量化模型与构建方式 1. **模型名称：PB-ROE-50组合** - **构建思路**：基于PB（市净率）和ROE（净资产收益率）双因子筛选股票，选取估值合理且盈利能力强的标的[23] - **具体构建过程**： 1. 在全市场股票池中计算每只股票的PB和ROE值 2. 对PB和ROE分别进行标准化处理并加权综合得分 3. 选取综合得分前50名的股票构成组合 4. 按月频调仓，动态更新标的[24] 2. **模型名称：私募调研跟踪策略** - **构建思路**：通过跟踪私募机构调研行为挖掘超额收益机会[25] - **具体构建过程**： 1. 统计上市公司接受私募机构调研的频率及参与调研的机构质量 2. 对调研事件赋予权重（如头部私募调研权重更高） 3. 结合基本面指标筛选被调研股票中的优质标的[26] 3. **模型名称：大宗交易组合** - **构建思路**：基于"高成交金额比率+低波动率"原则筛选大宗交易标的[29] - **具体构建过程**： 1. 计算个股大宗交易成交金额占日均成交额比率 2. 计算个股6日成交金额波动率 3. 选择成交比率高且波动率低的股票构建组合[30] 4. **模型名称：定向增发组合** - **构建思路**：利用定向增发事件驱动效应构建投资组合[35] - **具体构建过程**： 1. 以股东大会公告日为事件节点 2. 结合市值因子和仓位控制规则 3. 筛选近期发布定增预案且估值合理的标的[36] --- 模型的回测效果 1. **PB-ROE-50组合** - 中证500超额收益1.15%（本周），今年以来2.19%[24] - 中证800超额收益0.29%（本周），今年以来1.96%[24] 2. **私募调研跟踪策略** - 中证800超额收益2.61%（本周），今年以来9.91%[26] 3. **大宗交易组合** - 中证全指超额收益-0.61%（本周），今年以来23.37%[30] 4. **定向增发组合** - 中证全指超额收益0.12%（本周），今年以来6.18%[36] --- 量化因子与构建方式 1. **因子名称：净利润断层** - **构建思路**：捕捉财报公布后盈利超预期带来的股价跳空缺口[12] - **测试结果**：沪深300股票池本周收益1.30%[13] 2. **因子名称：5日反转** - **构建思路**：计算个股过去5日收益率并反向交易[12] - **测试结果**： - 沪深300股票池本周收益0.38%[13] - 中证500股票池本周收益-0.49%[15] 3. **因子名称：毛利率TTM** - **构建思路**：采用滚动12个月毛利率衡量企业盈利能力[14] - **测试结果**：中证500股票池本周收益1.65%[15] 4. **因子名称：动量弹簧因子** - **构建思路**：结合短期动量与均值回归特性[12] - **测试结果**： - 沪深300股票池本周收益-1.12%[13] - 流动性1500股票池本周收益-1.07%[17] --- 因子的回测效果 1. **大类因子表现** - 动量因子：本周收益0.12%[18] - 规模因子：本周收益-0.40%[18] 2. **行业内因子表现** - 钢铁行业：净利润增长率因子表现最佳[21] - 煤炭行业：EP因子表现突出[22] 3. **单因子表现（沪深300）** - 成交量的5日指数移动平均：1.15%[13] - 对数市值因子：-1.02%[13] 4. **单因子表现（中证500）** - 单季度ROA：1.40%[15] - 早盘后收益因子：-0.64%[15]

量化模型与构建方式 1. **模型名称：PB-ROE-50组合** - **模型构建思路**：基于PB（市净率）和ROE（净资产收益率）双因子筛选股票，选取估值合理且盈利能力强的标的[23] - **模型具体构建过程**： 1. 在全市场股票池中计算每只股票的PB和ROE值 2. 对PB和ROE分别进行标准化处理并加权综合得分 3. 选取综合得分前50名的股票构成组合 4. 按月频调仓，控制行业和市值暴露[23][24] 2. **模型名称：私募调研跟踪策略** - **模型构建思路**：通过跟踪私募机构调研行为挖掘超额收益机会[25] - **模型具体构建过程**： 1. 统计上市公司接受私募调研的频率和机构数量 2. 