论坛概况 - 第二十届私募基金发展论坛将于2026年1月8日在深圳星河丽思卡尔顿酒店举办 [1] - 论坛主题为“循光而行 星河万里”，旨在构建高端行业交流平台，汇聚业界智慧，探索行业高质量发展路径 [1] - 论坛议程兼顾专业深度与实践价值，特邀众多资深投资人士分享，提供多维度、深层次的行业洞察 [1] 行业发展背景 - 中国私募证券基金行业已从萌芽初现阶段发展至规范成熟阶段，与资本市场同频共振 [1] - 行业在增强市场韧性、发现资产价值、服务居民财富管理需求等方面发挥着日益重要的作用 [1] - 随着行业新规深入实施、资本市场改革不断深化，行业迈入了更加规范、透明的发展新阶段 [1] - 行业活力持续迸发，管理规模稳步攀升，投资策略日趋多元，已成为我国资产管理体系中不可或缺的重要力量 [1] 论坛议程与核心环节 - 开场致辞由排排网基金销售公司总经理林丽致词 [2] - 主题演讲嘉宾包括博时基金指数与量化投资部副总监刘钊、国源信达总经理史江辉 [2] - 论坛设有三场核心圆桌对话 [2] - 第一场圆桌对话主题为“量化新纪元：策略迭代、技术突围与人才变革”，聚焦量化投资，由微观博易市场合伙人陈浩主持，嘉宾包括海南盛丰私募总经理林子洋、大岩资本总经理黄铂、阿巴马投资董事长詹海滔、玄元投资量化研究总监胡平，讨论议题涵盖量化策略迭代、人工智能融合、机构差异化竞争、人才体系搭建 [2][7][8][9] - 第二场圆桌对话主题为“内外共振：2026年中国权益市场机遇与挑战”，聚焦权益市场，由复胜资产合伙人杜浩然主持，嘉宾包括和谐汇一董事总经理韩冬、香橙资本总经理何潇、神农投资董事长陈宇、尚雅投资董事长石波、思达星汇总经理曹青青，将解码市场运行逻辑，探讨热门赛道投资机遇与宏观因素影响 [2][10][13][15][16][17] - 第三场圆桌对话主题为“智驭周期：宏观变局下CTA策略的配置价值与未来路径”，聚焦CTA策略，由钧富投资基金经理王家桢主持，嘉宾包括千象资产合伙人吕成涛，均成投资创始人、投资总监司维，洛书投资创始合伙人李林，观理基金创始人、投资总监何国坚，将分享对商品市场动态、CTA配置价值、策略周期性表现及策略转型方向的前沿思考 [2][17][19][20][21][22][23] 特色活动与资源对接 - 论坛特别推出“排排圆桌派——资本对接游园会”环节，以轻松互动的游园会形式，旨在构建优质管理人与资本高效匹配的桥梁 [3] - 该活动定向邀约20余家机构投资者与50余家优质私募机构参与 [3] - 私募管理人可借此机会与多家机构投资者面对面交流，展示自身的投研实力、策略特色与业绩表现，拓展合作空间 [3] - 论坛定位为不仅是思想盛宴，更是实现资源精准对接、促成合作共赢的优质平台 [3] 论坛组织与参会信息 - 论坛主办单位为排排网集团 [1] - 协办单位包括银河期货、方正证券、希施玛数科、中辉期货、私募排排网、国联期货 [1] - 会议地点为深圳星河丽思卡尔顿酒店三楼大宴会厅 [6] - 论坛提供详细的交通指引，距离深圳宝安国际机场乘车约40分钟，距离高铁福田站乘车约10分钟，距离深圳地铁会展中心站200米 [24]

核心观点 - 技术进步是驱动经济发展的核心主题，主动管理型基金经理在复杂多元的中国市场仍有巨大发挥空间 [4][5] - 中国股票市场（A股、港股、可转债）未来两三年处于非常好的投资时期，全球资金配置比例低，AI带来的系统性生产力提升将创造重大机会 [6] - 在长期低利率环境下，公司坚定向多资产、多策略转型，通过分散化资产类别和投资策略以改善组合风险收益特征 [7] - 收益风险特征明确的产品（如指数增强、ETF）未来有广阔机会，产品线布局正逐步成型以服务投资者 [9][10] - 在变化的时代，深度价值投资依然有效，市场存在许多结构性低估的逆向投资机会 [11][12][13] - 跨学科、跨产业的成长机会（如智能驾驶、机器人、AI）不断涌现，AI领域的投资规模达数万亿美元，AGI是核心发展方向 [14][15][16] - 投研团队正进化为更强调团队作战、跨领域协同的模式，以把握如创新药、新能源等复杂行业的投资机会 [17][18][19] - 机器人产业运动能力提升超预期，但需构建庞大的行为数据库以实现广泛应用 [20] 市场与宏观展望 - 全球治理结构变化下，中国综合国力提升明显，但全球资金对中国市场的配置比例相对于美国仍非常低 [6] - 当前面临的物价、债务、地产等问题，短期虽有困难，但长期有望在发展中消化 [6] - 必须面对一个持续时间较长的低利率环境 [7] 投资策略与团队进化 - 投资策略关注技术进步驱动的成长领域，同时也关注处于长期周期性底部的低估资产 [4][5] - 团队优势在于长期专注于核心资产定价和结构性投资，并在宏观资产配置与风险管理上有丰富经验 [6] - 自2019年开始布局黄金产品，2020年美股熔断期间增加美股配置，2024年在基准中加入MSCI World指数，以完善多资产、多策略布局 [7] - 团队通过长期实践，在多资产的理解与投资执行上积累了护城河和优势 [8] - 