2025年市场与私募基金整体表现 - 2025年A股市场整体震荡上行，上证指数涨幅超过18%，创业板指涨幅超过49% [3] - 商品市场显著分化，贵金属指数全年累计涨幅超过81% [3] - 私募基金整体取得可观收益，截至2025年末，在私募排排网有业绩展示的5192只私募基金全年平均收益达31.93% [3] - 分策略看，量化多头与主观多头表现尤为突出，平均收益率分别高达44.74%和37.71% [3] - 多资产策略下的复合策略与宏观策略平均收益均超过29%，CTA策略与FOF策略2025年平均收益也在20%以上 [3] - 融智投资FOF基金经理李春瑜分析指出，消费、科技、高端制造等多板块轮动活跃，叠加市场交投活跃、流动性充裕，共同推动了权益类产品赚钱效应显著提升 [3] 各私募策略产品收益排名概览 - 根据二级策略分类，2025年收益排名前20的产品中，其他衍生品策略平均收益为32.91%，复合策略平均收益为30.77%，宏观策略平均收益为29.01% [5] - 转债交易策略平均收益为22.39%，FOF策略平均收益为20.73%，量化CTA策略平均收益为20.21% [5] - 股票多空策略平均收益为15.64%，期权策略平均收益为14.97%，套利策略平均收益为11.00% [5] - 债券复合策略平均收益为10.41%，股票市场中性策略平均收益为9.72%，债券增强策略平均收益为8.95%，纯债策略平均收益为6.72% [5] 量化多头策略产品表现 - 截至2025年末，5亿以上规模私募旗下符合排名规则的量化多头产品共531只 [6] - 2025年收益排在前十的量化多头产品依次来自：海南盖亚青柯私募、今通投资、翰荣投资、久铭投资、国标资产、兆信私募基金、龙旗科技、龙吟虎啸、衍合投资、鹿秀投资 [7] - 今通投资钱伟强管理的“今通量化价值成长六号”以中证1000指增为策略，业绩表现突出，位列第2 [9] - 今通投资成立于2015年，由华尔街资深投资团队携手硅谷AI科学家联合创立，专注中国A股和新兴市场量化投资，公司核心投研团队75%成员拥有博士学历，均来自千禧年、贝莱德、亚马逊等全球知名机构 [9] - 基金经理钱伟强为美国加州大学经济学博士，曾任美国IBM资深算法科学家、亚马逊AI营销科学家，积累了丰富的大数据与AI大模型经验，现任今通投资CTO，并搭建了AI投研平台和机器学习底层框架 [10] 主观多头策略产品表现 - 截至2025年末，5亿以上规模私募旗下符合排名规则的主观多头产品共1090只 [11] - 2025年收益排在前十的主观多头产品依次来自：能敬投资控股、上海歌汝私募、上海恒穗资产、信持力资产、蓝宝石基金、北京禧悦私募、上海峄昕私募、远信投资、乾图投资、榕树投资 [11] - 乾图投资黄立图管理的“乾图唐玄甲”业绩表现亮眼 [16] - 黄立图为乾图投资创始人，中山大学金融学硕士，拥有20年从业经验，曾任职于广州越秀集团、广发证券、华夏基金，其核心投资框架为“价值、趋势、博弈” [16] 复合策略产品表现 - 截至2025年末，5亿以上规模私募旗下符合排名规则的复合策略产品共244只 [17] - 2025年收益排在前十的复合策略产品依次来自：硕和资产、天辉投资、宁波数法私募、喜世润投资、亿库资本、晨乐资产、巴克夏投资、河南砥盈私募、国源信达、正班基金 [17] - 位居榜首的是硕和资产吕心剑管理的“硕和瑞祥”，以显著优势领跑 [19] - 硕和资产创立于2020年，办公地位于杭州与无锡，是长三角区域备受关注的新锐投资管理机构，吕心剑是公司核心创始合伙人之一，曾任职于中信证券 [19] 宏观策略产品表现 - 截至2025年末，5亿以上规模私募旗下符合排名规则的宏观策略产品共133只 [20] - 2025年收益排在前十的宏观策略产品依次来自：久期投资、路远私募、中安汇富、前海夸克资产、翼丰投资、深圳善择私募、波粒二象私募、杭州博衍私募、银叶投资、昌都凯丰投资 [20] - 路远私募路文韬管理的“路远睿泽稳增”业绩表现突出，夺得第2，路文韬为路远私募创始人，拥有近20年从业经验 [24] - 在5亿以上规模私募旗下宏观策略20强产品中，量化产品仅占6只 [25] - 波粒二象私募林颖颖管理的“杭州波粒二象小红掌A类份额”在上榜量化宏观产品中领衔，波粒二象私募成立于2016年，和浙江大学计算机系进行深度产研协同，将人工智能技术应用于量化交易领域 [25] - 基金经理林颖颖为北京大学经济学和香港大学金融学硕士，拥有10年大类资产配置及宏观研究经验，擅长以量化手段构建宏观交易组合 [25] 主观CTA策略产品表现 - 截至2025年末，5亿以上规模私募旗下符合排名规则的主观CTA产品共78只，2025年收益20强产品中有5只收益表现突出 [26] - 2025年收益排在前十的主观CTA产品依次来自：弈祖投资、农夫私募、持赢私募、北京富华资信私募、东航私募、共青城广聚星合私募、孚盈投资、申优资产、魔寓私募、七禾聚资产 [26] - 持赢私募钱骏管理的“持赢精诚所至A类份额”位居前3 [29] - 持赢私募成立于2007年，专注期货市场，强调风险控制，擅长把握趋势性交易机会，公司创始人钱骏拥有20多年期货市场实战经验 [29] - 自2023年中以来，持赢持续跟踪黄金趋势，并较早提出这是一轮超长周期的行情，2026年1月26日现货黄金价格再创历史新高，突破5100美元/盎司关口 [29] - 展望2026年，钱骏表示政治博弈加剧、战争风险犹存，黄金涨幅很可能会超过去年，2026年黄金价格大概率会涨到1500-1800元，甚至摸到2000元 [29] 量化CTA策略产品表现 - 截至2025年末，5亿以上规模私募旗下符合排名规则的量化CTA产品共185只，2025年收益20强产品中有3只收益表现突出 [30] - 2025年收益排在前十的量化CTA产品依次来自：华澄私募、共青城广聚星合私募、双隆投资、智信融科、会世私募、海南无量资本、上海悬铃私募、航景星和资产、彩霞湾投资、富犇投资 [30] - 华澄私募颜学阶管理的“华澄二号”位居榜首 [33] - 颜学阶为公司合伙创始人，曾在Sun和微软任职，深度涉足数据挖掘及商业智能领域，2010年起专注于量化投资 [33] 私募FOF产品表现 - 私募FOF的核心策略是通过优中选优地配置多只私募基金来构建一个“基金组合”，实现多元化配置 [34] - 截至2025年末，在私募排排网上展示业绩且符合排名规则、产品规模在3000万以上的私募FOF产品共56只，2025年平均收益为20.55% [35] - 2025年收益排在前十的私募FOF产品依次来自：上海太盈、青岛洪运瑞恒私募、泉智基金、博润银泰投资、融智投资、宏桥基金、海南东方润泽私募、宁波和御私募、广金美好、北京明晟东诚私募 [36] - 融智投资李春瑜管理的“融智百舸量化FOF2号”位居前5，并且该收益领衔管理规模5亿以下的小而美私募 [40] - 在FOF领域，融智投资专注于自上而下的大资产类明确判断以及自下而上的策略深刻理解，基于客户风险承受能力与需求设计产品，倾向于多资产、多策略的分散配置，通过定量和定性分析对基金进行“质检” [40]

昨天说了，国内股市近期别碰，不知道还有多少头铁，今天看看盘面，还是熟悉的指数涨0.5%即打压，跌回原点又会反弹。有人说这样能不能做套利，我 觉得可以，第一个是期指，不过日内单手续费高，你可以换成T+1对锁，如果不懂这个就别参与，毕竟带杠杆万一超级主力有一天不上班，这法则就无法实 施，还容易亏钱，毕竟砸盘主力是人为压制，并不是市场的本意，这种你开空单亏了还下个不能怪谁。第二个是ETF做T+0，低买高卖挺容易的，锚定0.5% 的上下区间就行，不过同样是在一堆垃圾里挑吃的，我想问为啥非得盯A股？商品不香吗？海外不香吗？比如黄金白银大宗，每一个都在涨价，这些又是市 场自由博弈，没有超级主力砸盘，另外，海外半导体高景气延续，天天都是涨价，国内不给炒你不会去海外？这个市场已经烂透了，我觉得没啥好留恋的， 谈价值没价值，谈炒作禁炒作，谈耐心资金就是每天乖乖被锤天天市值新低，哪有这样天天对着各类投资者整的市场。所以现在黄金、白银上涨很快，也是 超级主力的功劳，不买黄金白银，难道去买医药白酒吗？ 中线策略分析：【整体情况】 今天统计的买盘力量是3000+，明显感觉盘面越来越强，而且超级主力越砸影响越少，主要原因从数据上就看到了 ...

2025年，无疑是量化投资发展史上一个标志性的大年。年初，DeepSeek的横空出世为量化领域注入了颠覆性的AI动能；与此同时，A股市场震荡上行，整 体而言中小盘风格显著占优，中证2000与微盘股指数分别大涨超36%和80%，叠加市场流动性充裕、交投活跃，多重利好共振，令量化多头策略"如鱼得 水"，迎来全面爆发！ 为能更清晰了解量化私募基金的业绩，经笔者统计，在私募排排网上有业绩展示的量化产品共有1784只，2025年平均收益达30.28%，2025年平均超额 （几何）收益达10.83%；其中量化多头策略产品多达806只，2025年收益和超额（几何）收益分别为44.74%、16.46%，在私募二级策略中居前。 | 排 | 私募二级策略 | 有业绩展示的 | 2025年平均收益 | 2025 E 24 2 | | --- | --- | --- | --- | --- | | 序 | | 量化产品 | | 超额收益 | | 1 | 喜化多杀 | 806 | 44.74% | 16.46% | | 2 | 量化CTA | 375 | 20.21% | 14.04% | | 3 | 股票市场中性 | 186 | 9 ...

引言 过去一年，A股市场经历了一轮幅度可观的牛市行情，风险偏好明显修复，指数层面的上涨 一度成为市场共识。 随着行情逐步由普涨走向分化，投资决策的重心也开始从"追逐收益"转 向"筛选长期可配置的核心资产"。 在这一阶段，资金的真实流向往往比短期涨幅更具参考意 义。 自2024年9月首只中证A500场内ETF上市以来，A500相关ETF及联接产品规模持续扩张，目 前已超过1600亿元；尤其是在2025年12月，市场整体趋于震荡的背景下，A500ETF却迎来 了大规模机构资金净申购，显示出显著的配置属性。与此同时，中基协备案信息显示，2025 年以来A500指数增强私募产品数量明显增加，量化机构加速布局该赛道。多类资金在同一时 间指向A500，释放出值得重视的配置信号。 规模与资金行为：A500ETF已被机构"用真金白银投票" 0 1 自2024年9月20日首只中证A500场内ETF发行上市以来，A500ETF在不到一年半的时间内，完成了 从"新指数"到"核心宽基"的快速跃迁。截至目前，A500相关ETF及联接产品总规模已超过1600亿 元，成为近十年来增长最快的权益宽基指数之一。 数据来源：聚宽Joinquan ...

