一些小众策略基金凭绩优破圈。 在公募基金行业，主流赛道向来是兵家必争之地，科技、大消费、医药等热门领域吸引了众多基金经理目光， 沉淀了大量资金。然而，一些基金凭借小众策略另辟蹊径，不追风口、不扎堆，总能在市场忽略的角落挖掘出 超额收益，成功破圈逆袭。 随着投资者认知提升，一些小众策略基金逐渐得到市场认可，近期规模一路攀升，不过也有部分基金因策略容 量限制而"长不大"。 小众策略破圈逆袭 今年以来，权益市场回暖，权益基金业绩大幅回升。科技、医药等一些主流热门行业获得基金经理大幅加仓， 并获得市场积极反馈，基金业绩也一路飙升。 与此同时，一些小众策略基金因为过去数年业绩积累，也逐渐获得投资者认可，成功破圈逆袭。 这些小众策略基金通过参与定增、量化选股、微盘选股、跟踪Smart Beta指数等策略，在市场忽略的角落挖 掘出超额收益，为投资者提供良好持有体验。 Wind数据显示，截至最新，仅有10余只权益基金连续5年保持正收益，其中不乏一些小众策略基金，如华夏 新锦绣、金元顺安元启、国金量化多策略、华泰柏瑞红利低波ETF等基金均实现了至少5年的连续正收益。 张城源管理的华夏新锦绣基金自2019年以来，每年均实现了正收 ...

在公募基金行业，主流赛道向来是兵家必争之地，科技、大消费、医药等热门领域吸引了众多基金经理目光， 沉淀了大量资金。然而，一些基金凭借小众策略另辟蹊径，不追风口、不扎堆，总能在市场忽略的角落挖掘出 超额收益，成功破圈逆袭。 随着投资者认知提升，一些小众策略基金逐渐得到市场认可，近期规模一路攀升，不过也有部分基金因策略容 量限制而"长不大"。 小众策略破圈逆袭 一些小众策略基金凭绩优破圈。 今年以来，权益市场回暖，权益基金业绩大幅回升。科技、医药等一些主流热门行业获得基金经理大幅加仓， 并获得市场积极反馈，基金业绩也一路飙升。 与此同时，一些小众策略基金因为过去数年业绩积累，也逐渐获得投资者认可，成功破圈逆袭。 这些小众策略基金通过参与定增、量化选股、微盘选股、跟踪Smart Beta指数等策略，在市场忽略的角落挖掘 出超额收益，为投资者提供良好持有体验。 Wind数据显示，截至最新，仅有10余只权益基金连续5年保持正收益，其中不乏一些小众策略基金，如华夏新 锦绣、金元顺安元启、国金量化多策略、华泰柏瑞红利低波ETF等基金均实现了至少5年的连续正收益。 张城源管理的华夏新锦绣基金自2019年以来，每年均实现了正收 ...

随着投资者认知提升，一些小众策略基金逐渐得到市场认可，规模也一路攀升。不过，也有部分基金因 策略容量限制，出现"长不大"的情况。 小众策略基金逆袭 在公募基金行业，主流赛道向来是兵家必争之地，科技、大消费、医药等热门领域吸引了众多基金经理 的目光，沉淀了大量资金。 然而，一些基金凭借小众策略另辟蹊径，不追风口、不扎堆，持续在市场忽略的角落挖掘出超额收益， 成功破圈逆袭。 今年以来，随着权益市场持续回暖，权益基金业绩大幅回升。科技、医药等一些主流热门行业获得基金 经理大幅加仓，并获得市场积极反馈，基金业绩也一路飙升。 缪玮彬管理的金元顺安元启是全市场最早发掘微盘股策略的产品，该基金自2017年成立以来年年实现正 收益，今年已经获取29.41%的回报，2020年以来累计回报高达389.56%，位居市场前列。江峰管理的中 信保诚多策略是成功实践微盘股策略的另一只基金，该基金今年取得了38.34%的回报，近5年累计回报 达107.96%。 姚加红和马芳管理的国金量化多策略是一只量化选股策略基金，自2019年以来，年年实现正收益，今年 获得16.69%的回报。值得注意的是，该基金与大多数小盘市值风格显著的量化基金不同， ...

