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。
