易方达基金明朗：主动和量化交叉的艺术

曲艳丽 | 文

早期的公募量化基本都采用「多因子模型」，随着Alpha的衰减和拥挤，一部分量化人开始探索新的领域。易方达基金自2020年前后开始下沉到行业逻辑之中，背靠强大的主动权益平台，从逻辑、数据到模型都有了新的构建，形成了多策略的特征。

首先，五年前，易方达将量化投资部划归主动权益投研板块之下，同时在部门内设立两个小组：因子组聚焦以统计驱动的经典多因子模型；行业组则下沉到行业基本面中，探索以行业分域为核心的基本面量化模型。

其次，易方达量化投资部采用了「兼具流水线centralized和平台型platform」的复合式组织架构：一方面，部门有一套标准化的工作流程，因子组和行业组共同参与构建整个大的生产线；另一方面，两个组的策略均在统一的研究大平台上共享，基金经理可根据需要自主选择。

行业组负责人明朗，在其职业生涯中形成了从底层逻辑出发思考问题的特点，他曾表达过「历史规律不代表未来，统计相关性可能只是表象，要深入挖掘因子背后的因果关系」的思想，这样的思维方式为其理解、构建、优化行业模型提供了支撑。而他所带领的行业组着重构建的「基本面量化」，体现了公募量化与主动研究的协同、深化和融合。

1.

2020年，易方达基金将量化投资部从原来的指数投研板块划归至主动权益投研板块。

在行业中，不少基金公司的量化投研团队隶属于指数相关部门、或者单独设立，因为量化投资所涉猎的两大核心产品线，指数增强和主动量化，均与指数有着千丝万缕的联系。

而易方达基金之所以将量化投资部设置于主动权益投研板块之下，核心考量在于：量化投资是主动投资，而不是被动投资，创造Alpha才是其主要目标。

量化投资部的组织架构也表达了这一点，内部分为两个小组：因子组和行业组。

因子模型是量化投资中的经典和主流，即寻找市场上一系列共性的、可度量的「赢家特征」。但众所周知，因子一旦被广泛应用，往往面临Alpha衰减的命运，这就促使量化投资向更深处探索。易方达量化投资部的选择是「挖得更细，与基本面结合，下沉到行业逻辑」。

这也是行业组的由来。在行业组成立前的2020年，易方达量化投资部就针对银行板块构建了第一个行业模型。目前，在易方达量化团队中，因子组侧重量价模型，行业组负责打造基本面模型，二者共同形成一个相互协作的平台。

具体而言，行业组采用「分域」的方法构建模型，即把各行业的底层逻辑转化为可量化、可验证的规则体系。比如，王建军、明朗共同管理的易方达沪深300量化增强(110030)，将全市场划分为周期、医药、消费、金融等八大板块，针对每个板块建立单独的模型，从行业层面有效扩充数据来源，量身定制因子与选股策略，提升了模型质量。

明朗曾撰文称，沪深300、A500等大盘宽基指数，机构投资者参与者众多，定价相对有效，依赖历史统计的传统多因子进行量化增强，效果一般，但如果将传统的量化统计与主动的行业基本面研究相结合，则能挖掘到有效的新因子。比如周期股投资，单纯运用多因子量化策略，赔率高、胜率低，稍微结合基本面研究就能提升胜率；在消费股基本面趋势投资中，胜率往往好于赔率，但利用量化模型进行纪律性交易可提升赔率。

2.

客观评价，易方达基金几乎是公募基金行业最重视国际化的基金公司之一。其量化投资团队曾调研过大约40家多头(long-only)基金及量化对冲基金，包括Point72、Two Sigma等全球顶级对冲基金。

Point 72的创始人Steven Cohen，是华尔街传奇交易员，也是美剧《亿万Billions》的原型，核心理念是永远第一个得到信息，采取类似「投资经理大联盟」的平台型模式。而Two Sigma更像一个研究机构，拥有系统化量化交易、极致的科学家文化，一个典型的交易决策由数十个甚至上百个计算机模型共同完成，其名称「Two Sigma」来源于统计学概念，代表约95%的置信区间。

