量化模型与构建方式 1 **模型名称**：量价类阿尔法因子打分模型[13][18] **模型构建思路**：通过量价和高频类阿尔法因子计算各指数整体得分，以判断市场风格偏好[13][18] **模型具体构建过程**： - 使用量价、高频类阿尔法因子作为信号，包括增量资金入场因子（amt_mustd3m/turn_utd）、日内搏杀因子（tcv_intra）、日间平稳-交易深度提升因子（mom_mdr3m）[17] - 计算各指数（沪深300、中证500、中证1000、中证2000、微盘）的整体得分[13][18] - 模型内生性指向微盘，2024年9月起微盘得分持续领先，2025年7月微盘得分下降至55%，但仍高于其他指数[13][17] 2 **模型名称**：私募量化规模估算模型[35][37] **模型构建思路**：基于私募新发产品数据、存量产品资金流入及市场收益，估算私募量化总规模[35][37] **模型具体构建过程**： - 以2024年末私募量化规模约9000亿元为基准[35] - 每月新发量化产品规模按占比折算：2025年上半年量化产品数量占比44.83%，假设每只基金发行规模相近[35] - 存量产品新增资金流入估算：参考新发基金单基金平均规模变化（2024年0.22亿元→2025年0.33亿元，涨幅49%），假设存量产品获得类似增幅[37] - 叠加权益市场涨跌带来的规模变动：基于500指增、1000指增、量化选股、市场中性四大类产品的平均收益率折算[37] - 最终估算公式： $$总规模 = 基准规模 + \sum（月新发量化规模） + 存量产品资金流入 + 市场收益调整$$[35][37] 3 **因子名称**：非线性市值风格暴露因子[20][28] **因子构建思路**：衡量私募量化产品在非线性市值风格大幅波动时的超额收益偏差，以评估风格暴露程度[20][28] **因子具体构建过程**： - 选取中证1000指增产品作为样本[20][23] - 计算非线性市值组合涨幅>0.5%时的平均周超额收益，以及涨幅<-0.5%时的平均周超额收益[20][23] - 计算所有管理人超额散点距原点的平均距离，公式： $$D_{非线性} = \frac{1}{N}\sum_{i=1}^{N}\sqrt{(E_{i,up})^2 + (E_{i,down})^2}$$[20][30] 其中 $E_{i,up}$ 和 $E_{i,down}$ 分别表示第i个管理人在风格上行和下行时的周超额收益 - 2023年、2024年、2025年的平均距离分别为0.84、1.49、1.19[20][30] 4 **因子名称**：线性市值风格暴露因子[26][28] **因子构建思路**：衡量私募量化产品在线性市值风格大幅波动时的超额收益偏差[26][28] **因子具体构建过程**： - 同样选取中证1000指增产品样本[26][27] - 计算线性市值组合涨幅>0.5%时的平均周超额收益，以及涨幅<-0.5%时的平均周超额收益[26][27] - 计算散点距原点的平均距离，公式： $$D_{线性} = \frac{1}{N}\sum_{i=1}^{N}\sqrt{(E_{i,up}^L)^2 + (E_{i,down}^L)^2}$$[26][32] - 2023年、2024年、2025年的平均距离分别为0.69、1.05、0.96[26][32] 5 **因子名称**：游资活跃度指标[45][48] **因子构建思路**：通过融资余额增长和龙虎榜数据构建，衡量游资定价权提升程度[45][48] **因子具体构建过程**： - 融资余额加速增长：截至2025年8月18日达2.09万亿元[45] - 龙虎榜数据剔除机构专用、沪股通等机构席位，将剩余股票视为个人投资者主导[48] - 统计上榜股票的市值分布，中证2000占比最高，微盘占比约10%[48][51] - 