量化模型与构建方式 1. **模型名称：微盘股轮动模型**[19][20][27] * **模型构建思路**：通过比较微盘股指数与茅指数的相对价值和短期动量，判断并轮动投资于表现更优的风格指数。[19][20][27] * **模型具体构建过程**： 1. **计算相对净值**：计算微盘股指数与茅指数的相对净值（微盘股指数净值 / 茅指数净值）。[27] 2. **计算年均线**：计算该相对净值的243日移动平均线（年均线）。[27] 3. **计算斜率**：分别计算微盘股指数和茅指数过去20日收盘价的斜率（趋势）。[27] 4. **生成信号**： * 当微盘股/茅指数相对净值 **高于** 其243日均线时，倾向于投资微盘股。[27] * 当微盘股/茅指数相对净值 **低于** 其243日均线时，倾向于投资茅指数。[27] * 结合20日斜率：当两个指数的20日斜率方向相反且一方为正时，选择投资斜率为正的指数，以应对潜在的风格切换。[27] 2. **模型名称：微盘股择时风控模型**[19][20][27] * **模型构建思路**：监控十年期国债收益率和微盘股波动率拥挤度的同比变化，当任一指标触及预设阈值时，发出平仓信号以控制中期系统性风险。[19][20][27] * **模型具体构建过程**： 1. **计算十年期国债收益率同比**：计算当前十年期国债到期收益率相对于一年前同期的变化率。[27] $$十年国债利率同比 = \frac{当前十年期国债到期收益率}{一年前同期十年期国债到期收益率} - 1$$ 2. **计算波动率拥挤度同比**：计算当前微盘股波动率拥挤度指标相对于一年前同期的变化率。[27] $$波动率拥挤度同比 = \frac{当前波动率拥挤度}{一年前同期波动率拥挤度} - 1$$ 3. **生成风控信号**：设定两个阈值，十年国债利率同比阈值为0.3（30%），波动率拥挤度同比阈值为0.55（55%）。[27] * 若 **十年国债利率同比 ≥ 30%** 或 **波动率拥挤度同比 ≥ 55%**，则触发风控信号，建议平仓。[27] * 否则，维持持仓。[27] 3. **模型名称：宏观择时模型**[47][50] * **模型构建思路**：基于经济增长和货币流动性两个宏观维度的动态事件因子，生成权益资产（股票）的配置仓位信号，进行股债轮动。[47] * **模型具体构建过程**：报告未详细描述具体构建过程，但指出模型根据经济增长和货币流动性层面生成信号强度，并综合得出股票仓位建议。具体细节需参考其历史研究报告《Beta 猎手系列：基于动态宏观事件因子的股债轮动策略》。[47][49] 模型的回测效果 1. **微盘股轮动模型**：报告未提供该模型历史回测的综合绩效指标（如年化收益率、夏普比率等），但提供了截至2025年12月31日的具体信号：维持茅指数信号，预期中期配置茅指数能有更高相对收益。[19][20] 2. **微盘股择时风控模型**：报告未提供该模型历史回测的综合绩效指标，但提供了截至2025年12月31日的监控值：波动率拥挤度同比为-33.43%，十年期国债到期收益率同比为9.93%，均未触及风控阈值，因此中期系统性风险处于可控范围，风控信号未触发。[19][20] 3. **宏观择时模型**： * 截至2025年12月31日，模型对1月份权益推荐仓位为 **60%**（上月为55%）。[47][50] * 模型对12月份经济增长层面信号强度为50%，货币流动性层面信号强度为60%。[47] * 择时策略2025年年初至今收益率为 **14.59%**，同期Wind全A收益率为26.87%。[47] 量化因子与构建方式 1. **因子名称：市值因子**[54][66] * **因子构建思路**：使用公司流通市值的对数作为代理变量，通常认为小市值公司具有更高的风险溢价和成长潜力。[66] * **因子具体构建过程**：$$LN\_MktCap = ln(流通市值)$$[66] * **因子评价**：报告指出，过去一周小市值因子在全市场范围内表现强势，是市场风格的主导因子之一。[54] 2. **因子名称：价值因子**[54][66] * **因子构建思路**：通过多种估值比率衡量公司价格是否低于其内在价值，例如市净率、市盈率、市销率的倒数等。[66] * **因子具体构建过程**：报告列出了多个细分价值因子，例如： * $$BP\_LR = \frac{最新年报账面净资产}{最新市值}$$ * $$EP\_FTTM = \frac{未来12个月一致预期净利润}{最新市值}$$ * $$SP\_TTM = \frac{过去12个月营业收入}{最新市值}$$[66] * **因子评价**：报告指出，过去一周价值因子全线飘红，显示市场资金在追逐小盘弹性的同时，风险偏好回归对低估值的重视。[54] 3. **因子名称：成长因子**[66] * **因子构建思路**：通过公司财务指标的增长率来衡量其未来的成长潜力。[66] * **因子具体构建过程**：报告列出了多个细分成长因子，例如： * $$NetIncome\_SQ\_Chg1Y = 单季度净利润同比增速$$ * $$OperatingIncome\_SQ\_Chg1Y = 单季度营业利润同比增速$$ * $$Revenues\_SQ\_Chg1Y = 单季度营业收入同比增速$$[66] 4. **因子名称：质量因子**[66] * **因子构建思路**：通过盈利能力、运营效率、财务稳健性等指标衡量公司的经营质量。[66] * **因子具体构建过程**：报告列出了多个细分质量因子，例如： * $$ROE\_FTTM = \frac{未来12个月一致预期净利润}{股东权益均值}$$ * $$OCF2CurrentDebt = \frac{过去12个月经营现金流净额}{流动负债均值}$$ * $$GrossMargin\_TTM = 过去12个月毛利率$$[66] 5. **因子名称：一致预期因子**[54][66] * **因子构建思路**：基于分析师一致预期的变化或目标价空间，捕捉市场对未来盈利预期的调整。[66] * **因子具体构建过程**：报告列出了多个细分一致预期因子，例如： * $$EPS\_FTTM\_Chg3M = 未来12个月一致预期EPS过去3个月的变化率$$ * $$TargetReturn\_180D = 一致预期目标价相对于目前股价的收益率$$[66] * **因子评价**：报告指出，随着年报预告披露期接近尾声，市场短期脱离对于高业绩预期板块的追逐，使得一致预期因子表现走弱。[54] 6. **因子名称：技术因子**[54][66] * **因子构建思路**：基于价量数据构建指标，反映市场的交易行为、流动性和动量特征。[66] * **因子具体构建过程**：报告列出了多个细分技术因子，例如： * $$Volume\_Mean\_20D\_240D = \frac{20日成交量均值}{240日成交量均值}$$ * $$Turnover\_Mean\_20D = 20日换手率均值$$[66] * **因子评价**：报告指出，过去一周量价类因子（技术和低波因子）表现良好，并预期未来一周小市值和量价类因子能维持表现。