以下文章来源于画不多说 ，作者懂私募的灵魂画手 画不多说 . 话不多说，画多说。用最通俗易懂的方式，讲述私募的故事。 开始这篇文章前，我们先琢磨这么一个问题：为什么很多股民炒股的时候，特别热衷追逐内幕消息？ 因为咱们所在的这个股票市场，信息是不对等的，部分股民会认为所谓的内幕消息能够让自己买卖股票先人一步，赚别人赚不到的钱。 打个比方，苹果公司在今天发布了它最新的季度财报，财报特别好，营收远超预期。 在有效市场中，这件事发生后，苹果的股价会 秒速上涨到位。 这是因为，这样的市场没有信息差和情绪化，所有人在 同一时间 知道信息后，都会 第一时间做出理性的交易决策 。 而这样的世界，股价就没法预测了，因为当财报好这件事发生的这一刻，股价就立马涨到位了，那哪来的预测空间呢？ 1965年，尤金·法玛提出了市场有效理论，他认为如果一个市场里的信息足够透明，所有事情一旦发生，会 立刻 作用到对应的股价上。 但是我们所在的现实世界，股票市场并不是 完全 有效的。 因为有信息差和情绪，真实世界的股价反应，会迟钝得多。可能等到财报发布一周后，股价才能充分涨到位。 这恰恰给了量化可乘之机：股价可以预测，因为已经发生的事，作用到股 ...

"近期，一家金砖国家大型资管机构与两家欧美FOF（基金中的基金）机构将完成投前尽调。若他们顺 利投资我们公司的境外量化策略产品，我们公司海外资产管理规模将翻番。"7月31日，一家国内量化策 略私募基金的负责人郭瑞向记者透露。 华尔街资管机构锐联财智创始人许仲翔也发现，今年以来，海外资本对中国经济与A股的投资观点明显 改善。去年9月24日提振经济与股市的一揽子政策出台后，A股快速上涨，令很多海外资金来不及参 与，今年二季度以来，A股指数韧性上行，相当契合海外资管机构的投资偏好与入市步调。 7月22日，国家外汇管理局国际收支司司长贾宁表示，今年上半年，外资净增持境内股票与基金101亿美 元，扭转过去两年总体净减持的态势。尤其是5—6月，外资净增持规模增加至188亿美元，显示全球资 本配置境内股市意愿增强。当前境外投资者持有境内债券、股票的市值占比约为3%到4%。受多重积极 因素支撑，预计外资仍会逐步增配人民币资产。 外资通过投资量化私募产品增配A股这一新动向，让郭瑞看到了机会。郭瑞打算趁着这股"东风"，力争 获取更多海外资管机构的青睐。"不止是我们，其他量化私募也在争相出海寻求海外资金。"郭瑞直言。 宽邦科技发布 ...

量化投资行业概况 - 量化投资机构在全球市场具有"精英投资"、"高薪酬"和"神秘感"的特征 [1] - 过去几年市场大幅回撤时，内地少数量化私募巨头仍保持可观收益率并吸引大额申购 [2] - 行业普遍存在技术壁垒，外界难以了解其依赖"独家代码"、"交易系统"或"庞大算力"的具体运作方式 [2] 涉事量化机构违规操作 - 华东某知名量化机构高管在2019-2020年通过支付7%开票费收用173份虚开增值税普通发票，价税合计1455.16万元 [4][5] - 发票名目包括"人力资源服务*招聘服务费"（单笔20.28万元）、"技术服务费"等，涉及西北某劳务派遣公司等多家开票方 [8][9][14] - 通过虚构交易虚增成本，在税前扣除导致少缴税款数百万元 [6][7][10] 资金套取手法 - 违规操作目的包括套取账面资金于账外使用 [11][12] - 操作链条：寻找配合虚开发票的公司→虚假做账→打款至外部公司→扣除开票费后资金回流至关联账户 [13][14] - 合作方涉及XXXX信息科技、XXXX企业服务等公司，其开具的发票已被税务机关证实为虚开 [14][15] 处罚结果 - 涉事机构已补缴税款及滞纳金，并被处以167.6067万元罚款 [17][18][19] - 该机构管理规模达50亿-100亿，属于行业"实力派"，正常应具备较强盈利能力 [22][23] 行业分化现象 - 头部量化机构规模庞大、团队稳定、合规性突出 [25] - 中等规模量化机构面临经营挑战，部分创业团队因资源投入、人才聘用等压力可能选择"擦边"操作 [25] - 快速发展期机构因盈利不理想，"铤而走险"动机较为明显 [25]