中证1000股指期货和期权上市三周年影响 - 中证1000股指期货和期权上市填补小盘股对冲工具空白，提升定价效率并吸引资金配置相关成份股及指数基金 [3] - 衍生品工具支持"专精特新"中小企业融资，助力实体经济发展 [3] - 上市后南方中证1000ETF规模一年内增长至2倍，资金净流入达140.76亿元 [4] 指数基金市场表现 - 中证1000相关指数基金从上市前的18只扩容至59只，其中41只为上市后成立（含34只指增产品） [6] - 三年内成立的41只基金中超八成（34只）取得正收益，但25只规模不足2亿元（截至2023年一季度） [6] - 中证1000指增产品因小盘股弹性大、机构覆盖率低，量化策略超额收益空间显著高于沪深300/中证500 [6][8] 市场流动性与产品生态 - 南方中证1000ETF日均成交额从上市前一年的2.19亿元增至15.28亿元，增幅597.5% [4] - 衍生品价格发现功能提振现货市场信心，期货负基差缩小可缓解现货下跌压力 [4] - 全市场中证1000ETF总规模达1486亿元（截至2025年6月），产品生态圈逐步成熟 [8][9] 指数发展前景 - 中证1000指数覆盖200余家"专精特新"企业，与沪深300/中证500/中证2000形成A股全市值风格覆盖 [8] - 中小盘股盈利弹性释放背景下，该指数有望成为"中国版"罗素2000指数 [1][9] - 衍生工具完善将拓展现货配置型机会及衍生联动交易机会，吸引更多投资者 [8]

中证1000股指期货和期权上市三周年影响 - 中证1000股指期货和期权上市填补小盘股对冲工具空白 完善股指期货产品体系 缓解中证500股指期货长期深度贴水问题 [3] - 衍生品工具提升小盘股定价效率 吸引资金配置成份股及指数基金 支持"专精特新"中小企业融资 [3] - 南方中证1000ETF规模在衍生品上市后一年增长至2倍 资金净流入达140 76亿元 [4] 中证1000指数基金发展现状 - 中证1000相关指数基金从上市当天4只扩容至59只 其中41只为上市后成立 含34只指增产品 [6] - 三年内成立的41只基金中超八成(34只)取得正收益 但25只规模不足2亿元 [7] - 规模受限原因包括发展早期辨识度低 成份股市值小资金容量有限 近年股市存量博弈环境 [7] 中证1000指数投资价值 - 截至2025年6月底全市场跟踪中证1000指数的ETF总规模达1486亿元 [9] - 指数覆盖200余家"专精特新"企业 弹性高适合波段操作 量化策略超额收益空间显著高于沪深300等宽基指数 [9] - 与沪深300 中证500 中证2000指数形成A股全市值覆盖 生态圈完善将吸引更多配置型与交易型资金 [9][10] 市场前景展望 - 衍生工具完善推动小盘市值风格产品体系完备 中证1000指数或成"中国版"罗素2000指数 [1][10] - 经济复苏与产业升级背景下 中小盘股盈利弹性持续释放 指数长期发展空间广阔 [1][10]

私募证券策略上半年业绩表现 - 证券私募五大策略上半年整体收益率为8.32%，超八成产品实现正收益 [1][3] - 股票策略以10%的平均收益率领跑，多资产策略以7.28%紧随其后 [1][3] - 组合基金、债券策略、期货及衍生品策略平均收益率分别为6.05%、3.83%、3.82% [3] 量化策略表现突出 - 量化多头策略平均收益率达15.42%，大幅跑赢主观多头策略的9.23% [1][9] - 中证1000指增平均超额收益约14%，中证500指增平均超额收益约11% [4] - 市场中性策略收益率为5%，高收益中性策略可达6%~7% [4][5] - 与小市值股票相关的量化策略表现优异，部分高收益产品达25%~30% [5] 主观多头策略表现 - 4408只主观多头产品平均收益率为9.23%，正收益产品不足八成 [9] - 科技成长和港股是主要盈利来源，大盘价值风格表现平淡 [9] - 结构性行情下主观策略业绩分化显著，短期业绩持续性较差 [10] 市场环境分析 - 上半年市场日均成交量处于1.2万亿~2万亿元水平 [9] - 万得小市值指数涨超24%，中证2000指数上涨15.24% [9] - 中证1000等小盘指数跑赢大盘指数5~10个百分点 [9] - 题材轮动加快、流动性充裕、中小盘股向好为量化策略创造有利环境 [10] 下半年展望 - 当前是较好的股票做多窗口 [7] - 看好军工、人工智能硬件及应用、部分消费电子等基本面改善行业 [7] - 港股大量优质低估值成长股值得重视 [7]