[54] 7. **因子名称：波动率因子**[66] * **因子构建思路**：通过股票收益率的历史波动率或模型残差波动率来衡量其风险水平，通常低波动股票具有更稳定的表现。[66] * **因子具体构建过程**：报告列出了多个细分波动率因子，例如： * $$Volatility\_60D = 60日收益率标准差$$ * $$IV\_CAPM = CAPM模型残差波动率$$ * $$IV\_FF = Fama-French三因子模型残差波动率$$[66] 8. **因子名称：反转因子**[66] * **因子构建思路**：基于股票过去一段时间的收益率，认为过去表现差的股票未来可能反弹，而过去表现好的股票可能回调。[66] * **因子具体构建过程**：报告列出了多个细分反转因子，例如： * $$Price\_Chg20D = 20日收益率$$ * $$Price\_Chg60D = 60日收益率$$ * $$Price\_Chg120D = 120日收益率$$[66] 9. **因子名称：可转债正股一致预期因子**[59] * **因子构建思路**：从正股与可转债的相关关系出发，将用于预测正股的“一致预期”类因子应用于可转债择券。[59] 10. **因子名称：可转债正股价值因子**[59] * **因子构建思路**：从正股与可转债的相关关系出发，将用于预测正股的“价值”类因子应用于可转债择券。[59] 11. **因子名称：可转债正股成长因子**[59] * **因子构建思路**：从正股与可转债的相关关系出发，将用于预测正股的“成长”类因子应用于可转债择券。[59] 12. **因子名称：可转债正股财务质量因子**[59] * **因子构建思路**：从正股与可转债的相关关系出发，将用于预测正股的“财务质量”类因子应用于可转债择券。[59] 13. **因子名称：可转债估值因子**[59] * **因子构建思路**：直接从可转债自身的估值指标出发进行择券，选取的指标是平价底价溢价率。[59] 因子的回测效果 （以下数据均基于“上周”和“今年以来”两个时间窗口，在全部A股、沪深300、中证500、中证1000四个股票池中的表现） 1. **一致预期因子**： * **IC均值（上周）**：全部A股 0.21%， 沪深300 -8.80%， 中证500 -1.51%， 中证1000 -0.18%[55] * **IC均值（今年以来）**：全部A股 2.25%， 沪深300 -2.73%， 中证500 0.51%， 中证1000 0.84%[55] * **因子多空收益（上周）**：全部A股 0.08%， 沪深300 0.10%， 中证500 -1.46%， 中证1000 -0.87%[55] * **因子多空收益（今年以来）**：全部A股 -0.07%， 沪深300 0.45%， 中证500 -5.89%， 中证1000 -2.20%[55] 2. **市值因子**： * **IC均值（上周）**：全部A股 10.97%， 沪深300 33.47%， 中证500 -2.07%， 中证1000 4.74%[55] * **IC均值（今年以来）**：全部A股 7.41%， 沪深300 19.70%， 中证500 -8.85%， 中证1000 -0.66%[55] * **因子多空收益（上周）**：全部A股 1.62%， 沪深300 3.11%， 中证500 1.70%， 中证1000 0.06%[55] * **因子多空收益（今年以来）**：全部A股 2.65%， 沪深300 7.23%， 中证500 -10.20%， 中证1000 -0.45%[55] 3. **成长因子**： * **IC均值（上周）**：全部A股 7.53%， 沪深300 -11.51%， 中证500 1.18%， 中证1000 4.51%[55] * **IC均值（今年以来）**：全部A股 5.72%， 沪深300 3.62%， 中证500 2.91%， 中证1000 2.77%[55] * **因子多空收益（上周）**：全部A股 1.29%， 沪深300 -2.91%， 中证500 1.64%， 中证1000 0.45%[55] * **因子多空收益（今年以来）**：全部A股 2.89%， 沪深300 0.59%， 中证500 4.64%， 中证1000 0.14%[55] 4. **反转因子**： * **IC均值（上周）**：全部A股 -2.85%， 沪深300 -4.27%， 中证500 -5.74%， 中证1000 4.07%[55] * **IC均值（今年以来）**：全部A股 -2.45%， 沪深300 0.53%， 中证500 -9.15%， 中证1000 -0.03%[55] * **因子多空收益（上周）**：全部A股 -1.30%， 沪深300 -1.84%， 中证500 -2.80%， 中证1000 0.20%[55] * **因子多空收益（今年以来）**：全部A股 -4.25%， 沪深300 -3.14%， 中证500 -13.15%， 中证1000 -2.79%[55] 5. **质量因子**： * **IC均值（上周）**：全部A股 -6.17%， 沪深300 -19.17%， 中证500 -13.04%， 中证1000 -11.20%[55] * **IC均值（今年以来）**：全部A股 3.05%， 沪深300 1.08%， 中证500 -4.73%， 中证1000 -0.86%[55] * **因子多空收益（上周）**：全部A股 -0.69%， 沪深300 -3.29%， 中证500 0.05%， 中证1000 -0.96%[55] * **因子多空收益（今年以来）**：全部A股 1.45%， 沪深300 -0.88%， 中证500 -4.69%， 中证1000 1.51%[55] 6. **技术因子**： * **IC均值（上周）**：全部A股 6.77%， 沪深300 -4.67%， 中证500 3.45%， 中证1000 5.79%[55] * **IC均值（今年以来）**：全部A股 3.02%， 沪深300 -4.23%， 中证500 -5.47%， 中证1000 -0.55%[55] * **因子多空收益（上周）**：全部A股 -0.39%， 沪深300 -1.41%， 中证500 -0.60%， 中证1000 -0.59%[55] * **因子多空收益（今年以来）**：全部A股 -1.95%， 沪深300 -4.69%， 中证500 -13.04%， 中证1000 -4.09%[55] 7. **价值因子**： * **IC均值（上周）**：全部A股 14.54%， 沪深300 14.95%， 中证500 20.03%， 中证1000 22.00%[55] * **IC均值（今年以来）**：全部A股 0.25%， 沪深300 0.80%， 中证500 -5.63%， 中证1000 -2.89%[55] * **因子多空收益（上周）**：全部A股 1.42%， 沪深300 0.26%， 中证500 3.68%， 中证1000 3.31%[55] * **因子多空收益（今年以来）**：全部A股 -3.09%， 沪深300 -3.34%， 中证500 -8.43%， 中证1000 -2.43%[55] 8. **波动率因子**： * **IC均值（上周）**：全部A股 5.56%， 沪深300 1.98%， 中证500 -1.57%， 中证1000 10.41%[55] * **IC均值（今年以来）**：全部A股 0.82%， 沪深300 -0.12%， 中证500 -8.94%， 中证1000 -0.88%[55] * **因子多空收益（上周）**：全部A股 -1.11%， 沪深300 -1.33%， 中证500 -2.28%， 中证1000 -0.03%[55] * **因子多空收益（今年以来）**：全部A股 -3.70%， 沪深300 -1.95%， 中证500 -13.49%， 中证1000 -3.47%[55]

量化模型与因子总结 量化模型与构建方式 1. **模型名称**：多因子模型[2][15] * **模型构建思路**：该模型是量化基金广泛采用的一种策略模型，通过综合多个能够预测股票未来收益的因子（如价值、成长、动量、质量等）来构建投资组合，旨在获取超越基准指数的超额收益[2][15]。 * **模型具体构建过程**：研报未提供具体的多因子模型构建细节、因子定义、权重分配方法或组合优化过程。 2. **模型名称**：大数据驱动主动投资模型[2][15] * **模型构建思路**：该模型利用海量、多样化的另类数据（如网络舆情、电商数据、卫星图像等），通过机器学习、自然语言处理等技术提取有效信息，并将其融入投资决策过程，以发现传统数据难以捕捉的投资机会[2][15]。 * **模型具体构建过程**：研报未提供具体的大数据模型构建细节、数据来源、特征工程方法或算法模型。 3. **模型名称**：行业主题轮动模型[2][15] * **模型构建思路**：该模型旨在根据宏观经济周期、产业政策、市场情绪等因素，动态调整在不同行业或主题上的配置权重，以捕捉不同阶段表现突出的板块机会[2][15]。 * **模型具体构建过程**：研报未提供具体的行业轮动模型构建细节、轮动信号生成方法或权重调整机制。 模型的回测效果 1. **多因子模型**，本周收益中位数**3.78%**[19]，本月收益中位数**11.32%**[19]，本季度收益中位数**11.32%**[19]，本年度收益中位数**11.32%**[19]。 2. **大数据驱动主动投资模型**，本周收益中位数**1.50%**[20]，本月收益中位数**8.61%**[20]，本季度收益中位数**8.61%**[20]，本年度收益中位数**8.61%**[20]。 3. **行业主题轮动模型**，本周收益中位数**1.71%**[18]，本月收益中位数**7.19%**[18]，本季度收益中位数**7.19%**[18]，本年度收益中位数**7.19%**[18]。 量化因子与构建方式 * 研报中提及了“多因子”策略，但未具体列出或描述任何单一因子的名称、构建思路、具体构建过程及公式[2][15][19]。 因子的回测效果 * 研报未提供任何单一因子的独立测试结果（如IC值、IR值、多空收益等）。

基金经理杨冬的投资框架与产品布局 - 基金经理杨冬采用“主观多头+量化投资”相结合的融合投资框架，主观部分基于基本面深度研究寻找赔率大的优质标的，量化部分通过统计规律辅助组合稳健跑赢基准，共同追求景气与估值的均衡[1] - 其管理的产品主要分为“底仓型”和“风格增强型”两类，底仓型以沪深300、中证800等主流指数为业绩基准，风格增强型则在贝塔收益基础上做增强，并包括定位于板块增强的“智选”系列基金[3] - 目前共管理10只基金，总管理规模达360.45亿元，其中广发多因子规模最大，为168.64亿元[1][6] 代表产品历史业绩与策略 - 广发多因子在2021年实现全年89.03%的回报，管理规模从当年6月底的不足42亿元跃升至233.30亿元[2] - 广发价值领航自成立以来累计收益达126.75%，年化收益为25.23%，是“主观选股”的代表产品[2] - 广发稳健策略在杨冬任职以来收益为62.40%，年化回报为26.69%，在同类3954只产品中排名第1062位，该基金主打红利风格增强[2] 近期策略调整与市场表现 - 2024年一季度，广发稳健策略大幅调整持仓，减持部分景气度下行的A股价值股，增持港股高分红标的和A股高股息资产，该操作使基金在2024年全年获得11.07%的超额收益（基金净值增长25.52%，基准收益14.45%）[5] - 2025年以来市场风格转向，该基金坚守价值风格，重仓电力设备、交运、金融等传统行业，截至2025年9月底前十大重仓股包括金风科技、渤海轮渡、民生银行、中国平安等，未配置AI、算力等纯成长赛道[5] - 坚守价值风格导致产品近期收益承压，截至1月20日，广发稳健策略最近1年收益为34.13%，低于同类平均的40.90%，在4425只同类产品中排名第2583位[5] 新产品布局与未来发展 - 为应对价值风格与市场行情的适配矛盾并补充收益弹性，2025年以来陆续推出“智选”系列板块增强产品，包括广发制造智选、广发科技智选、广发资源智选，这些产品融合主观优选、主动量化和AI量化方法[5] - 近期新成立两只基金：广发质量优选（2025年12月23日成立，规模37.59亿元）和广发研究智选（2026年1月20日成立，规模72.21亿元），合计为投资组合新增109.8亿元规模[6] - 新成立的“智选”系列产品目前规模相对较小，策略处于市场验证阶段，其稳定性和在高波动市场下的风控能力有待观察[6]

量化模型与因子总结 量化因子与构建方式 1. **因子名称：估值因子** [9] * **因子构建思路**：基于公司基本面价值指标，衡量股票价格相对于其内在价值的便宜程度，通常认为估值较低的股票未来收益更高[9]。 * **因子具体构建过程**：该因子为合成大类因子，由多个细分估值因子合成。报告中列出的细分因子包括： * **估值-EP**：盈利价格比，通常为每股收益除以股价。 * **估值-BP**：账面市值比，通常为每股净资产除以股价。 * **估值-SP**：销售收入价格比，通常为每股营业收入除以股价。 * **股息率**：每股股息除以股价。 2. **因子名称：成长因子** [9] * **因子构建思路**：衡量公司未来增长潜力的指标，通常认为成长性高的公司未来股价表现更好[9]。 * **因子具体构建过程**：该因子为合成大类因子，由多个细分成长因子合成。报告中列出的细分因子包括： * **营业收入增长率**：衡量公司营业收入的增长情况。 * **净利润增长率**：衡量公司净利润的增长情况。 * **ROE增长率**：衡量公司净资产收益率（ROE）的增长情况。 