14  主动≠主观

2026年，身边对主动基金各类怨念的基民，似乎更多了。

原因，不外乎两点。

第一，是优秀基金经理的“奔私”。

是的，种种原因，让越来越多的优秀公募基金经理离开公募，转战私募。

让AI检索了一下2025年到2026年三季度“奔私”的公募基金经理，可以看到许多非常熟悉的名字。对于这些基金经理的持有人而言，这就意味着一个艰难的选择，到底是换马其他知名基金经理，还是继续相信接任基金经理，显然是两难。

表 14.1: 2025年至2026年三季度部分奔私基金经理一览

姓名	原属基金公司	奔私方向	当前所在私募公司简称
任相栋	兴证全球基金	加盟已有私募	远信投资
鲍无可	景顺长城基金	加盟已有私募	瓴仁投资
翟相栋	招商基金	加盟已有私募	瓴仁投资
周海栋	华商基金	创立新私募	上弦月私募
曹名长	中欧基金	创立新私募	璞桥资产
张翼飞	安信基金	加盟已有私募	弘尚资产
王鹏	宏利基金	创立新私募	鹏聚私募
范琨	融通基金	加盟已有私募	思瑞投资
徐志敏	中泰证券资管	创立新私募	伍峰私募
陈红	兴证全球基金	创立新私募	上海世赢
徐治彪	国泰基金	不详	不详
赵强	新华基金	不详	不详
韩创	大成基金	不详	不详
傅友兴	广发基金	不详	不详
蒋璆	华安基金	不详	不详

第二种，则是那些曾经非常知名的基金经理，在2026年，往往是“被增聘”，甚至直接卸任。包括但不限于张坤、刘彦春、葛兰等¹，都是2021年极为高光的名字。对不少蒙受浮亏还愿意相信这些基金经理的基民，则意味着原本的基金搭配新的基金经理，风格出现了漂移，是不是要继续持有，也是一种两难。

或许，正是太多这样的两难，让许多基民对主动基金望而却步——陪伴是最长情的告白，但这恰恰是基民当下最担心的事。

但是，本章希望诸位注意的一个事实：这些赫赫有名离开的，几乎清一色都是主观风格的基金经理。但主动≠主观。

14.1 指增：主观之外的主动之选

何为主动？何为被动？

不同的界定之下，其实有不同的外延。

按照夏普的严格界定，只有全市场指数才算被动。哪怕是行业指数、甚至类似沪深300宽基指数，都不相当于完全的被动，更不要说这些年大行其道的Smartbeta。这些其实都代表了一种主动的选择，或市值层面，或行业层面，或因子层面。

在笔者眼中，可以将宽基、行业指数划分为被动投资，毕竟是以市值加权。

而从Smartbeta指数基金开始，其实已经踏入了主动投资的大门——只不过Smartbeta是规则化透明化指数化的“主动”投资。

当然，Smartbeta在价值风格时已经详细展开，不是本章的主题。本章接下来想讨论的，是顺着指数另一个方向的更进一步——指数增强类基金。

虽然指数增强类基金极个别是主观基金经理掌舵，但公募基金主流的，都是量化风格的指数增强，这些基金相对指数也有主动的偏离，但却是通过量化的手段。

量化投资，有诸多好处。但放在公募基金领域，一个不可回避的优点就是团队的稳定。目前公募主流的量化团队，各家的主心骨都相当稳定，人员大体也是流入，鲜有流出，这种稳定性，使得持有人不用太担心类似基金经理奔私的问题。

另一个值得一提的有点就是，指增类产品，包括基于股票型基金载体的“准指增”基金，往往会基于跟踪的指数有跟踪误差的约束，所以类似许多主观基金经理管理的基金，相比业绩基准大幅偏移的情况，在指增类产品中，极为罕见。这让基民“吃药”的几率大大降低。

