行业主动偏离是提升增强策略结构行情下配置价值的重要方式。通过主风格判 断+相对估值修正+尾部剔除的方式构建沪深 300 增强基准模型，2013 年以来 年化超额收益 14.4%；进一步以公募超低配为锚，捕捉结构行情的行业 Alpha。 通过分层优化的框架构建放松行业约束的指数增强模型，结构行情明显的 2017、2019、2020 年年化超额收益均提升 5%以上。 

▍ 投资聚焦：如何提升增强策略在结构行情下的表现？行业分化度是影响量 化增强基金与主动偏股基金相对配置价值的重要因素。严格控制行业偏离 虽能提升稳健性，但也损失了结构行情下的潜在收益。本篇报告以沪深 300 指数增强模型为例，尝试在现有体系下放松行业偏离的约束，力求在跟踪 误差可控的情况下获取行业的 Alpha。 

▍ 从底层因子表现看中低频量化增强的边界：拥抱主动逻辑，回归价值成长。 （1）单因子增强组合的表现能够刻画严格控制行业、市值暴露后因子对模 型多头超额收益的贡献。（2）因子表现是投资者行为的结果，投资者在中 低频选股时更关注业绩、估值。单因子增强组合信息比前 10 的均为业绩、 估值类因子。（3）日频级别量价策略发展迅速，很难在中低频利用技术因 子获取稳健的多头 Alpha。常见的技术因子中，流动性、波动率因子一定程 度与估值同源；反转因子收益大多源于趋势行情中的补涨、补跌逻辑。 ▍ 基础沪深 300 指数增强模型构建。（1）基本面/估值因子合成：通过盈利、 成长类因子合成基本面因子，绝对估值类因子合成估值因子。二者 2012 年 以来的年化超额收益分别为 10.4%、5.4%。（2）基本面/估值因子的轮动 内涵：寻找稀缺性。企业成长性整体下行时，基本面优质公司是稀缺资产， 因而得到一定估值溢价；企业成长性整体上行时，基本面优质公司变多， 性价比（估值）更受关注。（3）基本面/估值因子的 GARP 配置逻辑：基 本面因子表现较强时，寻找基本面优质的个股中估值相对较低的；估值因 子表现较强时，寻找估值较低的个股中基本面相对较优的。基于类似于 GARP 策略的配置逻辑，按主风格判断+相对估值修正构建沪深 300 增强策 略，2013 年以来年化超额收益约 13.9%，信息比 3.5；进一步使用技术因 子进行尾部剔除，年化超额收益提升至 14.4%，信息比率提升至 3.7。 ▍ 放松行业约束的指数增强模型构建。（1）分层优化的逻辑框架：使用行业 Alpha 因子优化行业权重，根据行业权重调整比例放缩成分股权重以重构指 数，并基于重构指数进行个股层面的组合优化。（2）以主动公募基行业超 低配为锚，捕捉结构行情下的行业 Alpha。行业权重优化时，控制大类产业 板块/市值风格偏离能够有效降低跟踪误差。重构指数 2011 年以来年化超 额收益 3.7%，信息比率 1.9。（3）基于重构指数进行组合优化，放松行业 约束的增强模型 2013 年以来年化超额收益提升至 15.5%，信息比 3.7。结 构行情明显的 2017、2019、2020 年年化超额收益均提升 5%以上。 ▍ 结论与投资建议：（1）因子是投资者行为的结果，拥抱主动逻辑或是中低 频量化增强的必然趋势。以 GARP 策略逻辑配置因子、辅以技术因子尾部 剔除，沪深 300 增强策略 2013 年以来年化超额收益 14.4%，除 2018 年外 超额收益均超 10%。（2）控制大类产业板块/市值风格偏离能够有效降低 行业偏离对跟踪误差的影响。基于分层优化的思路能够使跟踪误差控制在 4.5%以内的情况下，有效提升增强模型在结构行情下的超额收益。 ▍ 风险因素：主风格大幅切换风险；因子失效风险；模型失效风险。