2025年公募基金业绩与投资策略 - 2025年公募基金年度收益第一名永赢科技智选年度总回报达233% [1] - 热门主题基金收益对比显示，光模块最近一年收益242%，CPO最近一年收益195%，通信设备最近一年收益率167% [1] - 在明确市场主题下，公募基金年内获得翻倍收益相对容易，但投资老将通常不会轻易押注单一或过于拥挤的赛道，这使其获得超额收益较难 [1] - 量化公募基金在2025年表现强势，收益在40%到70%之间不等，显著跑赢同期沪指18%的涨幅 [3] 未来潜在投资方向与基金选择 - 选择最近三年能保持一定收益率的基金，这类基金兼具防守与进攻属性，是获得稳健收益的关键 [3] - 在结构性行情下，可部分参与赛道类基金以把握确定性机会，例如2025年的CPO，并关注2026年商业航天和有色在调整后的机会 [3] - 量化公募基金在2025年取得了显著的超额收益 [3] 贵金属及有色金属市场动态 - 贵金属价格出现大跌，伦敦现货白银从最高76美元下跌至70美元，白银期货价格大跌接近9%，盘中最大跌幅达11% [3] - 价格大跌的核心原因是美国芝加哥商品交易所在12月30日当周内第二次提高贵金属期货保证金要求，为市场降温，给市场多头带来巨大压力 [3] - 受此影响，此前涨幅明显的铜和铝也出现下跌，纽约黄金期货盘中跌破4300美元，最低至4284美元 [4] - 黄金短期重要支撑位在4200美元（60日线附近），若被有效跌破则需注意风险 [4] - 节前有色金属处于上涨过程，需关注元旦后是否会出现获利回吐 [5]

核心观点 - 报告认为，2026年量化投资将深度拥抱AI技术浪潮，多模态与Agentic AI将推动投研应用加速迭代，资产配置将呈现“周期+科技”双主线行情，市场驱动由估值向盈利偏移，同时针对指增策略的AI模型同质化与失效问题，提出了从外围择时风控到核心模型优化的系统性解决方案，并展望了主动权益基金在科技与周期双主线下的Alpha持续性 [2] 一、大模型生态与应用展望 - 大模型迭代速度未减，生态趋势基本稳定，闭源模型在通用任务中仍占主导地位，其使用量占比约8成，但开源模型占比稳步提升，其中中国开源模型表现突出 [11][12] - 模型评价维度日益多元化，多模态能力和工具调用成为关键竞争维度，国产大模型在多模态方面仍有较大提升空间，例如在MMMU基准中，排名最高的国产开源模型dots.vlm1位列第8 [15][18][19] - Agentic AI基础设施已较为成熟，推理类模型的使用量在一年内占比上升50%，支持应用快速落地 [22][24] - 在投研领域，多模态能力将提升信息利用率，例如Gemini 3 Pro已能识别K线图走势并进行分析，同时能用于自动生成高质量PPT等工作流，提升效率 [25][29][31][35] - 投研专家Agent将成为核心探索方向，包括用于主动投研赋能的“Deep Research”类应用和用于投资决策生成的“投资大师Agent”及“因子智能挖掘Agent”，后者能实现7*24小时高质量因子自动挖掘并提升可解释性 [31][32][43][47][49] 二、2026年资产配置年度策略展望 - 宏观环境处于弱复苏阶段，预期2026年在海外降息（联邦基金利率期货隐含2-3次降息）及全球AI大规模资本开支（美国超大规模云数据商2026年资本开支占自由经营现金流比例预计上升）推动下，上游通胀有望进一步回升 [52][53][56][57] - 市场一致预期2026年GDP同比增速为4.89%（Wind），固定资产投资同比增速为2.41%（Wind），盈利驱动将增强，全部A股及科创板、创业板的年度净利润同比预测均显示抬升 [66][67][69][70] - 风格配置方面，预期从小盘成长往大盘均衡倾斜，微盘风格可能向茅指数切换，依据是M1同比出现从高位拐头的迹象，且固定资产投资回升对大盘风格形成支撑 [71][72][77] - 红利板块具备长期配置价值，中证红利指数月度绝对胜率无低于50%的月份，相对沪深300的超额胜率在1月、5月、11月较高，报告构建的月频择时策略可提供参考 [80][81] - 行业配置应维持对基本面因子的关注，2025年质量因子多头超额收益达9.89%，超预期因子为7.93%，预计在明年周期+科技双轮驱动行情下，盈利、分析师预期及质量因子仍能持续表现 [85][86][88][89] 三、2026年因子选股展望 - 2024-2025年市场风格剧烈轮动，导致AI策略出现集体超额回撤，例如2025年8-9月市值因子拥挤度达历史峰值后触发均值回归，与小市值反转同步 [96][102] - 策略同质化是回撤的内生原因，主流AI模型（如GRU、LightGBM）生成的因子与公募指增基金净值的动态相关性持续走高并维持高位 [111] - 为应对外部风险，构建了一套独立的全自动开放式择时框架，包含数据清洗、指标预处理和事件化处理三层，回测显示该策略使AI模型的年化超额收益稳定在4.15%，夏普比率达4.12，卡玛比率大幅提升至7.21 [119][120][124][130] - 针对LightGBM模型进行了专项优化，通过动态高质量样本加权和引入Huber Loss损失函数，使模型多头超额最大回撤从8.84%收敛至5.88%，卡玛比率从2.88提升至4.07 [130][132][133] - 针对GRU模型进行了架构重塑，引入注意力池化（Attention Pooling）模块和结合Memory模块与CVaR损失的闭环机制，优化后模型多头超额收益提升至25.84%，最大回撤压降至8.54%，卡玛比率跃升至3.02 [135][136][138] - 前沿技术应用展望包括：结合大语言模型与强化学习构建自动化因子挖掘体系，以及利用时空图神经网络捕捉产业链传导与板块轮动效应 [139][142][144] 四、2025年权益基金投资展望 - 2025年主动权益基金超额收益回归，截至11月30日，万得偏股混合型基金指数相对万得全A和沪深300的超额收益分别回升至6.46%和14.08% [146] - 行业主题基金中，科技赛道基金表现突出，超额收益率中位数达28.35%，87.89%的基金获得正超额收益 [147] - 基于Barra模型的业绩归因显示，2025年上半年主动权益基金的选股Alpha明显抬升，呈现回归态势 [148][152] - 主动权益基金的Alpha获取与行业景气度分化高度相关，其相对表现与EPS增速超30%的行业数量占比之间的相关系数为0.58 [154] - 在预期的科技+周期双主线行情下，由于行业内部个股基本面分化程度高，主动权益基金的Alpha或将持续，同时业绩基准新规下，选股Alpha成为主要超额收益来源 [3][63][64] - 对于以宽基为基准的基金，在科技+周期哑铃型配置逻辑下，ETF产品在行业纯度上具有优势，基于AI预测的ETF轮动策略持续优化迭代 [69][70][71]