量化多头策略整体表现 - 5月量化多头产品整体表现亮眼，574只有业绩显示的产品收益均值为3.77%，超额收益均值为2.45% [2] - 细分策略中，中证1000指增表现最佳，5月收益均值达4.16%，超额收益均值2.84%，正超额占比高达98.06% [3] - 量化选股策略产品数量最多（226只），5月收益均值3.67%，超额收益均值2.08%，但正超额占比相对较低为77.87% [3] 沪深300指增策略 - 近半年沪深300指数下跌1.95%，但指增产品实现收益均值4.73%，超额收益均值达6.81% [4] - 海南澎湃私募刘治平管理的"澎湃权益1号"位居榜首，宁波幻方量化徐进管理的产品位列第二 [7] - 头部产品管理规模差异显著，从海南澎湃的0-5亿到宁波幻方的100亿以上规模均有分布 [6] 中证500指增策略 - 近半年中证500指数下跌3.09%，但指增产品收益均值达8.45%，超额收益均值高达11.91% [8] - 今通投资钱伟强管理的产品夺冠，其团队搭建了AI投研平台和极速交易系统 [10] - 百亿私募中阿巴马投资和宁波幻方量化均有产品进入前三 [10] 中证1000指增策略 - 近半年中证1000指数下跌2.63%，但指增产品收益均值高达10.29%，超额收益均值13.26% [10] - 小熊猫资产李治国管理的产品居首，其具备15年证券期货交易经验 [12] - 进化论资产王一平完成从主观到量化的策略转型，其产品位列第四 [12] 其他指增策略 - 近半年收益均值达12.18%，超额收益均值14.41%，表现最优 [13] - 量创投资骆俊管理的北证选股产品居首，该产品年初策略调整后收益显著提升 [15] - 小微盘策略占据主导，前10产品中有5只采用中证2000等小微盘策略 [15] 量化选股策略 - 近半年收益均值9.83%，超额收益均值12.34% [17] - 珠海正沣私募李瑜管理的产品夺冠，龙旗科技和黑翼资产等百亿私募产品上榜 [19] - 产品规模差异较大，从1582万元到3.54亿元不等 [18]

