报告行业投资评级 报告未提及行业投资评级相关内容 报告的核心观点 报告对2025年度公募量化基金进行回顾并对2026年度策略展望，涵盖指数增强基金、主动量化基金、量化固收 + 基金，分析规模、收益、策略等情况并给出关注名单 [2] 各章节总结 指数增强基金 - 规模&新发：25Q3指增产品规模达2572亿元，较24Q4显著提升；A500指增等非传统宽基指增规模增长显著；2025年新发指增产品中，非常规宽基指增规模较大 [8] - 基金公司统计：截止25Q3，23家指增产品规模超30亿的基金公司中，易方达规模最大；沪深300、中证500、中证1000指增管理规模较大的公司各有不同；指增产品线相对全面的公司有汇添富、富国等 [15] - 超额收益表现：指增产品Alpha效应在2020年达顶峰后衰退；2025年三类指数增强产品超额收益波动明显，四季度大多回升；小市值宽基指增超额收益更高的趋势延续；各宽基指增内部分化度在2025年更大 [23][27] - 绩优指增产品：部分绩优指增2025超额超20%；不少绩优指增产品在各类市场环境下业绩良好，普遍正向暴露成长、分红等因子，负向暴露波动性、流动性等因子 [32][35][37] - 指增产品关注名单：结合多维度投资能力评价结果，选取各类型中占优的基金产品，同时考虑基金经理投资年限和管理规模 [39][41] 主动量化基金 - 七类策略类型&规模变动：主动量化基金分7大类，全行业量化选股策略规模增长明显，其次是主动权益团队的量化产品；规模靠前的10只主动量化基金投资策略多元化 [42][43][45] - 类指增策略：类指增策略有对标不同指数的产品，25年前三季度规模增强靠前的是博道久航与华夏智胜优选；不同产品策略有差异，博道久航预期波动高于博道远航 [49] - SmartBeta策略：小微盘策略分更偏微盘股、小盘股、类中证2000指增三类；红利策略产品竞争激烈，各公司寻求差异化布局；成长、价值风格策略各有不同产品及特点 [53][56][59] - 全行业选股策略：全行业量化选股策略多元化，华安事件驱动量化策略采用行业轮动策略，国金量化多因子采用因子轮动策略，招商量化精选采用全行业选股PB - ROE策略 [67][69][70] - 主动与量化的融合：广发基金杨冬、中欧基金张学明、易方达基金包正钰在投资中融合主动与量化策略，旗下产品各有定位和特点 [74][77][80] 量化固收 + 基金 - 规模&新发：全市场约171只量化固收 + ，2025年规模增长367亿元，总规模约1225.47亿元；规模靠前的基金规模达百亿体量；2025年基金公司对量化固收 + 关注度高，市场积极拥抱该策略 [83] - 指增策略：固收 + 基金股票部分采用指增策略可捕捉beta收益，策略有效性与多种因素有关；布局较多量化指增产品的公司有富国、鹏华等 [92] - 风格策略：指增策略同质化高，风格策略是新突破口；风格策略从价值向成长及杠铃策略衍变，部分公司有相关布局 [96] - 转债量化策略：主流转债量化策略包括多因子策略等，易方达双债增强采用可转债期权定价模型进行统计套利 [98] - 市场动态：中欧基金推进投研体系“工业化”，打造四因子Smartbeta策略；易方达基金包正钰“主动研究 + 量化模型”双轮驱动；广发基金吴迪引入量化alpha策略优化组合 [100][111][113] - 量化固收 + 基金关注名单：根据多指标筛选出不同波动水平的量化固收 + 基金作为关注名单 [115]

模型发布与研发背景 - 我国首个金融气象AI模型“熵机”于1月11日在广州举行的第二届金融气象学术年会上发布 [1] - 该模型由复旦大学与国家气象信息中心联合研发 [1] 模型功能与验证 - 模型基于全球气象再分析数据与股票量价数据构建，能够对A股市场绝大多数股票在未来短期内的回报进行预测 [3] - 模型验证结果显示，其对气象高度敏感行业的识别结果与世界气象风险管理协会所列行业高度一致 [3] - 识别出的气象高敏感行业包括风光发电等新能源产业、传统石油化工业、建筑业、农业等 [3] 模型应用前景 - 基于测试及推理结果构建的投资策略在历史回测中，于多个时间段均展现出持续且稳定的正向收益 [3] - 气象高敏感行业的上市公司可借助其预测进行气候风险管理和市值维护 [3] - 银行、保险等金融机构可将其应用于股权质押业务风险管控，并探索气候投融资等创新业务模式 [3] - 投资者可将其作为量化投资的辅助工具 [3] - 学术界可通过模型输出，检验与完善资产定价相关理论 [3] 模型发布目的与意义 - 模型的发布旨在探索气象因子在金融资产定价中的作用，为风险管理与投资决策提供创新工具 [3] - 其应用将为智能型金融服务体系建设和气象风险量化评估提供科技支撑 [3]