量化投资方法发生巨大变化，目前80%的时间花在机器学习或神经网络类模型上 [10] - 产品布局形成队形：指数增强产品覆盖沪深300、A500、中证500等宽基，量化红利产品作为后卫，沪港深300/500等作为中场，并辅以ETF产品（如300质量ETF） [10] - 成份股数量在100个以上的指数更容易追求稳定超额收益，100个以下则用ETF形式布局 [10] - 投研管理架构发生变化，采用组长制，基金经理深度参与研究，以跨领域视野带动专业研究 [14] - 投研团队进化明确，以医药团队为例，越来越强调团队作战、劲往一处使，公司整体在跨行业协同上越来越优秀 [18] - 研究方式从单点公司研究进化到整个系统研究，再结合市场定价理解，完成整体迭代 [19] 行业与主题机会 - **人工智能（AI）**：AI进化远超预期，投资规模达数万亿美元级别（相当于三四年投入一个日本经济总量） [15][16]；AGI（通用人工智能）是所有模型公司和大型云厂商的核心目标 [16]；AI将诞生新的交互平台和工作流程，创造新的人类工作机会 [16]；未来5-10年AI相关创新机会将层出不穷 [14] - **机器人**：机器人运动能力提升超预期，更多创业公司进入人形机器人赛道 [20]；自动驾驶是商业化价值最大的机器人场景，仓储物流机器人发展迅速 [20]；期待构建类似大语言模型的庞大人类行为数据库以推动机器人走进千家万户 [20] - **智能驾驶、机器人、AI手机**：是成长投资领域特别关注的主线 [14] - **创新药**：中国创新药产业在过去10年不断进化，未来投资主线是医药升级和出海，期待中国源头研发的创新药成为世界顶级药王 [18] - **新能源**：绿色电动化正全面深度铺开，应用场景从汽车、发电扩展到船舶、工厂、矿山、算法中心等 [19]；传统汽车新能源渗透率国内达50%-55%，重卡月度替换比例达30%，电力生产端新能源占比约20%多 [19]；中国在光伏、锂电、储能、电动车、电网等产业链有很强竞争优势，投资机会很多 [19] - **价值投资**：在A股市场，立足深度价值评估的投资者在近二三十年创造了巨大的复合回报 [12]；买股票就是买公司未来自由现金流的折现 [13]；目前市场仍有许多结构性明显被低估的机会值得布局 [13] 相关ETF产品数据 - **食品饮料ETF (515170)**：跟踪中证细分食品饮料产业主题指数，近五日涨跌 -1.61%，市盈率19.75倍，最新份额103.4亿份（减少1350.0万份），净申赎 -740.1万元，估值分位15.42% [23] - **游戏ETF (159869)**：跟踪中证动漫游戏指数，近五日涨跌 -0.06%，市盈率37.26倍，最新份额87.6亿份（减少600.0万份），净申赎 -863.6万元，估值分位55.98% [23] - **科创50ETF (588000)**：跟踪上证科创板50成份指数，近五日涨跌 -0.42%，市盈率160.89倍，最新份额537.1亿份（增加6.2亿份），净申赎8.8亿元，估值分位96.22% [23] - **云计算50ETF (516630)**：跟踪中证云计算与大数据主题指数，近五日涨跌 2.37%，市盈率96.18倍，最新份额2.5亿份（增加0.0份），净申赎0.0元，估值分位81.88% [23][24]

量化模型与构建方式 1. **模型名称：A股景气度高频指数模型**[30] * **模型构建思路**：以上证指数归母净利润同比为Nowcasting目标，构建一个能够高频反映A股整体景气度变化的指数[30] * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅提及构建目标和方法[30] 2. **模型名称：A股情绪指数系统**[35] * **模型构建思路**：基于市场波动率和成交额的变化方向来刻画市场情绪，并构建包含见底预警与见顶预警的择时系统[35] * **模型具体构建过程**： 1. 将市场状态按照波动率和成交额的变化方向划分为四个象限[35] 2. 通过历史统计发现，只有“波动率上行-成交额下行”的区间为显著负收益，其余象限均为显著正收益[35] 3. 基于此规律，分别构造了A股情绪见底预警指数和见顶预警指数[35] 4. 根据两个预警指数的信号综合判断后市观点[38][40] 3. **模型名称：主题挖掘算法**[44] * **模型构建思路**：通过处理新闻和研报文本，挖掘主题投资机会，并识别近期热度异动较高的概念[44] * **模型具体构建过程**：算法涉及多个维度，包括文本处理、主题关键词提取、主题个股关系挖掘、主题活跃周期构建、主题影响力因子构建等[44] 4. **模型名称：中证500增强组合模型**[44] * **模型构建思路**：构建一个旨在持续跑赢中证500指数的量化增强投资组合[44] * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅展示了其持仓和表现[44][48] 5. **模型名称：沪深300增强组合模型**[50] * **模型构建思路**：构建一个旨在持续跑赢沪深300指数的量化增强投资组合[50] * **模型具体构建过程**：报告未提供该模型的具体构建公式和详细步骤，仅展示了其持仓和表现[50][53] 6. **模型名称：风格因子模型（参照BARRA）**[55] * **模型构建思路**：参照BARRA因子模型框架，对A股市场构建一套风格因子体系，用于解释股票收益和进行组合归因[55] * **模型具体构建过程**：报告列出了所构建的十大类风格因子，但未提供每个因子的具体计算公式[55]。