量化投资新范式：中欧基金的AI进化密码

　　2024年10月，在美国金融AI实验室Nof1主办的Alpha Arena AI交易大赛上，上演了一场引人注目的实盘测试，主办方选出了市场上最领先的6个大语言模型，让它们真金白银管理了一笔资金。

　　事实证明，即便是全世界最智能的模型，也不能确保“做好投资这件事”——不同模型跑出的投资收益相差巨大。那么，问题就来了：这是因为模型本身能力的区别还是其他原因？

　　在中欧基金量化投资部系统化投资组组长杨柳看来，这个实验是一种极致的尝试，即把大模型直接运用到最终的投资决策当中，也就是我们常说的“端到端”。但大模型不是万能药，它还不能解决我们所有的问题。

　　但毋庸置疑的是，人工智能与金融投资的融合正日益加深。

　　杨柳认为，在实现“端到端”这个终极目标之前，人工智能在投资中还有一系列应用的场景，可以分成三个部分：运营任务、辅助Alpha生成，以及Alpha生成（也就是最终投资决策信号的生成）。

　　这也是近年来中欧量化团队一直在探索的方向。而从结果来看，他们似乎已经找到了AI时代的量化密码。

　　截至2025年底，中欧量化现有17只产品，管理规模超百亿元（基金定期报告，截至2025/12/31），主要布局指数增强及主动量化，在多个细分领域均有超额表现突出的产品。

　　即便是在沪深300这个公认的“红海”赛道，中欧沪深300指数量化增强A全年较业绩比较基准实现了9.13%的超额收益。如果将时间拉长至3年，中欧中证500指数增强A近三年超额收益25.04%，以国证2000为主要基准的中欧小盘成长近三年超额收益更高达56.06%，均在同类产品中排名前5%。

　　这些成绩，是中欧量化团队从1.0到3.0体系化进阶的结果，也是中欧基金“工业化”投研体系成功实践的缩影。

　　一．体系进化：从1.0到3.0的量化革命

　　自2016年推出首只量化产品——中欧数据挖掘混合，中欧基金便开启了“基本面量化”的1.0阶段。其核心是将深度产业研究与逻辑转化为量化模型，力争前瞻性地捕捉行业拐点。

　　当时，团队80%的精力用于专家访谈、梳理行业核心逻辑，以研究的广度弥补深度，如同“雷达扫描”一般，在不同行业中寻找被忽视的机会。

　　这一阶段的中欧量化已展现出差异化特征。2019年至2021年间，当市场资金集中涌向白酒与新能源赛道时，中欧的量化模型却关注传统乘用车整车板块；在猪价接近周期高点时，提前关注农林牧渔板块风险。

　　2024年，随着主动投资老将王健的加入，中欧量化进入了2.0阶段，致力于实现主动管理与量化投资的深度融合。这不仅是策略叠加，更是组织架构与流程的重构。

　　王健带来的GARP策略及其背后的估值定价体系，与量化选股逻辑高度契合，形成了“逻辑-数据”双向赋能的闭环：量化模型为主动投资拓宽范围和效率，而主动研究的经验则为模型注入前瞻性与逻辑验证，显著提升了模型的壁垒与鲁棒性。

　　这一演进标志着从“工具性借用”到“系统性融合”的质变。

　　而后，为了应对行业竞争加剧、因子衰减加速的挑战，中欧量化持续迭代，步入了3.0阶段——“三元低相关” 策略体系，包含基本面因子、量价因子、深度学习端到端策略。

　　其中，基本面因子得益于中欧主动权益投研的赋能，以及多年的另类数据累积。基本面因子本质为趋势因子，围绕卖方研究员推荐及盈利预测构建，团队通过另类数据及内外部盈利预测调整一致预期，优化基本面因子，侧重中长周期Alpha兑现。

　　量价因子则是建立在强大的量化投研队伍和系统化数据处理能力之上，量价因子聚焦相对短周期，挖掘量价关系及交易非有效性，与基本面因子在预测周期、Alpha抓取上呈负相关。

　　深度学习端到端模型则从更高维度预测股价，与前两类因子均呈低相关，三者形成互补，进一步拓宽了超额收益的获取空间，在同质化程度较强的公募领域辟出一条全新路径。

　　二． 人工智能：引爆资管变革的新时代

　　其实，在我们日常生活中，所谓“端到端”模型的应用并不鲜见。

　　以新能源汽车为例：车辆通过车载摄像头、GPS 定位信号以及各类传感器，实时采集环境信息、位置数据和车辆自身状态。再将这些数据输入到经过训练的人工智能模型当中，进而做出驾驶决策：转向、刹车、加速，还是避障等。