当前有色金属板块的技术结构特征 - 本轮有色金属牛市的基底构造与以往不同 回撤结构表现强劲 主要体现在回撤幅度小[1] - 领涨个股的走势结构基本处于“回撤五档把位”中的一档和二档之内 表明盘面强势[1] 具体公司技术面与财务数据 - **洛阳钼业**：股价从2025年8月21日至分析时点涨幅达82.65% 当日收盘价为18.9元 其20日加权移动平均线为18.4元 50日为17.4元 200日为13.2元 相对强弱线为23.1 单季扣非净利润同比增幅高达990%[2] - **江西铜业**：20日加权移动平均线为45.8元 50日为42.5元 相对强弱线为62.4[2] - **西部矿业**：20日加权移动平均线为26.0元 50日为24.8元 200日为20.1元 收盘价为26.5元 相对强弱线为31.3[3] - **云铝股份**：20日加权移动平均线为28.9元 50日为26.0元 200日为20.7元 收盘价为30.1元 相对强弱线为37.2[3] 对量化交易的观点 - 将市场问题归咎于量化交易是散户能力不足的借口 投机是结合直觉与科学的艺术 有其物理和数理根基[5] - 散户应学习量化基础知识 掌握加减乘除以达到及格水平 而非因自身不会而抵制高级方法[5] - 量化交易整体上对市场是助涨的 近期航天板块等大牛股的流畅上涨离不开高换手和堆量 量化在其中起到了作用[5] - 散户若在分时交易上与量化比拼速度是自寻死路[7] - 问题的根源在于投资者自身 而非外部因素 同时市场需要的是公平的制度而非保护[8] 对当前市场结构的总体判断 - 当前有色金属板块的走势完全在“欧马体系”的框架之内 市场结构健康且易于理解[4]

行业转型背景 - 公募基金行业正从“规模导向”向“回报导向”转型 [1] - 行业变革期需通过多元资产配置及量化策略持续迭代来构建更具韧性的投资能力 [1] 政策影响与投资理念转变 - 公募基金费率改革“三步走”平稳落地及业绩比较基准新规对基金经理投资能力提出更高要求 [2] - 投资目标从侧重长期成长空间转向同时关注二级市场价格波动 更加重视投资者持有体验 [2] - 新规倒逼基金经理在追求收益的同时更注重控制回撤与波动 关注夏普比率、卡玛比率等综合衡量收益与风险的指标 [2] 多元资产配置的价值与意义 - 中国经济迈向高质量发展阶段 单一资产高回报时代已成过去 [2] - 当前无风险收益率中枢处于下行通道 正是多元资产配置发挥核心价值的时候 [2] - 通过选取相关性较低的不同类别资产进行科学搭配 能够有效平滑整个投资组合的波动 从而在长期中争取更为稳健的回报目标 [2] 公司的多元资产配置实践 - 中信建投基金团队践行多元资产配置理念多年 旗下产品是该理念的具象化体现 [2] - 公司管理的股票类、可转债类以及“固收+”类产品从不同维度将多元配置理念落到实处 [2] - 在股票资产方面 公司团队以沪深300等宽基指数为参照 致力于寻找长期收益风险比更优的策略 构建优质的“贝塔”产品库 [2] 量化投资与主观判断的结合 - 在投资框架中 量化投资占据核心地位 主观判断是随着经验积累不断融入的宝贵补充 [3] - 量化投资更多关注统计数据的历史有效性及实盘运行中数据表现的稳定性 主观判断更侧重于以前瞻性视角分析市场未来可能走势 [3] - 量化投资的优势在于历史回测数据扎实 局限性在于其对未来的预测往往基于简单的线性外推 [3] 量化策略的迭代方向 - 不断挖掘新的数据源与阿尔法因子 例如利用高频数据、另类数据寻找新的超额收益信息 [3] - 紧跟信息技术进步步伐 探索将前沿模型应用于投资 如从GRU到Transformer 再到探索大模型的应用潜力 [3] - 持续学习优秀的投资理念并将其模型化 例如将自上而下的大类资产配置、行业轮动、风格轮动等理念系统性地融入量化框架 [3] 公司未来发展方向 - 面对不断变化的市场环境 中信建投基金多元资产配置团队将继续夯实量化根基 深耕多元资产配置能力 [4] - 在清晰的产品定位下 努力为投资者创造长期稳健的回报 [4] - 在行业回归“重回报”本源的征途上 专业与持续进化将是基金管理人赢得信任的基石 [4]