量化模型与构建方式 国企基本面因子选股策略 1. **模型名称**：国企基本面因子选股多头策略 - **模型构建思路**：基于中证国企指数成分股及北交所符合条件的国企股票构建样本池，根据行业分类（红利型、成长型）选择通用因子和行业特色因子，通过加权打分选股[3][4][5]。 - **模型具体构建过程**： 1. **样本池定义**：中证国企指数成分股+北交所上市满6个月的央/地方国企股票[3]。 2. **行业分类**：将ZX三级行业划分为红利型（资源品、公用事业等6类）和成长型（先进制造、软件服务等3类）[4]。 3. **因子选择**： - **通用因子**：股息率（TTM）、ROE（TTM）、营业现金比率等，权重根据行业类型调整（红利型股息率权重4，成长型为2）[5][6]。 - **行业特色因子**：如资源品的ROIC环比增量、房地产的存货周转率等[7][8]。 4. **得分计算**：通用因子得分（30%）+行业特色因子得分（70%）加权，归一化为百分制总分[9]。 5. **权重分配**：前50名个股按得分立方加权，公式为： $$w_{i}={\frac{s c o r e_{i}^{3}}{\sum_{i=1}^{N}s c o r e_{i}^{3}}}$$ [10]。 - **模型评价**：突出国企红利特征，兼顾行业差异，因子权重设计体现不同行业逻辑[5][9]。 科技主题基本面因子选股策略 1. **模型名称**：科技主题基本面因子选股多头策略 - **模型构建思路**：从符合科技定义的行业（电子、计算机等）中筛选高研发投入股票，按企业生命周期（引入期、成长期、成熟期）分域选股[17][19][21]。 - **模型具体构建过程**： 1. **样本池定义**：SW三级行业属于科技领域且研发费用占比>5%或研发人员占比>10%的股票[17][18]。 2. **生命周期划分**：根据现金流正负将企业分为引入期、成长期等阶段，剔除震荡期和衰退期股票[19][20]。 3. **因子选择**： - **通用因子**：毛利率环比增量、独立发明专利数量等[22]。 - **特色因子**：成长期关注资产负债率（正向），成熟期关注PB-ROE（正向）[22][28]。 4. **得分计算**： - 单因子分位数打分后，按公式调节总分均衡性： $${\hat{\mathbb{E}}}_{i}^{s}\nearrow\ ={\frac{1}{5}}M e a n(S_{i})+{\frac{M e a n(S_{i})}{S t d(S_{i})}}$$ [23]。 - 研发费用乘数调整总分： $$研发费用乘数 = 0.9 + 0.2 × Normalization\left(\frac{Mean_{industry}(研发费用/总市值)}{Mean_{Astock}(研发费用/总市值)}\right)$$ [25][26]。 5. **权重分配**：前50名个股按得分线性加权，公式为： $$w e i g h t_{i}={\frac{s c o r e_{i}}{\sum_{i=1}^{50}s c o r e_{i}}}$$ [27]。 - **模型评价**：强调研发投入和高成长性，生命周期分域增强因子有效性[21][22]。 --- 模型的回测效果 国企基本面因子选股多头策略 - **年化收益率**：23.09% - **年化超额收益**：21.01%（vs 中证国企指数） - **Sharpe比率**：1.0648 - **Calmar比率**：0.9799 - **最大回撤**：-23.56% - **超额收益Sharpe比率**：1.7000[11][12]。 科技主题基本面因子选股多头策略 - **年化收益率**：25.25% - **年化超额收益**：10.62%（vs 科技股样本池） - **Sharpe比率**：0.9404 - **Calmar比率**：0.7476 - **最大回撤**：-33.78% - **超额收益Sharpe比率**：1.4755[29][30]。 --- 量化因子与构建方式 国企基本面因子 1. **通用因子**： - **股息率（TTM）**：反映国企分红稳定性[6]。 - **ROE（TTM）**：央企业绩考核指标，衡量盈利能力[6]。 - **营业现金比率**：经营现金流/营业总收入，考核销售质量[6]。 2. **行业特色因子**： - **资源品**：ROIC环比增量（盈利+营运效率）[7]。 - **房地产**：存货周转率（销售效率）[8]。 - **银行**：资本充足率（抗风险能力）[8]。 科技主题基本面因子 1. **通用因子**： - **毛利率环比增量**：反映利润空间[22]。 - **独立发明专利数量**：衡量技术水平[22]。 2. **特色因子**： - **成长期**：资产负债率（正向，支持扩张）[22][28]。 - **成熟期**：PB-ROE（低估值高ROE）[22][28]。 --- 因子的回测效果 （注：报告中未单独列出因子级回测指标，仅展示模型综合效果）

量化模型与构建方式 1. **模型名称**：成交量模型 - **模型构建思路**：通过分析市场成交量变化判断短期市场情绪[11] - **模型具体构建过程**：监测宽基指数成交量与历史均值的偏离度，结合波动率阈值生成信号。当成交量突破上轨且波动率低于阈值时看多，反之看空[11] 2. **模型名称**：低波动率模型 - **模型构建思路**：利用市场波动率均值回归特性捕捉反转机会[11] - **模型具体构建过程**：计算指数20日波动率，当波动率低于历史25%分位数且价格处于均线上方时看多，高于75%分位数时看空[11] 3. **模型名称**：特征龙虎榜机构模型 - **模型构建思路**：跟踪机构席位买卖净额判断资金动向[11] - **模型具体构建过程**：统计龙虎榜机构净买入金额占流通市值比例，结合行业资金流生成综合评分[11] 4. **模型名称**：智能沪深300模型 - **模型构建思路**：融合量价与基本面因子的多因子择时模型[11] - **模型具体构建过程**： $$ Score = 0.3 \times Momentum_{20} + 0.2 \times Volume\_Ratio + 0.5 \times PE\_Zscore $$ 其中动量因子取20日收益率，成交量比率为当日/5日均值，PE_Zscore为估值偏离度[11] 5. **模型名称**：成交额倒波幅模型（港股） - **模型构建思路**：结合成交额与波动率捕捉港股中期趋势[15] - **模型具体构建过程**：计算恒指成交额10日均值与波动率倒数的乘积，突破布林带上轨看多[15] 模型的回测效果 1. 成交量模型：上证50信号中性，沪深300信号中性[11] 2. 低波动率模型：全A指数信号中性[11] 3. 智能沪深300模型：看多信号，本周超额收益0.18%[11] 4. 成交额倒波幅模型：恒生指数看多信号，本周超额收益1.10%[15] 量化因子与构建方式 1. **因子名称**：动量因子 - **因子构建思路**：捕捉资产价格趋势延续性[13] - **因子具体构建过程**：计算标的指数20日/60日收益率，标准化后分层回测[13] 2. **因子名称**：涨跌停因子 - **因子构建思路**：通过极端价格行为反映市场情绪[12] - **因子具体构建过程**：统计全市场涨停板数量占比，5日均线上穿20日均线看多[12] 因子的回测效果 1. 动量因子：宽基指数中性信号，年化IC 0.12[13] 2. 涨跌停因子：全A指数中性信号，月胜率58%[12] 复合模型与衍生模型 1. **模型名称**：A股综合兵器V3模型 - **模型构建思路**：集成短期量价与中期基本面信号的复合模型[14] - **模型具体构建过程**：对成交量、波动率、动量等6个子模型等权加权，阈值触发看空信号[14] 2. **模型名称**：杯柄形态识别模型 - **模型构建思路**：技术形态突破策略[43] - **模型具体构建过程**： - 定义杯体部分回撤幅度30-50% - 柄部回撤幅度8-12% - 突破颈线位时触发买入信号[43] - **模型评价**：2020年以来累计超额收益39.13%[43] 形态学模型测试结果 1. 杯柄形态组合：本周超额收益0.19%，累计超额39.13%[43] 2. 双底形态组合：本周跑输基准0.83%，累计超额22.48%[43]