市场整体表现与私募业绩创新高背景 - 2025年12月中旬起，上证指数构筑“W底”后开启连阳走势，12月下旬走出11连阳，截至1月9日收盘已实现16连阳，续创历史连阳纪录 [1][14] - 2025年12月，上证指数、深证成指、创业板指分别上涨2.06%、4.17%、4.93%，但均未创年内新高 [1][15] - 同期，黄金、白银、铜、铝、碳酸锂等商品期货走出强势上涨行情 [1][15] - 在此市场背景下，来自950家私募旗下的共计2362只私募产品净值在2025年12月创下历史新高 [1][15] - 其中，有132家私募旗下全部产品净值在12月均创历史新高，占符合统计私募（703家）的比例约为19% [1][15] - 在这132家私募中，至少有3只产品有2025年度业绩展示且符合排名规则的私募有96家 [1][15] 创新高私募的策略与模式分布 - 按核心策略划分，96家私募中股票策略私募占46家，期货及衍生品策略私募占25家，多资产策略私募占15家，其余策略家数较少 [2][15] - 相比上期，本期创新高的期货类私募增加明显，异军突起，或源于12月份黄金、白银等商品期货表现强势且创历史新高 [2][15] - 按投资模式划分，主观私募最多，占42家；量化私募占34家；“主观+量化”类私募占20家 [3][15] 百亿规模私募（12家） - 有12家百亿私募旗下全部产品净值在2025年12月均创历史新高，其中量化私募占8家，核心策略为股票策略的占8家 [4][16] - 按旗下产品2025年收益均值排序，前7强均为股票策略量化私募，依次是：灵均投资、宁波幻方量化、诚奇私募、明汯投资、超量子、启林投资、量派投资 [4][17] - 宁波幻方量化有10只指数增强类产品展示业绩，旗下产品2025年收益均值位居第2，公司是我国私募量化投资领域巨头之一，团队由多学科顶尖人才组成，创始人梁文锋因DeepSeek入选《自然》杂志“2025年度十大科学人物”榜单 [6][19] - 明汯投资有14只产品展示业绩，旗下产品2025年收益均值位列第4，公司是国内较早管理规模突破500亿元的量化私募，也是较早将AI技术成功应用到金融市场的私募机构 [6][19] 20-100亿规模私募（15家） - 共有15家该规模私募旗下全部产品净值在2025年12月均创历史新高，其中主观私募占8家，量化私募占6家，“主观+量化”混合类私募占1家 [7][20] - 核心策略来看，股票策略私募占6家，期货及衍生品策略私募占5家 [7][20] - 旗下产品2025年度收益均值居前10的私募依次是：致合资管、恒邦兆丰、云起量化、千朔投资、双隆投资、东航私募、宏锡基金、大禾投资、钱唐永利资管、海南正仁量化私募，两家主观私募包揽前2，前4强均为股票策略私募 [7][20] - 双隆投资是一家量化期货及衍生品策略私募，有11只产品展示业绩，旗下产品2025年收益均值位列第5，公司成立于2007年，累计管理规模过百亿，以“聚焦CTA”为发展战略 [8][22] 5-20亿规模私募（31家） - 共有31家该规模私募旗下全部产品净值在12月均创历史新高，其中主观私募占15家，量化私募占10家，“主观+量化”混合类私募占6家 [9][23] - 核心策略来看，股票策略私募占17家 [9][23] - 旗下产品2025年收益居前10的私募依次是：上海恒穗资产、蓝宝石基金、华澄私募、天辉（上海）私募、远惟投资、久阳润泉、海南盖亚青柯私募、中安汇富、龙全投资、创富兆业 [9][23] - 华澄私募是一家量化期货及衍生品策略私募，有3只产品展示业绩，旗下产品2025年收益均值接近***%，位列第3，公司成立于2015年，专注于商品期货、股指期货、期权等场内衍生品 [11][25] - 华澄私募投研团队共6名成员，其中4位毕业于清华大学计算机本硕，团队核心人员平均从业年限超过10年，公司自主研发了自动化交易平台 [12][26] 5亿以下规模私募（38家） - 共有38家该规模私募旗下全部产品净值在12月均创历史新高，其中主观私募占18家，量化私募和“主观+量化”混合类私募各占10家 [12][26] - 核心策略来看，股票策略私募占15家，期货及衍生品策略私募占13家 [12][26] - 旗下产品2025年收益居前10的私募依次是：京盈智投、凡旭资产、三花资产、锦望投资、和沐投资、君弘投资、嘉信融成、瑞天私募、旭冕投资、山东驼铃私募 [12][26]

量化模型与因子总结 量化因子与构建方式 1. **因子名称：风格相对拥挤度**[67][122] * **因子构建思路**：通过比较两种风格指数（如成长与红利）的换手率活跃度差异，来衡量某一风格相对于另一风格的交易拥挤程度，从而判断其配置风险或性价比[67][122] * **因子具体构建过程**： 1. 对于风格A指数和风格B指数，分别计算其近252个交易日的平均换手率[122] 2. 将每个指数的平均换手率序列，在2005年1月1日以来的历史时间序列上进行Z-score标准化，得到Z-score_A和Z-score_B[122] 3. 计算两个标准化值的差值：差值 = Z-score_A - Z-score_B[122] 4. 计算该差值在滚动6年窗口内的历史分位数（若历史数据不足6年但满1年，则使用全部历史数据计算）[122] 5. 最终得到的分位数（百分比形式）即为风格A相对于风格B的相对拥挤度指标[67][122] 2. **因子名称：风格累计超额净值**[61][123] * **因子构建思路**：通过计算特定风格指数相对于市场基准（万得全A）的累计净值表现，来衡量该风格的长期超额收益能力[61][123] * **因子具体构建过程**： 1. 设定基准日（报告中为2020年1月4日）[123] 2. 将风格指数和万得全A指数每日的收盘点数，分别除以其在基准日的收盘点数，得到各自的累计净值序列[123] 3. 