　　投资领域虽无法一蹴而就，真正实现“端到端”的自主投资，但端到端模型的优势也不容忽视。

　　杨柳举例道，比如，它可以处理很多非线性的数据，包括图像、时序数据等，同时更快地适应市场变化。更重要的是，它可以从数据中发现一些更高维的特征，对依赖人类智慧的传统建模逻辑形成有效补充。

　　当然，同时也要直面端到端模型带来的挑战。

　　以备受争议的“黑箱”问题为例，深度学习模型的具体推理路径与逻辑关联往往难以被清晰追溯和解释。在强调透明度、归因分析和风险控制的金融领域，这种不可解释性可能会带来一定风险。

　　对此，中欧量化团队在数据和建模层面加强基础设施建设。数据在喂给模型前需做大量的处理，并在模型建立时增加风控管理约束。简单来说就是将传统投资经验与先进技术手段相结合，以充分发挥“三元低相关”策略体系的优势。

　　在杨柳看来，让AI直接做投资决策是量化投资演进的终极目标，是星辰大海。而在实现这个目标之前，投研团队需要做很多微小的改进，将AI运用到整个投资流程当中去，包括数据、逻辑的整理、模型的构建、回测等，并不断打磨细节，这些日复一日前进的“鞋底碎沙”才能通往远方的星辰大海。

　　中欧量化从1.0到3.0的演进，不仅是策略与因子的升级，更是其“数智化”投研体系的生动实践。一方面，团队通过对传统金融数据的标准化处理与长期积累，使非标信息成为可建模、可复用的数字资产；另一方面，借助深度学习技术，团队实现了对高维、非线性市场特征的智能识别与信号生成，在提升模型适应性的同时，也让Alpha输出能力变得更加可控且稳定。最终通过科技与数据赋能，提高量化投资的决策效率及质量。

　　三．行业趋势：指数增强下的量化新局

　　中欧量化的进阶之路，恰逢中国公募量化行业发展的关键节点。

　　随着被动投资理念的普及和监管新规对“基准锚定”的强化，指数增强产品正在吸引更多关注。这类产品既保留了指数基金的透明性和风格稳定性，又提供了获取超额收益的可能性，成为平衡型投资者在慢牛行情中的理想工具。

　　眼下，指增产品的标的指数也在不断丰富。从传统的沪深300、中证500等宽基指数，到细分行业增强、主题选股等产品，投资者有了更多元化的选择。但同时，也对基金管理人提出了更大的挑战。

　　一方面，在沪深300、中证500等日趋拥挤的宽基赛道中，管理人必须挖掘与同类低相关的因子，构建具有独特性的模型，以避免产品沦为“高成本的指数复制品”。

　　另一方面，面对行业、主题等细分赛道的指增产品，单一的量化模型已然不够，管理人需要真正深入产业逻辑，将基本面研究的深度与量化工具的广度相结合，基于不同股票域筛选因子与模型，实现差异化的超额收益来源。

　　在中欧量化团队看来，这正是他们多年积累的优势所在。

　　中欧基金通过“基本面量化奠基+主动深度赋能+三元低相关迭代”构建的体系，为市场提供了差异化解决方案：其超额收益不依赖于押注单一行业或风格暴露，而是源于对数千家公司背后产业逻辑的持续、系统且不断进化的理解与编码。

　　同时，风险管理以流程化、节点化的方式，深度嵌入从策略研发、组合构建到交易管理的全过程。旨在持续寻求超额收益的同时，对各类风险暴露进行事前的识别、度量与约束，致力于实现风险调整后收益的长期优化。

　　对于追求“透明Beta+稳健Alpha”的投资者而言，这意味着一种可解析、可追溯、且致力于降低与市场同质化风险的投资方案。

　　这种迭代能力离不开中欧基金内部的系统化支撑。中欧量化团队的实践，在某种程度上也代表了国内公募量化投资演进的一个方向：通过高质量投研团队的专业化分工，精细打磨的工业化流程，以及先进技术手段的数智化提效，将不断深化的认知转化为可执行、可验证、可持续的超额收益来源，从而在快速变化的市场中为投资者提供具备长期竞争力的解决方案。