游资活跃度指标与国证2000指数相对净值的滚动1年相关系数自2025年7月起接近1[45][50] 6 **因子名称**：居民资金偏好因子[49][52] **因子构建思路**：通过股东户数变化统计居民资金偏好市值分位[49][52] **因子具体构建过程**： - 统计每个季度股东户数环比增速最高的前10%股票的截面市值分位数均值[49][52] - 历史数据显示均值在40%-60%分位区间波动，对应中证2000市值域[49][52] - 2024Q4以来，中证2000成分股平均股东户数显著上行，微盘股基本不变[52][56] 模型的回测效果 1 **量价类阿尔法因子打分模型**： - 2024年9月起微盘得分持续领先，2025年7月微盘得分55%[13][17] - 其他指数得分均低于微盘[13][18] 2 **私募量化规模估算模型**： - 截至2025年7月末，私募量化总规模约1.8万亿元[39][43] 3 **非线性市值风格暴露因子**： - 2023年平均距离0.84，2024年1.49，2025年1.19[20][30] - 风格上行与下行时周超额偏差平均1.9%[28] 4 **线性市值风格暴露因子**： - 2023年平均距离0.69，2024年1.05，2025年0.96[26][32] - 风格上行与下行时周超额偏差平均0.08%[28] 5 **游资活跃度指标**： - 与国证2000相对净值的滚动1年相关系数接近1[45][50] - 融资余额达2.09万亿元[45] 6 **居民资金偏好因子**： - 股东户数增速最高股票的市值分位数均值40%-60%[49][52] - 中证2000成分股股东户数显著上行，微盘股基本不变[52][56]

量化基金市场表现 - 量化基金整体表现优异 年内收益超过40%的小微盘策略产品较多 [1] - 公募量化基金中超过84%的产品业绩跑赢比较基准 获得超额收益 [3] - 中证2000指数增强产品表现突出 华泰柏瑞产品年内回报达47% 在同类产品中领先 [1] 限购措施与规模控制 - 量化基金限购现象普遍 14只产品暂停申购 30只限制大额申购 [1] - 华泰柏瑞中证2000指数增强将申购上限从100万元调整为10万元 调整时间仅间隔13天 [1] - 限购主要基于风险控制 投资者保护及策略稳定性考量 特别针对小微盘指增策略产品规模过大会导致策略钝化 [1] 市场环境与策略表现 - A股市场日均成交额持续维持在2万亿元以上高位 为量化策略提供活跃土壤 [3] - 中证2000对比上证50比值近期达到高位 显示小盘股存在过热迹象 [1] - 投资者选择量化基金时可关注多元化策略 [3]

本文来自微信公众号：嬉笑创客，题图来自：AI生成 很多人奇怪这次散户为什么还没跑步入场。 但如果这时候就跑步入场才更令人奇怪——去年才刚经历过一次入场后套牢，伤口尚未抚平就要重振旗 鼓，对散户的决心和口袋要求都太高了。 至于说涨到心动不得不入场，有一个心理前提：这得是一个向上空间足够、短期望不到头的爬升曲线。 但十年3000点的轮回教育了散户一件事，这是一个周期性的函数，随着企业利润增减而上下起伏。越是 涨的凶猛，可能越担心踩到山顶。 这一肌肉记忆在反复捶打中锤炼出了撒尿牛丸般的弹性运动心态。 还有一个重要的因素：赚钱效应其实有限。 我们将8月至今几个指数的涨幅作为基准，找出全市场涨幅超过该指数的股票占比，会发现，即使是涨 幅最低的上证指数，也仅有不到一半的股票涨幅高于它。 一路向上，涨幅超过中证1000的已经下降到30%左右。 这和去年9月是截然相反的。当时全月涨幅超过10%的股票占比九成以上，超过20%的都有五成以上， 赚钱效应很足。而且经历了近3年的熊市后，反弹空间一眼望不到头。 存款搬家的故事，也要长时间兑现。居民家庭的心理账户是很有特点的。放在固定收益里，年化1-2% 很能满足，但一旦进入股市，往往 ...

