指数的增强策略有主动选股、量化模型以及打新、对冲、期权、转债等其他策略，来实现收益的增厚。
量化模型的选择上，指数增强基金当前普遍采用多因子模型、AI模型和基本面量化，实际操作中，可能三者之间会有并行，也就是多元策略同时使用的情况。
以业内较早布局量化投资的泓德基金为例，公司2015年组建量化团队后，初期以基本面量化为主，2020年公司引入了AI技术，开始运用机器学习与神经网络研发AI选股模型，目前基于泓德量化智享体系，采取多元策略多元模型的方式，为不同类型的量化产品提供策略支持。
多因子模型：通过选取一系列与股票收益相关的因子，如价值、动量、成长、情绪、质量等多个因子，对股票进行综合评分，规避单一因子局限性，还能够灵活调整各因子的权重从而适应市场。
AI模型：借助机器学习和深度学习，从海量数据中挖掘出股票价格规律，高效捕捉人类难以察觉的市场机会。
例如泓德基金自2020年就引入AI技术，研发深度学习选股模型，2022年四季度将AI选股模型应用于实盘，目前旗下17只量化产品中有8只基金使用AI选股策略，如AI主动量化产品中的泓德智选启元、泓德智选启航等，AI标准指增产品中的泓德中证A500指数增强、泓德上证科创板综合指数增强等。
泓德基金智能投资部负责人李子昂介绍，AI选股模型是通过神经网络持续发掘高频数据中隐含的Alpha特征，以深度学习的方式替代传统量化模型中单因子挖掘和多因子合成的过程，形成一个AI端到端的组合优化方案，在发现市场特征、预测股票收益、捕捉投资机会方面更加精准和高效。
在全市场中证A500指数增强产品中，作为次新基金的泓德中证A500指数增强表现优秀，这也印证了AI在指数增强中的有效性。
基本面增强：作为指数增强基金早期使用的一种策略，主要依赖于基金经理综合考量预期回报、风险及交易成本，对投资组合进行优化。
主动量化：更灵活的猎手
主动量化基金侧重通过系统挖掘机会、捕捉价差动量获利，高换手特点利于短期交易和灵活调仓，相较于主观投资，主动量化更侧重逻辑，交易频率较高。
主动量化基金的投资策略也伴随着市场发展和投资者需求变化而不断丰富，除了传统意义的主动量化，现在还有类指增、空气指增、风格策略、行业轮动等。类指增基金是基于选定的目标指数，进行全市场选股，力争超越其所设定的目标（一般是该基金的业绩比较基准指数）。主动量化普遍采用的模型与指数增强类似，主要是多因子模型、AI模型和基本面量化，也会有组合使用。
从收益表现来看，今年以来截至8月8日，主动量化基金的超额整体高于指数增强基金，平均超额达8.88%。中信建投证券的量化产品周报数据显示，主动量化基金近1季、近1年的正收益占比均接近100%，在量化领域证实了公募基金的主动投资管理能力
由于基金产品具体使用哪种量化模型进行增强没有强制披露，所以难以统计AI量化产品的业绩，我们以泓德基金旗下的AI主动量化产品泓德智选启元、泓德智选启航为例，其产品净值近日也纷纷创新高，目前还均未限购。
截至8月8日，泓德智选启元今年以来净值涨幅22.44%，跑赢其对标的中证500指数12%，近一年涨幅48.59%，跑赢指数15.63%；泓德智选启航今年以来净值涨幅19.17%，跑赢其对标的中证全指8.47%，近一年涨幅44.91%，跑赢指数10.40%。
这些关键点，投资前需要了解
模型迭代：AI普及和竞争加剧导致因子失效加快，因此管理人要能够对模型及时迭代，技术、数据、速度等都很重要。
市场影响：市场走势决定系统性收益与风险，需要对下跌或极端情况做好充分应对；市场流动性影响交易成本，市场分化度影响Alpha，需要实时监测动态调整。
策略瓶颈：市场的持续上涨，与产品规模的不断增长，管理人需要以多元策略、多元模型支撑，只要市场交投活跃、个股分化，量化模型就仍能够捕捉错误定价。
适配需求：对市场有一定认知和判断、有明确的目标指数、希望跟住指数又争取更高一点收益的投资者，指数增强型基金较为适合；没有明确的目标指数、可接受更灵活策略、希望获得超越市场整体收益的投资者，主动量化基金较为适合；风险承受能力比较低、追求绝对收益目标的投资者，量化对冲基金比较适合。
总之，无论A股站上3600点还是3700点，量化基金的优势依然存在，选择时要结合自己的投资目标，关注那些能持续迭代、适应市场变化的产品。