量化因子与构建方式 1. **因子名称：理想反转因子** - **构建思路**：通过切割大单成交数据识别反转属性最强的交易日，捕捉A股反转效应的微观来源[5][15] - **具体构建过程**： 1. 回溯股票过去20日数据，计算每日平均单笔成交金额（成交金额/成交笔数）[43] 2. 选取单笔成交金额最高的10个交易日，加总其涨跌幅记为M_high[43] 3. 选取单笔成交金额最低的10个交易日，加总其涨跌幅记为M_low[43] 4. 计算因子值：$$M = M_{\text{high}} - M_{\text{low}}$$[43] - **因子评价**：通过大单成交切割有效提升了反转效应的稳定性[5][15] 2. **因子名称：聪明钱因子** - **构建思路**：从分钟级价量数据中识别机构交易痕迹，构建跟踪聪明钱的指标[5][15] - **具体构建过程**： 1. 取股票过去10日的分钟行情数据[42] 2. 计算每分钟指标：$$S_t = |R_t| / V_t^{0.25}$$（$R_t$为分钟涨跌幅，$V_t$为分钟成交量）[42] 3. 按$S_t$排序，取成交量累积占比前20%的分钟作为聪明钱交易[42][44] 4. 计算聪明钱VWAP（成交量加权均价）和全体交易VWAP[44] 5. 因子值：$$Q = \text{VWAP}_{\text{smart}} / \text{VWAP}_{\text{all}}$$[42] - **因子评价**：有效捕捉机构交易行为对价格的引导作用[5] 3. **因子名称：APM因子** - **构建思路**：利用日内不同时段交易行为差异构建反转强度指标[5][15] - **具体构建过程**： 1. 取股票过去20日的隔夜收益率$r_{\text{night}}$和下午收益率$r_{\text{afternoon}}$[43] 2. 对40组收益率数据回归：$$r = \alpha + \beta R + \epsilon$$（$R$为对应时段指数收益率）[43] 3. 计算隔夜与下午残差差异：$$\delta_t = \epsilon_{\text{night}} - \epsilon_{\text{afternoon}}$$[43] 4. 构造统计量：$$\mathrm{stat} = \frac{\mu(\delta_t)}{\sigma(\delta_t)/\sqrt{N}}$$[45] 5. 对动量因子横截面回归取残差作为最终因子值[46] - **因子评价**：通过时段切割挖掘反转效应的结构性差异[15] 4. **因子名称：理想振幅因子** - **构建思路**：基于股价维度切割振幅信息，区分高价态与低价态的结构性差异[5][15] - **具体构建过程**： 1. 计算股票过去20个交易日的每日振幅（最高价/最低价-1）[48] 2. 选取收盘价最高的25%交易日，计算振幅均值V_high[48] 3. 选取收盘价最低的25%交易日，计算振幅均值V_low[48] 4. 因子值：$$V = V_{\text{high}} - V_{\text{low}}$$[48] - **因子评价**：价态切割显著提升振幅因子的信息含量[5] 5. **因子名称：交易行为合成因子** - **构建思路**：加权整合四个交易行为因子形成复合因子[30] - **具体构建过程**： 1. 对单因子进行行业内去极值与标准化处理[30] 2. 滚动12期ICIR计算动态权重[30] - **因子评价**：通过动态加权实现因子间的优势互补[30] --- 因子回测效果 1. **理想反转因子** - 全历史IC均值：-0.050[16] - 全历史rankIC均值：-0.061[16] - 信息比率(IR)：2.52[16] - 多空对冲月度胜率：78.3%[16] - 2025年7月收益：0.47%[7][16] - 近12月胜率：66.7%[7][18] 2. **聪明钱因子** - 全历史IC均值：-0.037[16] - 全历史rankIC均值：-0.061[16] - 信息比率(IR)：2.76[16] - 多空对冲月度胜率：82.2%[16] - 2025年7月收益：1.78%[7][19] - 近12月胜率：91.7%[7][22] 3. **APM因子** - 全历史IC均值：0.029[16] - 全历史rankIC均值：0.034[16] - 信息比率(IR)：2.30[16] - 多空对冲月度胜率：77.4%[16] - 2025年7月收益：1.42%[7][23] - 近12月胜率：58.3%[7][27] 4. **理想振幅因子** - 全历史IC均值：-0.054[16] - 全历史rankIC均值：-0.073[16] - 信息比率(IR)：3.03[16] - 多空对冲月度胜率：83.6%[16] - 2025年7月收益：3.86%[7][28] - 近12月胜率：75.0%[7][31] 5. **交易行为合成因子** - 全历史IC均值：0.067[30] - 全历史rankIC均值：0.092[30] - 信息比率(IR)：3.30[30] - 多空对冲月度胜率：82.6%[30] - 2025年7月收益：2.13%[7][30] - 近12月胜率：83.3%[7][36] - 中小盘表现：国证2000 IR=2.87，中证1000 IR=2.77[32][37] --- Barra风格因子表现（2025年7月） - 市值因子收益：0.64%[4][14] - 账面市值比因子收益：0.59%[4][14] - 成长因子收益：0.16%[4][14] - 盈利预期因子收益：-0.32%[4][14]