文章核心观点 - Duoer资本管理公司构建了覆盖传统量化与数字资产的全品类投资策略体系，凭借强大的技术实力和研究积累，在不同市场环境下均能保持稳健收益，引领量化投资领域发展新方向 [1] 传统量化投资策略 - 多因子量化策略整合了300余个阿尔法因子，涵盖价值、成长、质量、动量、流动性等多个维度，通过机器学习算法动态优化和调整权重，具备自适应市场风格变化的能力 [3] - 统计套利策略依托全球市场数据网络和机器学习模型，实时监控不同市场及品种间的定价偏差以识别套利机会，收益相对稳定，受市场波动影响较小，是投资组合的“稳定器” [4] - 高频做市策略基于业内一流的高性能计算基础设施，实现纳秒级网络延迟和毫秒级系统响应，通过为ETF、期货等提供流动性并捕捉微小价格波动获取稳定做市收益 [4] - 宏观量化策略结合全球宏观经济数据、政策动态、地缘政治等另类数据，通过机器学习模型预测宏观经济走势，并据此调整投资组合的资产配置，提升了组合的抗风险能力和收益稳定性 [5] 数字资产投资策略 - CeFi量化策略通过跨交易所套利和趋势跟踪把握市场波动机会，在跨交易所套利中实时监控价差并执行交易，在趋势跟踪中分析价格与成交量数据，并通过严格风控将最大回撤控制在合理范围内 [6] - DeFi收益策略通过参与流动性挖矿、质押等核心活动获取稳定收益，公司精选优质DeFi项目合作，并运用自主研发的智能合约风险评估框架防范风险，同时动态调整资金配置以实现收益最大化 [7] - 公司积极布局区块链股权投资和NFT投资，在区块链股权投资方面精选早期优质项目进行战略投资，在NFT投资方面运用量化模型评估价值并通过组合投资分散风险 [7] 策略协同与组合管理 - 公司的全品类策略体系通过科学的组合配置实现协同效应，投资组合管理团队根据市场环境动态调整不同策略的配置比例，以在不同市场环境下保持稳健收益 [8] - 不同策略之间的低相关性提升了投资组合的抗风险能力，例如传统统计套利策略与数字资产CeFi套利策略的收益来源和风险特征存在显著差异，有助于平滑整体收益波动 [8] - 公司通过定期复盘优化和积极探索新策略、新领域来持续迭代和创新策略体系，为投资组合注入新的收益增长点 [9] 技术支撑平台 - 公司的第四代AI投资平台为策略研发、回测、优化和执行提供全方位技术保障，在研发阶段能快速处理海量数据并自动挖掘规律，在回测阶段能快速验证策略历史表现 [10] - 该平台在优化阶段通过强化学习算法自动调整策略参数，在执行阶段支持毫秒级交易决策与执行，确保及时捕捉市场机会，平台具备自我进化能力，是策略研发的核心驱动力 [10][11] 未来发展规划 - 公司将继续深化投资策略创新与优化，加强AI、区块链、量子计算等前沿技术在投资策略中的应用，探索新的投资机会和策略模式 [12] - 在传统量化领域，公司将聚焦多因子策略的精细化和宏观量化策略的全球化，在数字资产领域，将深入探索Web3.0、元宇宙等新兴领域机会，并优化DeFi、NFT等策略收益水平 [12] - 公司将加强跨领域策略的融合创新，打造更多具备核心竞争力的复合型策略，以全品类策略布局、强大技术支撑和严格风控，继续引领量化投资发展趋势 [12]