前文用中证指数公司发布的主动偏股、主动股基等指数来表征主动型基金的表现，那么指增类产品的业绩如何呢？

目前，业内针对公募指增，比较出名的指数有两套：

1. 中信证券发布的CIS300增强和CIS500增强增强系列，2020年发布。不过始终没有发布1000指增的指数，所以在做业绩评估上，带来诸多问题；

2. 申万指数发布的增强指数基金指数，完整包括了沪深300²、中证500³、中证1000⁴三大指增系列。不过它对指增的定义，还包含“准指增”，并不严格限定在类型为指数增强的基金中。

本章就用申万宏源编制的三只增强指数基金指数（为行文简洁，图表中分别简称“申万300指增”“申万500指增”“申万1000指增”），考察这类产品相对沪深300、中证500、中证1000全收益指数的真实表现。

这里还要多说明一句，绝大多数的指数增强类基金都是场外基金，这些基金受基金契约的限制，往往最多只能持有95%的股票仓位。所以严格来说，将它和全收益指数做对比其实略有不公允，毕竟它不能完美地打满仓位。

但是从实际投资角度来考虑，目前这些主流宽基的ETF产品，费率大多在0.15%的管理费加0.05%的托管费，合计0.2%的跟踪成本。如果一只场外指数增强类基金不能跑赢指数的全收益口径，那么其实它的超额意义就存疑了。

14.2 沪深300指增

在具体进行数据分析之前，先给出笔者多年观察的一个结论：

沪深三板类的成分股由于大量券商分析师的覆盖，所以定价总体比较合理，对于量化指增产品而言，超额收益越来越难。中证500曾经是以中小盘股为主，所以超额非常丰盛，但伴随着相关成分股覆盖率的增加，超额也在衰退之中。

如今的指增超额沃土，还得数中证1000，乃至于之下中证2000覆盖的小微盘股。

图 14.1 是沪深300指增指数与沪深300全收益指数的走势对比。这张图上一共有三张图： 第一张是两个指数的累计收益对比。第二张是两个指数的比值曲线，这张曲线可以比较好地呈现出超额的变化，当比值曲线向上的时候，意味着指增类基金相较指数在产生超额；反之，比值曲线向下则代表着指增类基金相比指数正在回吐超额。沪深300指数增强作为公募指数增强历史最悠久的品种，申万300指增指数的数据可以追溯到2012年。图上可以看到，在早年，300指增品类的超额非常旺盛；但是进入2022年之后，就近乎走平甚至回吐，直到2026年才有了显著的上升。之前也提及过，沪深300指数因为分析师覆盖较全，所以很难做出超额。2026年之所以超额一下子大爆发，很大程度上还在于沪深300行业内部过于割裂：一方面是双创科技股的大涨，另一方面是之前“老登”们的萎靡，这样的分化才使得沪深300的超额相对容易产生。不过从长期来看，笔者还是觉得沪深300指增的超额长期看会越来越难。

图 14.1: 沪深300指增与沪深300全收益走势对比(2011年末至2026年9月末)

表 14.2 是两者2019年迄今的逐年收益及超额对比。从2022年开始，就可以看到几乎没有漂亮的年度超额了，唯一的例外就是2026年迄今。但这种超额的可持续性是存疑的。

表 14.2: 沪深300指增与沪深300全收益逐年收益对比(2019年至2026年9月末)

年	申万300指增	300收益	超额
2019	38.59	39.19	-0.60
2020	41.15	29.89	11.26
2021	1.51	-3.52	5.03
2022	-18.79	-19.84	1.05
2023	-8.93	-9.14	0.21
2024	14.12	18.24	-4.12
2025	21.87	20.98	0.89
2026	2.66	-2.32	4.99

截至：2026-09-24

表 14.3 汇总了两者2019年迄今的收益指标。

表 14.3: 沪深300指增与沪深300全收益收益指标对比(2019年至2026年9月末)

index	年化收益率(%)	夏普比率	年化波动率(%)	最大回撤(%)	溃疡指数(UI)	UPI
申万300指增	10.03	0.54	17.59	-38.76	18.97	0.43
300收益	7.69	0.40	18.71	-41.56	21.35	0.27
货币基金	1.90	-	0.10	0.00	0.00	-

