近期，A股市场持续波动，科技赛道经历了一轮快速的估值修正，不少资金谋求风格再平衡，开始关注今年以来涨幅较小或者具备独立修复逻辑、拉升阻力相对较小的弹性方向，如红利、消费（883434）、小盘风格等。
在这一轮再平衡中，小盘风格因前期涨幅有限且具备独立修复逻辑而受到关注。广发新锐智选混合（001734）基金经理叶帅表示，当市场风格切换至偏价值品种时，基于错误定价修复的反转效应，小盘股往往会有较好表现，弹性表现甚至高于价值板块。他长期看好小盘风格的投资价值，并以“主观+量化”的策略筛选兼具安全边际与成长性的小盘标的。
看好小盘风格贝塔投资价值
叶帅现任广发基金稳健策略部基金经理，拥有近10年证券从业经验、近5年投资管理经验。数学博士出身的他，具备扎实的量化研究功底，自2022年4月起担任广发新锐智选混合（001734）基金经理。
在广发新锐智选混合（001734）2025年四季报中，叶帅阐述了其投资观点。“小盘贝塔是我想要追求的风格，因此我将选股范围主要锚定在估值安全边际较高的小盘池子”，他分析，从行为金融学的角度，投资者的有限理性与风险感知，使得小盘股相较大盘股（883417）更容易发生错误定价，而错误定价修复的过程会带动小盘贝塔收益上行，这是其长期看好小盘风格的重要逻辑基础。
随着越来越多投资者关注小盘贝塔的投资价值，小盘股错误定价修复效率逐步提高，修复幅度也不断超预期；贝塔行情走强，一定程度上加大了获取阿尔法的难度。基于此，叶帅构建的量化增强策略从两个维度入手：一是在赔率思维下寻找错误定价幅度更大、潜在风险补偿更高的股票；二是从胜率角度寻找可以更快获得定价修复的股票。
“赔率与胜率兼顾的组合构建思路，有助于筛选出兼具安全边际与成长性的股票，使得组合的预期收益与预期波动实现较好的匹配”，叶帅分析。
对于今年5月中旬以来小盘风格的明显回撤，叶帅认为，这更多来自市场短期资金脉冲带来的扰动。中长期维度，依然看好小市值股票在国内经济修复阶段的业绩弹性，以及在流动性宽松环境下的估值提升机会。“在宏观经济复苏的环境中，相比持有大盘股（883417），中长期持有小盘风格股票属于胜率较高的选择。”
从调整成因看，叶帅将这轮回撤拆分为两个阶段：前一阶段主要受机构资金调仓行为影响，属于市场运行中周期（883436）性出现的常规压力释放；后一阶段则叠加了外部冲击与市场风险偏好收缩的外溢影响，属于非基本面因素的拖累。他判断，经过这两个阶段的压力释放，当前小盘风格筹码结构已趋于稳定，继续大幅下探的空间相对有限。
展望下一阶段，叶帅对小盘风格整体持审慎乐观态度。他指出，相较于需要多重因素共振才能持续走强的滞涨品种，小盘风格的修复更多依靠资金回流与情绪修复，逻辑更为简明直接。由于板块整体体量偏小，前期离场资金一旦回流，就有望催生一轮阶段性行情。“当前小盘风格的风险收益比已进入相对合理的区间，为寻求在震荡市中进行风格再平衡的投资者提供了一个值得关注的方向。”
在操作思路上，叶帅建议投资者借助小盘风格清晰、仓位透明的产品，在合理区间布局。同时，他也提示，虽然小盘风格的长期贝塔收益较为突出，但阶段性波动同样不容忽视，投资者应保持投资纪律，避免受短期情绪影响做出追涨杀跌的决策。
“主观+量化”双策略
追求超额稳健性
基于长期深耕“基本面+量化”复合领域的积累，叶帅将严谨的量化方法与深度主动投研系统融合，形成以“科学定量的主动投资”为核心理念的投资框架。
这一框架的实现路径是“主观+量化”，核心在于发挥两种方法的比较优势：量化作为系统化分析工具，凭借对历史有效因子的挖掘与数据建模，实现高效初筛与风险归因；主观判断则在关键节点发挥前瞻引导作用，为模型提供更具洞察力的输入变量。二者融合，能够有效增强组合应对市场变化的能力与长期超额收益的稳健性。
在组合管理层面，叶帅形成了“以稳健增强为主体、弹性增强为卫星”的配置思路。其中，稳健增强策略是组合底仓的核心构成，定位于紧密跟踪基准指数，对跟踪误差施行严格的纪律约束，年化跟踪误差的控制和预期超额收益的设定都趋于审慎；弹性增强策略则在底层配置逻辑上与稳健增强策略保持一致，但选股约束相对放宽，因此被限定在卫星仓位范畴内运作，力争在可控的跟踪误差范围内寻求收益增厚。
落实到组合构建上，叶帅将这一过程拆分为两步：第一步是定义小盘候选池；第二步是结合前沿的因子研究，在候选池中精选个股，同时通过风险模型保障策略的风格特征清晰不漂移。
“因子是对预期收益观点的量化表达，来源于主观研究逻辑的提炼与量化统计的归纳。在实际使用中，我们将基本面因子和技术面因子有机融合。”叶帅进一步表示，其中，主观逻辑驱动的基本面因子提供估值均值回归以及每股收益（EPS）提升，中高频量价和神经网络挖掘到的因子则帮助捕捉短期的定价偏误以及更为复杂的非线性收益。
目前，AI模型已成为因子挖掘的重要基础工具。叶帅所在的稳健策略部自成立之初便自研神经网络架构，构建专注于特定投研场景的“垂类”AI模型，系统性地从结构化与非结构化数据中提取阿尔法信息，尤其在中高频特征提取与组合优化上展现出相对优势。