　　超额收益排名来源：国泰海通证券，截至2025/12/31，中欧中证500指数增强A为增强股票指数型，排名15/315；中欧小盘成长混合A为强股混合型，排名124/2771。数据来源：基金定期报告，或经托管行复核，截至2025/12/31。基金的过往业绩并不预示其未来表现，基金管理人管理的其他基金的业绩并不构成基金业绩表现的保证。中欧沪深300指数量化增强A的成立以来涨跌幅24.69%， 同期业绩比较基准18.59%。2025年基金涨跌幅和同期基准表现为25.92%/16.79%。历任基金经理：曲径20241129-管理至今。中欧中证500指数增强A的成立以来涨跌幅40.28%， 同期业绩比较基准30.07%。近3年产品涨跌幅及业绩基准为51.29%/26.25%。2022-2025年基金涨跌幅和同期基准表现为-7.28%/3.03%，-3.85%/-7.01%，9.78%/5.4%，43.33%/28.81%。历任基金经理：宋婷20250221-管理至今，钱亚婷20220506-管理至今。中欧小盘成长混合A的成立以来涨跌幅69.46%， 同期业绩比较基准20.38%。近3年产品涨跌幅及业绩基准为85.24%/29.18%。2022-2025年基金涨跌幅和同期基准表现为-8.52%/-6.81%，7.08%/-1.59%，5.28%/0.72%，64.32%/30.33%。历任基金经理：汤旻玮20250723-管理至今，钱亚婷20220628-管理至今。

　　基金有风险，投资需谨慎。基金管理人承诺以诚实信用、勤勉尽责的原则管理和运用基金资产，但不保证本基金一定盈利，也不保证更低收益。基金的过往业绩并不预示其未来表现，基金管理人管理的其他基金的业绩并不构成基金业绩表现的保证。您在做出投资决策之前，请仔细阅读基金合同、基金招募说明书和基金产品资料概要等产品法律文件和风险揭示书，充分认识本基金的风险收益特征和产品特性，认真考虑本基金存在的各项风险因素，并根据自身的投资目的、投资期限、投资经验、资产状况等因素充分考虑自身的风险承受能力，在了解产品情况及销售适当性意见的基础上，理性判断并谨慎做出投资决策。

　　中欧沪深300指数量化增强A为股票型基金，其预期收益及预期风险水平高于债券型基金、货币市场基金和混合型基金。本基金为股票型指数增强基金，跟踪沪深300指数，其风险收益特征与标的指数所表征的市场组合的风险收益特征相似。中证系列指数由中证指数有限公司编制和计算。关于指数值和成分股名单的所有版权归属中证指数有限公司。本基金可投资于港股通标的股票。除了需要承担与内地证券投资基金类似的市场波动风险等一般投资风险之外，本基金还面临港股通机制下因投资环境、投资标的、市场制度以及交易规则等差异带来的特有风险。中欧中证500指数增强A属于股票型基金，其预期收益及预期风险水平高于混合型基金、债券型基金与货币市场基金。本基金为股票型指数增强基金，跟踪中证 500 指数，其风险收益特征与标的指数所表征的市场组合的风险收益特征相似。中证系列指数由中证指数有限公司编制和计算。关于指数值和成分股名单的所有版权归属中证指数有限公司。本基金可投资于港股通标的股票。除了需要承担与内地证券投资基金类似的市场波动风险等一般投资风险之外，本基金还面临港股通机制下因投资环境、投资标的、市场制度以及交易规则等差异带来的特有风险。中欧小盘成长混合A为混合型基金，其预期收益及预期风险水平高于债券型基金和货币市场基金，但低于股票型基金。本基金可投资于港股通标的股票。除了需要承担与内地证券投资基金类似的市场波动风险等一般投资风险之外，本基金还面临港股通机制下因投资环境、投资标的、市场制度以及交易规则等差异带来的特有风险。

　　中欧沪深300指数量化增强的销售费率情况：A类申购费，金额<100万，1.50%；100万≤金额＜500万，1.00%；金额≥500万，1000元/笔；C类无申购费；A类赎回费，持有期限<7天，1.50%；7天≤持有期限＜30天，0.50%；持有期限≥30天，0%；C类赎回费，持有期限<7天，1.50%；持有期限≥7天，0%；C类销售服务费0.40%/年。中欧中证500指数增强的销售费率情况：A类申购费，金额<100万，1.50%；100万≤金额＜500万，1.00%；金额≥500万，1000元/笔；C类和E类无申购费；A类、C类和E类赎回费，持有期限<7天，1.50%；持有期限≥7天，0%；C类销售服务费0.60%/年，E类销售服务费0.50%/年。中欧小盘成长混合的销售费率情况：A类申购费，金额<100万，1.50%；100万≤金额＜500万，1.20%；金额≥500万，1000元/笔；C类无申购费；A类赎回费，持有期限<7天，1.50%；7天≤持有期限＜30天，0.75%；30天≤持有期限＜180天，0.50%；持有期限≥180天，0%；C类赎回费，持有期限<7天，1.50%；7天≤持有期限＜30天，0.50%；持有期限≥30天，0%；C类销售服务费0.60%/年。具体适用的销售费率以届时有效的基金法律文件及销售机构业务规则为准。

标签： #中欧 #量化 #基金 #投资 #指数 #风险 #模型 #本基 #收益 #因子