十大类风格因子包括： * 市值（SIZE） * BETA * 动量（MOM） * 残差波动率（RESVOL） * 非线性市值（NLSIZE） * 估值（BTOP） * 流动性（LIQUIDITY） * 盈利（EARNINGS_YIELD） * 成长（GROWTH） * 杠杆（LVRG）[55] 模型的回测效果 1. **A股情绪指数系统择时表现**：报告通过图表展示了该系统的历史择时表现，但未给出具体的量化指标数值[43] 2. **中证500增强组合模型**：截至报告期，2020年至今，组合相对中证500指数超额收益47.54%，最大回撤-6.92%[44] 3. **沪深300增强组合模型**：截至报告期，2020年至今，组合相对沪深300指数超额收益40.14%，最大回撤-5.86%[50] 量化因子与构建方式 1. **因子体系：十大类风格因子**[55] * **因子的构建思路**：基于BARRA模型框架，识别并构建能够解释A股市场收益差异的主要风格维度[55] * **因子具体构建过程**：报告未提供每个风格因子的具体计算公式和构建细节，仅列出了因子名称[55] 因子的回测效果 1. **风格因子近期表现（近一周）**：[56] * **流动性因子**：超额收益较高[56] * **残差波动率因子**：呈较为显著的负向超额收益[56] * **Beta因子**：高Beta股表现优异[56] * **杠杆因子**：表现不佳[56] 2. **行业因子近期表现（近一周）**：[56] * **国防军工、石油石化、汽车等行业因子**：相对市场市值加权组合跑出较高超额收益[56] * **商贸零售、食品饮料、医药等行业因子**：回撤较多[56]

量化模型与构建方式 1. 三维择时框架 * **模型名称**：三维择时框架[8] * **模型构建思路**：通过监测市场分歧度、流动性和景气度三个维度的变化趋势，综合判断市场整体走势[8] * **模型具体构建过程**：模型基于三个独立的指数进行判断[12] 1. **市场分歧度指数**：衡量市场参与者观点的离散程度，下行趋势表示市场观点趋于一致[12][17] 2. **市场流动性指数**：衡量市场资金面的宽松程度，上行表示流动性改善[12][19] 3. **A股景气度指数2.0**：衡量上市公司整体盈利增长趋势，上行表示景气度提升[12][22] 当三个维度（分歧度下行、流动性上行、景气度上行）的趋势判断一致时，给出明确的看涨或看跌信号[8] 2. 热点趋势ETF策略 * **模型名称**：热点趋势ETF策略[29] * **模型构建思路**：结合价格形态（支撑阻力）与市场短期关注度（换手率变化）筛选ETF，构建组合[29] * **模型具体构建过程**： 1. **初筛形态**：根据K线的最高价与最低价的上涨或下跌形态，先选出最高价与最低价同时为上涨形态的ETF[29] 2. **计算支撑阻力因子**：根据最高价与最低价近20日回归系数的相对陡峭程度，构建支撑阻力因子[29] 3. **筛选高关注度标的**：在支撑阻力因子的多头组中，选择近5日换手率/近20日换手率最高的10只ETF，即短期市场关注度明显提升的标的[29] 4. **组合构建**：对最终选出的10只ETF构建风险平价组合[29] 3. ETF三策略融合模型 * **模型名称**：ETF三策略融合轮动模型[32] * **模型构建思路**：将基于基本面、质量低波、困境反转三种不同逻辑的行业轮动策略进行等权融合，实现因子与风格互补，降低单一策略风险[32] * **模型具体构建过程**： 1. **策略一：行业轮动策略**：核心因子包括超预期景气度、行业龙头效应、行业动量、拥挤度、通胀beta，旨在覆盖行业多维度特性，宏观适配性强[33] 2. **策略二：个股风格驱动策略**：核心因子包括个股动量、个股质量、个股波动率，聚焦个股质量与低波，防御性突出[33] 3. **策略三：困境反转策略**：核心因子包括PB_zscore、分析师长期预期、短期筹码交换，旨在捕捉估值修复与业绩反转机会[33] 4. **策略融合**：将上述三个策略的选股结果进行等权组合，形成最终的ETF轮动组合[32] 4. 资金流共振策略 * **模型名称**：融资-主动大单资金流共振策略[44] * **模型构建思路**：利用融资融券资金流与主动大单资金流两个维度，寻找资金形成共振效应的行业进行推荐[44][47] * **模型具体构建过程**： 1. **构建行业融资融券资金因子**：计算个股融资净买入-融券净卖出（即两融资金流）并在行业层面加总[41][44]。