计算调研热度指标：$$调研得分 = \frac{调研次数}{行业均值} + log(参与机构数)$$ 3. 结合基本面筛选（如ROE>10%）构建组合[25][26] 3. **模型名称：大宗交易组合** - **模型构建思路**：基于"高成交金额比率+低波动率"原则筛选大宗交易标的[29] - **模型具体构建过程**： 1. 计算大宗交易成交金额比率：$$成交比率 = \frac{大宗交易金额}{日均成交额}$$ 2. 计算6日成交金额波动率 3. 选取成交比率前30%且波动率后30%的股票[29][30] 4. **模型名称：定向增发组合** - **模型构建思路**：利用定向增发事件窗口期的超额收益效应[35] - **模型具体构建过程**： 1. 以股东大会公告日为事件日 2. 筛选增发比例>5%且发行折价率<20%的标的 3. 按市值分层加权构建组合[35][36] 模型的回测效果 1. **PB-ROE-50组合** - 中证500超额收益1.15%（本周），今年以来2.19%[24] - 中证800超额收益0.29%（本周），今年以来1.96%[24] - 全市场超额收益-0.30%（本周），今年以来2.43%[24] 2. **私募调研跟踪策略** - 中证800超额收益2.61%（本周），今年以来9.91%[26] - 绝对收益2.18%（本周），今年以来8.47%[26] 3. **大宗交易组合** - 中证全指超额收益-0.61%（本周），今年以来23.37%[30] - 绝对收益-1.30%（本周），今年以来23.91%[30] 4. **定向增发组合** - 中证全指超额收益0.12%（本周），今年以来6.18%[36] - 绝对收益-0.58%（本周），今年以来6.64%[36] 量化因子与构建方式 1. **因子名称：净利润断层** - **构建思路**：捕捉业绩超预期带来的价格跳空缺口[12] - **具体构建**：$$因子值 = \frac{公告日收盘价-前日收盘价}{前日收盘价} - 行业均值$$[13] 2. **因子名称：成交量的5日指数移动平均** - **构建思路**：反映短期资金流向[12] - **具体构建**：$$EMA_5(成交量) = \alpha \times 当日成交量 + (1-\alpha) \times 前日EMA$$，α=0.33[13] 3. **因子名称：动量弹簧因子** - **构建思路**：识别超跌反弹机会[12] - **具体构建**：$$因子值 = \frac{1月收益率}{过去6月波动率}$$[13] 4. **因子名称：ROIC增强因子** - **构建思路**：衡量资本回报效率的边际变化[15] - **具体构建**：$$因子值 = \frac{本期ROIC-行业ROIC中位数}{上期ROIC-行业ROIC中位数}$$[15] 因子的回测效果 1. **沪深300股票池** - 净利润断层：1.30%（本周），6.59%（近1年）[13] - 成交量的5日EMA：1.15%（本周），5.18%（近1年）[13] - 动量弹簧因子：-1.12%（本周），9.15%（近1年）[13] 2. **中证500股票池** - 毛利率TTM：1.65%（本周），0.98%（近1年）[15] - 单季度ROA：1.40%（本周），3.30%（近1年）[15] - 5日反转：-0.49%（本周），8.70%（近1年）[15] 3. **流动性1500股票池** - 5日平均换手率：0.45%（本周），7.94%（近1年）[17] - 动量弹簧因子：-1.07%（本周），19.54%（近1年）[17] - 单季度净利润同比增长率：-1.19%（本周），18.07%（近1年）[17] 大类因子表现 - 动量因子：本周0.12%[18] - 成长性因子：本周0.04%[18] - 规模因子：本周-0.40%[18]

