主观和量化，长期以来一直共存在资本市场，以各自独特的能力圈获取超额收益。虽然两者有许多细分的策略，但整体上看主观投资的竞争优势来自深度，量化投资的竞争优势来自广度。

回归到A股市场，主观和量化也都有各自适应的投资环境。当市场出现少数优质股票上涨的阶段，主观投资通过深度研究少数的优秀企业，体现覆盖深度的策略优势。当市场投资主线不够集中持续的时候，量化投资能通过更广泛的覆盖能力，体现覆盖广度的策略优势。

在今天A股上市股票数量超过5000只的时代，我们越来越需要重视量化投资提供的竞争优势。当少数优秀公司的研究覆盖变得“拥挤”之后，市场需要通过挖掘更多元的阿尔法来源。这也是为什么量化投资相对主动的超额收益越来越明显。

当然，量化投资的竞争同样激烈，甚至超过了主观投资。超额收益对应的是竞争优势，意味着量化投资团队需要在某些方面持续比竞争对手做得更好。以汇添富基金的指数增强产品为例，我们看到在沪深300、中证500、中证800、中证1000四大宽基指数中，全部取得了持续的超额收益。而且管理时间越长，超额收益就越丰厚。

数据来源：汇添富中证800指数增强和汇添富中证1000指数增强成立以来业绩经托管行复核，基准来自汇添富，2023/5/19-2023/11/20

汇添富的量化投资，有着独特的成长土壤。他们生根于善于主动选股的汇添富基金，通过把基本面投资逻辑的规则化，实现了主动逻辑和量化投资的结合。这一点和大部分完全用量化视角做选股的投资团队完全不同，也避免了量化投资最大的风险。

对于大部分量化团队来说，投资方式都是基于某种统计归纳，认为过去有效的因子会在未来持续有效。然而，如果环境发生变化，就会对因子有效性带来负面影响。这也是为什么，许多量化团队的超额收益难以持续。

而通过独特的主动逻辑+量化选股，汇添富量化团队在多变的市场环境下，体现了极强的适应性。在因子研究、组合构建、交易执行、风控管理等量化投资的各个环节，每一个步骤都形成了自己独特的优势，最终展示出来的阿尔法，则是多个环节能力的累积。

团队化的方式捕获阿尔法量化的阿尔法生产方式和主动选股有着本质的不同。前者更像一个工厂化模式，依靠的是每一个生产环节的优化。在这个系统中，从研究、投资、到交易、风控，每一名团队成员都很重要，但又不完全依赖某一个人。相比之下，主动选股更像一个作坊，对基金经理个人“手艺”的依赖性极高。

在汇添富基金，有一个几十号人的量化投研大团队，覆盖了指数增强、专户投资、被动指数、量化研究、交易、风控。整个团队如同一台精密运作的机器，每个人都专注在自己擅长的领域，产品的投资业绩则是这个机器运行的结果。

从下面这张流程图中我们看到，汇添富的量化投资团队，把整个投资过程切割成了多个模块，不同模块都有专业的团队成员负责，并且整个流程有清晰的归因分析和组合目标，能够形成一个自我优化的反馈系统。这套流程，也完全区别于主观投资中，基金经理作为产品的投资管理者，承担了量化研究、组合构建、交易执行、策略优化等多个步骤的工作。

具体落实到指数增强产品的投资上，汇添富基金采用了统一的底层因子库+差异化的产品模型构建，这也和许多量化投资团队有所区别。绝大多数量化投资团队，都会走两个极端，一种是用统一的模型对应到不同类型的指数基准，这意味着阿尔法的来源是完全一致的;另一种是不同的基金经理管理不同的产品，采用的量化模型和底层策略完全不同，都是因人而异。这两种方式的阿尔法稳定性都不够强。

量化投资团队负责人吴振翔告诉我们，整个团队的投研共同维护量化因子库，基金经理也会在模型开发上起到重要作用，并且在具体的产品管理上，又会根据产品特征选择相匹配的投资模型。在这样的投研流程下，基金经理既能保持投资的独立性，又能实现因子研发的共享。

这样做的好处是，能够在阿尔法因子的挖掘上，不局限于一个领域。比如说，如果只专注在小盘风格，那么阿尔法的挖掘就会有些局限，看不到大盘和中盘的有效因子挖掘。另外，这种研究方式，也能让基金经理看到哪些因子变得拥挤，规避超额收益可能崩塌的潜在风险。

这也是为什么，结果上我们看到汇添富基金在偏大盘的沪深300、偏中盘的中证500、偏小盘的中证1000和偏大中盘的中证800指数增强产品上，都取得了亮眼的超额收益。

汇添富的量化投资团队成员背景，也体现了一种“多因子”的特质。比如，吴振翔是应用数学专业的博士后，许一尊是经济学硕士，王星星是金融工程研究员出身，温琪的专业也是金融工程学，李小龙是物理学专业，张晓霖是数学专业毕业……

由于量化本身就是一种交叉学科，“多因子”的团队成员背景，有利于模型的创新和思路开拓，也能为团队带领更完整的拼图。

用基本面和AI提升因子质量相比于传统量化投资的多因子模型，汇添富已经完成了模型的迭代。早在十多年前，汇添富量化团队就积累了超过10万行的代码，自主研发了超3000个的因子，以及20多个风险筛查因子与多个风控模