最近A股市场可谓风云变幻。8月25日3万亿元的放量成交后，次日市场就出现了明显的风格切换。作为一位长期关注量化数据的投资者，我深知这种剧烈波 动背后往往隐藏着更深层次的市场逻辑。今天，我想和大家分享一些我的观察和思考。 一、市场表象：放量后的调整与分化 8月26日的市场表现确实耐人寻味。前期强势的科创板指数一度跌超2%，而微盘股指数却逆势上涨超1%。这种分化走势让很多投资者摸不着头脑。 从表面看，有几个关键因素在影响市场： 但作为一名量化投资者，我更关注的是这些表象背后的资金行为。市场的每一次波动，都是资金博弈的结果。 二、投资焦虑：信息过载时代的困境 在这个信息爆炸的时代，我们每天都被海量的市场信息包围。但奇怪的是，知道的越多，反而越容易陷入投资焦虑： 这种焦虑往往会导致投资者做出非理性的决策，成为市场中被反复收割的对象。究其根源，是因为我们看到的只是市场的表象，而非真实的交易行为。 现在的市场有一个显著特征：上涨时间短，调整时间长。这其实是机构资金"用时间换空间"的策略体现。 MSCI指数调整带来的被动资金流动 人民币持续升值对外资流向的影响 房地产政策松绑对市场情绪的提振 持仓大涨时焦虑要不要卖出 持仓 ...

公司产品策略 - 近年推出臻金臻钻、梵华、黄财神、故宫文化等高克重系列以提升客单价 [1] - 未来持续围绕客户需求发力产品 打造非遗花丝、古法高工、潮搭串珠、IP领域领先地位 [1] - 主品牌推出"花丝?弦月"等非遗系列 IP授权涵盖哆啦A梦、三丽鸥等并新增多个IP [1] 品牌与渠道发展 - Soufflé定位礼赠专家且产品年轻化 已开设60家门店与主品牌形成互补 [1] - 品牌推广以"意象东方?非遗新生"为主线 携手宋轶开展"一城一非遗"活动 [1] - 线上子公司净利润同比增长70.64% 推动线上线下一体化发展 [1] 门店扩张进展 - 截至6月底门店总数达1,540家 净增72家门店 [1] - 海外市场在吉隆坡、泰国、柬埔寨开设门店 市场表现超预期 [1]

公司背景与领导团队 - 公司成立于2010年12月，全球员工超100人，投研团队占比超80%，硕博学历员工均毕业于海外常春藤及国内顶尖名校 [2] - 创始人袁宇为沃顿商学院金融学博士，曾任美联储研究员、沃顿商学院及上海高级金融学院教授，师从美国金融学会前主席Stambaugh教授并共同创立公司 [4] - 公司与Stambaugh教授合作发表文献"Size and Value in China"，提出适用于中国市场的三因子模型修正版本 [7] 量化模型与学术研究 - 开发中国特色三因子模型（CH-3），将价值因子从账面市值比（BM ratio）调整为盈利市值比（EP ratio），并剔除全市场市值最小30%的股票以提升解释能力 [12] - 模型基于市场因子、市值因子和价值因子，能有效解释A股市场大部分截面收益率异象 [12] - 持续优化模型细节以适应市场政策、环境和结构变化，使策略更贴近真实市场环境 [12] 投研体系与技术架构 - 独创"五环多核"量化流水线投研体系，涵盖因子、AI、优化、风控、交易五个环节，通过多团队协作强化策略研发持续性与稳定性 [13] - 2021年成立AI实验室G-Lab，AI全流程参与因子挖掘、模型优化、风控和交易环节，提升投研效率与策略迭代速度 [13] - 2022年启动超算基础设施建设，建成两期超级计算机并持续扩容"星座计划"，为AI提供更大算力支持 [14] 因子挖掘与AI应用 - 因子库包含人工挖掘因子10万个和机器挖掘因子8000万个，实盘因子库入选30000个因子，以人工挖掘为主、机器挖掘为辅 [14] - 人工因子具备高学术理论支撑，机器因子在低波动环境下表现更优，AI逐步提升机器因子比重 [14] - 采用学术团队挖掘因子叠加AI选择因子，由人工智能匹配因子权重并生成信号，严格保持因子低相关性与高夏普比率 [14] 产品业绩与市场表现 - 