将风格指数的累计净值，除以同一交易日的万得全A指数累计净值，得到该风格指数相对于万得全A的累计超额净值[123] 3. **因子名称：机构调研活跃度**[124] * **因子构建思路**：通过计算板块、指数或行业在特定周期内机构调研次数的活跃程度，并将其与市场整体活跃度进行比较，以衡量市场关注度的相对变化[124] * **因子具体构建过程**： 1. 对于目标板块（指数、行业），计算其近n个交易日的“日均机构调研次数”[124] 2. 将该日均值在滚动y年的历史时间序列上进行z-score标准化[124] 3. 对万得全A进行同样的计算，得到其标准化值[124] 4. 将目标板块的标准化值与万得全A的标准化值作差，得到“机构调研活跃度”[124] 5. 计算该“机构调研活跃度”在滚动y年窗口内的历史分位数（若历史数据不足y年，则按规则使用全部历史数据计算）[124] * **参数设置**： * **长期口径**：n取126（近半年），滚动窗口y为6年（历史数据满3年不足6年时用全部数据）[124] * **短期口径**：n取63（近一季度），滚动窗口y为3年（历史数据满1年不足3年时用全部数据）[124] 4. **因子名称：股债性价比（ERP）**[50] * **因子构建思路**：通过计算股票指数的盈利收益率与无风险利率（国债收益率）的差值，来衡量当前配置权益资产相对于债券的潜在超额收益，即风险溢价[50] * **因子具体构建过程**： 1. 计算股票指数的盈利收益率，即其市盈率（PE_TTM）的倒数[50] 2. 减去当前10年期中国国债到期收益率[50] 3. 公式为： $$指数ERP = \frac{1}{指数PE\_TTM} - 10年期国债到期收益率$$[50] 4. 同时，计算该ERP值在历史序列（2005年1月1日至今）中的百分位，以判断其相对水平[50][58] 5. **因子名称：滚动季度夏普率**[35] * **因子构建思路**：通过计算万得全A指数在滚动季度窗口内的风险调整后收益（夏普率），来评估市场情绪风险和潜在的回撤风险[35] * **因子具体构建过程**：报告中未给出详细计算过程，但提及该指标用于衡量市场情绪，当其上升至历史极高位置时，表明市场情绪达到极端高峰，后续市场易进入震荡或调整状态[35] 因子的回测效果 1. **风格相对拥挤度因子** * 成长 vs 红利：本周末历史分位值为72%，上周末为70%，上年末为70%[67] * 小盘 vs 大盘：本周末历史分位值为39%，上周末为39%，上年末为39%[67] * 微盘股 vs 中证800：本周末历史分位值为89%，上周末为90%，上年末为90%[67] 2. **风格累计超额净值因子** * 成长较红利超额：近一周为2.5%，近一月为2.5%，年初至今为2.5%[59] * 小盘较大盘超额：近一周为5.0%，近一月为8.6%，年初至今为5.0%[59] * 微盘股较基金重仓超额：近一周为-1.2%，近一月为-0.2%，年初至今为-1.2%[59] * 动量较反转超额：近一周为-0.6%，近一月为2.1%，年初至今为-0.6%[59] 3. **股债性价比（ERP）因子** * 万得全A ERP：本周末为2.5%，百分位为54%，当前状态为“均衡”[58] * 沪深300 ERP：本周末为5.1%，百分位为57%，当前状态为“均衡”[58] * 中证500 ERP：本周末为0.9%，百分位为67%，当前状态为“较高”[58] * 创业板指 ERP：本周末为0.5%，百分位为85%，当前状态为“极高”[58]

核心观点 - 报告对2025年第四季度市场表现进行了复盘，并对2026年第一季度行情进行了预判，核心观点认为市场后市或倾向于乐观向上 [1][2][67] - 2025年第四季度，主要宽基指数涨跌互现，大部分中信一级行业录得正收益，择时模型在当季总体表现优秀，多个模型获取了绝对正收益 [1][64] - 基于择时模型的最新信号，短期、中期及综合模型普遍看多，报告对2026年第一季度看好建材、汽车、电子行业 [2][3] 2025年四季度市场复盘 - **主要宽基指数表现**：2025年第四季度，创成长指数上涨5.03%，上证指数上涨2.22%，而科创50指数下跌10.10% [1][9][12] - **行业指数表现**：大部分中信一级行业录得正收益，其中石油石化行业上涨16.97%，国防军工行业上涨16.74%，表现居前；计算机、医药、房地产行业跌幅较大，分别下跌6.72%、9.39%、9.91% [1][10][11][13] - **基金表现**：在市场指数涨跌互现的背景下，平衡混合型基金平均收益为1.22%，表现最好；股票型基金和偏股混合型基金平均收益分别为-1.71%和-1.64% [13][14] - **新基金发行**：2025年第四季度新成立公募基金715只，合计募集2784.53亿元，其中混合型基金募集997.56亿元，债券型基金募集888.78亿元，股票型基金募集898.20亿元 [14] 择时策略体系与模型表现 - **策略体系概述**：择时策略采用多周期、多角度模型，包括短期、中期、长期及综合模型，旨在通过不同逻辑捕捉市场波段，实现攻守兼备 [15][16] - **短期择时模型**： - **价量共振V3模型**：在上证指数上回溯年化收益11.76%，最大回撤15.86%，2025年第四季度未开仓，绝对收益为0% [18][20] - **低波之刃模型**：用于捕捉市场缩量震荡后的反弹行情，在上证50指数上2025年第四季度绝对收益为2.48%，超越基准（0.35%） [21][25] - **特征龙虎榜机构模型**：基于机构席位资金极端行为构建，在沪深300指数上2025年第四季度绝对收益为-1.96% [26][27][28] - **特征成交量模型**：基于成交量特征分布划分市场区域并择时，在万得全A指数上2025年第四季度绝对收益为-7.98% [29][30][32] - **中期择时模型**： - **推波助澜V3模型**：基于自由流通市值加权的涨跌停等情绪指标构建，在沪深300指数上2025年第四季度绝对收益为0.46%，超越基准（-1.69%） [33][36][37] - **月历效应模型**：基于A股春季躁动逻辑构建，在中证1000指数上回溯胜率达100%，2025年全年绝对收益为5.87% [39][42] - **长期择时模型**： - **动量摆动模型**：基于成分股信号加权构建长期摆动系统，在中证500指数上2025年第四季度绝对收益为4.51%，超越基准（-1.10%） [43][44] - **综合择时模型**： - **综合兵器V3模型**：融合短、中、长期模型信号，在沪深300指数上回溯年化收益29.55%，2025年第四季度绝对收益为-0.89%，略优于基准（-1.69%） [46][47] - **智能算法择时模型**： - **沪深300指数智能择时模型**：基于遗传规划算法挖掘，回溯年化收益35.42%，2025年第四季度绝对收益为2.68%，超越基准 [49][50] - **中证500指数智能择时模型**：采用GRASP算法进行因子组合，回溯年化收益46.08%，2025年第四季度绝对收益为-3.94% [53][54] - **港股择时模型**： - **成交额倒波幅模型**：结合港股成交额与波幅指数构建，在恒生指数上2025年第四季度绝对收益为0.62%，超越基准（-6.07%） [57][58] - **其他择时模型**： - **上下行收益差模型**：基于价格日内波动构建趋势判断指标，在沪深300指数上2025年第四季度绝对收益为3.52%，超越基准 [62][63] - **季度表现优秀模型**：2025年第四季度绝对收益表现优秀的模型包括：上下行收益差模型、成交额倒波幅模型、综合兵器V3模型、动量摆动模型、推波助澜V3模型、低波之刃模型、沪深300指数智能择时模型 [64] 最新择时信号与后市展望 - **短期信号**：成交量模型对所有宽基指数看多；低波动模型中性；智能300模型看多；智能500模型看多；特征龙虎榜机构模型看多；特征成交量模型看多 [2][65] - **中期信号**：涨跌停模型看多；上下行收益差模型对所有宽基指数看多；月历效应模型中性 [2][66] - **长期信号**：动量模型对部分宽基指数看多 [2][67] - **综合信号**：综合兵器V3模型看多；综合国证2000模型看多 [2][67] - **后市判断**：从择时模型角度看，短期模型几乎都看多，中期模型均看多，长期模型部分宽基看多，综合模型看多，后市或倾向于乐观向上 [2][67] 选股策略 - **策略框架**：选股策略采用多视角方法，包括大师系列价值/成长策略、基本面选股及技术形态识别，历史上均有不俗表现 [6][69] - **惠特尼·乔治小型价值股投资法**：从股票风格、公司运营和市场估值三方面选股，关注负债、现金流及报酬率等指标，2020年1月1日至2025年12月31日策略年化收益22.0% [71][72][73][75] - **福斯特佛莱斯积极成长选股策略**：基于高盈利成长率、健全资产负债表等6方面因子选股，2020年1月1日至2025年12月31日策略年化收益7.2% [80][83] - **CANSLIM基本面选股**：基于成长、动量、机构认可度及一致预期维度构建CANSLIM2.0组合，2016年1月1日至2025年12月31日策略年化收益率16.1%，2025年策略收益38.5% [88][93][95][99] - **形态识别选股**：基于技术面分析，复现杯柄形态和双底形态，每周筛选形态突破的个股组合 [103][104][106] 行业轮动与2026年一季度展望 - **行业轮动方法**：行业轮动模型基于基金预估仓位与超欠配情况对行业未来进行预判 [6] - **2026年一季度看好行业**：报告明确看好2026年第一季度的建材、汽车、电子行业 [3]

2025年中国市场表现与私募产品业绩盘点 - 2025年中国主要股市大幅收红，科技成长股表现出色，推动创业板指全年上涨近50% [2] - 市场上涨并非贯穿全年，港股、A股全面上涨的时间段主要集中在5月至9月，其他月份均有不同程度下跌 [2] - 在“关税黑天鹅”冲击的4月，创业板指单月跌幅超过7% [2] 主要指数2025年月度及全年表现 - **上证指数**：全年上涨18.41%，涨幅最大的月份为9月（8.74%）和10月（7.97%），4月下跌1.70% [3] - **创业板指**：全年大幅上涨49.57%，涨幅最大的月份为9月（24.13%）和10月（12.04%），4月跌幅最大，达7.40% [3] - **深证成指**：全年上涨29.87%，涨幅最大的月份为9月（5.32%）和10月（6.54%），4月下跌5.75% [3] - **恒生指数**：全年上涨27.77%，涨幅最大的月份为2月（13.43%）和10月（7.09%），4月下跌4.33% [3] - **恒生科技指数**：全年上涨23.45%，涨幅最大的月份为2月（11.88%）和10月（13.95%），11月下跌8.62% [3] - **美股表现**：道琼斯指数全年上涨12.97%，标普500指数上涨16.39%，纳斯达克指数上涨20.36% [3] 