DeepSeek在投资领域的应用与价值 - 核心观点：DeepSeek被视为中国AI领域的重要事件，其脱胎于在A股市场持续盈利的量化公司，对A股市场的判断精准，是提升投资收益率的关键工具 [1][2] - 该AI工具基于量化公司的内部资料训练，其语料经过市场检验，对A股的理解深刻，与不懂中国市场的外国AI形成鲜明对比 [2] - 使用同一AI工具会产生千人千面的效果，关键在于使用者保持谦逊、大胆猜想并小心求证 [2] 量化投资与策略优化 - 2023年投资收益构成包括常规套利交易、量化统计类收益以及年中的超仓位期权做多策略 [2] - 认知提升被视为投资的核心，流水的机会、铁打的认知，认知到位后市场机会终将出现，有时认知兑现需等待数年周期 [3] - 建议长期吃贴水的投资者用期权替代期货，期权具备四大优势：深实值变深虚值叠加隐波暴涨时跌幅小于同仓位期货、买方购权已做好全损心理准备、无保证金风险、流动性差可避免不切实际的短线交易想法 [3] 投资策略的演进与组合 - 套利策略与权益投资相结合能产生互补优势，结合后投资者可在权益投资中成为最能坚持的，在套利中拥有最大收益想象空间，两者在操作频率、研究周期和收益实现时间上互补，能有效平滑操作、研究和收益曲线 [3] - 随着投资体系成熟，策略上从做加法转向做减法，淘汰容量小、不稳定、无提升空间或工作量过大的策略，腾出时间优化优质策略并开发容量大、坡道长的新策略 [4] - 举例说明，白银LOF套利因容量太小且影响时间精力分配节奏而被放弃，专注于重点事项 [4] AI Agent对个人效率的提升 - 下半年尝试使用AI Agent（trae国际版），通过授予电脑权限并用自然语言下达需求，AI能自动安排进度并执行任务 [6] - AI Agent让自然语言成为一种编程语言，降低了学习编程的门槛，提升了效率 [6] - 个人研究策略时遇到瓶颈或竞争过多会转移兴趣，这种“广播种，少耕作”的方式有时能意外解决其他策略的瓶颈，或随时间推移使原瓶颈自然化解 [6] 学习与研究方法 - 在熟悉的领域抄作业是基于对他人专业能力的判断，选择比自身更厉害的投资者进行跟随 [7] - 在陌生领域采用“先买入，再研究”的思路，相当于播下种子，判断他人是否厉害的关键在于其是否会承认错误，“永远正确”的人不可信 [7] - 2024年研究方向计划增加国际政经、地缘冲突、文化冲突等内容的学习，以提升国际视野，认为更高层次的视野有助于解决当前困惑 [7]

公司产品发布 - 金融科技服务商慧研智投近日宣布推出“慧研智投基本面智能系统” [1] - 该系统致力于将量化投资技术从“机构专用”推向“大众普惠” [1] - 该系统将复杂的量化逻辑封装为可视化数据看板，集成智能条件单、网格交易辅助、多因子选股池等核心功能 [1] 产品设计理念与功能 - 产品设计强调“可解释的投资逻辑”，通过风险警示、财报诊断、估值分析等多维工作流，模拟专业研究路径 [1] - 系统旨在帮助用户理解策略背后的方法论，而非仅仅提供交易信号 [1] - 面对投资者普遍存在的信息过载与决策焦虑，该体系旨在辅助用户“从嘈杂中回归本质” [1] 公司战略与愿景 - 公司通过工具、策略与投教融合，助力用户逐步构建理性投资框架 [1] - 未来，慧研智投将持续深化AI与金融融合，打破数据、工具、服务与投教边界 [1] - 公司计划向个性化、智能化服务平台演进 [1]

核心观点 - 2024至2025年A股市场微观结构发生剧烈变迁，主流AI量化策略因对历史数据路径依赖过强，未能适应罕见的风格漂移，在关键回撤期表现甚至不如传统线性策略[2] - 策略失效的深层内因在于行业模型架构趋同导致的策略同质化，以及训练样本与极端行情特征的错配[3] - 为应对AI模型在系统性风险下的脆弱性，报告构建了一套独立的外围开放式择时风控框架，实证表明该框架能有效识别模型失效时段并平滑净值波动[4] - 针对核心AI模型（LightGBM与GRU）的缺陷，报告提出了从预测端到架构端的深度优化方案，显著提升了模型的收益风险比[5] 市场微观结构变迁与AI策略的适应性危机 - 