嘉实基金投研体系深度解析 核心观点 嘉实基金通过构建一套强流程、平台化、研究驱动投资的投研体系，将投资从个人能力驱动转向平台能力驱动，以机制化约束和高效协作来提升长期业绩的可持续性，而非依赖单一基金经理的个人判断[3][4][16] 投研体系运作机制 - 研究员与投资互为一体，研究总监同时管理行业主题基金，深度研究直面市场与投资实操[8] - 每日晨会约一小时，投研团队共同讨论行业变化、宏观数据、政策动向，进行高密度认知校准[9] - 晨会后基金经理处理组合申赎并调整，研究员向下推进研究或调研，形成持续双向交互[10] - 嘉实内部定义投资、研究、风险、交易四个关键部门通力协作，保证组合稳健运行[13] - 风险团队独立于投研，对股票有否决权，基金经理需说明或无法买入，类似制造业“安灯机制”[13] - 鼓励研究员与基金经理之间的分歧，通过拆解逻辑、数据、变量来提升决策质量[14] - 更换基金经理时，风险团队进行数据测算、能力圈匹配评估、历史业绩考察及内部答辩[15] 股票池分级与约束 - 股票池分为轻仓池、中仓池、重仓池，每级对应不同持仓比例上限，基金经理个人无法逾越[12] - 从研究覆盖进入轻仓池需完成基础研究和入库流程[12] - 从轻仓池升到中仓池，研究员必须写出深度报告[12] - 进入重仓池需在管理级别会议上讲解逻辑、接受质疑并投票决定[12] - 风控团队一票否决的股票无法进入目标池[13] 研究框架与人才培养 - 研究员用空间、盈利模式、竞争格局、治理结构四个关键词构建公司认知框架[19] - 新入行分析师有约一年的财务培训周期，包括三张报表读法和历史案例拆解[20] - 截至8月27日，嘉实基金今年已调研846次，研究员和基金经理坚持跑现场[20] - 研究员发展路径为“3+3+3”：学习积累期（固定行业和导师）、行业主责期、分化期（拓展覆盖或管理产品）[24] - 从研究到投资需跨越三道门槛：理解多个行业、学会定价、做组合管理[24][25] - 允许研究员在持续跟踪本行业前提下跨行业看相关方向，资深研究员承担带新人职责[25] 数字化与AI应用 - 嘉实从2018年开始推进投研数字化[26] - AI工具提升信息获取和结构化处理效率，基金经理早上十几分钟完成过去一两个小时的信息消化[27] - AI在决策端以辅助角色为主，战略判断仍依赖人的认知和经验[27] - 嘉实认为AI时代投研人才必须使用AI，同时思考更大、更长的事情[27] 长期业绩表现 - 截至2026年二季度末，嘉实已连续二十个季度超配制造业和信息技术等行业[4] - 嘉实在主动权益、被动指数、指数增强、固收等类别中，有产品线跑出经得起三年、五年、十年检验的长期收益[4]