连续12个月正收益私募产品整体概况 - 2025年连续12个月有收益数据展示的私募产品共5139只，全年平均累计收益为31.83% [4] - 其中，连续12个月均实现正收益的产品仅有229只，占比4.46% [4] 头部私募（规模≥50亿）连续正收益产品20强分析 - 头部私募中，连续12个月有业绩数据的产品共1006只，其中连续正收益的产品有88只，占比8.75% [4] - 在按累计收益排名的前20强产品中，量化多头策略占据绝对主导，共有16只 [4] - 复合策略产品有2只，股票多空和期权策略产品各有1只 [4] - 从公司规模看，百亿私募旗下有2只产品上榜，其中宁波幻方量化有2只产品；准百亿私募（规模50-100亿）旗下有4只产品上榜 [4] - 平方和投资管理的“平方和鼎盛中证2000指数增强21号A期”获得亚军，其8月份收益为全年最高 [7] - 国源信达管理的复合策略产品“国源拾金2号A类份额”位列第16，其9月收益领跑全年 [7] - 国源信达总经理史江辉对2026年市场展望积极，认为货币政策宽松、基本面见底可能吸引场外资金，并看好电池链与黄金 [7] 中小型私募（规模<50亿）连续正收益产品20强分析 - 规模50亿以下的私募中，连续12个月有业绩数据的产品共4133只，其中连续正收益的产品有141只，占比仅3.41% [8] - 在按累计收益排名的前20强产品中，量化多头策略有13只，主观多头有3只，复合策略有2只，主观CTA和量化CTA各有1只 [8] - 从公司规模分布看，规模0-5亿的私募产品占据一半（10只），规模5-10亿、20-50亿、10-20亿的私募产品分别有6只、3只、1只 [8] - 主观CTA产品“弈祖青圭礼东”摘得桂冠，其3月、12月收益大涨，5月、9月收益也大幅上涨 [10] - 华年私募的“华年进取2号A类份额”位列第5 [11] - 橡木资产是唯一一家有2只产品上榜的私募，其中“橡木望江二号”位列第6 [12] 连续12个月正超额收益量化多头产品分析 - 2025年连续12个月有超额收益数据显示的量化多头产品共802只，其中连续正超额且符合排名规则的产品仅30只，占比3.74% [13] - 在这30只产品中，中证1000指数增强策略产品占据半壁江山，量化选股有6只，沪深300指增与其他指增各有4只，中证500指增仅有1只 [13] - 从管理人规模看，百亿私募管理的产品多达28只，其余2只由规模5-10亿的私募管理 [13] - 累计超额收益排名前10的产品分别由今通投资、鸣石基金、蒙玺投资、明汯投资、平方和投资、诚奇私募、世纪前沿管理，其中蒙玺投资、鸣石基金、世纪前沿均有2只产品跻身10强 [13] - 今通投资钱伟强管理的“今通量化价值成长六号”位列超额收益榜首 [16] - 鸣石基金王晓晗管理的“鸣石未来新元量化选股1号C期B类份额”排名第2，领跑上榜的百亿私募 [16]

量化市场跟踪：大类因子表现 - 本周（2026.01.05-2026.01.09）beta因子、残差波动率因子、规模因子获得正收益，分别为1.07%、1.02%和0.59% [4] - 动量因子本周获得显著负收益，为-1.08% [4] - 市场呈现大市值风格占优、反转效应显著的特征 [4] 量化市场跟踪：单因子表现 - 在沪深300股票池中，本周表现最好的因子是5日平均换手率，收益为4.90%，表现最差的因子是ROE稳定性，收益为-1.43% [5] - 在中证500股票池中，本周表现最好的因子是毛利率TTM，收益为1.29%，表现最差的因子是市盈率因子，收益为-4.69% [5] - 在流动性1500股票池中，本周表现最好的因子是毛利率TTM，收益为2.17%，表现最差的因子是市盈率TTM倒数，收益为-3.18% [5] 量化市场跟踪：因子行业内表现 - 本周，净资产增长率因子在非银金融、综合行业表现较好，净利润增长率因子在综合行业表现较好 [6] - 5日动量因子在传媒、通信、钢铁、医药生物行业表现为动量效应，在煤炭、农林牧渔行业表现为反转效应 [6] - 1月动量因子在传媒、综合、通信、国防军工行业表现为动量效应，在煤炭、石油石化行业反转效应显著 [6] - 估值类因子中，BP因子在房地产、休闲服务行业表现较好，EP因子在银行、非银金融行业表现较好 [6] - 对数市值因子在综合、国防军工行业表现较好，残差波动率因子在多数行业表现较好，流动性因子在传媒、国防军工行业表现突出 [6][7] 量化策略组合跟踪：PB-ROE-50组合 - 本周PB-ROE-50组合在中证800股票池中获得超额收益1.36%，在全市场股票池中获得超额收益1.23% [8] - 该组合在中证500股票池中获得超额收益为-2.18% [8] 量化策略组合跟踪：机构调研组合 - 本周私募调研跟踪策略相对中证800获得超额收益2.28% [9] - 本周公募调研选股策略相对中证800获得超额收益为-0.31% [9] 量化策略组合跟踪：大宗交易与定向增发组合 - 本周大宗交易组合相对中证全指获得超额收益0.69% [10] - 本周定向增发组合相对中证全指获得超额收益为-1.58% [11]