核心观点 - 量化私募念空科技与上海交大计算机学院合作发表大模型研究论文，提出"自适应混合训练方法论"，成为首家闯入国际顶会NIPS的中国量化机构 [3][4][5] - 公司在DeepSeek基础上提出交替进行SFT和RL的新训练框架，实验证明在三个公开数据集上优于单独SFT、单独RL及简单混合方法 [5][23][24][25][27] - 公司通过产学研结合路径探索大模型在量化投资的应用，同时孵化AllMind进行跨领域大模型底层研究，展现从金融AI向多领域扩展的野心 [10][11][41][42] 技术创新 - 提出动态混合训练框架SASR，通过step-wise自适应算法决定每个训练阶段采用SFT或RL，相比静态混合方法在GSM8K、MATH等数据集上准确率提升显著 [25][27][28] - 实验数据显示SASR框架在1.5B/0.5B参数量下取得0.484平均准确率，优于静态混合的0.326和单独SFT的0.414 [28] - 技术突破点在于发现交替训练可避免过拟合和模型崩溃，类比人类学习中刷题与考试经验交替进行更有效 [24][25] 产学研结合 - 与上海交大合作实现优势互补：高校提供理论研究与人才资源，公司提供算力、工程经验及金融场景 [8][29][34] - 2017年组建3人AI团队起步，2019年将90%实盘模型转为Transformer算法，2021年管理规模达百亿 [17][18] - 当前AI团队规模达数十人，70%-80%为自主培养，通过6个月实习可熟练使用内部一体化研究框架 [37][38][39] 战略布局 - 成立AllMind独立公司专注大模型底层研究，与主营量化业务的念空形成分工：前者侧重基础算法与跨领域应用，后者聚焦金融数据拟合 [40][41] - 基于通义千问3进行垂直领域微调，计划开发面向普通投资者的普惠金融应用 [35][43] - 战略逻辑是通过理解大模型底层原理提升金融预测能力，同时将训练框架迁移至医药、新材料等领域 [11][33][42] 行业洞察 - 金融数据具有量少、信噪比低、不稳定的特点，与互联网数据差异显著，传统机器学习易过拟合 [7][58][59] - 量化模型不需100%准确率，IC值15%-20%即可盈利，关键是在过拟合与欠拟合间找到平衡 [54][61][62] - 大模型可突破传统拟合局限，通过跨模态理解带来超额信息，但需针对金融特点调整训练方法 [19][32][49]

市场现状分析 - 当前市场呈现低波动状态 上证指数每日波动不超过1% 成交量持续萎缩 [1] - 股债汇三大市场罕见同步"躺平" 显示市场预期高度一致 [1][3] - 微盘股异常活跃 市值低于50亿的小票频频创新高 形成流动性虹吸效应 [3][5] 资金动向解读 - GJD操作具有长期规划特性 去年9月24日启动的行情经过三个月酝酿完成反杀 [5][6] - 机构常用震仓陷阱清洗浮筹 通过制造5%左右的下跌诱导散户止损 [6][8] - 量化工具可识别机构真实意图 如空头回补信号和机构库存数据能区分震仓与出货 [8][10][11] 量化工具价值 - 传统技术分析仅能观察价格变化 量化工具可捕捉资金流向等本质数据 [8] - 机构库存数据维持高位表明大资金未撤离 空头回补信号预示震仓结束 [10][11] - 量化分析可还原市场真相 帮助识别机构操作节奏 弥补散户信息劣势 [14] 市场趋势预判 - 当前低波动状态是重大变盘前兆 三大市场同步往往预示趋势转折 [14] - 理解资金真实动向是获取超额收益的关键 量化工具在此过程中具有独特价值 [14]

核心观点 - 被动投资主动化，主动投资系统化是工银瑞信指数及量化投资部的核心理念 [1][11][15] - 指数产品的第一性原理是为持有人提供收益，而非区分主动或被动 [15][16][23] - 长期盈利是信仰的变现，中期盈利是认知的变现，短期盈利是技术的变现 [4][48] 被动投资主动化 - 主动定义贝塔：通过产品创设主动定义未来能赚钱的贝塔方向，如A50、A500宽基指数和系列红利指数 [2][17] - 主动选择有所为：在建仓期、成分股调整期、大额申赎期三个关键时点进行主动操作优化 [2][21] - 主动选择有所不为：不提供冗余流动性，只针对真实客户需求提供流动性服务 [2][19] 主动投资系统化 - 形成闭环管理的量化投研平台，统一管理因子研究、策略形成、模型构建等环节 [3][35] - 用数据和科学定义投研流程，强调科学性和客观性而非观点碰撞 [3][36] - 形成多资产多策略工作手册并系统化落地，将个人认知转化为平台智慧 [3][35] 产品创新与布局 - 红利主题产品持续迭代：从深圳红利到港股红利再到智选质量红利指数 [17] - 港股通科技30ETF(159636)加入智能驾驶龙头企业，兼顾覆盖度和锐度 [17] - 指数增强产品布局遵循三原则：贝塔方向、用户需求、自身阿尔法能力 [27][28] 