截至：2026-09-24

14.3 中证500指增

曾几何时，中证500指增是量化指增领域最辉煌的板块。不仅是在公募，甚至在私募量化领域，许多持有人也是通过中证500指增来认识量化指增这个品类的。在A股上市公司还不多的年代，一般用沪深300来指代大蓝筹，而中证500则指代中小盘股，甚至这两者之间的走势差异会被称为“二八分化”。在那个时代，中证500成分股关注度不高，散户参与度比较高，所以中证500指增的超额非常容易做。

图 14.2 是中证500指增指数与中证500全收益指数的走势对比。从图中也可以看到，差不多是在2021年之后，超额也开始出现了走平的趋势。

图 14.2: 中证500指增与中证500全收益走势对比(2015年末至2026年9月末)

表 14.4 是两者2019年迄今的逐年收益及超额对比。相比沪深300，中证500指增的超额在2021年之后还算是有，而且以正超额的年份比较多。至于2024年的负超额，也算是一个特例，那是因为“924”行情，许许多资金突然涌入，再加上许多个股涨停，导致场外基金往往难以把仓位打满，从而导致收益跟不上。但不可否认，相比2019年和2020年之后，中证500指增的超额就不那么显著了。即使勉为其难出现，也是一年1%到2%左右。还算比较稳，但已经不可观了。

表 14.4: 中证500指增与中证500全收益逐年收益对比(2019年至2026年9月末)

年	申万500指增	500收益	超额
2019	36.18	28.14	8.04
2020	35.14	22.26	12.89
2021	18.86	17.24	1.61
2022	-16.89	-18.91	2.02
2023	-3.14	-5.90	2.76
2024	6.52	7.68	-1.17
2025	33.84	32.46	1.38
2026	5.88	3.20	2.68

截至：2026-09-24

表 14.5 汇总了两者2019年迄今的收益指标。

表 14.5: 中证500指增与中证500全收益收益指标对比(2019年至2026年9月末)

index	年化收益率(%)	夏普比率	年化波动率(%)	最大回撤(%)	溃疡指数(UI)	UPI
申万500指增	13.45	0.65	19.96	-38.04	14.96	0.77
500收益	9.80	0.46	22.10	-39.63	16.48	0.48
货币基金	1.90	-	0.10	0.00	0.00	-

截至：2026-09-24

14.4 中证1000指增

图 14.3 是中证1000指增指数与中证1000全收益指数的走势对比。看到这张图，或许你会明白，为什么我之前说中证1000及更以下的领域才是量化指增真正的沃土。从申万中证1000指增基金指数相对中证1000全收益指数的比值可以看到，整条曲线是比较平滑的一路向上，并没有出现类似300指增或者500指增这样长期走平的趋势。

图 14.3: 中证1000指增与中证1000全收益走势对比(2018年末至2026年9月末)

表 14.6 是两者2019年迄今的逐年收益及超额对比。从逐年收益可以看到，即使是2021年之后，大多数年份往往也能有5个百分点以上的年度超额，而且相对比较稳定，这是非常难能可贵的。这其实又回到了此前夏普讨论被动投资和主动投资时，是否有足够多“足够愚蠢”的个人投资者的讨论了。

众所周知，中证1000及在之下的中证2000等小微盘股，券商分析师的覆盖不足，主动基金中的主观基金经理因为不可能进行大量的分析和覆盖，往往涉猎得也比较少。这些个股大量都是普通散户参与，而这些散户往往：第一，没有投研方面的信息支持；第二，在交易层面往往听风就是雨。所以很容易成为韭菜，变成量化投资的超额所在。

当然，类似中证1000乃至中证2000类指增容易出现超额，也不仅是因为相关个股散户交易更多。业内关于主动管理基本法则(Fundamental Law of Active Management, FLAM)有个公式⁵：

\[IR \approx TC \times IC \times \sqrt{BR}\] 这个公式中IR(信息比率)代表相对指数获取超额收益的综合能力与稳定性。而要实现IR，依赖后面的三个因素。

