来源：中国基金报
【导读】公募量化“江湖 ”：从“配角”到“C位 ” ，人才挖角、策略内卷 、AI迭代下的进击与挑战
中国基金报记者 曹雯璟
在中国资本市场的投资版图中 ，量化投资曾长期是私募基金的“专属领地 ” 。高频交易 、程序化下单、神秘的“黑盒”策略——这些标签让量化投资在公众眼中既充满诱惑又略显距离 。然而，近年来 ，一场静默的变革正在公募基金行业发生：公募量化产品从“配角 ”走向“C位 ” ，发行规模创历史新高，爆款基金一日售罄 ，多只产品不得不“闭门谢客”。
这个规模超5700亿元 、产品数量超800只的“江湖 ” ，正在AI技术的催化下，上演着一场关于策略 、人才与格局的较量 。公募量化能否走出一条不同于私募的道路？AI的深度介入又将如何改写游戏规则？
从“私募专属 ”到“国民平替”
公募量化“驶入”快车道
Wind数据显示 ，2025年 ，新成立公募量化基金达205只，募资总规模突破千亿元大关，达到1092.46亿元 ，两项数据均创历史新高 。这一数量和规模 ，较2024年分别增超141%和205.02%——这不是线性增长，而是爆发式跃升。
进入2026年 ，热度仍在延续 。截至5月22日 ，全市场共861只量化基金，合计规模达5759.64亿元 ，较年初增超13% 。发行端更显火热 ，本月，五日内两现“日光基 ” ，且触发末日比例配置机制。与此同时 ，易方达科鑫量化选股、国金量化多因子等明星产品密集发布限购公告，其中最低申购限额已降至50元 。
“这种‘配售与限购齐飞’的景象 ，在公募量化领域尚属首次 。 ”沪上一位量化投资部基金经理向记者解释 ，过去，量化投资是私募的“专属领地”，公募量化长期处于边缘位置。而2026年以来 ，公募量化产品年内平均业绩超13% ，正收益产品占比达95%，赚钱效应吸引资金蜂拥而入。渠道端的逻辑也发生了变化 ，私募量化产品热销后 ，银行理财经理积累了量化投资的知识和销售经验，进而将公募量化作为“平替 ”推向更广泛的客群 。
“相比私募量化 ，公募量化虽放弃了部分策略灵活性与高频超额空间 ，但建立了更为完善的风控体系，整体回撤表现更为可控 。在投资者对主动权益基金信心不断修复的背景下 ，这种‘稳健+超额’的组合特征 ，恰好契合当前市场的风险偏好。 ”上述人士谈道 。
公募量化江湖“错位竞争”生态成型：
巨头全线布局 、特色机构单点突破
站在当前时点，公募量化“江湖 ”的竞争格局已然清晰 ，从整体格局看 ，当前头部公募量化已形成“综合巨头全线布局 、特色机构单点突破 ”的错位竞争生态 。比如国金、博道等机构凭借策略迭代，在主动量化赛道形成品牌优势；易方达 、华夏 、招商等巨头则依托指数增强矩阵占据大量市场份额。
此外，中信研究数据显示 ，公募量化TOP5管理人规模占比从2018年的50%回落至2026年一季度末的31% ，TOP10占比降至50%附近，中小机构凭借细分策略与渠道下沉实现突围 ，目前 ，TOP30管理人规模占比合计81.5% 。
对中小公司而言，量化投资提供了“弯道超车”的可能性 。
业内人士指出 ，传统投资高度依赖深厚的研究资源和广泛的信息网络 ，这是大机构的优势壁垒。但量化投资的核心是模型、数据和算力，这意味着 ，只要策略有效 ，中小公司可以绕过人员规模和信息差的壁垒，以相对有限的团队和成本 ，直接在量化赛道上与头部同台竞技 。对于资源有限 ，但具备技术敏锐度的中小公司来说，量化不只是一个工具，更是一条真正可以实现“以小博大 ”的战略路径 。此外 ，指数增强基金和主动量化选股基金尚未形成头部“通吃 ”格局 ，对中小基金公司而言，仍存在较大发展空间。
