公司量化业务发展历程与业绩 - 公司于2018年8月发行首只公募量化产品博道启航，截至2025年11月14日，该产品累计回报率超过144%，年化回报率超13% [1] - 截至2025年三季度末，公司量化管理规模约达270亿元，成功跻身行业前三 [1] - 公司量化产品业绩在2018年至今的七年多实践中，除2022年位居行业中游附近外，其余年份排名均处于市场前列 [7] AI技术应用与投资框架演进 - 公司于2017年开始使用GP算法挖掘因子，2019年研究AI量价因子，并于2020年实盘落地 [2] - 2023年一季度，公司将AI量价框架升级为“AI全流程投资框架”，进入传统多因子模型与AI框架多因子模型双轮驱动的新阶段 [2] - AI全流程框架从原始数据输入开始，经特征工程处理后，直接由神经网络模型进行端到端学习和预测 [2] - 团队在AI模型上已进行数以千计尝试，实盘应用的子策略模型有十几套 [3] 团队建设与投研模式 - 公司量化团队共有8名成员，全部为内部培养，形成从研究员到基金经理的完善梯队 [3] - 团队实行“分工协作、投研一体化”模式，每位成员有主攻研究方向，达标研究成果直接上线参与产品实盘运作 [3] - 组合生成、交易执行、归因分析等由系统完成，确保投资流程高度纪律性和体系化 [3] 核心投资策略：“双均衡”模型 - 方法论均衡：传统多因子模型与AI全流程模型各占50%权重，共同支撑实盘投资 [5][6] - 因子配权均衡：确保股票收益预测信息约一半来源于上市公司基本面判断，另一半来源于估值波动和技术面判断 [6] - 均衡策略旨在捕捉不同市场风格下的稳定表现，避免因过度暴露于单一风格而遭遇巨大回撤 [6] 产品矩阵布局 - 标准指增系列：要求80%以上资产投资于基准指数成分股，跟踪误差控制严格，布局了沪深300、中证500等主流宽基指数增强 [8] - 灵活指增系列：可突破成分股限制投资全市场股票，预期超额收益空间和波动放大，包括对标主动权益基金平均业绩的产品 [8] - Smart Beta增强系列：更多参考主动选股逻辑但以量化方式运作，如大盘价值、大盘成长产品 [9] - 量化固收系列：将运作经验拓展至绝对收益品类，为低风险偏好投资者提供量化增强方案 [9] 行业现状与前景 - 截至2025年三季度末，中国公募量化产品总规模已突破4000亿元 [1] - 公募量化行业在因子挖掘、策略迭代及AI技术深化应用方面依然存在巨大发展潜力 [1]

文章核心观点 - 苏州园林通过其独特的造景艺术和数字化技术应用，成功地将“图画感”体验从静态的文本描述拓展至动态的、可沉浸式感受的实体与虚拟空间，吸引了更多游客并推动了客流增长 [16][18] 园林造景艺术与游客体验 - 苏州园林的“图画感”源于无处不在的造景艺术，如漏窗、门洞、亭台轩榭等，它们作为“取景框”使游客在任何位置都能看到完美画面 [4] - 园林设计采用欲扬先抑的手法，通过狭长走廊和花窗逐步展示最佳景致，而非一览无余，增强了游览的层次感和独特性 [10] - 夜晚的光影效果，如拙政园夜游中的身影与紫藤投影、昆曲表演，进一步营造了“人在画中游”的沉浸式意境 [12] 教育意义与学生实地感受 - 八年级语文课文《苏州园林》成为学生实地探访的指引，将文字想象转化为身临其境的深度体验 [2] - 学生反馈表明实地游览比课本文字描述更深刻，能真切感受到园林的层次美和结构美 [6][8] - 身临其境的体验使书面化的课本知识变得生动可感，深化了学生对园林艺术的理解 [14] 数字化技术与客流增长 - 公司正利用高精度数字化采集、VR和AI技术将园林转化为数字档案，在虚拟空间拓展出可感、可游的立体世界 [16] - 行业通过将AI技术加载到游客服务导览设施中，将遗产保护成果转化为游客可体验的内容 [18] - 今年以来1至10月份，客流量较去年同期相比增长了10%左右，显示出技术应用与体验升级对吸引游客的积极效果 [18]