3. **因子名称：盈利因子** [9] * **因子构建思路**：衡量公司盈利能力和质量的指标，通常认为盈利能力强的公司更受市场青睐[9]。 * **因子具体构建过程**：该因子为合成大类因子，由多个细分盈利因子合成。报告中列出的细分因子包括： * **ROE**：净资产收益率，衡量公司运用自有资本的效率。 * **ROA**：总资产收益率，衡量公司运用全部资产的效率。 * **毛利率**：衡量公司核心业务的盈利能力。 * **净利率**：衡量公司最终的整体盈利能力。 4. **因子名称：小市值因子** [9] * **因子构建思路**：基于公司总市值的指标，通常认为小市值公司相比大市值公司具有更高的风险溢价和成长潜力，从而可能带来超额收益[9]。 5. **因子名称：反转因子** [9] * **因子构建思路**：基于股票过去一段时间收益率表现的指标，认为过去表现较差的股票未来可能反弹，而过去表现较好的股票未来可能回调[9]。 * **因子具体构建过程**：该因子为合成大类因子，由多个细分反转因子合成。报告中列出的细分因子包括： * **1个月反转**：基于过去1个月收益率的反转因子。 * **3个月反转**：基于过去3个月收益率的反转因子。 * **衰减换手率加权3个月反转**：在3个月反转因子的基础上，使用衰减换手率对历史收益率进行加权，以降低近期高换手率对因子信号的干扰。 * **衰减换手率加权6个月反转**：在6个月反转因子的基础上，使用衰减换手率对历史收益率进行加权。 6. **因子名称：波动率因子** [9] * **因子构建思路**：衡量股票价格波动风险的指标，通常认为低波动率的股票风险更低，可能带来更稳定的超额收益[9]。 * **因子具体构建过程**：该因子为合成大类因子，由多个细分波动率因子合成。报告中列出的细分因子包括： * **1个月波动率**：基于过去1个月收益率计算的波动率。 * **3个月波动率**：基于过去3个月收益率计算的波动率。 * **FF三因子残差1个月波动率**：基于过去1个月收益率，剔除Fama-French三因子（市场、市值、估值）影响后的残差波动率。 * **FF三因子残差3个月波动率**：基于过去3个月收益率，剔除Fama-French三因子影响后的残差波动率。 7. **因子名称：换手率因子** [9] * **因子构建思路**：衡量股票流动性和交易活跃度的指标，通常认为换手率过高可能意味着投机情绪浓厚，未来收益可能不佳[9]。 * **因子具体构建过程**：该因子为合成大类因子，由多个细分换手率因子合成。报告中列出的细分因子包括： * **1个月日均换手率**：过去1个月的日均换手率。 * **3个月日均换手率**：过去3个月的日均换手率。 * **近1个月/近2年的日均换手率**：近期换手率与长期换手率的比值，用于衡量换手率的异常变化。 8. **因子名称：超预期因子** [9] * **因子构建思路**：基于公司实际财务数据与市场一致预期之间的差异，认为业绩超预期的公司未来股价表现更好[9]。 * **因子具体构建过程**：该因子为合成大类因子，由多个细分超预期因子合成。报告中列出的细分因子包括： * **SUR**：营收超预期因子，衡量实际营业收入与一致预期营收的差异。 * **SUE**：盈利超预期因子，衡量实际每股收益与一致预期每股收益的差异。 9. **因子名称：预期估值因子** [9] * **因子构建思路**：基于分析师对未来财务数据的一致预期构建的估值指标，衡量股票相对于其未来盈利或增长预期的估值水平[9]。 * **因子具体构建过程**：该因子为合成大类因子，由多个细分预期估值因子合成。报告中列出的细分因子包括： * **预期EP_FY1**：基于未来12个月（FY1）一致预期每股收益计算的预期盈利价格比。 * **预期PEG倒数_FY1**：基于未来12个月（FY1）一致预期盈利增长率和预期市盈率计算的PEG比率倒数，用于衡量增长与估值的匹配度。 * **预期BP_FY1**：基于未来12个月（FY1）一致预期每股净资产计算的预期账面市值比。 10. **因子名称：预期净利润复合增速FY1** [9] * **因子构建思路**：基于分析师对未来净利润增长率的一致预期，衡量公司未来的盈利增长潜力[9]。 11. **模型名称：因子多空组合模型** [14] * **模型构建思路**：为了更贴近实际投资场景，评估因子在优选头部股票和规避尾部股票方面的能力，通过构建行业中性的多空组合来模拟因子收益[14]。 * **模型具体构建过程**： 1. 在每个股票池（如沪深300、中证500等）内，计算每个股票的大类因子综合评分[14]。 2. 根据因子评分，选取排名位于前20%的股票作为多头组合，排名位于后20%的股票作为空头组合[14]。 3. 对多头组合和空头组合分别进行行业中性化处理，以控制行业风险暴露[14]。 4. 多头组合和空头组合均采用等权重配置[14]。 5. 多空组合的收益为多头组合收益减去空头组合收益[14]。 因子的回测效果 (Rank IC均值) *注：所有指标均为月频Rank IC，截至2026年1月23日[10][11][12][13]。* 1. **估值因子** * 本月以来：沪深300 (-4.46%)， 中证500 (-12.10%)， 中证1000 (-8.56%)， 全A股 (-3.32%)[10][11][12][13] * 近一季度：沪深300 (5.78%)， 中证500 (0.79%)， 中证1000 (-1.63%)， 全A股 (3.24%)[10][11][12][13] * 今年以来：沪深300 (-4.46%)， 中证500 (-12.10%)， 中证1000 (-8.56%)， 全A股 (-3.32%)[10][11][12][13] * 2015年以来：沪深300 (4.56%)， 中证500 (5.00%)， 中证1000 (4.77%)， 全A股 (6.23%)[10][11][12][13] 2. **成长因子** * 本月以来：沪深300 (0.91%)， 中证500 (-4.46%)， 中证1000 (8.83%)， 全A股 (8.11%)[10][11][12][13] * 近一季度：沪深300 (4.84%)， 中证500 (-4.72%)， 中证1000 (3.86%)， 全A股 (3.27%)[10][11][12][13] * 今年以来：沪深300 (0.91%)， 中证500 (-4.46%)， 中证1000 (8.83%)， 全A股 (8.11%)[10][11][12][13] * 2015年以来：沪深300 (1.30%)， 中证500 (3.67%)， 中证1000 (3.81%)， 全A股 (2.96%)[10][11][12][13] 3. **盈利因子** * 本月以来：沪深300 (3.55%)， 中证500 (-10.47%)， 中证1000 (0.19%)， 全A股 (4.23%)[10][11][12][13] * 近一季度：沪深300 (7.17%)， 