对该行业资金流进行barra市值因子中性化处理，然后计算其最近50日均值，最后计算该均值近两周的环比变化率[44] 2. **构建行业主动大单资金因子**：计算行业主动大单资金净流入，并对其进行最近一年成交量的时序中性化处理，得到排序分位值，最后取最近10日均值[44] 3. **策略逻辑**：研究发现，融资融券因子的多头端在不同市场状态下有稳定的负向超额收益，而主动大单因子剔除极端多头行业后有稳定正向超额收益[45]。因此，策略在主动大单因子的头部打分行业内，剔除融资融券因子得分也较高的行业，以提高策略稳定性[45]。进一步剔除大金融板块后构建最终组合[45] 5. 多风格增强策略 * **模型名称**：多风格增强策略[59] * **模型构建思路**：在基础的多风格策略之上，叠加额外的增强因子，以在其他风格端增厚收益，抑制单一风格波动，实现在不同市场周期下的稳定超额收益[59] * **模型具体构建过程**：报告提及了多种具体的风格增强策略，包括质量增强、红利增强、长期成长增强、价值增强、低波增强、短期动量增强、长期动量增强策略[63]。这些策略均在对应的风格基准（如中证红利全收益、中证全指等）上，通过叠加增强因子进行优化[63] 量化因子与构建方式 1. 支撑阻力因子 * **因子名称**：支撑阻力因子[29] * **因子构建思路**：根据价格高点与低点的回归趋势陡峭程度，判断价格的支撑或阻力强度[29] * **因子具体构建过程**：分别对ETF的最高价和最低价序列计算近20日的线性回归系数，根据这两个回归系数的相对陡峭程度构建因子[29] 2. 短期关注度因子 * **因子名称**：短期关注度因子（换手率变化）[29] * **因子构建思路**：用短期换手率相对于中长期换手率的提升幅度，衡量市场关注度的短期变化[29] * **因子具体构建过程**：计算ETF的近5日平均换手率与近20日平均换手率的比值[29] 3. 行业融资融券资金因子 * **因子名称**：行业融资融券资金因子[44] * **因子构建思路**：衡量经市值调整后的行业层面两融资金流的近期变化趋势[44] * **因子具体构建过程**： 1. 计算个股的两融资金流：融资净买入 - 融券净卖出[41][44] 2. 在行业层面将个股资金流加总[44] 3. 对行业资金流进行barra市值因子中性化处理[44] 4. 计算中性化后资金流的最近50日移动平均值[44] 5. 计算该50日均值近两周的环比变化率作为最终因子值[44] 4. 行业主动大单资金因子 * **因子名称**：行业主动大单资金因子[44] * **因子构建思路**：衡量经成交量调整后的行业大单资金净流入的近期强度[44] * **因子具体构建过程**： 1. 计算行业的主动大单资金净流入[44] 2. 对该净流入进行最近一年成交量序列的时序中性化处理，并转换为排序分位值[44] 3. 取该分位值的最近10日移动平均值作为最终因子值[44] 5. 风格因子 报告跟踪了多种市场风格因子，包括： * **市值因子**[51] * **贝塔因子**[50][51] * **动量因子**[51] * **波动率因子**[51] * **非线性市值因子**[51] * **价值因子**[55] * **流动性因子**[50][55] * **盈利收益率因子**[55] * **成长因子**[50][55] * **杠杆因子**[55] 6. Alpha因子（选股因子） 报告从不同维度列举了多个Alpha因子，部分因子构建过程如下： * **3个月成交量均值因子 (ln_volume_mean_3m)**：过去3个月成交量的自然对数均值[56] * **3个月成交量标准差因子 (ln_volume_std_3m)**：过去3个月成交量的自然对数的标准差[56] * **单季度净利润同比增长（考虑快报、预告）因子 (yoy_np_q_adv)**：$$ yoy\_np\_q\_adv = \frac{NP_{q} - NP_{q-4}}{|NP_{q-4}|} $$，其中NP为单季度净利润，考虑快报和预告数据[58] * **单季度ROA同比差值（考虑快报、预告）因子 (roa_q_delta_adv)**：$$ roa\_q\_delta\_adv = ROA_{q} - ROA_{q-4} $$，其中ROA为单季度总资产收益率，考虑快报和预告数据[58] * **一致预期净利润变化（FY1）因子 (mom1_np_fy1)**：$$ mom1\_np\_fy1 = \frac{NP_{FY1}^{current} - NP_{FY1}^{1m\ ago}}{|NP_{FY1}^{1m\ ago}|} $$，其中NP_FY1为未来一年一致预测净利润[58] * **研发总资产占比因子 (tot_rd_ttm_to_assets)**：$$ tot\_rd\_ttm\_to\_assets = \frac{研发支出_{TTM}}{总资产} $$[58] * **SUE因子 (sue1)**：$$ sue1 = \frac{(NI_{q} - NI_{q-4}) - mean(NI_{t} - NI_{t-4}, t=q-7:q)}{std(NI_{t} - NI_{t-4}, t=q-7:q)} $$，其中NI为净利润，计算过去八个季度的标准化未预期盈余[58] 模型的回测效果 1. 