根据提供的金融工程周报内容，以下是关于报告中涉及的量化模型与因子的详细总结。 量化模型与构建方式 1. **模型名称：流动性冲击指标**[3] * **模型构建思路**：该指标用于衡量当前市场流动性相对于过去一年平均水平的偏离程度，以评估市场的流动性状况[3]。 * **模型具体构建过程**：报告未提供该指标的具体计算公式，仅说明其计算基于沪深300指数。指标值为0.15，表示当前市场流动性高于过去一年平均水平0.15倍标准差[3]。 2. **模型名称：SAR指标（停损转向指标）**[3][10] * **模型构建思路**：SAR是一种趋势跟踪指标，用于识别市场的潜在反转点。当价格向下突破SAR线时，产生卖出信号；当价格向上突破SAR线时，产生买入信号[3][10][11]。 * **模型具体构建过程**：报告未提供SAR指标的具体计算公式，但展示了其应用。Wind全A指数于11月17日向下突破翻转指标，形成卖出信号[10][11]。 3. **模型名称：均线强弱指数**[3][10] * **模型构建思路**：该指数通过计算Wind二级行业指数中处于强势（如价格位于某均线之上）的行业比例，来度量整个市场的技术面强弱[3][10]。 * **模型具体构建过程**：报告未提供该指数的具体构建公式。当前市场得分为80，处于2023年以来的25.9%分位点，表明市场技术面偏弱[10]。 4. **模型名称：情绪择时模型**[3][10][13] * **模型构建思路**：通过构建涨跌停板相关因子来刻画市场的情绪强弱，并综合这些因子信号形成择时模型[3][10]。 * **模型具体构建过程**：模型包含多个细分因子，每个因子给出0或1的信号，综合后得到总得分（满分5分）。具体因子包括： * 净涨停占比[13] * 跌停次日收益[13] * 涨停板占比[13] * 跌停板占比[13] * 高频打板收益[13] 当前情绪模型总得分为0分，趋势模型信号为负向，加权模型信号为负向[10][13]。 5. **因子名称：因子拥挤度复合指标**[14][15] * **因子构建思路**：因子拥挤度用于预警因子可能因资金过度追逐而失效的风险。通过综合多个子指标来评估因子的拥挤程度[14]。 * **因子具体构建过程**：对于每个待评估的因子（如小市值、低估值等），使用以下四个指标进行度量，并综合打分[14][15]： * 估值价差 * 配对相关性 * 长期收益反转（报告中亦称为“市场波动”和“收益反转”）[15] * 因子波动率 报告未提供各子指标及综合打分的具体计算公式。 6. **因子名称：行业拥挤度**[22][23] * **因子构建思路**：用于评估特定行业是否因交易过热而存在回调风险[22]。 * **因子具体构建过程**：报告提及该因子参考了专题报告《行业轮动系列研究 15——行业板块拥挤度》，但未在周报中给出具体的构建公式。其结果显示为标准化分数[22][23]。 模型的回测效果 *报告未提供上述量化模型（如流动性冲击指标、SAR、均线强弱指数、情绪择时模型）的具体历史回测指标（如年化收益率、夏普比率、最大回撤等）。* 量化因子与构建方式 *报告中提及的小市值、低估值、高盈利、高增长因子，以及行业拥挤度因子，其具体的因子计算公式（如如何定义小市值、如何计算估值等）未在本周报中提供，仅展示了其拥挤度监测结果。* 因子的回测效果 1. **小市值因子** * 复合拥挤度：0.39[15] 2. **低估值因子** * 复合拥挤度：-0.69[15] 3. **高盈利因子** * 复合拥挤度：-0.02[15][17] 4. **高盈利增长因子** * 复合拥挤度：0.05[15][17] 5. **行业拥挤度因子** * 具体行业拥挤度取值详见报告中的图表和表格[22][23][24]。