第一个TC（转移系数，Transfer Coefficient），代表预测信号向实际投资组合持仓转化时的“执行保真度”。由于中证1000和中证2000的成分股市值都差不多，所以权重分配比较均匀，不像沪深300中动不动就出现很大的权重，这样就带来了权重扁平的优势。在公募指增普遍“仅能做多（Long-only）”的前提下，看空某只股票的最大惩罚力度只能是“一股不买”（即最大低配幅度受限于该股在基准中的权重）。沪深300权重高度偏斜，头部重仓股若一股不买会迅速击穿跟踪误差预算；而中证1000与中证2000成分股市值分布均匀、权重极度扁平，模型看空的标的可以轻松低配到底，负向信号的惩罚摩擦极小，组合转化的保真度更高。

第二个IC（信息系数，Information Coefficient），量化模型选股的“技能”，这块就是之前讨论到的，中小微盘个股机构覆盖度较低、散户交易占比较高，定价效率偏低，因此更容易给量化多因子与微观价量模型带来更高的预测有效性。

第三个BR（策略广度，Breadth），即策略在一年内所做的相互独立的有效预测决策次数。即使只是简单地将策略广度视为指数成分股的差距。由于中证1000指数的成分股数量是沪深300的3.3倍，即使是开根号之后，也仍然具有1.83倍的优势。若是国证2000或者中证2000指数，则这一块的优势更大。更关键的是，中小微盘个股之间的走势独立性更强（特质收益率占比高、截面相关性更低），这使得其折算后的“有效独立决策次数”优势比名义成分股数量还要显著得多。

\[\frac{\sqrt{BR_{1000}}}{\sqrt{BR_{300}}} = \sqrt{\frac{1000}{300}} \approx 1.83\]

表 14.6: 中证1000指增与中证1000全收益逐年收益对比(2019年至2026年9月末)

年	申万1000指增	中证1000全收益	超额
2019	35.85	26.98	8.87
2020	39.64	20.45	19.19
2021	27.78	21.61	6.17
2022	-15.67	-20.77	5.11
2023	-0.03	-5.28	5.26
2024	5.53	2.79	2.74
2025	36.12	29.02	7.10
2026	4.73	0.48	4.25

截至：2026-09-24

表 14.7 汇总了两者2019年迄今的收益指标。可以看到，2019年至2026年三季度，1000指增的年化收益相较中证1000全收益指数几近翻倍，最大回撤相较中证1000全收益指数有显著的优化。同时更重要的是，溃疡指数也出现了显著的优化，这使得整个UPI指数大于了1。

表 14.7: 中证1000指增与中证1000全收益收益指标对比(2019年至2026年9月末)

index	年化收益率(%)	夏普比率	年化波动率(%)	最大回撤(%)	溃疡指数(UI)	UPI
申万1000指增	15.61	0.69	22.36	-37.51	11.56	1.19
中证1000全收益	8.34	0.39	24.48	-45.58	17.40	0.37
货币基金	1.90	-	0.10	0.00	0.00	-

截至：2026-09-24

14.5 面向阿尔法的持有思路

上面的测算还只是公募量化。公募受制于仓位与风控约束，但在中证1000上依然能做出平均每年5%左右的超额，顶尖产品甚至更高。

至于自由度更高的私募量化，超额空间往往更可观。前几年顶尖的量化私募在中证500与1000指增上，年化超额甚至能做到15%到20%。这便催生了一种独特的持有逻辑——“面向阿尔法”，或者民间更通俗的叫法：“开店思路”。

所谓“开店思路”，本质是做了一次收益视角的切换：把买入产品的本金视为盘下门面的前期投资，每年获得的阿尔法超额视为店铺细水长流的经营利润，至于指数本身的贝塔颠簸，不过是开门做生意必须承担的日常折旧与波动成本。更秒的是，开店门面装修，砸下的硬件软件装潢费是真正的消费，哪天关店了也就竹篮子打水一场空了，但贝塔的波动短期虽然难受，但股市有GDP增长的驱动，拉长看，应该是有望正收益收回的。

