指数增强量化基金，是一种被动指数增强策略，通过跟踪标的指数的表现，追求超额收益。该策略的优势在于，可以有效降低投资者的择时成本，提高资产配置的灵活性。但是，由于该策略的风险较高，因此需要投资者具备较强的风险承受能力。目前，市场上主流的被动指数增强产品包括华安创业板500##etf、富国创业板50etf、易方达创业板etf等。这些产品的特点是跟踪误差小，费率低，交易成本低，适合中小投资者参与。
一：指数增强量化基金排名
嘉实沪深300LOF、博时沪深300、鹏华沪深300LOF、工银瑞信沪深300、国泰沪深300、华夏沪深300、建信沪深300LOF、大成沪深300南方沪深300、国投瑞银瑞和300LOF。1.各增强基金自其成立以来增强效果最好的为华泰柏瑞量化增强混合A，这个基金的规模也是最大的，目前有44亿多元。景顺沪深长城300位列第二，接下来依次为富国沪深300、华安沪深300量化A、浦银沪深300增强、申万菱信沪深300.
2.沪深300指数：由上海和深圳市场选取300只a股作为样本股，其中沪市208只，
深市92只，均为规模大、流动性好，交易活跃的主流股票，覆盖了沪深市场六成左右的市值。上证综指和深圳成指只是分别反映了沪深市场各自的股票行情走势，不能反映沪深两个市场的整体走势，而沪深300指数则能综合反映沪深两市的整体走势。由于基金一般都持有沪深两个市场的股票，当上证综指与深圳成指的涨跌幅相差较大时，沪深300指数更能反映基金的涨跌幅度。中证500指数：剔除沪深300指数样本股及最近一年日均总市值排名前300名的股票，将其余股票按日均总市值由高到低进行排名，选取前500名的股票作为样本股，综合反映了深圳市场小市值公司股票的整体行情走势。所以中证500指数又称中证中小盘500指数。从整体收益看，中证500指数较沪深300指数高，风险也较大。
3.中国唯一的两只沪深300ETF指数基金，也就是最近才上市发行的：华泰柏瑞沪深300ETF、嘉实沪深300ETF。其他的公司的沪深300基金，也是指数基金，像楼上的说的。但这2只是ETF指数基金，不是其他的LOF指数基金，其他的基金都是和普通的开放式基金差不多的，两者交易机制不同，我们申购与赎回的方式也不同，对投资者的要求也有不同，散户更多的是LOF基金，未来，ETF指数基金会成为股指的标的物，因为股指目前也只有沪深300指数的合约。
二：指数增强量化基金什么意思
长线投资者开始在底部区域着手布局，巴菲特屡次推荐的“指数基金”成为重要选择之一。然而寻找心怡基金的过程中，一款“指数增强基金”让很多人迷惑不解。今天，我们就通过三个问题，来深入了解此类基金。
第一题，指数增强基金有什么特点？
指数增强型基金属于量化类产品范畴，它要求策略组合与标的指数不能偏离太多，在保证偏离度的前提下跑赢标的指数并追求超额收益最大化。指数增强基金，从字面上看的投资策略应该是指数化投资打底，主动化管理做增强，因此任何一款指数增强基金，都兼具了指数化和主动化的两个特点。
指数增强基金的收益可以分拆为两部分：
一是被动复制指数部分的收益，该部分其实是承担了指数的β风险的收益；
二是在所选取的成分股基础上获得的超额收益，即阿尔法收益。
指数增强基金不论是通过主观选股还是通过量化选股，“增强
l 择时：根据指数涨跌情况以调整仓位。
l 择股：从指数成分股从选出具有阿尔法收益的个股，选股是指数增强策略收益的最大贡献者。
l 其他辅助方法还有比如打新、现金管理、吃股指期货贴水的收益等等。
诚如景顺长城基金副总经理、量化及指数投资部总监黎海威所言：“任何投资相对于指数要获得超额收益，肯定是通过某种方式的超配和低配，也就是说你要做的跟指数不一样才可以获得超额收益。”
第二题：与主动选股基金的区别？
指数增强基金有主动投资的部分，有人可能会将它与主动选股基金混淆。其实指数增强基金有一个标准，80%的仓位必须从指数成分股里面筛选，从本质上来说是一种特殊形态的主动型基金，主动程度相比于一般的主动型基金更为保守稳健，持仓更为均衡。
基金经理想要实现增强并不容易，必须以符合基金合同中规定的投资要求为前提，在股票投资方面，基金经理大部分的可选范围已经框定了。
✦以景顺长城沪深300增强基金（000311）为例，基金合同规定其投资组合比例为：1）股票投资比例范围为基金资产的90%－95%；2）投资于标的指数成分股及其备选成分股的比例不低于非现金基金资产的80％。
之所以有这样的规定，是为了让指数增强基金名符其实。归根结底，指数增强基金也是指数基金，必须以跟踪指数为基本目标，跟踪误差不能太大，这往往也是考核基金经理们的一个重要指标。
✦以景顺长城沪深300增强基金（000311）为例，根据基金合同：力求有效跟踪标的指数，控制该基金的净值增长率与业绩比较基准之间的日均跟踪偏离度的绝对值不超过0.5%，年跟踪误差不超过7.75%。
综上，我们对指数增强基金应该有了比较深刻的认识：被动为主、主动为辅；基金经理既要时刻注意跟踪误差，又要在有限的空间内寻找超额收益。
第三题：目前市场指数增强基金情况如何？
那么，目前市场指数增强基金有哪些？具体表现如何？
根据Wind数据统计，截至2018年8月底，全市场成立的指数增强基金共计96只，跟踪的标的指数比较丰富，但很多指数的相关增强指数基金只有1-2只。如下表所示，全市场指数增强基金跟踪最多的是A股宽基指数，集中于沪深300和中证500，其余多分布于中证100、深证100、中证1000等。