核心观点 报告系统性地构建了一套基于大语言模型与提示工程的自动化因子研究框架，旨在探索AI在量化投资全链条中的应用潜力。该框架成功应用于低频量价、基本面和高频数据的因子挖掘与优化，并利用大模型分析非结构化文本构建情绪因子。最终，通过融合AI生成的多维信息，构建的综合中证800指数增强策略实现了超额收益和信息比率的显著提升，验证了AI在量化研究中实现“1+1>2”效果的巨大潜力[1]。 低频量价因子的优化与生成 - 报告以Alpha158因子库为基础，通过人机交互的迭代循环，对经典量价因子进行深度优化与生成。例如，波动率因子std20经过优化后，其RankIC均值从4.03%提升至7.80%，ICIR从0.31提升至0.55[1][37]。 - AI能够识别原始因子的逻辑缺陷并提出有效改进方案。以std20因子为例，其改进方案引入了平均真实波幅和成交量加权机制，优化效果在5至60日的多个窗口期下均具备普适性[1][37][42]。 - 通过为模型提供已验证的“成功案例”作为先验知识，实现了从零生成新因子的突破，成功挖掘出多个与样例因子相关性低、ICIR在0.8以上的新因子。这些AI生成因子在样本外跟踪中表现持续稳健，部分因子的样本外ICIR能达到1.0以上[1]。 基本面因子挖掘 - 在基本面维度，AI展现出强大的因子发现能力，不仅能生成经典因子的增强版本，更能从新颖视角对价值、质量、成长三类因子进行有效拓展与创新[1]。 - 具体案例包括：从留存收益角度构建了REP_LF因子，从应收账款周转率角度构建了ART_QR因子，并生成了现金毛利CGP_TTM的增强版本[1]。 高频因子挖掘 - 在高频维度，通过赋予AI直接生成Python代码的能力，挖掘出一批逻辑新颖且表现优异的高频因子。其中部分强信号因子的多空组合年化收益超过60%[1]。 - 将AI高频因子库融入融合了日K与周K行情数据的AGRU神经网络模型后，模型的年化多头超额收益由18.24%显著提升至25.28%，RankIC均值提升了0.71个百分点[1]。 非结构化文本情绪分析 - 利用Gemini 2.5 Pro大模型对近百万字的上市公司调研纪要进行深度解析，并通过双速动态衰减模型构建了周度情绪因子[1]。 - 研究发现，该情绪因子呈现出独特的非对称预测能力，即正面情绪与股价上涨关系不强，但负面情绪是未来股价下跌的强预警信号，其空头组合年化超额收益达8.26%，显著优于传统因子。该因子与传统量价及基本面因子的相关性极低，可作为独立且有效的补充信息源[1]。 综合策略构建与效果 - 最终构建了一个多维信息融合的综合策略：将AI挖掘的高频因子与低频行情数据融合进AGRU神经网络，形成核心Alpha；再利用AI文本情绪因子对该核心Alpha进行空头端风险调整，构建了最终的中证800指数增强策略[1]。 - 与未加入调研因子调整的策略相比，最终策略在保持换手率基本不变的情况下，年化超额收益由11.15%提升至11.81%，信息比率由2.18提升至2.31，且近三年超额提升皆超过1个百分点[1]。

量化模型与因子总结 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）两个核心指标进行选股，旨在寻找估值合理且盈利能力强的公司[24]。 * **模型具体构建过程：** 报告未详细描述该组合的具体构建公式和步骤，仅提及其为基于PB和ROE指标构建的组合[24]。 2. **模型名称：机构调研组合（公募调研选股策略）** * **模型构建思路：** 利用公募基金调研上市公司的行为信息进行选股[27]。 * **模型具体构建过程：** 报告未详细描述该策略的具体构建公式和步骤，仅提及其为基于公募调研事件的选股策略[27]。 3. **模型名称：机构调研组合（私募调研跟踪策略）** * **模型构建思路：** 利用私募基金调研上市公司的行为信息进行选股[27]。 * **模型具体构建过程：** 报告未详细描述该策略的具体构建公式和步骤，仅提及其为基于私募调研事件的选股策略[27]。 4. **模型名称：大宗交易组合** * **模型构建思路：** 根据“高成交、低波动”原则，筛选发生大宗交易且后续表现可能更佳的股票[31]。 * **模型具体构建过程：** 通过统计分析发现，“大宗交易成交金额比率”越高、“6日成交金额波动率”越低的股票后续表现更佳。模型根据这两个指标，以月频调仓方式构造组合[31]。具体公式未在报告中给出。 5. **模型名称：定向增发组合** * **模型构建思路：** 以定向增发的股东大会公告日为事件节点，进行事件驱动选股[37]。 * **模型具体构建过程：** 综合考虑市值因素、调仓周期以及对仓位的控制来构造组合[37]。具体公式和详细步骤未在报告中给出。 