中证500 (0.02%)， 中证1000 (2.28%)， 全A股 (2.77%)[10][11][12][13] * 今年以来：沪深300 (3.55%)， 中证500 (-10.47%)， 中证1000 (0.19%)， 全A股 (4.23%)[10][11][12][13] * 2015年以来：沪深300 (1.80%)， 中证500 (2.20%)， 中证1000 (3.51%)， 全A股 (3.09%)[10][11][12][13] 4. **小市值因子** * 本月以来：沪深300 (21.54%)， 中证500 (-4.30%)， 中证1000 (3.60%)， 全A股 (8.42%)[10][11][12][13] * 近一季度：沪深300 (4.45%)， 中证500 (-3.55%)， 中证1000 (3.73%)， 全A股 (1.26%)[10][11][12][13] * 今年以来：沪深300 (21.54%)， 中证500 (-4.30%)， 中证1000 (3.60%)， 全A股 (8.42%)[10][11][12][13] * 2015年以来：沪深300 (-1.70%)， 中证500 (1.04%)， 中证1000 (4.97%)， 全A股 (4.46%)[10][11][12][13] 5. **反转因子** * 本月以来：沪深300 (7.56%)， 中证500 (-14.06%)， 中证1000 (3.13%)， 全A股 (1.42%)[10][11][12][13] * 近一季度：沪深300 (0.61%)， 中证500 (-1.29%)， 中证1000 (4.50%)， 全A股 (5.56%)[10][11][12][13] * 今年以来：沪深300 (7.56%)， 中证500 (-14.06%)， 中证1000 (3.13%)， 全A股 (1.42%)[10][11][12][13] * 2015年以来：沪深300 (4.08%)， 中证500 (4.89%)， 中证1000 (7.75%)， 全A股 (8.85%)[10][11][12][13] 6. **波动率因子** * 本月以来：沪深300 (4.93%)， 中证500 (-14.60%)， 中证1000 (-2.65%)， 全A股 (-1.99%)[10][11][12][13] * 近一季度：沪深300 (7.81%)， 中证500 (-1.03%)， 中证1000 (3.44%)， 全A股 (7.26%)[10][11][12][13] * 今年以来：沪深300 (4.93%)， 中证500 (-14.60%)， 中证1000 (-2.65%)， 全A股 (-1.99%)[10][11][12][13] * 2015年以来：沪深300 (4.78%)， 中证500 (6.70%)， 中证1000 (8.13%)， 全A股 (9.20%)[10][11][12][13] 7. **换手率因子** * 本月以来：沪深300 (2.33%)， 中证500 (-13.08%)， 中证1000 (-1.94%)， 全A股 (-2.19%)[10][11][12][13] * 近一季度：沪深300 (9.53%)， 中证500 (1.52%)， 中证1000 (4.39%)， 全A股 (5.42%)[10][11][12][13] * 今年以来：沪深300 (2.33%)， 中证500 (-13.08%)， 中证1000 (-1.94%)， 全A股 (-2.19%)[10][11][12][13] * 2015年以来：沪深300 (4.03%)， 中证500 (6.85%)， 中证1000 (9.05%)， 全A股 (9.49%)[10][11][12][13] 8. **超预期因子** * 本月以来：沪深300 (-0.36%)， 中证500 (3.21%)， 中证1000 (8.04%)， 全A股 (8.60%)[10][11][12][13] * 近一季度：沪深300 (-2.81%)， 中证500 (-3.84%)， 中证1000 (4.10%)， 全A股 (2.38%)[10][11][12][13] * 今年以来：沪深300 (-0.36%)， 中证500 (3.21%)， 中证1000 (8.04%)， 全A股 (8.60%)[10][11][12][13] * 2015年以来：沪深300 (2.63%)， 中证500 (3.19%)， 中证1000 (3.00%)， 全A股 (2.64%)[10][11][12][13] 9. **预期估值因子** * 本月以来：沪深300 (-5.56%)， 中证500 (-6.83%)， 中证1000 (-10.84%)， 全A股 (-7.29%)[10][11][12][13] * 近一季度：沪深300 (1.81%)， 中证500 (-1.21%)， 中证1000 (-5.10%)， 全A股 (-3.41%)[10][11][12][13] * 今年以来：沪深300 (-5.56%)， 中证500 (-6.83%)， 中证1000 (-10.84%)， 全A股 (-7.29%)[10][11][12][13] * 2015年以来：沪深300 (-0.55%)， 中证500 (0.24%)， 中证1000 (-0.35%)， 全A股 (0.40%)[10][11][12][13] 10. **预期净利润复合增速FY1因子** * 本月以来：沪深300 (3.92%)， 中证500 (-1.54%)， 中证1000 (-2.85%)， 全A股 (4.47%)[10][11][12][13] * 近一季度：沪深300 (3.36%)， 中证500 (-1.52%)， 中证1000 (-0.62%)， 全A股 (1.78%)[10][11][12][13] * 今年以来：沪深300 (3.92%)， 中证500 (-1.54%)， 中证1000 (-2.85%)， 全A股 (4.47%)[10][11][12][13] * 2015年以来：沪深300 (-0.25%)， 中证500 (0.47%)， 中证1000 (1.21%)， 全A股 (1.09%)[10][11][12][13] 模型（因子多空组合）的回测效果 *注：所有指标均为“本月以来”收益，截至2026年1月23日[20][21][22][16][18]。* 1. **因子多空组合模型（各股票池平均收益）** * 小市值因子：约1.5%[20] * 预期净利润复合增速FY1因子：约1.0%[20] * 超预期因子：约0.8%[20] * 成长因子：约0.6%[20] * 盈利因子：约0.2%[20] * 预期估值因子：约-0.2%[20] * 估值因子：约-0.4%[20] * 反转因子：约-0.6%[20] * 换手率因子：约-1.0%[20] * 波动率因子：约-1.2%[20] 2. **因子多空组合模型（沪深300股票池）** * 小市值因子：约7.5%[21] * 反转因子：约4.