在这种视角下，只要每年的超额足够丰厚且稳定，拉长到五年甚至十年看，哪怕贝塔颗粒无收也无妨。贝塔的波动，反倒成了提取超额的货架。

单看资产质地，中证1000所代表的小盘股远不如沪深300。从 表 14.8 可以看到，截至2026年三季度末，中证1000全收益指数过去10年的年化收益只有-0.73%，不仅没赚钱，反而贴了本金；同期沪深300全收益指数年化收益则有5.51%。

单纯从贝塔出发，中证1000毫无吸引力。但若将每年稳健的阿尔法叠加进去，长期持有中证1000指增，累计回报反而可能大幅超越看似质地更好的大盘宽基。

表 14.8: 沪深300与中证1000阶段年化收益对比(截至2026年9月30日)

	近一年	近三年	近五年	近十年
中证1000全收益	-2.76%	7.83%	0.88%	-0.73%
300收益	-3.87%	8.83%	0.32%	5.51%

14.6 指增指数可搭配

近几年量化指增产品大爆发，无论是公募还是私募，产品线都在大大的扩容，尤其是以中证A500和中证全指为代表的指增类产品层出不穷。

这其中固然有持有人的需求使然，很大程度上也是监管和渠道的导向使然。

但如果你和笔者一样，认为未来沪深300和中证500的量化指增超额越来越难做的话，那么，为权重股的量化指增服务付出过高的管理费率，就未免有些得不偿失。

截至2026年三季度末，中证A500的成分股中，不在沪深300以内的权重只有22.06%，即沪深300成分股权重为77.94%；而中证全指的成分股中，沪深300成分股的权重也达到了46.9%。

这意味着，如果你为整体支付了指增的管理费率，其实可能有一定程度的浪费。就笔者而言，还更愿意只为中证1000及以下的中小微盘股的指增付出管理费，这部分的管理费付出才性价比比较高。更何况，若你买的是私募产品，还需要支付表现费。为了沪深300或者中证500的贝塔去支付表现费，就有些得不偿失了。

所以如果你是想对标中证全指进行超额的话，不妨一拆为二，将指增和指数产品相互搭配。从 表 14.9 中可以看到，沪深300和中证500两者合计差不多占了65%的权重。你可以通过将 65% 的资金配置在低费率的沪深 300 ETF 和中证 500 ETF 上，实现对相关贝塔的暴露，放弃对相关阿尔法的追求。与此同时，将剩下的 35% 的资金配置在优秀的中证 1000，乃至中证 2000 或者国证 2000 指数的指增类基金上，并承担相应的指增级别的管理费和私募可能存在的表现费。这样或许可以实现费率层面的优化。

表 14.9: 2026年三季度末各宽基在A股整体自由流通市值占比

指数	自由流通市值占比(%)
沪深300	47.00
中证500	17.68
中证1000	15.34
剩余	19.98

回到本章开头提及的困境。

当明星基金经理频频离任、产品风格悄然漂移时，许多基民感叹“陪伴”成了一种奢望。但这些让人无所适从的变数，大多来自主观投资对“关键人物”的强依赖。

量化指增展现的，恰恰是另一种主动管理的面貌：稳定的多因子系统替代了个人的情绪起伏，严格的跟踪误差约束杜绝了盲目的风格漂移，而中小微盘广阔的选股池，又给策略提供了持续产生超额的土壤。

主动不等于主观。当我们懂得把廉价的Beta留给宽基ETF，把宝贵的管理费预算留给真正能产生超额的量化指增，甚至以“开店”的心态去坦然承受贝塔波动、收取阿尔法收益——把投资当做一门生意，或许就更清晰、踏实了。

Clarke, Roger, Harindra de Silva, 和 Steven Thorley. 《Portfolio Constraints and the Fundamental Law of Active Management》. Financial Analysts Journal 58, 期 5 (2002): 48～66. https://doi.org/10.2469/faj.v58.n5.2468.