量化模型与构建方式 1. **模型名称**：成交量模型 - **模型构建思路**：通过监测市场成交量变化判断短期市场情绪[10] - **模型评价**：信号偏中性，适用于宽基指数短期择时[10] 2. **模型名称**：低波动率模型 - **模型构建思路**：基于历史波动率筛选低风险资产[10] - **模型评价**：防御性策略，当前信号中性[10] 3. **模型名称**：特征龙虎榜机构模型 - **模型构建思路**：追踪机构资金在龙虎榜的买卖行为[10] - **模型评价**：反映机构动向，当前信号中性[10] 4. **模型名称**：智能沪深300/中证500模型 - **模型构建思路**：结合量价与机器学习对特定指数择时[10] - **模型评价**：沪深300看多，中证500看空，分化明显[10] 5. **模型名称**：涨跌停模型 - **模型构建思路**：统计涨跌停股票数量判断市场热度[11] - **模型评价**：中期信号中性[11] 6. **模型名称**：长期动量模型 - **模型构建思路**：计算宽基指数长期趋势强度[12] - **模型评价**：全市场宽基指数信号中性[12] 7. **模型名称**：A股综合兵器V3/国证2000模型 - **模型构建思路**：多因子耦合的复合择时模型[13] - **模型评价**：当前均看空，风险偏好较低[13] 8. **模型名称**：成交额倒波幅模型（港股） - **模型构建思路**：结合成交额与波动率反转信号[14] - **模型评价**：中期看多恒生指数[14] 模型的回测效果 （注：报告中未提供具体回测指标如IR、胜率等，仅展示信号方向） 量化因子与构建方式 1. **因子名称**：杯柄形态因子 - **因子构建思路**：识别价格走势中的杯柄形态突破[42][56] - **因子具体构建过程**： - 定义A点（左杯沿）、B点（杯底）、C点（右杯沿） - 突破条件：价格突破C点且成交量放大[56] - **因子评价**：2020年12月以来超额收益达39.13%[42] 2. **因子名称**：双底形态因子 - **因子构建思路**：捕捉W形底部反转信号[49][54] - **因子具体构建过程**： - 定义A点（第一底）、B点（颈线）、C点（第二底） - 突破条件：价格突破颈线位[54] - **因子评价**：2020年12月以来超额收益22.48%[42] 因子的回测效果 1. **杯柄形态因子**： - 本周超额收益0.19%（相对上证指数）[42] - 历史累计超额收益35.54%[42] 2. **双底形态因子**： - 本周超额收益-0.83%（相对上证指数）[42] - 历史累计超额收益16.9%[42] 其他量化工具 1. **VIX指数**： - 构建方法：复现中证指数公司VIX计算，相关系数99.2%[40] - 当前值：16.12（50ETF期权）[41] 2. **大师策略监控**： - 覆盖33个经典量化选股策略（价值型19/成长型6/综合型8）[37]