热点趋势ETF策略 * **测试周期**：2025年以来[29] * **组合收益率**：43.6%[29] * **超额收益率（相对沪深300）**：22.4%[29] 2. ETF三策略融合轮动模型 * **测试周期**：2017年4月10日至2025年12月31日[34][37] * **全周期表现**[38]： * **组合收益率**：12.18% * **基准收益率**：2.08% * **超额收益率**：10.10% * **组合波动率**：16.54% * **信息比率(IR)**：1.07 * **最大回撤**：-24.55% * **夏普比率**：0.74 * **2025年表现**[38]： * **组合收益率**：27.29% * **基准收益率**：24.60% * **超额收益率**：2.69% 3. 融资-主动大单资金流共振策略 * **测试周期**：2018年以来[45] * **年化超额收益（费后）**：14.3%[45] * **信息比率(IR)**：1.4[45] * **近期表现（上周）**[45]： * **绝对收益率**：-0.94% * **超额收益率（相对行业等权）**：-0.95% 因子的回测效果 1. 风格因子近期表现（截至2025年12月31日） * **测试周期**：最近一周[51][55] * **市值因子收益**：-0.09%[51] * **贝塔因子收益**：1.47%[51] * **动量因子收益**：0.12%[51] * **波动率因子收益**：-0.71%[51] * **非线性市值因子收益**：0.01%[51] * **价值因子收益**：-0.89%[55] * **流动性因子收益**：0.16%[55] * **盈利收益率因子收益**：-0.78%[55] * **成长因子收益**：0.26%[55] * **杠杆因子收益**：-1.30%[55] 2. Alpha因子多头超额收益（截至2025年12月31日） * **测试周期**：近一周[56] * **3个月成交量均值因子 (ln_volume_mean_3m)**：0.68%[56] * **3个月成交量标准差因子 (ln_volume_std_3m)**：0.65%[56] * **6个月成交量均值因子 (ln_volume_mean_6m)**：0.61%[56] * **1个月与12个月成交量差值因子 (volume_1m_minus_12m)**：0.57%[56] * **1个月与12个月成交量比值因子 (volume_1m_div_12m)**：0.56%[56] * **3个月动量因子 (mom_3m)**：0.56%[56] 3. 分指数Alpha因子多头超额收益（上周，截至2025年12月31日） * **单季度ROA同比差值（考虑快报、预告）因子 (roa_q_delta_adv)**[58]： * **沪深300中超额**：28.46% * **中证500中超额**：5.09% * **中证800中超额**：18.15% * **中证1000中超额**：18.69% * **单季度净利润同比增长（考虑快报、预告）因子 (yoy_np_q_adv)**[58]： * **沪深300中超额**：24.46% * **中证500中超额**：8.23% * **中证800中超额**：17.73% * **中证1000中超额**：20.81% * **一致预期净利润变化（FY1）因子 (mom1_np_fy1)**[58]： * **沪深300中超额**：13.97% * **中证500中超额**：17.03% * **中证800中超额**：21.95% * **中证1000中超额**：9.30% * **研发总资产占比因子 (tot_rd_ttm_to_assets)**[58]： * **沪深300中超额**：11.80% * **中证500中超额**：18.21% * **中证800中超额**：20.87% * **中证1000中超额**：16.47% 4. 风格增强策略绩效（截至2025年12月31日） * **红利增强策略 (GL888002)**[63]： * **本周超额收益率（相对中证红利全收益）**：0.68% * **本年超额收益率**：14.44% * **最近一年年化收益率**：22.12% * **最近一年年化超额收益**：15.35% * **夏普比率**：1.92 * **区间最大回撤**：-5.40% * **低波增强策略 (GL888005)**[63]： * **本周超额收益率（相对中证全指）**：0.65% * **本年超额收益率**：4.37% * **最近一年年化收益率**：33.57% * **最近一年年化超额收益**：2.70% * **夏普比率**：2.67 * **区间最大回撤**：-8.73% * **长期成长增强策略 (GL888003)**[63]： * **本周超额收益率（相对中证全指）**：-0.13% * **本年超额收益率**：3.47% * **最近一年年化收益率**：34.66% * **最近一年年化超额收益**：3.80% * **夏普比率**：2.09 * **区间最大回撤**：-11.44%