2024年市场主线从“价值/低波”切换至“小盘/动量”，2025年进一步向“一致预期/成长”收敛，2025年8月至9月因市值因子过度拥挤触发剧烈均值回归与反转效应[2][13] - 在2025年8月至9月的风格切换窗口期，AI策略的净值回撤与小市值因子反转周期高度同步，其受损程度普遍高于传统线性策略[2][17] - 实证数据显示，在沪深300、中证500及中证1000指数增强产品均出现回撤时，AI策略（如GBDTNN）的超额净值回撤幅度大于传统线性策略[17][19][21][23] 策略同质化困局与失效的深层统计学归因 - 行业普遍采用GRU和LightGBM作为基座模型，导致不同机构生成的因子与公募指增基金净值的相关性持续走高，底层持仓逻辑高度趋同[3][24] - 这种同质化在流动性相对敏感的中证1000、中证500等赛道极易引发共振和“拥挤交易”，在市场风格逆转时放大尾部风险[24] - AI模型训练依赖历史常态数据，缺乏对2024年初流动性枯竭、2025年“二八分化”抱团行情等极端“长尾样本”的学习，导致预测信号与实际走势出现严重偏差[3][35] 外围风控体系：多种类、多周期事件化的开放式择时框架 - 该风控体系独立于选股模型，通过数据清洗、指标预处理、事件化处理三层标准化流程，将量价、宏观等连续指标转化为明确的多空信号[4][40] - 回测显示，该择时策略应用于中证A500指数时，年化收益率提升至10.61%，最大回撤从基准的44.30%大幅降低至11.82%，夏普比率提升至0.813[45][48] - 应用于中证1000指数时，该策略实现了15.89%的年化超额收益[50] - 将27个细分指标应用于GRU选股模型风控后，策略成功识别了模型在2024年初及2025年下半年的失效时段并触发空仓，使AI策略年化超额收益稳定在4.15%，夏普比率高达4.12，卡玛比率大幅提升至7.21[4][50][58] AI核心模型的针对性优化：LGBM与GRU的迭代升级 - 对LightGBM模型，通过“高质量样本加权”机制聚焦抗跌因子，并将损失函数切换为Huber Loss，使多头超额最大回撤从8.84%压降至5.88%，卡玛比率从2.88提升至4.07[5][61][65] - 对GRU模型，引入Attention Pooling模块以提升长序列信息利用率，并创新构建“Memory模块+CVaR Loss”闭环，强制模型学习存储历史上的极端行情特征[5][66][67] - 优化后的GRU模型多头超额收益提升至25.84%，最大回撤大幅压降至8.54%，卡玛比率跃升超30%至3.02[67][68]

公司发展历程与理念 - 公司成立于2020年9月，并于当年年底取得私募基金管理人牌照，2021年初发行首只产品，凭借亮眼业绩在2021年末管理规模快速突破百亿大关 [2] - 公司创始人邓剑拥有深厚学术背景，是业内开创性将人工智能技术应用于量化策略研发的先行者，其个人特质“严谨、创新、长期主义”深度融入企业文化 [2][3] - 公司秉持“科技赋能、稳健增值”的发展理念，以技术为矛、风控为盾，致力于成为量化投资领域的长期价值创造者 [1][18][19] 投研团队与组织建设 - 公司核心投研团队超80%成员拥有博士学位，均毕业于国内外顶尖学府，学科背景覆盖数学、计算机、物理、统计学等多个方向 [6] - 团队不仅包括知名量化机构背景的从业者，还吸纳了头部互联网企业的资深AI研究员与算法专家，为AI技术与量化投资深度融合提供人才支撑 [6] - 自公司成立以来，核心投研团队实现零离职，保证了策略研究的连续性和团队稳定性 [6] 投研体系与策略迭代 - 公司采用投资组合经理（PM）负责制，组建多个Alpha策略小组，并搭建覆盖七大核心环节的流水线式投研模式 [4] - 