实证分析： 对于固定概率p的训练模式而言，所得因子并未有明显的提升；而在线性衰减概率p的训练模式下，各数据增强因子对比原始因子在RankIC及 年化收益率等指标上均有一定程度的提升。这是由于在该训练模式下数据增强的概率p在N个epoch后即衰减为0，在随后的epoch内则完全使用未增强的原 始数据进行训练，因此模型既能够在训练过程中使用增强后的数据提高泛化性能，同时又能够让模型的最终收敛与真实数据比较贴近，从而在信噪比较低 的量价数据中也能够发挥数据增强的作用。将数据增强因子与原始数据因子等权合成后，其RankIC均值提升了1.2%、RankIC胜率提升了1.7%，多头及多 空年化收益率分别提升了2.81%和7.65%。 风险提示： （1）本文所述模型用量化方法通过历史数据统计、建模和测算完成，所得结论与规律在市场政策、环境变化时存在失效风险；（2）本文策 略在市场结构及交易行为改变时有可能存在失效风险；（3）因量化模型不同，本文提出的观点可能与其他量化模型结论存在差异。 一、时序数据增强 数据是一切量化模型的根本，但不同投资者所能获取的数据源通常都是大同小异，尤其是量价数据。面对日益同质化的数据源，如何对有 ...

核心观点 - 稳博投资是2025年上半年百亿私募收益冠军，上半年收益均值约为***%，近一年收益约为***%（百亿私募第3名），近三年收益均值约为***%（百亿私募TOP10）[1][6] - 公司核心优势包括量化策略迭代能力、高频行情获取、投研团队配置及管理效率，数据量已达10PB量级[45][48][49][52] - 采用多周期量价因子+基本面因子的Alpha策略，结合机器学习与高频交易，形成股票池并严格控制波动率[27][33] - 风险管理体系涵盖策略风控、系统风控和人工风控三重机制，实现全流程监控[44] 公司概况 公司简介 - 成立于2014年，2015年获私募基金管理人资格，2020年成为基金业协会观察会员，注册资本3000万元[5] - 实控人为殷陶、郑耀（各持股47.5%），业务覆盖商品期货、股指、证券投资等领域，愿景为成为世界一流资管公司[5][11] 发展历程 - 2014-2017年：初创期积累原始资本；2018-2020年：搭建机器学习高频团队与Alpha模型；2021-2023年：规模突破百亿并获金牛奖；2024-2025年：迭代风格轮动模型并建立合伙人模式[9] 核心投资理念 - 科学：基于大数据分析与人工智能建模，通过纯数据驱动策略[10] - 严谨：严控风险，追求合理回报[10] 核心投研团队 - 创始团队为上海交通大学计算机/金融复合背景，含ACM金牌得主及奥林匹克奖牌获得者[15][25] - 殷陶（股票Alpha负责人）：擅长算法开发与风险评估；郑耀（高频交易专家）：创立自主高频策略并应用AI机器学习[17][19][20] - 其他成员包括阿里/百度机器学习专家、Millennium数据系统开发者等，覆盖高频交易、深度强化学习等领域[22][23][24] 投资策略与产品线 策略类型 - Alpha策略：量价因子（分钟至十日周期）为主，基本面因子为辅，通过滚动训练降低过拟合风险[27] - 指数增强：覆盖沪深300、中证500、中证1000指数，控制跟踪误差并叠加T0交易增强收益[30][31][32] - 中性策略：严控回撤，全市场选股组合（代表产品稳博中睿6号）[34][35] 代表产品业绩 - 稳博1000指数增强1号：成立5.3年年化收益***%，中证1000指增策略超额显著[28][29] 核心优势 - 策略迭代：Alpha因子储备充足，2020-2021年完成研究框架搭建，T0交易保持竞争力[45][47] - 技术设施：沪深双中心服务器部署，多数据源订阅结合机器学习优化[48] - 管理效率：投研团队占比超65%，创始人一线推动策略革新[49][50] - 数据规模：达10PB量级，应用图神经网络、大语言模型处理另类数据[52] 公司未来规划 - 目标成为国际一流资管公司（对标千禧年投资），持续投入策略创新与技术迭代[54] 荣誉奖项 - 2023年英华奖量化策略50强、2022年金牛奖（三年期相对价值策略）、2024年金排奖股票量化多头卓越管理人等15项行业奖项[55]