文章核心观点 - 印度IT产业正面临人工智能和地缘政治的双重冲击，其长期依赖的“人力套利”模式在AI时代暴露出严重脆弱性[1][12][13] - 印度IT产业过去30年依靠低成本劳动力和全球化红利实现高速增长，但缺乏原创技术和产品创新，导致在全球数字经济浪潮中系统性缺位[6][8][9] - AI技术正在迅速侵蚀印度的人力成本优势，而美国保护主义政策可能进一步削弱其最大出口市场，引发产业转型压力和社会就业危机[14][15][17] - 印度政府和企业已启动紧急应对措施，但面临研发投入不足、人才外流和产业结构锁定的深层挑战，转型前景存在不确定性[10][19][20] 印度“服务神话”的光环与阴影 - 印度通过政策扶持和劳动力禀赋实现“产业跳跃”，绕过工业化直接发展服务业，IT服务业在1990年代经济自由化后成为国际竞争力名片[4] - 世纪之交的“千年虫危机”让印度凭借廉价IT服务、英语能力和服从性文化承接全球订单，奠定“可靠后台办公室”声誉[4] - 政府通过设立软件产业园、出口补贴、豁免硬件关税等政策推动产业壮大，TCS、Infosys等企业崛起，服务业出口1993-2022年均复合增速达14%[5] - 2022年印度成为全球第二大IT服务出口国，市场份额占全球15%，极大缓解贸易逆差[5] - 产业模式避开制造业对基础设施的高要求，但依赖“人力套利”而非自主创新，在AI浪潮下可能变为“资源诅咒”[6] 创新短板与“人力困境” - 印度IT产业30年来未推出全球影响力的原创软件，缺乏操作系统、浏览器、社交媒体平台等自主产品，多数企业停留在“服务供应商”角色[8][9] - 人才“虹吸效应”明显：最优秀毕业生流向硅谷和华尔街，中高端人才被跨国公司研发中心直接雇用，本土企业集中于低附加值岗位[9] - 企业缺乏创新激励，垄断性市场结构下更愿扩充人力规模而非投资研发，导致行业锁死在低端服务链条[10] - 2024年印度研发支出仅占GDP的0.65%，约254亿美元，对比中国研发投入5053.5亿美元（占GDP 2.68%）、美国约9700亿美元（占GDP 3.3%）[10] - 缺乏完整创投-研发-产品化链条和风险资本支持，创新想法常因融资困难和市场垄断被扼杀[10] AI与地缘政治的双重冲击 - AI工具如ChatGPT、Claude等能高效完成重复性工作，使印度“人力差价”优势蒸发，TCS裁员1.2万人（占员工总数2%）是替代效应缩影[1][14] - 美国保护主义政策构成直接威胁：印度IT服务业超60%收入依赖北美市场，美国拟对外包服务加征25%税费可能冲击其半壁江山[15] - AI助力美国“服务业回流”，外包必要性下降，印度面临结构性失业风险，直接就业人口超540万，间接带动数千万就业[14][17] - 服务出口是弥补货物贸易逆差关键支柱，2023年服务出口3250亿美元抵消约2500亿美元货物逆差，支柱动摇可能引发外汇储备压力和卢比贬值[17] 应对措施与未来选择 - 印度政府启动国家级AI计划，协调财团贡献算力，调集1.9万个GPU支持本土模型研发，但缺乏原创算法和应用生态[19] - 企业尝试转型：Infosys和Wipro加大AI研发与员工再培训投入，TCS转向高端咨询和系统集成业务[19] - 跨国公司全球能力中心（GCC）可能成为转型突破口，承接研发等高附加值任务，推动知识溢出[20] - 再培训和技能升级需巨额资金及教育体系深度调整，数百万低技能从业者适应AI时代要求面临挑战[20]

【11月23日苏姿丰看好AI市场，称投资不足比过度更危险】11月23日，苏姿丰称不断增长的人工智能 (AI)市场是"巨大机会"，不担心AI泡沫，认为愿"大胆下重注"者正获回报，投资不够较危险。 她相信算 力需"永无止境"，随着AI市场成长，提供优质可靠AI基础设施的公司将蓬勃发展，这构成其战略内核。 苏姿丰表示不担心AI泡沫，觉得持此想法者短视，没看到技术能耐，还认为科技公司对AI用途探索仅 触及皮毛。 她指出现在不是隔岸观火、担心投资过度的时候，投资不足比过度更危险，并预计到2030 年，AI和数据中心运算市场规模将达每年1万亿美元。 本文由 AI 算法生成，仅作参考，不涉投资建议，使用风险自担 扫码查看原文 FOG hexun.com 和讯财经 和而不同 迅达天下 ...

