前期文章，我们提到指数增强基金的收益可以分为两个部分：指数基准β收益+超额α收益。在对基准指数特征分析的基础上，我们再来探讨一下超额α收益的来源以及如何考察量化基金的α能力。
前文链接：《指数增强基金应该怎么选？（β篇）》
一、超额α的收益来源
指数增强基金为何能做出超越基准指数的收益呢？无外乎是通过优选个股、行业或风格的偏离、择时，或者可转债增强、另类增强等方法，其中运用最多的是前两种方法。
指数增强基金的底层运作模式一般是是量化投资模式，因此我们也经常把指数增强基金叫做量化指数增强基金。
量化投资模式就是先通过大量的α量化模型对全市场所有股票进行量化打分，再由组合构建模型构造出具有某种特定风险收益特点的组合，最后通过风险模型来控制投资组合相对基准指数的跟踪误差。简而言之，量化投资是一种“对数据进行定量分析寻找可重复性的规律——建立模型——进行程序化交易”的投资方法。
量化模型中，运用最多的是多因子模型。（使用某种指标或者多种指标来对股票池进行筛选，这些用于选股的指标就是因子）。
一般，普通投资者的选股可能只是用到了几个选股的因子，有的甚至只是道听途说，投资成功率较低。而多因子模型则是指综合考量多个因子而建立的选股模型（一般怎么也得几十个以上的因子），成功率一般来说会有所提高。
根据因子的特征，可以把各类因子分为四种类型：基本面因子、量价因子、舆情因子和另类因子。
顾名思义，基本面因子是基于个股公司基本面的数据，比如ROE、净利润增速、净现金流变化等等，关注点在于上市公司本身，盈利逻辑在于寻找盈利状况向好的优质公司中长期的定价偏差。由于部分基本面因子的更新频率为季度（财报披露时间），所以这类策略的换手相对不高。总体来看，基本面量化策略的容量上限较大，但其业绩弹性不高，业绩爆发力不强。
量价因子则是基于个股价格走势，成交量变化等交易数据，依靠机器学习、数据挖掘等高级数据工具不断挖掘有效的量价型因子，通过分析关于股票价格和成交量的信息来获取超额收益。盈利逻辑在于捕捉投资者不理性行为带来的短期定价偏差，交易频率上偏好T0、T1交易。总体来看，量价类策略往往业绩弹性较高，业绩爆发力较强，但这类策略存在较强的规模约束，在市场流动性不好的时候容易出现策略拥挤等问题。
由于交易规则等原因，目前公募指增运用更多的是中低频的基本面策略为主，私募指增则运用更多的是中高频的量价策略为主。
另外，每项因子权重的权重如何分配，也会影响最终的投资结果，不同的机构也会有不同的做法。公募量化中，很多基金经理采用的都是“主动+量化”的方式，比如前期调研的某知名量化基金经理就直言，自己的投资模型是“七分量化，三分主动”。
二、超额α水平的评价方法
对于超额α水平的评价，首先需要把基准β收益去掉，这样才能分辨出到底是真α增强还是假α增强（见下图蓝线）。
同样，对标不同基准的指数增强也不能放在一起做对比，因为对于不同基准指数的超额收益获取难度是显然不同的。比如，中证1000和中证500就要比沪深300更容易获取超额收益，但近两年来策略拥挤度已显著提高，获取超额的难度也变得更大了。为应对传统量化指增约束过多和内卷加剧的主要矛盾，越来越多的量化管理人已开始关注全市场量化选股策略，也称之为“空气指增”。
在去除了相同基准β收益之后，我们就可以继续考察超额α收益的获取能力了，和我们以往考察其他基金类似，主要也是考察其进攻性和防守性，即超额收益的厚度以及稳定性。
指数增强基金应该如何挑选——基于超额α的角度就给大家介绍到这里了，大家还有哪方面想了解的，欢迎给小编留言哈。