报告行业投资评级 未提及 报告的核心观点 未提及 根据相关目录分别进行总结 ETF业绩表现 - 上周股票型ETF周度收益率中位数为0.95%，宽基ETF中中证500ETF涨跌幅中位数为4.34%收益最高；按板块划分，周期ETF涨跌幅中位数为3.52%收益最高；按主题分类，光伏ETF涨跌幅中位数为6.87%收益最高 [1][12][15] - 商品型、债券型、货币型、跨境型ETF涨跌幅中位数分别为7.51%、0.11%、0.02%、 - 0.67% [12] ETF规模变动及净申赎 - 截至上周五，股票型、跨境型、债券型ETF规模分别为35290亿元、10447亿元、7346亿元，商品型、货币型ETF规模分别为3076亿元、1535亿元 [18] - 宽基ETF中沪深300、A500ETF规模较大分别为8538亿元、2823亿元，科创板、中证500、创业板类、上证50、中证1000ETF规模相对较小 [18] - 分板块，截至上周五科技板块ETF规模为5515亿元，周期板块ETF规模为3176亿元，消费、大金融ETF规模相对较小 [25] - 按热门主题，截至上周五芯片、证券、医药ETF规模最高分别为1925亿元、1405亿元、1116亿元 [25] - 上周股票型ETF净赎回3380.98亿元，总体规模减少3098.29亿元；货币型ETF净申购19.95亿元，总体规模增加20.09亿元 [27] - 宽基ETF中，中证500ETF净赎回最少为84.27亿元，沪深300ETF净赎回最多为2372.52亿元 [27] - 按板块，上周周期ETF净申购最多为293.38亿元，大金融ETF净申购最少为19.79亿元 [30] - 按热点主题，上周芯片ETF净申购最多为127.74亿元，新能车ETF净赎回最多为2.40亿元 [30] ETF基准指数估值情况 - 截至上周五，宽基ETF中上证50、沪深300等的市盈率和市净率处于不同分位数水平，科创板类ETF市盈率和市净率分别处于95.38%、83.91%分位数水平 [33][35] - 截至上周五，周期、大金融等板块ETF的市盈率和市净率处于不同分位数水平，与前周相比，消费ETF估值分位数明显降低 [39] - 截至上周五，军工、光伏等主题ETF的市盈率和市净率分位数有高有低，与前周相比，银行ETF估值分位数明显降低 [41][42] - 总体来看，宽基ETF中创业板类、上证50ETF估值分位数相对较低；按板块，大金融、消费ETF估值分位数相对温和；按细分主题，酒、新能车ETF估值分位数相对较低 [45] ETF融资融券情况 - 近一年内股票型ETF融资余额和融券余量双升，截至上周四，股票型ETF融资余额由前周539.10亿元下降至534.56亿元，融券余量由前周22.76亿份上升至23.03亿份 [46] - 上周一至周四，日均融资买入额较高的为科创板ETF和中证500ETF，日均融券卖出量较高的是中证1000ETF和中证500ETF [47][48][50] ETF管理人 - 截至上周五，华夏、易方达、华泰柏瑞三家基金公司已上市、非货币ETF总规模排名前三 [52] - 上周新成立9只ETF，本周将有华安中证有色金属矿业主题ETF等6只ETF发行 [55]

公司发展历程与战略 - 公司故事始于2014年，由创始人张祥方创立，凭借在期货量化领域的深刻理解与执行力，在自营交易中积累了市场认知与原始资本[2] - 2021年是公司发展的关键转折点，陈昊炜、吴比亚、陈开泰作为合伙人加入，形成了独特的“双核驱动”模式[2] - 战略互补体现在：张祥方把握公司战略与运营，陈昊炜负责投研体系技术路线与系统集成，陈开泰攻坚前沿模型与AI实盘落地，吴比亚聚焦硬件加速与底层交易系统[2] - 公司目标是从零打造一套世界级的量化方法论，在中国打造“下一代量化旗舰”[1][2] 核心团队与技术文化 - 核心合伙人团队由拥有海外对冲基金顶尖背景的“架构师”组成，包括创始人张祥方、投资总监陈昊炜、研究总监陈开泰、技术总监吴比亚[1][2] - 团队氛围类似顶尖大学实验室或早期科技创业团队，以共同的技术信仰与热情为凝聚力，专注于最新的论文思路或模型架构[3] - 投资总监陈昊炜将摄影中“观察”与“降噪”的哲学渗透进因子构建与模型设计，强调从海量市场数据中剥离噪音、找到真正信号[3] NOVA核心操作系统 - NOVA系统是公司耗时多年、投入重金打造的“下一代量化旗舰”核心操作系统，被定义为“AI合伙人”而非传统工具[3][4] - 系统包含三大核心智能体模块：NOVA Matrix（基座智能体）基于知识图谱技术构建高维金融关联网络，解决数据清洗与环境搭建问题[4] - NOVA Go（策略智能体）能够理解自然语言指令，辅助生成策略代码并推荐阿尔法因子构建方向，将策略研发推进到人机对话阶段[4][5] - NOVA Pilot（风控与组合优化智能体）是实时解析市场环境、进行多周期组合优化的动态中枢，能在严格约束下自适应寻找风险与收益最优解[5] - NOVA系统的最终目标是实现“人类定义范式-AI生成解决方案-人类校验逻辑”的深度协同[5] 策略进化与风控实践 - NOVA系统赋能公司从单一风格迈向“全频段阿尔法”的进化，策略库涵盖从短周期量价到中长周期基本面的全频谱信号[5] - 通过NOVA Pilot进行动态权重调配，使公司在不同市场环境下均能保持适应力与战斗力[5] - 2024年春节假期前后的市场极端波动检验了系统风控成色，公司依托内嵌的“拥挤度模型”与“流动性模型”提前预警，并通过系统化纪律自动执行风控指令，平稳穿越市场风暴[6] 组织生态与人才管理 - 公司构建“贝尔实验室”式的组织生态，旨在留住顶尖人才并激发持续创新，拒绝雇佣兵模式的内耗和流水线模式对人的异化[6] - 通过“全栈式贡献归因系统”激励员工，该系统不仅与最终业绩挂钩，更追踪全程贡献权重，让基础研究和“助攻”者同样获得尊重与回报，激励知识共享[6] - 通过“知识资产深度复用”机制，借助NOVA平台将成熟研究模块封装成标准化积木并向全员开放，提升效率并赋予研究员全局视野[6] - “实习生计划”让实习生从第一天起接触实盘级项目与代码，在高强度实践中筛选出既有顶尖技术又认同长期主义与协作精神的人才[7] 未来展望 - 公司展望下一个十年，将继续围绕NOVA系统进行工业化与智能化的深度升级[7] - 计划包括对算力基建的饱和式投入，为AI竞争储备充足弹药[7] - 计划在全球范围吸引顶尖人才，追求“极致的人才密度”，让个体在强大系统赋能下释放最大潜能[7] - 公司认为量化行业没有永恒的护城河，唯一的护城河就是整体的进化速度，进化的源头在于同心同德的合伙人、自主进化的智能系统以及能让智慧良性循环的组织生态[7]