核心观点 - 东方汇理资管认为人工智能并非泡沫，目前对美国国内生产总值贡献约2.5%，仍处于早期阶段 [1] - 公司对人工智能投资建议采取多元化策略，并关注股权估值、流动性指标等 [1] - 公司对美国股市后半段极高的估值集中度表示担忧 [1] 人工智能行业现状与影响 - 人工智能目前对美国国内生产总值贡献约2.5% [1] - 人工智能相关企业已成为投资级美元债市场最大的发债主体 [1] - 早期企业使用自有现金储备支持资本开支，如今部分美股七巨头开始进入债券市场融资 [1] 市场融资动态 - 过去两个月，七巨头类公司在投资级债券市场发行了约1600亿美元债券 [1] - 这些公司的信用违约互换利差上升，发债成本变高，但其发债规模与市值的比例仍处于合理水平 [1] 投资策略建议 - 投资组合管理存在“焦虑感”，源于发债和资金投入的热度汹涌 [1] - 应对方式包括：倾向于持有股票、进行更广泛的布局、以及极度精选标的 [1][3] - 应对方式包括：低配或不配置尚未证明实力的大市值公司 [1][3]

比特币价格走势与美元流动性 - 比特币价格于11月21日跌破8.2万美元，较10月创下的12.6万美元峰值下跌超过30%，创4月以来新低 [1] - 比特币价格被视为全球美元流动性的先期指标，其连续下跌的主要原因是美元流动性收紧 [1] 美元流动性收紧的具体表现 - 衡量回购市场流动性的担保隔夜融资利率（SOFR）与隔夜逆回购利率（ONRRP）利差走阔，10月31日SOFR单日上涨18个基点，创2023年以来最大涨幅，与ONRRP利差扩大至35个基点，为2020年以来最高水平 [1] - 利差扩大反映货币市场流动性趋紧，银行体系准备金持续减少，导致非银机构流动性枯竭 [1] 流动性压力的主要成因 - 美国政府关门后财政TGA账户余额大幅上升，10月末TGA账户余额突破1万亿美元，创近五年新高，相当于从市场中抽离了7000亿美元流动性 [2] - 美联储自2022年6月起持续缩表，截至11月初，其资产总规模已由8.9万亿美元降至6.6万亿美元，其中美债和住房抵押贷款证券（MBS）分别减少1.6万亿美元和6375亿美元 [4] - 同期机构在美联储的准备金余额和逆回购余额分别下降0.5万亿和1.9万亿美元至2.9万亿和0.4万亿美元 [4] - 临近月末，银行为满足监管需求对外融资更谨慎，形成季节性扰动 [4] - 10月美联储货币政策会议后，市场对美联储政策路径的预期偏鹰派，进一步加剧流动性压力 [4] 美联储政策动向与市场预期 - 美联储10月FOMC会议纪要显示，决策者对12月是否继续降息存在较大分歧 [5] - 9月美国新增非农就业人数11.9万人，远超市场预期的5万人，缓解了美联储官员对劳动力市场下行风险的担忧 [5] - 纽约联储主席威廉姆斯表示美联储在近期仍有进一步降息的空间，受此“鸽派”言论刺激，交易员对美联储12月降息25个基点的概率由一天前不到40%升至71% [7] 流动性紧张程度的评估与缓解因素 - 分析人士指出流动性偏紧发生在局部的回购市场，并未大面积蔓延至实体部门、AI部门或居民部门，未达到流动性危机程度 [6] - 随着美国政府重新开门，TGA账户余额截至11月20日降至9096亿美元，较10月底下降900多亿美元，被“锁住”的流动性重新注入市场 [6] - 美联储表示将于12月1日起停止缩表，并将持有MBS的到期资金再投资到国库券，资金市场压力或进一步缓解 [6] 美元指数表现 - 11月20日，美元指数收报100.22，较上一交易日涨0.1%，较9月末上涨2.5% [8]