模型的回测效果 （注：以下模型业绩统计区间均为2026.01.05-2026.01.09[25][28][32][38]） 1. **PB-ROE-50组合** * 本周超越基准收益率（中证500）： -2.18%[24][25] * 本周超越基准收益率（中证800）： 1.36%[24][25] * 本周超越基准收益率（全市场）： 1.23%[24][25] * 本周绝对收益率（中证500）： 5.56%[25] * 本周绝对收益率（中证800）： 5.59%[25] * 本周绝对收益率（全市场）： 6.34%[25] 2. **机构调研组合（公募调研选股策略）** * 本周超越基准收益率（中证800）： -0.31%[27][28] * 本周绝对收益率： 3.85%[28] 3. **机构调研组合（私募调研跟踪策略）** * 本周超越基准收益率（中证800）： 2.28%[27][28] * 本周绝对收益率： 6.55%[28] 4. **大宗交易组合** * 本周超越基准收益率（中证全指）： 0.69%[31][32] * 本周绝对收益率： 5.77%[32] 5. **定向增发组合** * 本周超越基准收益率（中证全指）： -1.58%[37][38] * 本周绝对收益率： 3.38%[38] 量化因子与构建方式 （注：报告中列出了大量因子，但均未提供具体的构建公式和详细过程，仅给出了因子名称和方向。以下为报告中出现的全部因子列表。） 1. **因子名称：** 5日平均换手率；**因子方向：** 负向[13] 2. **因子名称：** 换手率相对波动率；**因子方向：** 负向[13] 3. **因子名称：** 单季度营业收入同比增长率；**因子方向：** 正向[13] 4. **因子名称：** 6日成交金额的标准差；**因子方向：** 负向[13] 5. **因子名称：** 单季度营业利润同比增长率；**因子方向：** 正向[13] 6. **因子名称：** 单季度ROE同比；**因子方向：** 正向[13] 7. **因子名称：** 单季度净利润同比增长率；**因子方向：** 正向[13] 8. **因子名称：** 毛利率TTM；**因子方向：** 正向[13] 9. **因子名称：** 单季度ROA同比；**因子方向：** 正向[13] 10. **因子名称：** 单季度EPS；**因子方向：** 正向[13] 11. **因子名称：** 净利润断层；**因子方向：** 正向[13] 12. **因子名称：** 早盘后收益因子；**因子方向：** 负向[13] 13. **因子名称：** 5日反转；**因子方向：** 负向[13] 14. **因子名称：** 6日成交金额的移动平均值；**因子方向：** 负向[13] 15. **因子名称：** 动量调整小单；**因子方向：** 负向[13] 16. **因子名称：** 早盘收益因子；**因子方向：** 正向[13] 17. **因子名称：** ROIC增强因子；**因子方向：** 正向[13] 18. **因子名称：** EPTTM分位点；**因子方向：** 正向[13] 19. **因子名称：** 标准化预期外收入；**因子方向：** 正向[13] 20. **因子名称：** 市盈率TTM倒数；**因子方向：** 正向[13] 21. **因子名称：** 动量弹簧因子；**因子方向：** 正向[13] 22. **因子名称：** 营业利润率TTM；**因子方向：** 正向[13] 23. **因子名称：** 5分钟收益率偏度；**因子方向：** 负向[13] 24. **因子名称：** 净利润率TTM；**因子方向：** 正向[13] 25. **因子名称：** 总资产增长率；**因子方向：** 正向[13] 26. **因子名称：** 5日成交量的标准差；**因子方向：** 负向[13] 27. **因子名称：** 总资产毛利率TTM；**因子方向：** 正向[13] 28. **因子名称：** 市盈率因子；**因子方向：** 正向[13] 29. **因子名称：** 经营现金流比率；**因子方向：** 正向[13] 30. **因子名称：** 市销率TTM倒数；**因子方向：** 正向[13] 31. **因子名称：** 市净率因子；**因子方向：** 正向[13] 32. **因子名称：** 单季度总资产毛利率；**因子方向：** 正向[13] 33. **因子名称：** 下行波动率占比；**因子方向：** 负向[13] 34. **因子名称：** 小单净流入；**因子方向：** 负向[13] 35. **因子名称：** 单季度ROE；**因子方向：** 正向[13] 36. **因子名称：** 标准化预期外盈利；**因子方向：** 正向[13] 37. **因子名称：** 对数市值因子；**因子方向：** 负向[13] 38. **因子名称：** 单季度ROA；**因子方向：** 正向[13] 39. **因子名称：** 日内波动率与成交金额的相关性；**因子方向：** 负向[13] 40. **因子名称：** 大单净流入；**因子方向：** 正向[13] 41. **因子名称：** 成交量的5日指数移动平均；**因子方向：** 负向[13] 42. **因子名称：** 动量调整大单；**因子方向：** 正向[13] 43. **因子名称：** ROA稳定性；**因子方向：** 正向[13] 44. **因子名称：** ROE稳定性；**因子方向：** 正向[13] 45. **因子名称：** 净资产增长率因子；**因子方向：** 未明确[22] 46. **因子名称：** 净利润增长率因子；**因子方向：** 未明确[22] 47. **因子名称：** 每股净资产因子；**因子方向：** 未明确[22] 48. **因子名称：** 