信息及数据仅作为研究使用，不作为募集材料或者宣传材料。本文涉及所有基金历史业绩均不代表未来表现。