量化宏观策略的崛起与现状 - 近年来，量化宏观策略作为私募行业一股新的投资力量迅速崛起，成为业内焦点 [2] - 全球知名对冲基金如桥水、城堡、AQR、元盛等均已深度布局宏观策略，越来越多的新兴对冲基金开始将量化方法应用于宏观投资 [2] - 根据Preqin数据，2020年以来采用量化宏观策略的对冲基金管理规模年均增长超过15%，远超传统主观宏观策略的增长速度 [2] - 截至11月底，有业绩显示的195只宏观策略产品今年来收益均值为25.50%，其中主观宏观策略产品收益均值为26.42%、量化宏观策略产品收益均值为21.42% [2] - 从持有体验看，量化宏观策略产品今年来的夏普均值高达2.11，而主观宏观策略产品的夏普均值为1.57 [2] 量化宏观策略火爆的原因 - 过去几年全球宏观环境复杂，传统基于历史经验和直观判断的决策方式难以适应市场变化 [3] - 部分量化宏观策略凭借对市场流动性的实时监控和压力测试模型成功规避了最严重的损失，引发行业对投资方法论的深思 [3] - 桥水基金凭借“全天候策略”在全球长期年化收益7.6%，而在中国2024年创下35%收益率，位列全球对冲基金前十 [3] - 随着国内金融市场发展和量化兴起，量化投资在单一资产中的运用已较普遍，部分私募管理人开始尝试探索量化宏观策略 [5] - 量化技术的进步，如利用大数据、人工智能开发模型，使得量化与宏观结合成为可能，进化出量化宏观策略或系统化宏观策略 [5] - 根据Preqin2024年二季度统计，2023年全球量化宏观策略管理资产规模首次突破4000亿美元大关，占全球宏观策略比例已超60% [5] 量化宏观策略的规模增长趋势 - 量化宏观管理规模在过去7年呈现爆发式增长 [5] - 具体规模数据如下：2018年为1200亿美元，2019年为1480亿美元，2020年为2050亿美元，2021年为2850亿美元，2022年为3520亿美元，2023年为4120亿美元，2024年预计为4600亿美元以上 [6] - 其在全球宏观策略中的占比持续上升：2018年占28%，2019年占33%，2020年占42%，2021年占49%，2022年占58%，2023年占64%，2024年预计占68%以上 [6] 量化宏观策略的定义与核心特征 - 宏观策略核心理念是通过分析和预测全球经济、政治、金融市场的结构性变化和周期性波动，来配置各类金融资产获利 [7] - 量化宏观策略是指运用系统的、数据驱动的量化模型，分析宏观经济变量与金融资产价格之间的关系，并据此进行自动化或半自动化的大类资产配置与交易的策略 [7] - 核心特征包括：1)数据驱动，决策基于全面、实时的数据分析而非个人经验；2)系统性，投资流程标准化、自动化，减少人为情绪干扰；3)多维度，同时考虑经济基本面、市场情绪、资金流向等多个维度；4)风险导向，风险管理是策略的核心组成部分而非附加项 [8] 量化宏观策略的主要类型 - 基本面量化策略：通过建立经济指标（如GDP、通胀、就业）与资产价格之间的量化模型进行投资，持仓周期为1-12个月 [9][10] - 系统性趋势跟踪策略：结合宏观经济数据、市场指标和量化模型，捕捉宏观经济趋势并进行资产配置，持仓周期为1周-6个月 [9][11] - 跨资产相对价值策略：利用不同市场、不同资产类别之间的定价差异进行套利，持仓周期为1天-3个月 [9][12] - 机器学习宏观预测策略：使用深度学习等先进算法处理非结构化数据，预测经济周期转折点或政策变化，持仓周期为即时-1个月 [9][13] - 宏观因子投资：捕获增长、通胀、流动性等风险溢价，持仓周期为3个月以上 [9] 量化宏观与主观宏观的差异与优势 - 主观宏观强调基金经理的个人洞察力、经验判断和直觉，典型代表如索罗斯、德鲁肯米勒 [14] - 量化宏观更接近一门科学，通过系统性方法捕捉重复出现的市场规律，不寻求预测“黑天鹅”事件 [14] - 主要差异对比：决策基础（经验直觉 vs 数据模型）、投资流程（非结构化 vs 结构化）、信息处理（深度优先 vs 广度优先）、风险管理（主观止损 vs 系统规则）、人员依赖（高度依赖明星基金经理 vs 依赖模型系统）、可扩展性（有限 vs 较强）、业绩一致性（波动大 vs 较稳定）、应对黑天鹅（可能提前预警 vs 通常滞后） [15] - 量化宏观在决策过程中遵循严格纪律，当预设条件满足时自动触发交易信号，能避免人类常见的认知偏差 [15] - 