当前A股市场处于资产重估、结构性机会纷呈的重要阶段。华商指数增强家族再添一员，正在发行的华 商中证800指数增强基金（A类：024669，C类：024670），旨在力求高效覆盖A股核心资产，捕捉市场 阿尔法收益，是投资者积极布局A股的高效工具。 邓默 博士 华商基金量化投资总监 华商中证800指数增强基金拟任基金经理 邓默博士，华商基金量化投资总监，是主动量化领域的知名老将，深耕一线投研领域超14年（其中9.8 年证券投资经历）。他的投资偏向均衡配置风格，以量化模型为主线，善于发挥量化模型客观理性的优 势和华商基金投研的主动管理优势，通过定量与定性分析相结合的方法，在不同价格场景下使用不同选 股逻辑，掘金高景气行业优质资产。 海洋 博士 作为A股最具代表的宽基指数，中证800指数由沪深300与中证500指数的成分股组成，具有"价值蓝筹 +成长龙头"双轮驱动的结构特征。从行业分布来看，中证800指数不仅包含银行、食品饮料等成熟行 业，也包含了半导体、电子、医药等科技创新行业，行业覆盖广，投资逻辑丰富。指数成份股预期ROE 平均值在10%以上，指数整体主要暴露低波动、高盈利和高分红风格。 新"国九条"等顶层设计着 ...

华泰证券AI金融创新论坛核心观点 - 华泰证券举办"数智跃迁 生态共创"科技金融创新论坛 探讨AI与金融业务场景深度融合路径 公司已落地"泰为"大模型平台体系 包含异构算力 大模型运营管理和应用开发三大模块 在投研 投行等场景取得突破 [1] - 大模型发展进入与产业深度融合新阶段 华泰证券积极探索以AI思维重塑业务场景 利用场景和数据资源优势提升智能化客户服务能力 [1] AI技术范式演变 - AI发展范式正从自监督预训练转向强化学习后训练 使模型具备举一反三能力 量化投资领域从人工建模转向AI建模 算法自主生产算法可成倍提高金融模型研发效率 [3] - 端到端量化策略建模直接实现原始数据到交易仓位预测 规避传统多因子模型误差累计 因子研发周期长等局限 通用底座预训练大模型可实现低成本跨市场策略迁移 [3] AI Agent在金融场景的应用 - AI赋能模式从"人+智能助理"向"人+多智能体"演进 智能体开始承担关键工作 端到端投顾服务Agent体系实现客户服务素材自动生成分发 [5] - AI Agent与平台化核心系统结合是融入金融机构核心业务的基本路径 将引发技术厂商与金融机构商业模式转变 从成本定价转向价值产出定价 [6] - 万得数百项AI应用已落地金融机构日常工作流 数据治理结构需适应AI语义化 金融机构与科技公司需开放合作推动业务转型 [5] 自动驾驶领域发展 - 货运卡车自动驾驶无人化可节约每车每年20-30万元人力成本 L4自动驾驶编队车队已在内蒙古 新疆运行 未来驱动力来自世界模型和强化学习 [9] - 自动驾驶企业致力于将模型升级至全无人化阶段 通过VLA技术引入思维链 使车端模型具备基本推理能力 世界模型及仿真数据将成为刚需模块 [9] - 预计到2030年 辅助驾驶系统有望达到人类普通司机水平 [9] AI产业发展趋势 - AI产业进入Token增长驱动新阶段 AI服务器有望取代智能手机成为最大科技硬件品类 需关注技术迭代带来的量价齐升机会 [11] - 生成式AI在B端软件应用领先C端 机器人的真正成熟还需时日 中国作为美国外唯一具备完整AI产业链国家 在物理AI具比较优势 [11]