量化投资方法论 - 量化产品类似L3-L4级自动驾驶，需清晰策略定义和尾部风险管理 [25][26] - 通过多资产视角发现系统性机会，如债券信用利差映射股票大小市值 [30] - 团队多元化背景形成互补：自营出身的风险管理、数学系的AI阿尔法、策略研究的中观因子把握 [32][33][34] 团队与文化 - 开放文化：平等讨论带来多元视角 [46][50] - 包容文化：对短期业绩落后有机制保护，给予策略验证时间 [46][50] - 团队协作：每人独立负责策略板块并平台共享，形成投研体系护城河 [47][51] 市场展望 - 港股市场具有系统性机会，创新药行业处于Alpha周期向上拐点 [37] - 红利主题股息率在无风险利率环境下具有吸引力 [37] - 通过ARC系统(Active-Reversion-Certainty)跟踪统一变量进行多资产决策 [42]

股权变动与人才激励 - 博道基金原股东史伟将所持3%股份转让给基金经理杨梦 杨梦直接持股3%并通过持股平台间接持股 合计持有公司股份超过5% 成为重要股东[1] - 股权转让起源于持股员工离职 根据公司章程由现职员工作为股权激励对象受让股权 公司通过市场化机制激发团队活力 推动投研能力持续升级[3] - 杨梦个人管理规模达129.36亿元 占公司公募总规模233.51亿元的55.4% 这一集中度在业内罕见[1] 公司治理与股权结构 - 公司在申请设立初期就设计专业人士作为自然人股东加员工持股平台的股权结构 该安排获得监管部门批复后实施 延续至今[3] - 股权结构起到完善公司治理 强化长期激励和约束机制的作用 符合证监会关于公募基金高质量发展的政策导向[3] - 核心管理团队整体稳定性非常高 从2013年至今只发生过一次高管离职 杨梦是2014年加入的内部培养人才[3] 量化投资业绩表现 - 公司股票投资主动管理能力排名：过去一年第20/127 过去两年第8/124 过去三年第11/113 过去四年第13/106[4] - 量化权益管理规模超百亿元 连续多年在公募量化同业中排名规模前十[4] - 博道沪深300增强A和博道中证500增强A连续6年跑赢对标指数 沪深300指增近2年超额同类第一 中证500指增近5年超额同类第一[4] 基金经理专业背景 - 杨梦是浙江大学经济学硕士 拥有14年证券基金从业经验 包括4年量化研究经验和10年量化投资管理经历[5] - 2014年加入博道后着手搭建公司量化团队和量化策略体系 现任合伙人 量化投资经理和量化投资总监[5] - 管理的博道中证500指数增强A任职回报率达115.56% 博道远航A实现66.29%的任职回报率 管理规模突破30亿元[5] 行业地位与专业认可 - 杨梦与景顺长城基金黎海威 嘉实基金肖觅等知名基金经理共同入选全市场满足三年任职期且业绩达标的股票型基金经理[6] - 曾荣获2016年金牛私募管理公司奖 2022年第九届英华奖"三年期指数增强最佳基金经理" 2024年入选上海市东方英才计划青年项目[5] 公司发展战略 - 公司成立于2017年6月 是全国第三家"私转公"基金公司 前身是2013年5月成立的上海博道投资管理有限公司[8] - 专注量化赛道 首只公募产品为量化基金 37只产品中指数增强类产品占比超60%[8] - 通过核心员工持股探索解决"公私待遇差"难题 突破"规模魔咒" 建立差异化竞争优势[9] 业务规模与产品结构 - 截至2025年一季度管理规模233.51亿元 杨梦量化团队管理的13只产品占公司总规模55%[9] - 2018年开展公募业务以来坚持低位布局权益类产品 形成以主动管理和量化增强为特色的权益类产品线[4] - 在头部公募量化产品平均规模超50亿的市场中 公司30亿级精品化产品线形成错位竞争[9]