量化宏观将风险管理完全系统化，如预设风险预算、设置风险指标阈值、实施压力测试，有助于确保风险控制保持一致标准 [16] - 量化宏观在处理复杂性的能力、纪律性执行、可扩展性、另类数据融合能力、全天候市场适应能力等方面具备优势 [16] 量化宏观策略的意义与未来展望 - 量化宏观策略的兴起是宏观投资方法论在数据时代的必然演进，代表了一种更系统、更严谨、更可复制的宏观市场参与方式 [17] - 真正的投资智慧在于深刻理解量化与主观的互补性，正如桥水基金达利欧所言，需要计算机扩展记忆力和分析能力，但仍需要人类来理解分析的意义 [17] - 展望未来，宏观投资的胜负手将越来越取决于三个能力：获取和处理非传统数据的能力、构建稳定且自适应模型的能力、以及巧妙融合人机智慧的能力 [17] - 量化宏观不仅是投资工具的革命，更是投资思维方式的革命 [17] - 在更高波动、更多断点的新常态下，能够系统化理解复杂性同时又保持人类判断灵活性的投资者，最有可能实现持续的超额回报 [18]

公司业绩表现 - AQR资本管理的多策略产品在2025年实现了19.6%的回报，在行业动荡之年延续了回升势头 [1] - 公司旗下68亿美元的Apex策略在12月收益为3%，该策略整合了多种交易策略 [1] - 选股交易是Apex策略在2025年收益的最大推动力 [1] - 公司旗下63亿美元的市场中性Adaptive Equities Strategy在2025年实现了24.4%的收益 [1] 公司资产与增长 - 公司管理资产总额目前达到1890亿美元 [1] - 2025年公司资产增幅创纪录，增加了750亿美元 [1] - 2025年成为公司又一个资产增长和业绩超越同业的年份 [1] 公司策略与技术发展 - AQR传统上以学术研究支撑的策略闻名，例如股票因子 [1] - 近年来公司采用了更多自研和机器学习技术 [1]

公司业绩表现 - AQR资本管理的多策略产品在2025年实现了19.6%的回报，在行业动荡之年延续了回升势头 [1] - 该公司68亿美元的Apex策略在12月实现了3%的收益，该策略整合了公司的多种系统化交易策略 [1] - 选股交易是Apex策略在2025年收益的最大推动力，其中63亿美元的市场中性Adaptive Equities Strategy实现了24.4%的收益 [1] 行业背景 - 2025年被描述为量化投资行业的动荡之年 [1]

2025年市场回顾 - A股市场稳健向上，沪深300指数全年上涨超17% [1] - 公募偏股基金平均上涨超30% [1] 2026年市场整体展望 - 预计A股市场仍将温和上涨 [1] - 对主动权益和量化投资而言，可能都将是一个比较好的年份 [3] 宏观基本面与企业盈利 - 宏观经济总体平稳，企业盈利延续改善 [1] - 在新兴产业持续向好和部分传统行业周期回升共同作用下，预计上市公司盈利增长10-15% [1] - 随着物价合理回升、库存周期重启和产能利用率回升，相当部分行业会出现盈利改善 [1] 市场估值与结构 - 目前沪深300的市盈率在14倍左右，总体基本合理 [1] - 结构分化明显，以AI产业为代表的部分成长板块高景气、高估值 [1] - 相当部分行业目前的估值还停留在上证3300点左右的水平 [1] - 2026年的市场可能不再是科技一花独放，而是呈现更广泛的结构性机会 [1] 流动性环境 - 预计2026年A股市场面临的流动性环境相对宽松 [2] - 国内货币政策可能靠前发力，灵活高效运用降准降息等多种政策工具 [2] - 海外方面，美联储点阵图保留2026年一次降息的选项，且特朗普政府“大美丽”法案需要更低利率护航，政策偏鸽是大概率情形 [2] 中国资产重估 - 预计中国资产重估的故事将继续演绎 [2] - 中美利差将继续缓慢修复，人民币汇率在2026年稳中有升 [2] - 由制造和科技的竞争优势所驱动的中国资产重估还远没有完成 [2] 资金配置与市场发展 - 境内居民的资产配置仍将有利于以A股市场为代表的权益类资产 [3] - 当前利率仍处相对低位，权益类资产具有较高的性价比 [3] - 监管部门在推动A股市场高质量发展、提升市场投资功能、注重投资人获得感方面取得瞩目成绩 [3] - 若在培养耐心资本和吸引长期资金入市方面有更多进展，将对市场长期表现增加期待 [3] 投资策略展望 - 预计利率将是一种震荡的态势 [3] - 多元配置策略将有更多的用武之地 [3]