二者恰好代表着对冲基金的两种不同架构：一种是流水线centralized，一种是平台型platform。

在流水线模式下，团队是高度协作的，模型设定的因子进出门槛是统一标准的，主打高效率；而在平台型模式下，各小团队是高度独立的，团队之间不进行分享，致力于创造多样性。

易方达量化团队则各取所长。一方面，具备流水线模式的特点，量化团队中的成员共同协作，有一套从数据的获取、清洗和鉴别到数据导入系统的标准化工作流程；另一方面，也吸收平台型模式的特点，通过分组进行因子挖掘和模型构建，基金经理可根据产品需求自主选择。

这一点，似乎与易方达基金主动权益「大平台、小团队」的管理模式是一脉相承的，以高度共享协同构建统一的平台支持，以小团队打造差异化风格和策略。

3.

从美国密歇根大学毕业后，明朗曾在著名的「两房」中的房地美，从事建模工作。

金融海啸之后有一部著名的电影叫做《大空头》，改编自迈克尔·刘易斯的同名小说，讲述了华尔街的一些投资人在2007年美国次贷危机之前看穿泡沫假象，通过做空次贷CDS而大量获利的故事。

明朗就职于金融海啸之后的房地美，当时房地美已经国有化，但通过复盘公司材料和与内部资深同事交流，他认识到「如果只沉浸在复杂的衍生品工具中，而没有理解数学公式背后的底层假设，就可能产生风险。所以，建模的第一步是搞清楚底层假设。」

在这里，明朗学会了「敬畏市场」的第一课。

他在房地美的一位上司每次开会前都会先说：「Let's get on the same page(让我们达成共识)」。这也让明朗习惯从第一性原理出发，做事情先自上而下思考目标和意义，然后再涉及方法论，再之后是技术细节。落实到建模上，他格外关注每个模型背后的假设、背景和适用性。

明朗2017年加入易方达基金，先后担任投资经理助理、投资经理、量化研究员、基金经理等，现为易方达量化投资部行业组负责人。

他对于底层逻辑的重视，也体现在基本面量化的投资实践中。

比如，当他发现传统的量化策略亦面临「历史规律失效」的困境，便总结道：「要注重统计可能带来的谬误，统计相关性可能只是表层现象，可能下次就不是这样了。所以，要小心利用好统计，看清楚背后的本质，不是看到简单的规律就做出判断。」

对于「在量化策略中引入行业模型」，明朗认为，「这是采用了交叉学科的创新思维。主动研究的逻辑判断与量化模型的系统规则，可以相互赋能。」

4.

在一篇名为《通过交叉学科的协同获取超额收益》的文章中，明朗写道，中证红利指数所含标的，通常业务成熟稳定、市场容易定价且波动小，以统计驱动的量价因子较难做出超额，利用基本面逻辑与量化策略的协同可以打开超额空间。

这样的协同策略，运用在王建军与明朗共同管理的易方达高股息量化选股A(021049)中。

Wind数据显示，截至12月31日，易方达高股息量化选股A自2025年5月7日成立以来净值增长率达到16.08%，相对基准取得12.57%的超额收益，同期最大回撤仅-5.32%。

明朗的具体做法是，一方面，从红利标的业务稳定的基本面特性出发，构建符合红利逻辑的基本面因子；另一方面，从量化策略均值回归的交易特征出发，结合红利标的市场波动小的特性构建交易策略。

目前，易方达基金量化投资部的产品线分为三类：

第一类，偏向工具类的产品。比如易方达沪深300量化增强、易方达中证500量化增强等一些宽基指数增强产品。

第二类，长期稳定复利型的产品。比如易方达高股息量化选股等偏红利风格和价值风格的产品。这类产品不会跟主动权益跑相对排名，更看重长期绝对收益。

第三类，符合特定机构配置需求的产品。比如基于市场偏股基金构建量化模型选股的易方达量化策略，偏小盘风格的易方达易百智能量化策略等。

在Pure Alpha的挖掘方面，因子组和行业组会从各自的角度出发，尽量保持自身领域竞争力，同时也会通过行业和风格配置努力寻找Beta。

「超额收益来源越是多样化，超额收益的稳定性就越强。」明朗认为，易方达量化团队之所以有不同策略和不同层次的超额收益来源，得益于公司平台的长期支持，让大家可以在各自领域持续不断地积累竞争力，最终形成风格清晰稳定的多元化产品，满足老百姓的多样化理财需求。