核心观点 - 博道基金核心基金经理杨梦通过受让股份，合计持股比例升至7.5%，成为公司重要股东，实现了个人与公司利益的深度捆绑 [2][3] - 杨梦是公司的“王牌”与“招牌”，其管理规模占公司总规模的55.4%，公司权益产品占比高且规模波动，存在对单一基金经理过度依赖的结构性风险 [8][15] - 公司投资团队呈现“一超多强但不均”格局，杨梦业绩突出，而投资团队“一把手”张迎军业绩持续低迷，公司整体发展高度依赖杨梦的量化产品线与个人表现 [17][18][21] 公司股权结构与核心人员变动 - 原股东史伟因个人原因离职，将其持有的3%股份转让给基金经理杨梦 [4] - 本次股权变更后，杨梦通过直接持股及员工持股平台（合计持股4.5%）间接持股，合计持股比例升至7.5%，成为持股5%以上的公司重要股东 [2][3] - 公司股权结构为专业人士作为自然人股东加员工持股平台模式，此次股权转让体现了公司对核心人才的长效激励意图 [3][4] 核心基金经理杨梦的背景与地位 - 杨梦是博道基金量化投资总监兼量化投资部总经理，2014年加入博道体系，是公司“老将” [7] - 杨梦目前管理17只基金产品，基金资产总规模为129.36亿元，占博道基金全部产品规模（233.51亿元）的55.4% [2][8] - 杨梦是公司搭建量化团队和量化策略体系的核心员工，管理产品均为偏股型，擅长量化及指数增强策略 [8][10] - 近半年公司新发的7只产品中，有6只由杨梦管理，其中4只为量化/指数增强产品 [12] 杨梦的投资业绩表现 - 杨梦近一年、近两年、近三年投资回报分别为15.23%、9.97%、12.89%，总回报81.48%，年化回报9.19%，均大幅跑赢沪深300指数 [10][11] - 截至数据统计时，杨梦管理的产品今年以来（YTD）回报为4.36%，而同期沪深300指数为-1.47% [11] - 公司解释其管理17只产品未超限，因量化基金主要借助模型与AI，不似主动管理基金消耗精力 [12] 博道基金的公司概况与产品结构 - 博道基金成立于2017年6月，是一家“个人系”公募，创始人为莫泰山，其直接及间接合计持有公司60.5%股份 [2][13] - 截至2025年4月末，公司基金资产总规模为233.51亿元，较3月末增长19.09% [15] - 公司产品结构以权益类基金为主，股票型、混合型基金规模分别为107.44亿元和95.55亿元，合计占比达86.93%；债券型基金规模为30.52亿元，占比13.07% [15] - 公司坚持布局权益产品，形成了以主动管理和量化增强为特色的权益类产品线 [13] 公司规模波动与团队结构 - 公司规模受权益市场影响较大，不稳定：2021年末规模达峰值240.35亿元，2022年A股震荡下行导致规模大幅缩水至169.82亿元，此后未能重回峰值 [15] - 公司共有9名基金经理，杨梦是唯一女性，也是管理产品数量最多、规模最大的基金经理 [17] - 固定收益投资仅由陈连权一人负责 [17] - 除杨梦外，其他权益基金经理整体业绩不差，但普遍面临管理产品数量偏少或规模偏小的情况 [19] 其他关键基金经理表现 - 研究总监兼基金投资部总经理张迎军被视为投资团队“一把手”，拥有25年从业经验，但投资业绩低迷 [17] - 张迎军管理的5只产品中，有2只任职回报为负：博道嘉兴一年持有期混合任职回报为-16.8%，博道嘉丰混合A、C份额任职回报分别为-35.99%、-38.16% [17] - 其管理的博道嘉丰混合自2021年2月成立以来规模持续下降，截至2025年一季度末A、C份额总规模为9.1亿元，较成立初期的39.84亿元下降了77.16% [18] - 其管理的产品近一年、近两年同类排名基本处于中下水平 [17][18] - 基金经理刘玮明管理博道启航混合等产品，自2024年4月管理以来任职回报约22%，近一年同类排名优秀，但资历较浅 [17]

报告核心观点 - 沪深300指数成分股呈大市值、高盈利特征，在估值、成长上的暴露较为均衡 [2] - 采用风格均衡、策略构建均衡、增加风控模块三种方式构建的组合，全区间信息比都大于1，且每年相对沪深300指数超额收益均为正 [3] - 增加风控模块方式风控最直接，组合跟踪误差最小；风格均衡、策略构建均衡两种方式，超额收益相对较高，2016年以来，滚动3年累计绝对收益率、超额收益率均为正 [4] 沪深300指数的风格特征 - 沪深300指数风格特征为偏大市值，注重公司基本面，在估值和成长上较为均衡 [16] 跑赢沪深300指数的3种组合构建方法尝试 风格均衡组合 - 价值、成长均衡组合年化超额收益13.1%，信息比1.23，除2020年与基准持平外，其余年份年化超额收益均在4%以上 [27] - 可在风格均衡组合基础上增加弹性较大的卫星组合，如健康小市值策略，构建方式为全A剔除估值最高20%的股票，在剩余股票中用9个因子多因子打分，小市值因子权重20%，其余因子权重10%，季度调仓 [30] - 配置卫星组合后，超额收益、信息比均有所提升 [32] 构建过程中的均衡 - PB - ROE组合综合估值水平和盈利能力选股，GARP组合综合估值水平和增长水平选股，两个组合构建过程保持价值和成长的均衡性，单个组合相对沪深300指数超额收益较稳定，月胜率在60%以上，复合之后分年度超额收益分布更均匀，月胜率更高 [34][37] 增加风控模块，定量约束风险 - 无约束组合超额收益波动大，约束相对基准指数的风格、行业、个股偏离可降低收益波动，风格偏离0.3、行业偏离3%、个股偏离1%的组合，相对沪深300指数年化超额9.0% [43]