量化选股产品"鸣石春天28号"近三年超额收益位居头部私募量化选股10强第3名 [15] - 业绩归因于高效投研体系、策略强适应性、全市场选股优势及市场流动性波动性提升 [15][16] - 中证1000指增产品"鸣石宽墨七号"上榜同类产品今年来超额收益10强，受益于小市值股票价格弹性和错误定价机会 [17][18] 风控体系建设 - 自研Barra多因子风控模型，在传统模型基础上增加对中高频交易敏感的短周期因子，优化风险因子计算方式 [18] - 精确控制产品波动率与风格敞口，提升波动率预测能力，使风控措施更具前瞻性 [18]

量化投资市场发展 - 截至2025年二季度末全市场私募量化基金总规模突破1.49万亿元较2024年底增长超过800亿元 [1] - 小微盘市场风格走强及AI与量化技术持续迭代融合推动量化投资迎来高光时刻 [1] - 主观多头私募机构开始积极布局量化赛道探索第二增长曲线 [1] 相聚资本量化战略布局 - 公司正式推出多资产绝对回报独立量化策略对标固收+或市场中性产品追求持续稳健低波绝对回报目标 [1] - 量化团队自2009年成型系统性开展多类量化子策略研发2023年实现多策略整合并达成绝对回报目标 [3] - 策略框架结合多资产与多策略通过多元资产类别平抑波动优选长期增长潜力品种 [3] - 多策略集成包括量化选股风险平价CTA等非单一指数增强策略专注绝对收益需求 [4] - 独立量化产品与高锐度主观多头产品形成互补推动公司向综合资产管理平台转型 [4] 投资策略与市场观点 - 公司核心团队二十余年主动投资经验为量化选股提供基本面研究支撑 [5] - 策略专注长期有效基础研究追求因子长期稳定性避免短期因子衰减后频繁迭代 [5] - 当前A股符合技术性牛市特征累计涨幅超30%中长期慢牛行情值得期待 [6] - A股整体估值处于中枢水平上行需关注市场流动性企业盈利修复及宏观政策协同发力 [6] - 行业配置重点关注供需格局变化看好人工智能算力基础设施资本市场景气标的消费行业优势企业及出海业务占比高的全球竞争力上市公司 [6] 主动投资策略升级 - 公司主动投资策略从单一成长风格拓展至非成长领域新增红利策略和大宗商品股票策略 [7] - 实现策略权重整体平衡避免单一风格过度暴露或优势方向配置不足 [7] - 个股选择从侧重股价弹性与盈利趋势转向同时重视安全边际关注性价比和基本面趋势 [7]

量化投资行业趋势 - 截至2025年二季度末全市场私募量化基金总规模突破1.49万亿元 较2024年底增长超过800亿元 [1] - 主观多头私募机构积极布局量化赛道探索第二增长曲线 [1] - AI与量化技术持续迭代融合推动量化投资热度攀升 [1] 相聚资本量化战略布局 - 公司正式推出多资产绝对回报独立量化策略 对标固收+或市场中性产品 [1] - 量化团队自2009年成型 2023年完成多策略整合并实现绝对回报目标 [1][2] - 策略框架结合多资产与多策略 涵盖量化选股、风险平价、CTA等底层策略 [2] - 不参与拥挤赛道竞争 专注长期有效的基础研究和因子稳定性 [3] 资产配置方法论 - 大类资产配置基于多元资产类别平抑波动及正收益属性两大原理 [2] - 在股票、债券及大宗商品中优选具备长期增长潜力品种 [2] - 通过多策略融合实现绝对收益目标 区别于市场主流的指数增强策略 [2][3] 产品线与协同优势 - 绝对收益量化产品与高锐度主观多头产品形成互补 [3] - 主观团队二十余年主动投资经验为量化选股提供基本面研究支撑 [3] - 公司从单一风格产品管理人向综合资产管理平台转型 [3] A股市场展望 - 上证指数8月22日站上3800点关口 刷新近十年最高纪录 [4] - A股符合技术性牛市特征 累计涨幅超过30% [4] - 中长期慢牛行情值得期待 关注流动性宽松、企业盈利修复及宏观政策协同 [4] 投资策略方向 - 综合考量个股基本面趋势与估值性价比 [4] - 重点关注人工智能算力基础设施（光模块、PCB）、资本市场景气标的、消费行业优势企业及出海业务突出的上市公司 [4] - 主动投资策略系统化升级 新增红利策略和大宗商品股票策略 [5] - 组合管理实现策略权重整体平衡 避免单一风格过度暴露 [5] - 个股选择同时重视安全边际与盈利趋势 追求非对称机会 [5]

