量化投资是一项复杂浩大的工程——这可能是不少投资者对量化投资的第一印象。但在光大保德信基金量化业务负责人朱剑涛看来，自己很大一部分工作其实都在做“减法”。“因子不是越多越好，数据也不是越复杂越好。”在从业十七年的时间里，对朱剑涛来说，如何屏蔽信息“噪音”，如何在海量的数据和复杂的因子中找到真正有效的策略，是他经常要面对的课题。

光大保德信基金量化业务负责人朱剑涛

光大保德信基金是国内最早布局量化投资的公募机构之一，已在量化投资领域深耕20年。拟由朱剑涛管理的光大保德信红利量化选股混合正在发行中。在接受中国证券报记者采访时，朱剑涛表示，短期来看，红利资产市场表现较为震荡，但在低利率的市场环境下，红利资产仍是市场长期资金配置的重要方向之一。同时，中长期来看，财务状况相对稳健优质的红利资产依然可以帮助投资者获得稳健持久的业绩回报。

引入机器学习模型

在朱剑涛看来，量化投资的本质是“用系统性工具实现投资逻辑的精细化加工”。光大保德信基金量化团队的核心竞争力，正体现在对数据、模型与团队协作的深度整合上。“量化模型一旦正式运转，我们很少会做人工方面的主观介入，决策交易基本由模型决定。”朱剑涛表示。

传统量化投资比较依赖人工构建选股因子，但现在因子库的扩展遇到了瓶颈。“我们算是公募市场上较早一批将机器学习融入实盘操作的量化团队了。”朱剑涛表示，“模型将原始数据加工后可以生成有效选股指标，每年可挖掘大约500—600个低相关性因子，与人工构建的因子形成互补。这种‘人机协作’模式不仅提高了因子挖掘效率，还通过动态加权合成股票打分，使策略更适应市场变化。”

对另类数据的应用也是光大保德信基金量化团队非常重视的一部分。“除传统财务、量价数据外，我们还引入了产业链网络数据，通过分析上下游企业的联动效应捕捉补涨机会。”朱剑涛表示，“因为当某行业的龙头股价上涨后，与其关联的未涨标的很有可能也具备上涨潜力，当然这类非表格化数据的处理还需依赖神经网络模型。”

在风险的把控方面，朱剑涛表示，海外通用模型有非常多的值得借鉴的地方，但仍需与A股的生态特点相结合。“比如，我们在海外通用风险模型的基础上，新增‘国企属性’与‘信息确定性’两大指标，可以更精准控制组合风格偏离。”

在基本面投资量化体系下，光大保德信基金量化团队旗下诸多产品超额收益显著，Wind数据显示，截至2月17日，光大保德信量化核心、光大保德信风格轮动、光大保德信中证500A近六个月收益率分别为35.71%、29.89%、24.06%，相对业绩基准超额回报率分别为21.19%、15.66%和9.19%。

对股票池与策略进行差异化设计

一般情况下，选股池内个股数量越多，量化策略挖掘出超额收益的几率越大。中国证券报记者了解到，相较于市场主流的红利指数增强产品，光大保德信红利量化选股混合在股票池广度与策略灵活性上进行了差异化设计。

“首先，传统的红利指数（如中证红利指数）通常仅覆盖100只高股息个股，而光大保德信红利量化混合的选股范围还包括‘过去两年中至少有一年实施现金分红且现金分红率或股息率处于市场前50%’这一条件，这样筛选出来的公司约700家。”朱剑涛表示，“其次，新发产品年化跟踪误差介于严格指数增强与主动量化策略之间。这种设计既避免过度偏离基准，又为模型留出选股空间。我们通过组合优化器动态控制行业偏离，但不主动干预行业权重，完全由模型根据因子得分决定。”

谈及为何要在此时发行一只红利主题基金，朱剑涛表示，2025开年以来，以科技赛道为代表的成长之风兴起，对红利资产形成了阶段性压制，但从中长期来看，低利率环境与险资配置需求仍将支撑红利策略的长期价值。“财务状况相对稳健的红利资产适合中低风险偏好投资者。虽然近期表现震荡，但中长期的业绩表现并不弱。”朱剑涛分析，当前红利板块估值仍处于历史低位，其中不少标的股息率优势明显，具备配置性价比。

看好量化策略长期表现

在不少投资者心中，量化策略看起来晦涩难懂，量化基金经理每天要做的就是在一座“大楼”上不断堆砌新的因子，为其填充更多数据。朱剑涛坦言，自己很大一部分时间都在给模型做“减法”。

“资本市场各类数据很多，要从中甄别筛选出对选股真正有用的因子。”在量化世界探索十多年的朱剑涛，渐渐发现量化就像一趟“大道至简”的旅程。“有些新数据看似有效，但却可以通过已有的旧数据切分重组‘复制’出来，如果不仔细辨别，那么很多时候看似多元化的数据对模型的运作反而是一种干扰。很多人认为模型越复杂越好，但事实恰好相反，我们通常会首先采用一个相对复杂的模型来保证其有足够的分析能力，然后再一点点删繁就简，降低其对数据噪音的敏感性，提升样本外的泛化水平。”

在朱剑涛看来，技术与数据只是工具，量化基金经理真正要关注的，是事物背后运作的逻辑。“就拿最近风靡资管圈的DeepSeek来说，其当前的价值更多体现在提升投研效率（如文献综述、代码生成）上，还未达到直接创造收益的程度。”在朱剑涛看来，各家量化团队比拼到最后，往往是看谁能更高效地运用分析多维度数据，开发多样化的策略，持续迭代更新来应对不断变化的市场。

近期，量化策略产品因分散持仓而短期承压。“近期的科技股行情属于高贝塔风格，通常也具备高波动和高估值特征，这和量化策略一些基本逻辑有相悖的地方；另外，量化策略依赖统计规律，需在大量标的上进行验证，市场热点较为集中的行情不利于量化策略发挥效果。”朱剑涛表示，“从历史数据看，热点集中的高波动行情长时间持续难度较大，市场有回归均衡的趋势，通过量化策略获取超额收益的空间仍然很大。”