美股市场近期走势与驱动因素 - 英伟达公布亮眼业绩后，美股未能止跌，标普500指数在周四早盘涨1.9%后收跌近1.6% [1] - 周五在纽约联储主席威廉姆斯暗示可能12月降息后，美股三大股指午盘均涨超1%，市场出现反弹 [1] - 截至周四收盘，标普500指数11月以来已累计下跌4.4%，势将录得3月以来最差月度表现以及2008年以来最差11月表现 [2] 美联储政策信号与市场影响 - 威廉姆斯关于“近期内”有进一步调整利率空间的表态，被市场解读为12月降息的强烈信号，市场预期概率从其讲话前的约40%跃升至超过70% [1] - 分析认为，威廉姆斯的表态为市场注入了关键信心，及时阻止了市场可能出现的再次暴跌 [2][7] - 美联储高层（主席、副主席、纽约联储主席）的信号通常经过仔细斟酌，旨在清晰传递政策意图并避免市场过度反应 [2] 美联储内部政策分歧 - 美联储内部面临异常分裂，部分官员认为政策有调整空间，另一些官员则因担忧通胀和经济增长稳健而反对进一步降息 [3] - 周五，拥有2024年FOMC投票权的波士顿联储主席柯林斯对进一步降息表示犹豫，并表达了对通胀的担忧 [4][5] - 拥有2025年FOMC投票权的达拉斯联储主席洛根立场更为鹰派，甚至不确定是否会支持此前的两次降息 [5] - 拥有2025年投票权的克利夫兰联储主席哈玛克认为政策“几乎没有限制性”，暗示可能反对降息 [8] 威廉姆斯表态的关键性分析 - 分析指出，威廉姆斯的介入可能表明美联储认识到12月降息的争议正在演变为治理危机，需要为鲍威尔主席留出决策空间 [8] - 威廉姆斯作为可能决定12月利率结果的中间派投票者之一，其此前立场并不明确，因此他的评论至关重要 [8] - 在政府停摆导致关键经济数据延迟、官员分歧加大的背景下，12月会议可能成为多年来最不寻常的一次，威廉姆斯的表态提供了难得的政策方向指引 [8]

市场近期表现与回调性质 - 比特币价格从10月6日的历史高点12.6万美元下跌至9万美元附近，跌幅显著[1] - 全球加密货币总市值在40多天内蒸发1.1万亿至1.2万亿美元，相当于峰值市值的四分之一[1] - 此次下跌被视为牛市中的深度调整，而非系统性崩盘，2024年以来已有三次类似回撤，其中两次跌幅更大[26][32] 杠杆清算与市场波动 - 10月10日被称为“10・10清算日”，当天有近200亿美元杠杆头寸被强制平仓，导致全网市值减少一万亿美元[3][4] - 11月25日比特币在几小时内下跌6%，导致17万人爆仓，爆仓总金额达5.47亿美元[4] - 当前加密市场杠杆率维持在18%的历史高位，价格跌破关键位会引发连环爆仓[7] - 期货未平仓合约从10月的680亿美元降至410亿美元，去杠杆过程尚未结束[9] 资金流向与机构行为 - 美国现货比特币ETF自10月10日起总计资金流出37亿美元，出现连续净赎回[11] - 美国最大的比特币ETF（IBIT）在10月底至11月中旬被赎回16亿美元，创下单一产品纪录[11] - 花旗分析师指出8万美元是比特币ETF的平均持仓成本，跌破可能引发更多机构被动抛售[13] - 鲸鱼地址在10月中旬后出现今年第二大规模的周度净买入，但买盘不足以对冲卖压[24] 宏观环境影响 - 美联储主席鲍威尔表示12月降息并非既定事实，鹰派表态导致市场预期降温[17] - 利率可能“更高更久”对依靠流动性支撑的高风险资产构成压力[17] - 10月10日特朗普关于对中国加征关税的言论加剧避险情绪，引发股市与加密货币同步下跌[19] - 科技股调整拖累比特币，其属性更偏向“高波动科技资产”而非“数字黄金”[19] 投资者结构分析 - 链上数据显示有280万枚比特币由持币不足155天的短期投资者持有，且均处于亏损状态，规模接近2022年FTX崩盘时期[21] - 自2025年7月以来，长期持币地址减少了45万枚比特币，部分老玩家在高位兑现收益[23] 监管与行业基本面 - 欧盟正推进新监管框架，拟赋予ESMA更广泛权力并将加密交易所纳入集中监管[28] - 此次下跌未涉及主流交易所或稳定币出现问题，行业基础设施保持稳定[26]