公募量化基金整体表现 - 截至2025年8月15日，全市场1059只公募量化产品中1031只实现正收益，正收益占比达97.36% [4] - 近1年收益超50%的产品共286只，其中4只收益翻倍 [4] - 量化产品在AI赋能和市场流动性助攻下优势显著 [4] 普通股票型量化基金 - 149只产品近1年平均收益39.80%，正收益占比98.66% [4] - 银华基金杨腾管理的银华专精特新量化优选股票发起式A以87.51%收益位居第一，超越基准47.60% [8][9] - 申万菱信基金俞诚管理的创业板量化精选产品以81.35%收益排名第二 [8][9] - 华商基金艾定飞管理的计算机行业量化产品以75.69%收益位列第三，重仓AI龙头股 [8][10] 指数型股票量化基金 - 496只产品近1年平均收益43.37%，显著高于普通股票型，且正收益占比100% [11] - 平均超额收益达3.66% [11] - 华泰柏瑞中证2000指数增强A以29.45%超额收益居首，成立以来收益64.53% [15][16] - 前三名均为中证2000指数增强产品，受益于小微盘股行情 [16] 混合型股票量化基金 - 329只产品近1年平均收益36.92%，正收益占比98.78% [18] - 诺安基金孔宪政与王海畅管理的诺安多策略混合A以119.12%收益夺冠，成立以来累计收益208.30% [19][20] - 该产品采用微盘股策略，主要投资市值低于50亿元的个股 [20] - 广发量化多因子混合与民生加银专精特新智选混合分列二、三名，收益分别为86.71%和83.56% [19]

量化模型与因子总结 量化因子与构建方式 1. **因子名称：成长较红利超额因子** **因子构建思路：** 通过计算成长风格指数与红利风格指数的收益率差异，捕捉市场风格轮动带来的超额收益[26][27] **因子具体构建过程：** - 分别获取国证成长指数和中证红利指数的日度收益率数据 - 计算两个指数的收益率差值： $$R_{成长较红利超额} = R_{国证成长} - R_{中证红利}$$ - 累计计算超额收益净值，以2016年1月4日为基准日进行标准化[128] 2. **因子名称：小盘较大盘超额因子** **因子构建思路：** 通过计算小盘风格指数与大盘风格指数的收益率差异，捕捉市值因子带来的超额收益[26][32] **因子具体构建过程：** - 分别获取巨潮小盘指数和巨潮大盘指数的日度收益率数据 - 计算两个指数的收益率差值： $$R_{小盘较大盘超额} = R_{巨潮小盘} - R_{巨潮大盘}$$ - 累计计算超额收益净值，以2016年1月4日为基准日进行标准化[128] 3. **因子名称：微盘股较基金重仓超额因子** **因子构建思路：** 通过计算微盘股指数与基金重仓指数的收益率差异，捕捉不同投资风格带来的超额收益[26][32] **因子具体构建过程：** - 分别获取万得微盘股指数和基金重仓指数的日度收益率数据 - 计算两个指数的收益率差值： $$R_{微盘股较基金重仓超额} = R_{万得微盘股} - R_{基金重仓}$$ - 累计计算超额收益净值，以2016年1月4日为基准日进行标准化[128] 4. **因子名称：动量较反转超额因子** **因子构建思路：** 通过计算动量指数与反转指数的收益率差异，捕捉市场动量效应带来的超额收益[26][27] **因子具体构建过程：** - 分别获取长江动量指数和长江反转指数的日度收益率数据 - 计算两个指数的收益率差值： $$R_{动量较反转超额} = R_{长江动量} - R_{长江反转}$$ - 累计计算超额收益净值，以2016年1月4日为基准日进行标准化[128] 5. **因子名称：风格拥挤度因子** **因子构建思路：** 通过计算风格指数换手率与市场整体换手率的偏离程度，衡量特定风格的交易拥挤程度[36][127] **因子具体构建过程：** - 计算风格指数近63个交易日日均换手率 - 计算万得全A指数近63个交易日日均换手率 - 对两个换手率序列分别进行z-score标准化： $$Z_{风格} = \frac{换手率_{风格} - \mu_{风格}}{\sigma_{风格}}$$ $$Z_{全A} = \frac{换手率_{全A} - \mu_{全A}}{\sigma_{全A}}$$ - 计算标准化后的差值： $$拥挤度差值 = Z_{风格} - Z_{全A}$$ - 计算该差值在6年滚动窗口内的历史分位值[127] 6. **因子名称：机构调研活跃度因子** **因子构建思路：** 通过计算板块或行业的机构调研次数相对市场整体的活跃程度，捕捉机构关注度变化[108][129] **因子具体构建过程：** - 统计板块（指数、行业）近n个交易日的日均机构调研次数 - 统计万得全A的日均机构调研次数 - 对两个调研次数序列分别进行z-score标准化 - 计算标准化后的差值得到"机构调研活跃度" - 计算该活跃度在滚动窗口内的历史分位数 - 长期口径：n=126（近半年），滚动窗口6年[129] - 短期口径：n=63（近一季度），滚动窗口3年[129] 7. **因子名称：股债性价比因子（ERP）** **因子构建思路：** 通过计算股票市盈率倒数与国债收益率的差值，衡量股票相对债券的配置价值[72] **因子具体构建过程：** - 计算指数市盈率倒数： $$E/P = \frac{1}{PE_{TTM}}$$ - 获取10年期中债国债到期收益率 - 计算风险溢价： $$ERP = E/P - 国债收益率$$ - 计算ERP在历史序列中的分位值[72] 因子回测效果 1. **成长较红利超额因子** 近一周收益率：3.8%[26] 近一月收益率：8.3%[26] 年初至今收益率：12.1%[26] 2. **小盘较大盘超额因子** 近一周收益率：-0.5%[26][32] 近一月收益率：2.0%[26][32] 年初至今收益率：8.6%[26][32] 3. **微盘股较基金重仓超额因子** 近一周收益率：-1.6%[26][32] 近一月收益率：-0.6%[26][32] 年初至今收益率：41.1%[26][32] 4. **动量较反转超额因子** 近一周收益率：1.0%[26] 近一月收益率：12.0%[26] 年初至今收益率：28.3%[26] 5. **风格拥挤度因子** **成长风格拥挤度：** 本周末分位：12%[36] 上周末分位：12%[36] 上年末分位：1%[36] **红利风格拥挤度：** 本周末分位：32%[36] 上周末分位：37%[36] 上年末分位：0%[36] **小盘风格拥挤度：** 本周末分位：10%[36] 上周末分位：9%[36] 上年末分位：1%[36] **大盘风格拥挤度：** 本周末分位：28%[36] 上周末分位：28%[36] 上年末分位：3%[36] **微盘股拥挤度：** 本周末分位：51%[36] 上周末分位：52%[36] 上年末分位：5%[36] **基金重仓拥挤度：** 本周末分位：23%[36] 上周末分位：17%[36] 上年末分位：0%[36] 6. **股债性价比因子（ERP）** **万得全A ERP：** ERP值：2.9%[80] 历史分位：55%[80] **沪深300 ERP：** ERP值：5.5%[80] 历史分位：59%[80] **中证500 ERP：** ERP值：1.4%[80] 历史分位：72%[80] **创业板 ERP：** ERP值：0.9%[80] 历史分位：90%[80]