当大盘蓝筹与微盘股轮番成为市场焦点时，夹在中间的“中盘”却长期处于资金冷落的境地。基金经理姜鹏认为，正是在这种“哑铃型”结构下，中盘或蕴藏着被低估的赔率空间。A500指数增强基金，正是一次基于市场格局与量化逻辑的探索。

在波动与风格切换的背景下，如何在指数增强中捕捉超额收益？基金经理姜鹏给出的答案是“三步走”——因子选择与加权、风险约束、交易优化。

姜鹏，2017年加入中信保诚基金，历任金融工程师、投资经理，长期专注多因子、基本面量化与对冲策略；此前任职量化对冲私募。其所在的中信保诚量化团队坚持“做有逻辑的量化”，围绕“因子—组合—风控—交易”全链条迭代，并在指数增强等方向形成长期积累。根据基金定期报告，截至2025年6月30日，中信保诚量化阿尔法连续7.5年对沪深300取得正向超额，中信保诚中证500指数基金抽样复制、低跟踪误差、稳健信息比，连续12年绩优。

量化“三步走”，构建A500增强体系

在姜鹏的体系中，A500指数增强的逻辑被拆解为“三步走”：因子选择与加权奠定收益基础，风险约束保证组合的韧性，交易优化则在约束下释放潜能。对他而言，这是一个动态调整、持续优化的过程。

据姜鹏介绍，A500的因子体系大体可以分为两部分：一是基本面因子，二是与交易行为相关的量价类因子。整体来看，约60%至70%的权重源于基本面因子，其余30%至40%则分配给量价因子。量价因子中，约60%为基于明确经济逻辑的人工挖掘（例如“非流动性冲击”）约30%来自机器学习和深度学习模型的非线性因子，形成了相对均衡的因子体系。

在因子加权上，中信保诚基金量化团队坚持“逻辑优先”。基本面因子以简单、稳定的模型为主，如线性回归或历史SAR加权，以降低突变风险；而对非线性因子，则使用树模型或神经网络进行加权。随后，再根据不同宽基指数的特性，动态调整基本面与量价因子的配比：例如沪深300倾向配置更多基本面因子，而中证2000则提高量价因子权重；A500位于两者之间，权重分配也呈现出中性化特征。

在风险管理上，团队关注从低波动向高波动迁移的风险。因子并非频繁更换，而是通过动态收缩敞口来控制风险：在极端情况下，组合会收敛到与指数高度接近的水平，以降低暴露。“团队亦结合定量与定性判断，例如参考期权市场隐含波动率、流动性结构等指标，如果一年内能有一两次准确的预测，或能显著改善回撤情况。”姜鹏补充道。

至于交易优化，在公募量化框架下同样关键。为降低交易股票时可能产生的冲击成本对模型效果以及超额收益的影响，团队在交易执行上持续优化，以更精细的交易策略来降低交易成本的影响。

不过，他也强调，交易改进是一个长期过程，需要在实践中不断修正和积累经验，最终实现中长期的优化目标。

寻找高赔率的投资机会

回顾近两年的市场，风格分化显著：一端是体量庞大的银行等权重股，另一端是流动性更敏感的微盘股，中盘板块却整体处于资金流出的状态。姜鹏指出，这种格局反映了风险偏好不足，但也为投资者留下了机会。“当政策边际改善、资金流入结构调整时，大量资金可能会回到中盘板块，个人认为这部分或许是A500覆盖的核心。”他谈道。

据姜鹏介绍，从截止目前的指数成分股来看A500指数兼具沪深300与中证500的特征：约70%成分股与沪深300重合，提供基本面稳定性；剩余30%则偏向中盘成长与TMT板块，具备阿尔法空间。这种“夹层定位”，让它既能承载风格因子的表现，也能释放出额外的增强收益。他认为，基本面因子从长周期来看，始终具备可持续的超额收益空间；而交易行为因子则提供短期可捕捉的增量空间。两者结合，使得A500在超额收益上有可能具备比沪深300更高的潜力。（指数成分股信息截止：2025.7.31）

今年以来，机器学习在量化投资中的应用受到市场广泛关注。但在实际运行中，这些因子的表现并非一帆风顺。姜鹏的判断是，机器学习因子的核心在于“边际定价”。换言之，它们的成败取决于市场新增资金的来源与属性。

他分析指出，一是散户与游资主导的时期：成交活跃、定价分散，因子捕捉空间大。去年11月和今年2-3月就是典型阶段，模型取得了较佳表现。二是高频量化资金占据主导时：情况则复杂得多。今年5-6月，市场新增资金主要来自量化私募。虽然回测数据亮眼，但实际交易中成本高企。因为团队的买卖往往与这些资金趋同，结果“数据看起来很美，但实际（超额）几乎每次都被割掉”。三是机构资金主导时：又可以分为两个阶段。第一阶段是机构尚未抱团，交易偏好多元、机会广泛，因子容易获取超额；第二阶段是机构集中抱团，如近期TMT与科创板龙头，市场定价趋同，分散化策略难以奏效。这些差异性，都直接决定了机器学习因子的阶段性表现。

面对波动和挑战，姜鹏认为唯一的方法就是持续调整。他坦言，无论是动态学习、静态学习，还是长期与短期的模型切换，量价类因子始终会受到边际资金定价权的影响。