企业级AI战略与数据基础设施 - 企业最核心的任务是构建自己的AI工厂而非羡慕他人的AI智能体，其中最关键且复杂的工作是组织数据层，使企业数据满足智能化需求[1][8] - AI的杀手级应用在于建立"图谱"，找回业务事件中丢失的语义连接，工作并非杂乱无章而是围绕业务事件展开[2][9] - 有效的AI智能体系统需具备模型外的三大基石：记忆（长期信用分配）、权限（严格遵守访问限制）和有效的行动空间[2][13] - 企业AI渗透率不足的主因是缺乏完整上下文集成与变革管理挑战，需将数据发现、治理和权限范围接入AI工具[10] - 解决数据管道问题的关键并非建立复杂数据模型，而是通过神经网络找出模式，利用算力和海量参数捕捉企业本质[11][12] 公司主权与知识产权演化 - 公司存在的价值在于其内部交易成本低于市场交易成本的隐性知识，未来的公司主权意味着企业拥有捕捉独特隐性知识的基础模型[3][28] - 未来知识产权将以LoRA权重的形式存在，这是防止企业核心优势泄露到通用模型的关键，企业新生IP将存在于特定嵌入中[3][29] - 在模型持续学习时代，企业需采用通用基础模型加专属层的策略，构建包含隐性知识的专有层以保持主权优势[30] AI基础设施建设与产能瓶颈 - 当前AI基础设施建设与2000年暗光纤泡沫有本质区别，所有算力资源已售罄，瓶颈在于电力、涡轮机和增强型外壳供应不足[4][26] - 微软的AI堆栈分为两层：底层是追求每美元每瓦特Token产出极致的"Token工厂"，上层是最大化每个Token业务价值的"Agent工厂"[4][43] - 为应对全球数据主权要求，必须在全球建设数据中心处理训练和数据生成等工作负载，位置选择至关重要[27] 软件界面未来与工作流变革 - 未来软件界面将是收件箱、消息工具和闪烁光标画布的融合，集成开发环境将以任务控制中心形式回归，实现宏观委派和微观引导[5][17][18] - 不仅是程序员，会计师、律师等都将拥有自己的IDE，用于引导成千上万个AI智能体协作[1][18] - AI将从根本上重塑工作产物和工作流，类似电子表格的出现，工作流将被自然改变而无需复杂变革管理[31][32] 技术范式与历史经验 - 即使看准技术范式，具体架构选择和商业模式仍决定成败，微软互联网时代押注交互式电视路径被开放互联网击败即是例证[6][21] - 开放生态系统中仍会出现掌握话语权的组织层，如搜索引擎、应用商店，AI时代ChatGPT目前作为聚合点的成功显而易见[7][24] - 云计算在疫情期间出现阶跃式增长并保持高位，电子商务活动呈不连续性增长且从未回落[32] 商业与用户体验变革 - 对话式商业将商家与最终用户结合，打造代理性体验，AI大大降低了商家集成难度并提升了用户体验吸引力[34] - AI搜索体验远胜传统关键词搜索，能实现定制化目录和深度搜索，结合氛围和美感传达能力[35][36] - 代理式商务需要平台型业务支持，让商户轻松启用AI代理对接，无需部署复杂协议即可实现自然语言查询[37][38] 技术栈布局与竞争策略 - 微软技术栈布局涵盖基础设施、数据层和应用业务，但每层必须具备独立市场竞争力，反对过度依赖生态捆绑[4][49] - 云计算市场是典型的多方参与市场，过度包装可能缩小可寻址市场，模块化设计能最大化技术栈市场机会[46][47] - 产品捆绑需谨慎权衡，当捆绑本身构成产品脚手架时有价值，但原子级别模块化对保持竞争力至关重要[48][49] 模型战略与用户体验 - 模型差异化可能来自个性、风格等因素的结合，但长期需确保模型能处理最高价值任务[40] - 未来需要智能模型选择器协调多个模型集成，满足不同任务对认知资源和智能类型的需求[41] - 建立用户对系统自动选择模型的信任是关键目标，能带来交接的愉悦感[42]