该体系深度融合PM制与流水线模式，并创新性融入AI应用与风险监测模块，实现每2-3周一次的策略快速迭代 [5] - 公司内部设立每季度超额收益实现一定比例提升的硬性目标，以推动团队持续创新和迭代优化，抵御策略衰减 [5] 人工智能（AI）技术应用 - 公司将AI视为核心竞争力，并实现全流程应用，例如利用大语言模型挖掘新闻舆情、财报等文本信息以提炼另类因子 [7] - AI技术被创造性地应用于风险监测，通过预测短期风格收益构建风险预警模型，实现全流程智能化风控 [7] - 公司持续加大在GPU集群、低延迟网络架构及云端算力调度效率上的投入，以保障策略迭代的速度与容量空间 [8] 策略优化与特色 - 公司进行了多体系投研思想融合，将BGI基本面因子、WorldQuant价量体系、AI因子研究体系等进行有机融合 [9] - 在实盘操作中，因子库合成的大类因子占比分别为：量价因子60%、基本面因子30%、另类因子10%，旨在提升策略长期稳健性并降低交易成本 [9] - 公司采用“双轨并行”研究模式，协同并重深度学习与传统多因子方法，实现优势互补 [9] - 策略迭代频率从最初的季频提速至月频，因子组合与组合优化能做到每2-3周迭代一个版本 [10] 风控体系与合规 - 公司搭建了一套自动化、精细化的风险控制体系，涵盖自研风险模型与盘中实时监控模型两大核心模块 [12] - 在2024年初小微盘股大幅调整的行情中，公司凭借自研风控模型精准预判并有效管控了旗下产品的超额回撤风险 [12] - 公司始终坚守合规为先、风控为本的经营理念，坚决杜绝短期投机博弈行为 [12] 产品线与策略矩阵 - 公司构建了“全谱系”策略产品线，依据风险收益偏好划分为三大类型：稳健型低波策略线、进取型中低波策略线、积极型中高波策略线 [13] - 进取型中低波动产品线是公司核心发力方向和关键差异点，内部定位为“20/20”策略架构，旨在让投资者无需频繁择时即可获得长期复利回报 [14] - 红利类指数增强策略是公司核心特色策略，已推出红利低波100指数增强和价值红利指数增强两款产品 [15] - 公司还推出了自由现金流指数增强策略和全气候量化宏观配置策略，后者通过跨资产类别分散配置与动态再平衡机制应对市场不确定性 [15][16] 行业趋势与公司战略 - 行业未来三大趋势：技术基础设施的底层硬核竞争全面拉开；数据与算法迈向深度融合创新；组织韧性与人才密度成为核心考量 [17][18] - 公司计划通过三大核心要素构建差异化竞争优势：持续强化技术护城河；构建“全谱系”策略矩阵；践行长期主义价值观并构建多层级风控体系 [18] - 公司立志成为中国长期主义量化复利资产的领航者，推动行业向专业化、透明化方向迈进 [19]

公司发展历程与核心理念 - 公司成立于2020年9月，并于当年年底取得私募基金管理人牌照，2021年初发行首只产品，凭借亮眼业绩在2021年末管理规模快速突破百亿大关 [4] - 公司名称寓意立足广阔资本市场，以长远视野与严谨科学态度，持续探寻投资价值，为客户创造长期且稳健的回报 [4] - 公司秉持“科技赋能、稳健增值”的发展理念，以技术为矛破局边界，以风控为盾筑牢根基，致力于成为量化投资领域的长期价值创造者 [2][21][24] - 创始人邓剑将严谨、创新、长期主义三大特质深度融入企业文化，为企业稳健发展筑牢根基 [5] 创始人背景与团队建设 - 创始人邓剑拥有深厚学术背景，是全省高考探花、数学状元，毕业于北京大学基础数学系并保送直博计算数学系，十余年深耕量化投资，是业内开创性将人工智能技术应用于量化策略研发的先行者 [4][5] - 公司核心投研团队超80%成员拥有博士学位，均毕业于国内外顶尖学府，学科背景多元，覆盖数学、计算机、物理、统计学等多个方向 [9] - 投研团队不仅包括知名量化机构从业者，更吸纳了头部互联网企业的资深AI研究员与算法专家，为AI技术与量化投资深度融合提供人才支撑 [9] - 自公司成立以来，核心投研团队实现零离职，保证了策略研究的连续性与团队稳定性 [9] 投研体系与策略迭代 - 公司采用投资组合经理（PM）负责制，组建多个Alpha策略小组，由资深PM领衔深耕特定方向，实现风险有效分散 [8] - 搭建流水线式投研模式，全面覆盖数据处理、特征挖掘、因子挖掘、因子组合、组合优化、算法交易、风险监测七大核心环节 [8] - 投研体系实现了PM制与流水线模式的深度融合，并创新性融入AI应用与风险监测模块，达成每2-3周一次的策略快速迭代 [8] - 公司内部设立每季度超额收益实现一定比例提升的硬性目标，以推动团队持续创新和迭代优化，有效抵御策略衰减 [8] - 在策略迭代方面进行了四方面优化：多体系投研思想融合；优化策略换手率，丰富因子储备；深度学习与传统多因子方法协同并重；提升研发与协作效率 [13][14] - 策略迭代频率从最初的季频提速至月频，因子组合与组合优化能做到每2-3周迭代一个版本 [14] AI技术应用与算力投入 - 公司将AI视为核心竞争力，并实现AI技术全流程应用，例如使用大语言模型挖掘新闻舆情、财报及研报文本信息，提炼另类因子 [12] - 创造性地将AI技术应用于风险监测，通过预测短期风格收益构建风险预警模型，实现从风险识别到风控应对的全流程智能化管控 [12] - 公司持续加大在GPU集群、低延迟网络架构及云端算力调度效率上的投入，以保障策略迭代的速度上限与容量空间 [12] - 采用“双轨并行”研究模式，既发挥AI技术在捕捉非线性关系、处理海量数据上的优势，又保留传统多因子模型的可解释性与稳健性 [13] 风控体系与合规经营 - 公司坚守合规为先、风控为本的经营理念，搭建了一套自动化、精细化的风险控制体系，涵盖自研风险模型与盘中实时监控模型两大核心模块 [16] - 在2024年初小微盘股大幅调整的行情中，凭借成熟完备的自研风控模型，精准预判并有效管控了旗下策略产品的超额回撤风险 [16] 产品线与策略矩阵 - 公司构建了层次分明、品类丰富的“全谱系”策略产品线，精准匹配不同客户的风险收益偏好 [17] - 产品体系依据风险由低到高可分为三大类型：稳健型低波策略线（市场中性、低波复合策略）；进取型中低波策略线（创新型指数增强、宏观复合策略）；积极型中高波策略（传统宽基指数增强策略） [17] - 进取型中低波动产品线是公司近年来的核心发力方向与关键差异点，内部定位为“20/20”策略架构，旨在让投资者无需频繁择时，长期持有便能收获复利回报 [18] - 红利类指数增强策略是公司的核心特色策略，公司是国内较早布局该类型的量化私募机构，已推出红利低波100指数增强策略和价值红利指数增强策略 [19] - 自由现金流指数增强策略在承袭红利策略稳健内核基础上，进一步强化进攻属性，聚焦企业盈利质量与内生造血能力 [19][20] - 全气候量化宏观配置策略立足于不依赖择时的全气候资产配置框架，通过多元资产配置与动态再平衡机制，应对市场不确定性 [20] 因子库构成与行业趋势洞察 - 公司实盘操作中，因子库因子被合成为大类因子使用，其中量价、基本面和另类大类因子的占比分别为60%、30%和10% [13] - 创始人认为量化行业未来将呈现三大特征：技术基础设施的底层硬核竞争全面拉开；数据与算法迈向深度融合创新；组织韧性与人才密度成为核心考量 [22][23] - 未来行业竞争本质是顶尖人才的竞争，兼具多学科背景的高端复合型人才将成为核心稀缺资源 [23]