文章核心观点 2025年是中国私募基金行业在规模强势复苏与内部结构深刻重构中发展的关键一年 行业总管理规模突破22万亿元并创下新高 量化私募崛起成为规模扩张与策略创新的核心驱动力 同时 监管体系完善、AI技术深度应用、机构加速出海以及行业尾部出清加速 共同推动行业从“数量扩张”向“质量提升”和“强者恒强”的阶段演进 [1] 规模强势反弹与结构变化 - 行业总管理规模从年初的19.91万亿元增长至11月末的22.09万亿元 年内净增规模超过2万亿元 并于10月末首次突破22万亿元大关至22.05万亿元 [2] - 私募证券投资基金是规模扩张的核心引擎 其规模从年初的5.21万亿元攀升至11月末的7.04万亿元 年内累计增量高达1.83万亿元 [2] - 规模回升得益于A股市场回暖带来的业绩增长 以及居民财富在“房住不炒”和利率下行背景下向权益类金融资产转移的配置需求 [3] 百亿私募阵营快速壮大 - 截至10月底 百亿私募数量突破113家 单月新晋百亿私募达18家 行业重回“百家百亿”的“双百”时代 [4] - 本轮扩容中 量化私募成为新晋百亿的绝对主力 其数量已明显超过百亿主观私募 [4] - 量化私募凭借业绩稳定性、成熟风控和标准化产品 在本轮行情中展现出更强的资金吸纳能力 [5] 募资市场回暖与分化加剧 - 2025年7月 新备案私募基金规模达1074.27亿元 创近四年新高 其中私募证券基金备案规模高达792.81亿元 [6] - 11月私募证券产品备案数量达1285只 环比增长近三成 量化产品备案数量显著高于主观私募 [6] - 募资“马太效应”显著 头部量化机构在备案数量和募资规模上均明显领先 投资者更关注管理人业绩的稳定性和中长期赚钱能力 [6] 量化指增策略表现突出 - 2025年中证1000指数年内涨幅约27% 中证2000指数涨幅约36% 为指增产品提供了强劲市场贝塔 多家头部量化私募旗下指增产品年内收益超过50% [7] - 量化指增策略表现突出得益于小市值风格收益显著以及市场波动率提升、个股分化度加大的策略友好环境 [7] - 中小盘指数成份股数量多、波动高、机构化程度低的特征 有利于量化策略捕捉定价偏差并降低暴露风险 [8] 程序化交易监管体系成形 - 2025年7月 沪深北交易所《程序化交易管理实施细则》正式实施 明确了高频交易的认定标准并强化了异常交易监控 [9] - 高频交易认定标准为：单账户每秒申报、撤单笔数合计最高达300笔以上 或全日合计达20000笔以上 [9] - 监管体系的完善推动行业从“速度竞争”转向“策略深度竞争” 进入“合规常态化”阶段 [10][11] AI技术深度重构量化投研 - 2025年多家百亿量化机构成立AI Lab AI技术从“辅助工具”转向“底层重构” 深度嵌入数据清理、特征提取、组合优化等全流程 [12] - 大模型将非结构化数据纳入量化框架 显著拓展策略信息维度 AI与机器学习正成为驱动量化策略的重要力量 [12] - 行业核心竞争力正从资金规模转向模型与算法的迭代速度 同时行业也面临策略同质化、市场风格快速切换等挑战 [13] 私募机构加速出海布局 - 2025年获得中国香港9号牌照的内地私募数量首次突破百家 年内新增机构达10家 百亿及准百亿私募成为跨境持牌主力 累计占比近五成 [14] - 内地私募加速全球化布局主要驱动力包括：分散地域风险、拓宽投资空间、顺应客户需求以及品牌转型升级 [14] - 私募跨境业务预计在未来3—5年迎来新一轮扩张窗口 国内私募行业正站在新一轮全球竞争起点 [14] 行业监管强化与尾部出清 - 2025年1—11月 私募管理人注销数量达1118家 其中主动注销549家 占比49.11% 超过协会注销的485家（占比43.38%） [15] - 监管以雷霆手段释放严监管信号 例如对浙江优策投资处以合计3525万元罚款并实施终身市场禁入 [16] - 监管强化有助于引导资源向优质管理人集中 推动行业从“数量扩张”转向“质量提升” 并提升整体规范性与透明度 [16]

公司捐赠与教育发展计划 - 平方和投资创始人兼总经理吕杰勇与北京大学教育基金会签订“北京大学平方和教育发展计划”捐赠协议，旨在通过设立奖助学金、支持文体活动、搭建实践桥梁等方式持续助力北大学生成长与发展 [1] - 该计划以奖助学金为重要抓手，已在北京大学数学科学学院“数林计划”颁奖典礼上颁发“平方和投资奖学金”，奖学金不仅面向品学兼优的学子，也向家庭经济困难的同学倾斜 [1] - 捐赠计划还将支持多元校园文化活动，如文体活动、科创竞赛等，以引导学生厚植家国情怀，传承北大精神 [2] 公司对人才培养的参与 - 平方和投资不仅提供资金支持，更希望成为学生成长路上的长期“陪伴者”，计划为学生提供行业调研、实习实践、项目交流等机会，帮助学子接触行业前沿 [2] - 公司团队已参加北大“数林计划”院友企业专场招聘会，向学子面对面传授职场实战经验，为学生们树立职业发展榜样 [2] - 北京大学校方认为，公司的支持像种下“种子”，将为更多学子带来启发与鼓励 [2] 公司背景与经营状况 - 平方和投资自2015年8月成立以来，持续对标全球顶级量化对冲基金，坚持走特色发展之路，公司和创始人多次获评“私募金牛奖”和“金牛私募投资经理”等行业奖项 [3] - 在投研体系建设上，公司聚焦核心能力提升，通过团队优化与技术升级双向发力，形成投研迭代与管理效能合力 [3] - 截至2025年第三季度，平方和投资管理规模已突破百亿元 [3] 公司未来发展战略 - 公司将以十年积淀为根基，依托科学架构体系，向“均衡发展”的更高目标迈进，目标是让投研深度与运营效率并驾齐驱，同时让规模增长与策略容量精准匹配 [3] - 在量化赛道上，公司将继续秉持以投研为本、追求卓越的理念，努力打造值得投资者信赖的量化对冲基金品牌 [4]