在市场资金大多涌向科技赛道的当下
，红利资产也在悄然吸金。Wind数据显示，截至6月21日 ，今年5月以来
，市场上多只红利ETF净流入额均超30亿元 。

　　近日，中国证券报记者采访了光大保德信基金量化投资部负责人、光大保德信红利量化选股混合的基金经理朱剑涛
。在他看来 ，在低利率环境与长期资金配置需求的支撑下
，红利资产长期配置价值依然突出，而量化策略正是破解红利资产超额收益难题的有效工具。

　　光大保德信基金量化投资部负责人 、光大保德信红利量化选股混合的基金经理 朱剑涛

　　长期逻辑未变

　　今年以来 ，红利资产走势持续波动
，与科技成长板块的强势表现形成鲜明对比 。朱剑涛说，这一格局主要源于两方面阶段性因素：一是资金面的冲击 ，不少资金从宽基ETF中流出
，由于红利资产在宽基ETF中占比较高，资金抽离使得部分红利持仓品种受到影响；二是科技成长风格的虹吸效应 ，4月以来科技行情持续走强，资金集中涌向高贝塔赛道
，红利资产遭遇持续的流动性“抽水”，两类资产的收益剪刀差不断拉大
。

　　不过市场波动并未阻挡配置型资金的布局步伐。Wind数据显示 ，截至6月21日
，市场上多只红利ETF自5月初以来区间净流入额显著 。据朱剑涛观察，从全市场来看 ，无论是“固收+ ”产品的底仓需求
，还是险资等长期资金的配置需求，都对红利资产保持了稳定的关注
。

　　在朱剑涛看来 ，红利资产的底层支撑逻辑并未发生动摇。首先
，低利率环境下，高股息资产的稀缺性持续提升 ，当前红利板块估值仍处于历史低位
，股息率优势显著，对长期资金吸引力较强 。其次 ，政策端对上市公司分红
、市值管理的引导持续加码，相关政策明确要求央国企提升分红频次与比例
，将进一步夯实沪深300等核心指数的红利属性
。此外，从全球比价来看 ，A股、H股核心资产相较海外对标品种仍存在折价和估值修复空间。

　　对于下半年红利资产的表现
，朱剑涛认为目前已出现积极信号：“当前科技与红利的剪刀差已经达到历史较低区间，红利板块近三个月的调整幅度绝对值也处于历史高位 ，进一步向下的空间相对有限 。
”不过他也提醒
，科技抱团的持续时间难以预判，目前尚未观察到小微盘流动性修复 、市场风格趋于均衡的右侧信号——当前小微盘成交额占全市场比例不到1% ，仅为2023年-2024年平均水平的1/3左右
，资金仍高度集中于科技赛道，若科技行情持续超预期 ，红利资产的表现仍可能会阶段性承压。从中长期视角看
，红利资产凭借其防御属性，依然是险资等长期资金组合中不可或缺的一环 ，配置价值并不会单纯因为短期行情波动而改变
。

　　量化破解选股痛点

　　尽管红利资产的配置价值突出，但获取超额收益的难度却不低。朱剑涛表示
，传统红利策略往往存在两大痛点：一是单一指标依赖症，多数策略仅依靠股息率
、自由现金流等价值指标选股 ，很容易陷入“价值陷阱”——标的股价越跌
，股息率越高，单纯依靠这类指标很难获得稳定的超额收益；二是选股范围较窄 ，传统红利指数如中证红利覆盖成分股数量较少
，策略腾挪空间有限，进一步加大了超额挖掘难度 。

　　量化策略恰恰能够针对性应对这些痛点
。朱剑涛介绍 ，光大保德信基金的红利量化策略并未局限于中证红利的成分股范围
，而是将选股池放宽至1500只，筛选标准为：剔除市值小、流动性差的后20%的股票 ，再从历史稳定分红的上市公司中选取股息率较高的股票。在因子体系上
，团队并未单一押注红利相关指标，而是在控制组合股息率较中证红利指数偏离不超过1%的前提下 ，综合使用成长 、营运质量
、量价，机器学习模型等多维度因子构建阿尔法模型
，从根源上避免了单一指标的局限性 。

　　此外，团队还通过量化组合优化工具对行业偏离进行精准控制 ，这既保证了产品的红利属性
，又为超额收益的挖掘留出了空间
。

　　“人工+AI ”双轮驱动

　　作为国内最早布局量化投资的公募机构之一，光大保德信基金已在量化领域深耕22年。而朱剑涛本人拥有近18年量化投研经验 ，曾在东方证券担任量化首席分析师、数量金融创新实验室负责人
，带队撰写《因子选股系列研究》等近百篇专题报告，2024年加入光大保德信基金后 ，他担任量化投资部负责人
，2024年5月起担任光大量化核心等产品的基金经理，搭建了完善的本土化量化投研体系 。

　　因子库是量化策略的核心竞争力
。朱剑涛介绍 ，团队目前拥有超1000个经过验证的人工因子
，去年新加入的成员带来了多年积累的因子储备，大幅充实了因子库的厚度。与此同时 ，团队早在2019年就将机器学习应用于实盘，每年可通过机器学习挖掘600个低相关性因子
，形成“人工+AI
”双轮驱动的因子体系 。在实盘应用中，团队会精选100余个逻辑清晰 、效果稳定的因子用于策略构建 ，避免因子冗余带来的噪声干扰
。

　　随着大模型技术的发展
，AI在量化投研中的应用早已超越了效率工具的范畴。朱剑涛坦言，如今大模型已经成为投研的核心辅助工具：团队成员手写新代码的占比已不足10% ，大模型可将量化投研效率提升2-3倍；不仅如此
，大模型还能为因子优化
、模型改进提供思路，比如针对不同行业的成长指标优化、风险模型调整 ，都能给出有价值的参考建议 。

　　风控是量化策略的生命线。朱剑涛介绍
，团队在海外通用风险模型的基础上，结合A股生态特征 ，自主添加了国企属性 、信息确定性两大A股特有因子
，力争更精准地预判市场波动，控制组合风格偏离
。

　　展望后市 ，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。