很多人谈“基金策略”时，往往只记住一个名字：价值、成长、量化、低波、行业轮动等。但从结构视角看，策略更像一台由多个模块拼装的机器：输入是可交易资产与信息，输出是组合的收益与风险轨迹。要理解它究竟“是什么”，关键是把策略拆成可独立描述、可相互耦合的组件，并看清每个组件如何把风险与收益传导到组合层面。
先给出一张结构全景图：基金策略通常由四类核心模块构成—— 资产与可投资域模块（投资范围、基准、交易与持仓约束）； 选股/选券框架模块（信号、打分、排序、组合构建）； 仓位与风险管理模块（总仓、分散度、行业/风格/个股限额、止损与再平衡机制）； 因子暴露与归因模块（风格因子、行业因子、特质收益、约束下的暴露目标）。其中，选股框架决定“买什么”，仓位管理决定“买多少、以什么形态持有”，而因子暴露描述“组合最终像什么”，并在事后解释收益来自哪里。
资产与可投资域：策略运行的边界条件
策略的第一层结构不是信号，而是边界。可投资域定义了策略能触达的资产集合：A股/港股/美股、股票/债券/商品/衍生品、主动基金能否买入可转债或参与打新等。边界还包括交易制度与成本：涨跌停、T+1、融券可得性、印花税与佣金、冲击成本、最小交易单位等。这些看似“外部条件”的变量，会直接改变策略模块的有效性：同一套选股信号在不同市场可能因为流动性与交易限制而呈现完全不同的执行结果。
基准与约束是边界的另一部分。基准并非只是绩效比较对象，它会通过跟踪误差、行业偏离、风格偏离等约束，反过来塑形组合。比如要求相对沪深300控制行业偏离，就意味着选股模块即使发现高分个股，也可能因为行业权重上限而无法充分表达。类似地，持仓集中度上限、单票上限、现金比例、衍生品名义敞口上限等，会把“信号强度”压缩为“可执行权重”。从结构拆解角度看，约束模块是把理论策略映射到真实组合的“变压器”。
选股框架：从信息到持仓名单的信号生产线
选股框架可以拆成四个子组件：信息源、信号生成、评分/排序、组合构建。信息源包括财务报表、价格与成交、分析师预期、宏观变量、另类数据等；信号生成则是把信息转成可比较的度量，例如估值分位、盈利修正、动量强弱、质量指标、资金流等。这里的关键不是信号“好不好”，而是信号的结构属性：频率（更新快慢）、稳定性（噪声大小）、可交易性（是否能在可接受成本下执行）、以及与其他信号的相关性。
评分与排序是把多维信号压成一维决策依据的模块。常见做法包括线性加权、分层打分、机器学习模型输出、或先做行业中性化再排名。这个环节决定了“信号如何竞争”：同一家公司可能估值便宜但盈利下修，最终能否入选取决于评分规则对不同维度的权重与非线性处理。它与“指数筛选规则由哪些组件决定？市值、流动性与行业分类逻辑”在结构上相似：都是先定义可选池，再用一套可复现的规则把资产筛出来，只是基金策略的规则通常更动态、更依赖多源信号。
组合构建是选股框架的最后一段，把“名单”变成“权重向量”。它可能是等权、按分数比例、按风险预算、或通过优化器在约束下最大化目标函数（如预期收益或信息比率）。在结构上，优化器相当于一个“装配工位”：它把选股信号、风险模型、约束条件与交易成本假设同时放入，输出一个满足边界的组合。即使信号相同，组合构建方式不同也会导致完全不同的持仓形态：等权更强调分散，分数比例更强调强信号集中，风险预算会把权重更多分配给低波动或低相关资产。
仓位管理：把策略从“方向”变成“路径”的控制系统
仓位管理模块回答三个问题：总仓位多大、风险如何分配、以及何时调整。总仓位不仅是股票仓位/现金仓位的比例，也包括衍生品带来的名义敞口与净敞口。对于多资产策略，总仓位还涉及不同资产之间的杠杆与对冲关系；对于股票多头策略，总仓位可能体现为净多头程度、行业偏离程度与集中度。
风险分配可以拆成多个“限位器”：单票上限限制个股事件风险；行业上限限制行业景气共振；风格暴露上限限制组合过度像某一类因子；回撤或波动目标则把风险从事后指标变成事前控制变量。再平衡机制是仓位管理的“时钟”：按日/周/月定期再平衡，或触发式再平衡（偏离阈值、波动上升、成交量下降等）。不同的时钟会改变组合的换手率与交易成本，也会改变信号在组合里的“保质期”。
交易与执行也是仓位管理的一部分：下单拆分、成交算法、冲击控制、以及对流动性约束的处理。一个看起来相同的目标权重，在高冲击成本下可能需要多日分批完成，导致实际持仓在过渡期内偏离目标，从而引入“执行误差”。因此仓位管理不仅控制风险，也控制策略从理论到现实的偏差。
因子暴露：描述“组合长相”的结构语言
因子暴露模块像一套坐标系，用来描述组合最终暴露了哪些系统性风险。常见风格因子包括价值、成长、动量、质量、低波、规模、流动性等；行业因子刻画行业配置偏离；此外还有国家/汇率/利率等宏观因子（在多资产或跨境策略中更常见）。因子暴露既可以是策略的目标（例如希望保持行业中性、控制规模暴露），也可以是策略的副产物（例如某些选股信号天然偏向小盘或高波动）。
从结构角度看，因子暴露是“选股框架 + 仓位管理 + 约束条件”共同作用后的合成结果。选股决定信号偏好，组合构建决定如何把偏好转成权重，仓位与约束决定偏好能否被放大或被压制。事后归因也依赖这一模块：组合收益可拆成因子收益（来自系统性暴露）与特质收益（来自个股选择），并进一步拆分为行业选择、风格选择与选股残差。这个拆分并不评价好坏，而是把“收益从哪里来”结构化表达出来。
模块如何协作：从信号到收益的传导链
把上述模块连起来，可以得到一条清晰的传导链：可投资域与约束先定义边界；选股框架在边界内生成候选与目标权重；仓位管理把目标权重变成可执行路径，并控制风险与成本；最终形成的持仓在因子坐标系中呈现出特定暴露，进而与市场因子收益相乘，叠加个股特质变化，形成组合收益。任何一个模块的参数改变，都可能通过这条链条放大或削弱其他模块的效果。
理解基金策略结构的价值在于：当看到“选股很强”或“回撤控制好”这类描述时，可以进一步追问它对应的是哪个模块、通过什么机制实现、又会把组合塑造成怎样的因子暴露。策略不再是一个标签，而是一组可拆解、可组合、可验证的结构组件协同运行的结果。