本文首发于公众号"私募排排网"。 （点击↑↑ 上图查看详情 ） 近年来，布局海外资产已经成为私募行业的大势所趋。 其中，获取香港 9号牌照成为私募出海的 重要方式之一。 获取香港9号牌照的私募，可成立香港资管子公司或关联公司，直接管理美元基 金，实现资产端和负债端的全部出海。因此，比起通过境内人民币资金进行海外资产配置， 获取 香港 9号牌照通常 被视为 更能 体现私募国际化 的 战略布局。 那么，今年以来又有哪些私募获得出海牌照呢？接下来，笔者将为大家盘点9号牌照持牌私募的 全新名单，以及上半年、近1年、近3年、近5年业绩位居10强的"出海"私募。 （注：本文的业绩 数据截至2025年6月30日） 0 1 共 88 家！黑翼等 3 家头部量化私募今年获得牌照 私募排排网数据显示，截至2025年7月21日，已经获得9号牌照且牌照为存续状态的私募共有88 家。 （ 点此领取88家全名单 ） 从投资模式来看，持牌的主观私募、量化私募、混合型（"主观+量化"）私募分别有58家、21 家、9家。 从公司规模来看，在头部私募（管理规模50亿元以上）中，持牌私募共有38家，占比约10%。在 规模50亿以下的私募中，持牌私 ...

量化市场跟踪 - 本周全市场股票池中Beta因子获取正收益0.49%，动量因子和流动性因子分别获取负收益-0.60%和-0.49%，市场表现为反转效应 [3] - 沪深300股票池中表现较好的因子包括单季度营业利润同比增长率(2.40%)、市净率因子(2.30%)和换手率相对波动率(2.19%)，表现较差的因子包括营业利润率TTM(-0.95%)、总资产毛利率TTM(-0.76%)和净利润率TTM(-0.71%) [4] - 中证500股票池中表现较好的因子包括下行波动率占比(3.85%)、日内波动率与成交金额的相关性(3.44%)和市盈率TTM倒数(2.31%)，表现较差的因子包括单季度ROE(-1.66%)、早盘后收益因子(-1.42%)和ROIC增强因子(-1.31%) [4] 流动性1500股票池表现 - 表现较好的因子包括市净率因子(1.67%)、市盈率TTM倒数(1.20%)和市盈率因子(0.97%) [5] - 表现较差的因子包括5日反转(-2.11%)、早盘后收益因子(-1.69%)和对数市值因子(-1.69%) [5] 因子行业内表现 - 基本面因子在有色金属、美容护理、综合行业表现一致，包括净资产增长率因子、净利润增长率因子、每股净资产因子和每股经营利润TTM因子 [6] - 估值类因子中BP因子在煤炭、综合行业表现较好 [6] - 残差波动率因子和流动性因子在农林牧渔、美容护理行业表现较好 [6] - 有色金属和煤炭行业本周大市值风格显著 [6] 组合跟踪表现 - PB-ROE-50组合在全市场股票池中获取超额收益0.06%，在中证500和中证800股票池中分别获取超额收益-0.57%和-0.45% [7] - 公募调研选股策略相对中证800获得超额收益1.02%，私募调研跟踪策略相对中证800获得超额收益2.72% [8] - 大宗交易组合相对中证全指获得超额收益0.83% [9] - 定向增发组合相对中证全指获得超额收益-0.46% [10]