周晓雅. 《6年前的〈日光基〉，张坤为何卸任了？》. 财联社, 2026年9月. https://mp.weixin.qq.com/s/uv9fI5JNRFP1soyb7C7k3g.

申万宏源研究. 《申万宏源中证1000标准指数基金指数（807123）》. 申万宏源研究, 2026年7月. https://www.swsresearch.com/institute_sw/allIndex/releasedIndex/fundDetail?name=%E7%94%B3%E4%B8%87%E5%AE%8F%E6%BA%90%E4%B8%AD%E8%AF%811000%E6%A0%87%E5%87%86%E6%8C%87%E6%95%B0%E5%9F%BA%E9%87%91%E6%8C%87%E6%95%B0&code=807123.

申万宏源研究. 《申万宏源中证500增强指数基金指数（807132）》. 申万宏源研究, 2026年9月. https://www.swsresearch.com/institute_sw/allIndex/releasedIndex/fundDetail?code=807132&name=%E7%94%B3%E4%B8%87%E5%AE%8F%E6%BA%90%E4%B8%AD%E8%AF%81500%E5%A2%9E%E5%BC%BA%E6%8C%87%E6%95%B0%E5%9F%BA%E9%87%91%E6%8C%87%E6%95%B0.

申万宏源研究. 《申万宏源沪深300增强指数基金指数（807131）》. 申万宏源研究, 2026年7月. https://www.swsresearch.com/institute_sw/allIndex/releasedIndex/fundDetail?code=807131&name=%E7%94%B3%E4%B8%87%E5%AE%8F%E6%BA%90%E6%B2%AA%E6%B7%B1300%E5%A2%9E%E5%BC%BA%E6%8C%87%E6%95%B0%E5%9F%BA%E9%87%91%E6%8C%87%E6%95%B0.

---

1. 周晓雅, 《6年前的〈日光基〉，张坤为何卸任了？》, 财联社, 2026年9月, https://mp.weixin.qq.com/s/uv9fI5JNRFP1soyb7C7k3g.

2. 申万宏源研究, 《申万宏源沪深300增强指数基金指数（807131）》, 申万宏源研究, 2026年7月, https://www.swsresearch.com/institute_sw/allIndex/releasedIndex/fundDetail?code=807131&name=%E7%94%B3%E4%B8%87%E5%AE%8F%E6%BA%90%E6%B2%AA%E6%B7%B1300%E5%A2%9E%E5%BC%BA%E6%8C%87%E6%95%B0%E5%9F%BA%E9%87%91%E6%8C%87%E6%95%B0.

3. 申万宏源研究, 《申万宏源中证500增强指数基金指数（807132）》, 申万宏源研究, 2026年9月, https://www.swsresearch.com/institute_sw/allIndex/releasedIndex/fundDetail?code=807132&name=%E7%94%B3%E4%B8%87%E5%AE%8F%E6%BA%90%E4%B8%AD%E8%AF%81500%E5%A2%9E%E5%BC%BA%E6%8C%87%E6%95%B0%E5%9F%BA%E9%87%91%E6%8C%87%E6%95%B0.

4. 申万宏源研究, 《申万宏源中证1000标准指数基金指数（807123）》, 申万宏源研究, 2026年7月, https://www.swsresearch.com/institute_sw/allIndex/releasedIndex/fundDetail?name=%E7%94%B3%E4%B8%87%E5%AE%8F%E6%BA%90%E4%B8%AD%E8%AF%811000%E6%A0%87%E5%87%86%E6%8C%87%E6%95%B0%E5%9F%BA%E9%87%91%E6%8C%87%E6%95%B0&code=807123.

5. Roger Clarke 等, 《Portfolio Constraints and the Fundamental Law of Active Management》, Financial Analysts Journal 58, 期 5 (2002): 48～66, https://doi.org/10.2469/faj.v58.n5.2468.