每股经营利润TTM因子；**因子方向：** 未明确[22] 49. **因子名称：** 5日动量因子；**因子方向：** 未明确[22] 50. **因子名称：** 1月动量因子；**因子方向：** 未明确[22] 51. **因子名称：** BP因子；**因子方向：** 未明确[22] 52. **因子名称：** EP因子；**因子方向：** 未明确[22] 53. **因子名称：** 残差波动率因子；**因子方向：** 未明确[22] 54. **因子名称：** 流动性因子；**因子方向：** 未明确[22] 55. **大类因子名称：** Beta因子；**因子方向：** 未明确[20] 56. **大类因子名称：** 残差波动率因子；**因子方向：** 未明确[20] 57. **大类因子名称：** 规模因子；**因子方向：** 未明确[20] 58. **大类因子名称：** 动量因子；**因子方向：** 未明确[20] 因子的回测效果 （注：以下为报告中提及的近期（2026.01.05-2026.01.09）因子表现，收益为剔除行业与市值影响后多头组合相对于基准指数的超额收益[12]。不同股票池的因子表现数据分别列出。） 沪深300股票池因子表现[12][13] 1. **5日平均换手率因子，** 最近1周收益： 4.90% 2. **换手率相对波动率因子，** 最近1周收益： 4.59% 3. **单季度营业收入同比增长率因子，** 最近1周收益： 3.92% 4. **动量调整大单因子，** 最近1周收益： -1.11% 5. **ROA稳定性因子，** 最近1周收益： -1.15% 6. **ROE稳定性因子，** 最近1周收益： -1.43% 中证500股票池因子表现[14][15] 1. **毛利率TTM因子，** 最近1周收益： 1.29% 2. **单季度净利润同比增长率因子，** 最近1周收益： 1.09% 3. **总资产增长率因子，** 最近1周收益： 0.81% 4. **市净率因子，** 最近1周收益： -3.51% 5. **市盈率TTM倒数因子，** 最近1周收益： -4.06% 6. **市盈率因子，** 最近1周收益： -4.69% 流动性1500股票池因子表现[18][19] 1. **毛利率TTM因子，** 最近1周收益： 2.17% 2. **单季度营业收入同比增长率因子，** 最近1周收益： 2.14% 3. **单季度营业利润同比增长率因子，** 最近1周收益： 1.85% 4. **日内波动率与成交金额的相关性因子，** 最近1周收益： -2.64% 5. **市盈率因子，** 最近1周收益： -3.01% 6. **市盈率TTM倒数因子，** 最近1周收益： -3.18% 全市场股票池大类因子表现[20] 1. **Beta因子，** 本周收益： 1.07% 2. **残差波动率因子，** 本周收益： 1.02% 3. **规模因子，** 本周收益： 0.59% 4. **动量因子，** 本周收益： -1.08%

2025年私募证券产品备案总体情况 - 2025年全年共计备案私募证券产品12645只，较2024年的6337只环比增长99.54% [2] - 股票策略备案产品8328只，占全部备案产品的65.86%，占据绝对主导地位 [2] - 多资产策略、期货及衍生品策略备案数量分别为1806只和1274只，占比分别为14.28%和10.08%，位列第二和第三位 [4] - 债券策略和组合基金备案数量分别为492只和512只，占比分别为3.89%和4.05% [4] 量化产品备案表现 - 2025年量化私募备案产品共计5617只，较2024年的2621只增长114.31% [4] - 量化产品备案数量占总备案产品总量的44.42%，较2024年的41.68%大幅提升 [4] - 股票策略量化产品备案4077只，占量化产品总数量的72.58% [4] - 在量化股票策略中，量化多头策略备案2746只，占量化产品总数量的48.89% [5] - 股票市场中性策略备案1114只，占比19.83% [5] - 股票多空策略备案217只，占比3.86% [5] - 期货及衍生品量化策略备案773只，占量化产品总量的13.76%，其中量化CTA策略备案726只，占量化产品总数量的12.93% [6] - 多资产量化策略、债券量化策略、组合基金量化产品分别备案594只、100只和73只，占比10.58%、1.78%和1.30% [7] 备案机构的头部集中特征 - 2025年备案产品数量不少于50只的私募机构有29家，其中百亿私募机构占到26家 [7] - 明汯投资以157只的备案数量领跑，世纪前沿、黑翼资产、宽德私募分别备案147只、138只、127只 [7] - 在29家备案主力机构中，24家以量化投资为主，3家为纯主观策略，2家采用主观+量化的混合模式 [8] - 部分50-100亿规模的量化机构表现活跃，如上海合骥私募、海南盛丰私募、天算量化分别备案58只、54只、52只产品 [10] 行业发展趋势总结 - 股票策略核心地位稳固，同时多资产、衍生品等多元策略快速崛起，推动行业策略结构持续优化 [11] - 量化投资已成为头部机构的战略重点，未来竞争将更聚焦细分领域的专业化与精细化 [11] - 行业集中度进一步提高，百亿级机构依托资金、人才与技术优势主导市场 [11]