文章核心观点 - 中国头部量化私募机构正积极将大模型技术应用于量化投资决策 有望借助新技术实现跨越式发展 并在全球竞争中占据有利位置 [1][7] - 念空科技作为代表性机构 通过与高校合作提出新的大模型后训练方法 并已开始将大模型应用于内部量化决策测试 展现出接近传统AI策略的预测能力 [1] - 全球头部量化机构对大模型应用持谨慎态度 推进缓慢 这为中国量化机构提供了利用技术认知差实现超车的机遇 [2][3] 公司战略与技术布局 - 念空科技已开始将大模型应用于量化决策 内部测试显示其大模型已展现出接近传统AI策略的预测能力 [1] - 公司董事长王啸创立了专注于大语言模型底层算法和工程技术的创新型科技公司上海全频思维人工智能科技有限公司(AllMind) [3] - AllMind将着重探索大模型在垂直行业领域的应用 短期内着眼于训练基于金融数据的专项大模型 未来拟开放合作探索新材料、医药研发等垂直领域 [3] - 念空科技通过聚焦垂直领域应用和小步快跑的实验 在资源相对有限的情况下率先进行了大模型+量化分析的探索 [4] - 公司布局大模型的最大特点是注重落地应用 目标是成为“用得最好”的公司 并认为对大模型进行正确训练的能力将是未来公司之间最大的壁垒 [5] - 公司自2015年成立起即布局AI 成为行业中少数“全流程AI驱动的量化公司”之一 从2019年开始已将Transformer算法应用在实盘产品组合中 [6] 公司发展历程与规模 - 念空科技成立于2015年 成立第一年管理的资产规模就突破10亿元 第二年达到60亿元 进入当时国内行业头部梯队 到2022年时管理规模跨入百亿元 [6] - 作为一家长远发展的资管机构 公司于2023年开始拓展海外市场 成立了海外基金 [7] 行业趋势与竞争格局 - 全球头部量化机构对大模型仍持谨慎态度 推进节奏相对缓慢 多数探索仍处于试验和辅助阶段 [2] - 国际巨头的技术迟滞为国内小型玩家提供了利用认知差实现跨越式发展的机遇 [3] - 每一次工具算法跃迁都会驱动量化投资的进化 大模型高度模拟人类神经网络思维 在量化投资领域可能带来比传统AI更进一步的增长潜力 [7] - 拥抱大模型等新兴技术可能在未来重塑全球量化投资的竞争格局 帮助中国量化实现“超车” [7] - 当前行业类似于2017年AI技术爆发的前夜 未来中国私募行业将集中至四五家巨头主导 对AI与大模型的掌握能力将成为决定胜负的关键要素 [7]

公司调研纪要 - 金固股份围绕核心客户完善产能布局 弥补产能缺口以满足日益增长的订单需求 [1] - 公司在国内市占率稳步提升的同时积极开拓海外市场 通过建设海外生产基地为海外主机厂客户提供更具竞争力的产品与服务 [1] - 公司独有的阿凡达铌微合金材料与加工工艺具有高强度 轻量化 低成本等特点 在需要轻量化 增加强度 降低成本的行业有广泛应用潜力 [1] - 公司立足于新材料 新工艺 新技术基础加大研发力度 探索横向产品开发和应用场景 推进与机器人行业和低空飞行器行业的项目合作 [1] - 公司运用制造业产业化与行业整合经验优势 积极在新材料应用与拓展方面进行布局 未来将加大资源投入深化新材料在多领域的应用 [1] - 公司通过引入专业人才组建专项团队 为机器人等新兴领域发展储备技术力量 [1] 机构背景 - 上海英昊资产管理有限公司是一家依靠数学与计算机科学进行量化投资的基金公司 [2] - 创始团队自2015年起致力于量化领域研究 创新与实践 依靠强大系统 独特模型 严谨风控保持突出投资业绩 [2] - 公司借助科学与科技力量进行创新研究 拥有世界一流的行情 交易 研究 回测和风控系统 使用深度学习等人工智能技术优化量化策略 [2] - 公司构建了投资研究 市场服务 后台运营 合规风控四位一体的先进架构 投研团队全部服务于单一策略实现高精度全行业覆盖 [2]