头部挖角、中小突围
量化人才“争夺战”进入新阶段
随着公募量化迎来发展“蓝海 ” ，量化人才“争夺战 ”正在打响 。
不少公募机构开始从私募领域引入量化人才 。比如 ，为补全在量价因子等方面的短板，中欧基金引入头部私募机构投资经理宋婷；此后 ，为攻克短周期预测的难题 ，中欧又引入了在深度学习端到端模型上拥有深厚经验的杨柳。
私募量化人才为何选择公募？中欧基金量化投资总监曲径向记者表示，一是硬件算力支撑。公募量化在算力资源 、IT系统建设上持续加大投入 。二是高水平同僚的协作氛围 。顶尖研究员不想成为流水线上的“螺丝钉” ，他们在中欧能获得开放 、平等的交流和成长空间。三是公募量化的“蓝海”机遇 。目前公募量化规模相对私募仍较小 ，且尚未形成像私募那样的绝对龙头，这为追求职业成就感的人才提供了巨大发展空间 。
公募机构间的“人才虹吸 ”同样引发市场关注。今年春节前后 ，华宝基金昔日千亿元级ETF“一姐 ”胡洁火速加入天弘基金；随后 ，另一名量化人才齐震也完成从华宝到天弘的从业机构变更，原方正证券量化与投资交易组组长董旭恒此前也被纳入天弘麾下 。
当头部机构在争夺顶尖人才时，另一类故事正在中小基金公司上演 。
西部利得基金量化团队讲了一个“差异化发展”的故事。团队奠基人盛丰衍2016年加入公司后开始搭建量化业务 ，目前 ，团队已确立“七分量化、三分主观 ”的核心打法 。在该体系下，团队已储备60余套经实战检验的中低频策略 ，以应对各类市场风格 。
在团队协作机制上 ，量化团队越来越强调“背景互补 ”。“在招人时会尽量保证成员背景差异化，但进入团队后 ，研究方向并不会被强制限定 。更多还是结合个人兴趣和擅长领域 ，自主开展研究 。不过，无论研究方向如何 ，每个人开发的因子和策略 ，最终都会进入统一的回测与评价体系，并纳入绩效考核。”西部利得基金谈道。
鑫元基金量化团队提供了一个“草根逆袭 ”的样本 。2022年 ，团队组建时 ，量化投资部副总经理余力给团队设计的架构是“一老带数新 ” 。这支团队的特点是“快”——如果在卖方研报中看到一个有价值的想法，团队从提取数据 、编写程序到完成回测，最快不超过3天。不到4年时间团队管理的量化公募产品规模就已超过40亿元 ，并发行了首只ETF 。
工具迭代驱动进化
公募量化的“AI新战场 ”
公募量化的进化史 ，本质上是工具迭代的历史 。一位指数及量化投资部负责人回忆，其2009年入行时 ，量化投资思路主要是找几十个多因子 ，汇总得分，再放到优化器里形成持仓。从2010年到2014年 ，这套方法持续带来了不错的回报 。
但随着算力成本下降 、数据获取门槛降低 ，量化策略的失效速度大幅加快 。“一个策略可以维持较长时间的时代一去不复返。2024年9月那波短暂而急促的行情，很多量化策略还没来得及适应指数 ，行情就结束了 。 ”他谈道 。
应对这种变化的“武器” ，是AI。
目前，AI应用已渗透至全链条 。据汇添富基金经理王星星介绍 ，现阶段AI在量化投资中的应用 ，主要可以分为两大维度 。其一，有效拓宽整体Alpha来源。传统量化研究多依托线性思维，难以识别市场隐性错误定价。各类AI模型通过引入非线性分析逻辑 ，能够挖掘人工难以发现的市场规律 ，同时高效处理文本等大量非结构化数据，进一步丰富超额收益来源 。其二 ，大幅提升整体投研运转效率 。依托大模型赋能 ，在策略编写、代码优化 、基础研究等常规工作上，有效精简重复工作量 ，释放研究员投研精力。
