专题：聚焦首批 18 只主动 ETF

首批 18 只主动 ETF 日前正式获批，公募行业正式迈入 " 主动管理 +ETF 运作 " 的新阶段。在这场 10 月 23 日同步开售、合计募集上限 360 亿的集体发行中，各家管理人都在产品设计上倾注了心思。从 18 只产品的策略分布看，均衡策略 9 只、价值策略 4 只、红利策略 3 只、质量策略 1 只、大盘成长策略 1 只。红利策略虽非最拥挤的赛道，但也因稀缺性受到部分资金的关注。

大成基金旗下的大成红利智选主动管理 ETF（158902.OF）正是 3 只红利产品中的一员。根据产品画像，该基金锚定中证红利指数，拟在深交所上市，运作模式明确为 " 主动量化 "。

在产品发行安排上，该基金认购期为 10 月 23 日至 11 月 5 日，共 14 天，募集份额上限 20 亿份，封闭期 3 个月，托管人为中国工商银行。

基金经理方面，在主动 ETF 普遍采用双基金经理模式的当下，大成红利智选派出了夏高与李淏玮搭档。

公开资料显示，夏高拥有清华大学工学博士学位，2012 年 7 月加入大成基金，现任指数与期货投资部副总监。从履历来看，他长期深耕数量与指数投资，目前在管基金 8 只，在管总规模 24.3 亿元。

数据来源：WIND

从业绩表现来看，截至 10 月 20 日，夏高的投资经理指数今年以来（YTD）回报为 -3.28%，同期沪深 300 下跌 10.32%；拉长周期看，其近三年回报为 26.26%，同期沪深 300 为 18.27%。客观而言，其近半年回报为 -8.62%，期间最大连续 6 月回报曾达 35.37%，在目前的市场环境下，净值波动较大。

数据来源：WIND

从其管理的代表性产品来看，夏高在指数增强领域积累颇深。例如，大成中证 500 指数增强 A 任职回报达 41.79%，大成上证科创板综合指数增强 A 任职回报为 42.09%，早期的大成互联网 + 大数据 A 任职回报更是达到 231.2%。这些产品多带有明显的量化增强色彩，这也为他在大成红利智选中主导 " 主动量化 " 策略提供了实盘支撑。

如果说夏高负责在红利池中通过量化因子挑选 " 阿尔法 " 标的，那么李淏玮的加入则为这只主动 ETF 的平稳运作提供了保障。李淏玮拥有美国纽约大学理学硕士学位，2016 年 5 月加入大成基金，曾任数量与指数投资部研究员，现任基金经理。

数据来源：WIND

从在管产品来看，李淏玮目前在管基金 10 只，总规模 15.66 亿元，产品线几乎全部为被动指数型基金，如大成深证成长 40ETF、大成中证工业互联网主题 ETF、大成中证畜牧养殖产业 ETF 等。由于他担任投资经理年限较短（0.85 年），其投资经理指数 YTD 回报为 -4.20%，同期沪深 300 为 -10.32%。

数据来源：WIND

对于主动 ETF 而言，每日披露申赎清单（PCF）的机制要求 ETF 运营端保持极高的精确度。李淏玮丰富的被动指数产品管理经验，有助于他在这只产品中承担起头寸管控、流动性管理及申赎清单制作等底层运作工作，从而与夏高的量化策略形成分工。

大成红利智选的核心看点，在于其将 " 主动量化 " 引入到中证红利指数的基准约束中。传统的被动红利 ETF 主要依据股息率等规则复制指数；而主动量化红利 ETF，则可以在放宽成分股与权重复制要求的前提下，通过多因子模型（如盈利质量、波动率、动量等）对红利股进行二次筛选。

这种打法的优势在于纪律性强，能通过模型过滤掉部分陷入 " 股息率陷阱 "（即因股价大跌导致股息率被动走高）的标的。但劣势同样存在：当市场资金极致追逐纯高股息资产时，量化模型叠加的成长或质量因子可能会拖累组合表现，导致其跑输传统的被动红利指数。

作为首批创新产品，大成红利智选面临多重考验。首先，红利资产在当前市场环境下已积累了一定涨幅，存在阶段性拥挤的风险，红利与量化双因子的叠加在风格切换期可能面临较大回撤；其次，主动管理型 ETF 上市后，场内折溢价与流动性风险客观存在，其净值表现也会偏离对标指数，不宜简单以指数涨跌进行衡量；最后，双基金经理的配合默契度、量化模型在实际运作中的有效性，仍需等待产品成立后的实际建仓与市场检验。