指数增强基金数量分布
（数据
以全场数量最多的沪深300增强基金为例，我们统计了2012-2018年此类基金的年度平均收益，并与同期沪深300指数涨幅做对比，以验证其“增强效果”。计算结果显示：1）在2014年的大牛市中，指数增强基金与沪深300指数旗鼓相当；2）在其他大多数年份，指数增强基金均有切实有效的“增强效果”，市场回调时指数增强基金更抗跌，市场上涨时指数增强基金回报更丰厚。
沪深300指数增强基金的“增强效果”
（数据
长期来看，指数增强型基金确实取得了优于标的指数的回报。试想：如果我们能挑选一支优秀的指数增强型基金并长期持有，投资回报会不会更可观呢？
三：指数增强和量化增强的区别
指数基金增强的方法之一：打新。 指数基金增强的方法之二：股指期货增强 指数基金增强的方法之三：超额收益。 指数基金增强的方法之四：融资融券。四：量化指数增强策略
其实要说种类其实很简单，完全可以按照炒股的类型来对策略模型分类，从这个角度来说，认为可以分成技术分析型、价值分析型、机器学习与人工智能。当然了，还有一大类是多因子模型，但是多因子从广义来说其实概念很广泛，任何的技术指标和财务因子都可以作为多因子模型的因子。①技术分析型主要是结合各种技术指标来对动量效应或反转效应做研判交易；
时变夏普率的择时策略、情绪择时-GSIS、RSRS指标择时及大小盘轮动
②价值分析则偏重股票标的的基本面分析；
查尔斯·布兰德斯价值投资法、迈克尔•普莱斯低估价值选股策略、阿梅特·欧卡莫斯集中投资法则
③机器学习与人工智能可以算作是区别于前两类一种新兴的方式，主要利用一些统计机器学习算法和神经网络做出预测而量化；
基于KMeans的指数择时策略、利用随机森林进行因子选择、基于HMM的指数择时策略
量化选股之多因子选股模型
量化择时--双均线（MA）、DMA、TRIX、MACD择时
还有趋势型，网格型，剥头皮，概率法则，高频交易，神经网络，基因算法
研究量化投资模型的目的是找出那些具体盈利确定性的时空价格形态，其最重要手段的概率取胜，最重要的技术是概率统计，最主要的研究方向是市场行为心理。那么我们在选择用于研究的参数时，也应该用我们的经验来确定是否把某技术参数放进去，因为一般来说定性投资比较好用的参数指标对量化投资同样适用。
量化投资区别于传统定性投资的主要特征在于模型。我打个比方，我们看病，中医与西医的诊疗方法是不同，中医是望、闻、问、切，最后判断出的结果，很大程度上基于中医的经验，主观定性程度大一些；西医就不同了，先要病人去拍片子、化验等，这些都要依托于医学仪器，最后得出结论，对症下药。中医对医生的经验要求非常高，他们的主观判断往往决定了治疗效果，而西医则要从容得多，按事先规定好的程序走就行了。量化投资就是股票投资中的西医，它可以比较有效地矫正理智与情绪的不兼容现象。
量化投资的一般思路：选定某些技术指标（我们称之为参数，往往几个组成一组），并将每一个参数的数据范围进行分割，成几等份。然后，用计算机编程写出一段能对这些参数组对股票价格造成的影响进行数据统计的程序，连接至大型数据库进行统计计算，自动选择能够达到较高收益水平的参数组合。但是选出这些参数组后还不能马上应用，因为这里涉及到一个概率陷阱的问题，比如说，有1到100这一百个数字放在那里，现在让你选择，请问你选到100的可能性是多大？是的，就是1/100，如果较幸运你选到了100并不能说明你比别人聪明，而是概率的必然。所以，在进行统计时要特别关注统计的频率与选出的结果组数量之间的关系。在选出符合要求的参数组后我们还应留出至少三年的原始市场数据进行验证，只有验证合格后才能试用。
量化投资原始数据策略：我们选用96年后的市场数据，因为96年股市有过一次交易政策改革（你可以自己查询了解一下），为了不影响研究结果我们不采纳96年以前的数据进数据库。
量化投资研究的硬设备：高计算性能电脑，家用电脑也可以，不过运算时间会很长，我曾经用家用电脑计算了三个月时间才得到想要的数据。
统计方法：可以选用遗传算法，但我在这里陪大家做的是比较简单的模型，所以采用普通统计方法就可以了。
用于量化研究的软件：我采用的是免费的大型数据库mysql，asp网络编程语言，以及可以设置成网络服务器的旗舰版win7操作系统。
(1)股票、基本面、新闻消息之间的关系不停变化
记得2009年美股到达低点的时候，很多“低质”公司的回报大大高于“优质”公司的回报。很多3块钱的“垃圾股”可以在很短时间内涨到10块钱，而高价的优质公司的股票想要翻一倍都要花上很久很久。而在另一段时间跨度或者另一个市场里，可能又是另一番情景。所以跨市场、长期有效的量化交易系统极少甚至可以说没有。
(2)有些关键信息并不容易量化
微博是市场突发消息和传闻的最大出处，所有投资者都不会无视这里传出的讯息。但是这里的消息格式往往不规范，语法也千奇百怪，你无法让计算机程序挑选出有效信息并运用于自动交易中。
(3)过去并不代表未来
多数时候，通过历史数据测试可以证明的你的设计交易策略在过去的表现，这是量化交易世界中非常重要的一块内容。不过并不是所有人都能意识到，过去不代表未来。这意味着一些交易策略在过去表现的很好，但是在未来可能会带来巨大的亏损