“目前业内应用程度并不一致 ，有些公司约70%以上的超额因子来源于AI学习，我们在因子挖掘上的AI占比并不高 。我们更倾向于让因子保持较强的可解释性 ，而将AI更多用于端到端生成交易信号和策略 。 ”沪上一位量化基金经理谈道。
在他看来 ，AI并非一劳永逸的投资工具，搭好AI量化框架只是基础 ，持续迭代才是关键 。当下AI量化的突破点 ，并不在单一的模型升级，而是集中在三个核心方向：一是将学术端的新算法结合金融市场的特性落地应用，而非单纯套用；二是针对市场变化迭代现有模型的细节 ，让模型更贴合市场实际；三是从更细分的维度挖掘高质量增量数据 ，包括财务附注 、专利、调研纪要等，从数据源头寻找差异化机会 。
多位量化基金经理还强调 ，团队并不盲目迷信“大模型 ”。“金融领域并不一定需要特别大的模型 ，模型越大，有时候反而越容易过拟合 。”他们认为 ，量化基金经理更重要的工作 ，是将对金融市场的理解融入模型框架，对传统模型进行适配和改造 ，使其更加适应市场 。
“整个行业会越来越‘内卷’”
公募量化未来要“两边学习 ”
当前公募量化正经历资金与业绩的“高光时刻 ” ，但繁华之下，未来的道路并非坦途。它面临着来自策略有效性 、监管合规 、AI技术应用以及行业竞争等多方面的严峻挑战 。
北京一家大型基金公司表示 ，一是策略容量逼近天花板 。公募量化在业绩和规模上存在“不可能三角”——规模增长会摊薄超额收益 ，这是行业当前最核心的硬约束。简单来说，当资金体量太大时，很多有效的交易策略会因为冲击成本过高而失效。
二是策略同质化与模型失效加速 。当大家都用相似的多因子模型时 ，交易会变得拥挤 ，导致超额收益被快速“填平 ” 。尤其在AI赋能下，一个因子被发现后失效的速度越来越快 ，维持有效性的难度会加大。
三是市场风格切换的适应性考验 。量化模型容易在结构分化的市场（如少数权重股暴涨）中“掉队 ” ，模型的“黑箱”特性也加大了风险溯源和调整的难度 。
王星星也坦言，现阶段行业面临不小压力。随着全市场量化产品不断增多 ，整体管理规模膨胀 ，行业同质化严重，存量阿尔法持续衰减；同时A股市场信息流转变快 ，板块风格轮动愈发频繁 。后续想要长足发展 ，需要不断打磨因子体系，持续迭代更新策略 ，以此维系稳定超额表现 。
“未来 ，整个行业会越来越‘内卷’。 ”沪上一位量化基金经理表示，公募量化既无法像主观投资那样深入细致地了解公司基本面，也难以实现私募量化那样的高换手率策略 ，这确实是它的局限性 。但它的优势在于 ，两者之间可以相互学习和借鉴 。
“向私募学习，意味着公募量化需要使用与私募类似的数据 ，比如高频数据。但难点在于 ，在保持较低换手率的前提下，如何尽可能提升超额收益 ，使收益水平更接近私募 。向主观投资学习 ，则要借鉴其对赔率的判断逻辑 。主观投资最强的能力在于能够捕捉到短期爆发力较强的牛股，而这些股票大多有基本面支撑。公募量化可以通过分析师数据、多样化模型等手段 ，更好地捕捉高赔率股票的主升浪机会 ，从而实现与主观投资的有效结合。 ”他谈道 。
虽然面临挑战，但对于公募量化而言 ，未来行业发展机遇十分清晰 。王星星认为 ，一方面，公募量化普遍持仓分散，整体换手偏低 ，对应的策略容量优势显著；另一方面 ，量化产品整体风格均衡 、行业分散，行情适配性更强 ，在整个权益资管赛道当中具备天然优势 ，行业发展潜力充足。
