核心观点 - 报告展示了多种基于人工智能（AI）和深度学习模型的量化投资策略，包括文本选股、量价因子选股、行业轮动和主题/概念指数轮动，这些策略在历史回测中均取得了显著的超额收益 [1][2][3][4] - 核心策略均围绕“全频段量价融合因子”展开，该因子通过深度学习模型融合高频与低频市场数据构建，展现出稳定的选股能力 [6][36] - 近期（截至2025年12月26日）部分策略超额收益出现收窄或回撤，但长期历史表现优异 [1][2][7] 文本选股策略 (LLM-FADT) - 策略在前期BERT-FADT模型基础上，引入大语言模型（LLM）对分析师研报进行“博观”解读，补充了标题新解、行情催化剂、“言外之意”、潜在风险和收益指引五类额外文本信息，以丰富模型输入 [12][15] - 截至2025年12月26日，LLM-FADT组合本月相对中证500超额收益为-1.5%，今年以来超额收益为2.9%，本周出现回撤 [1][18] - 自2017年初回测以来，该策略年化收益率为29.05%，相对中证500的年化超额收益为26.56%，夏普比率为1.13，信息比率为2.08 [1][18][20] - 与仅使用原始文本的BERT-FADT策略相比，LLM-FADT策略表现更为稳定，超额回撤相对较小，且自2024年10月以来其超额收益持续跑赢BERT-FADT [1][21] 全频段量价融合因子表现 - 该因子通过深度学习模型训练27个高频因子得到高频深度学习因子，并利用多任务学习对低频量价数据进行端到端挖掘得到低频多任务因子，最终合成 [6] - 截至2025年12月26日，因子TOP层（即排名靠前的股票组合）今年以来相对全A等权基准的超额收益为19.98% [2][6] - 自2017年初回测以来，因子TOP层年化超额收益率为29.57%，5日RankIC均值为0.115 [2][6][7] AI中证1000指数增强组合 - 该组合基于全频段量价融合因子构建，采用严格的组合约束，包括成分股权重不低于80%、个股权重偏离上限0.8%、控制行业暴露等，并假设周双边换手率30%及双边千分之四的交易费用 [7][9] - 截至2025年12月26日，该组合本周超额收益为-0.40%，但今年以来超额收益高达24.24% [2][7] - 自2017年初回测以来，组合相对中证1000指数的年化超额收益率为21.89%，年化跟踪误差为6.05%，信息比率高达3.62，超额收益最大回撤为7.55%，Calmar比率为2.90 [2][7][10] - 回测期内，组合年化收益率为20.37%，而同期中证1000指数年化收益率为-1.53% [10] AI行业轮动模型 - 模型使用全频段量价融合因子对32个一级行业进行打分，每周选取得分最高的5个行业进行等权配置，执行周频调仓 [3][40] - 自2017年初回测以来，模型年化收益率为26.49%，相对行业等权基准的年化超额收益率为19.53%，超额收益最大回撤为12.43%，超额夏普比率为1.90 [3][38] - 截至2025年12月26日，模型今年以来收益率为29.13%，超额收益率为0.48% [38] - 模型预测未来一周（截至2025年12月26日）推荐持有的五个行业是：非银行金融、石油石化、饮料、钢铁、电力及公用事业 [3][41] - 同期行业得分前十名还包括交通运输、食品、建筑、家电和贵金属 [42] AI主题指数轮动模型 - 模型从133个主题指数池中，使用全频段量价融合因子对指数进行打分，每周选取得分最高的10个主题指数等权配置，执行周频调仓，交易成本为双边万分之四 [4][29] - 自2018年初回测以来，模型年化收益率为16.58%，相对等权基准的年化超额收益率为9.98%，超额收益最大回撤为20.79% [4][28] - 截至2025年12月26日，模型今年以来收益率为26.56% [28] - 模型预测未来一周推荐持有的主题指数包括：石化产业、300非银、深证红利、中证基建等 [4][28] - 同期模型得分前15的指数还涵盖中证旅游、新材料、建筑材料、央企创新、上证金融等 [30] AI概念指数轮动模型 - 模型从72个Wind热门概念指数池中，使用全频段量价融合因子进行打分，每周选取得分最高的10个概念指数等权配置，执行周频调仓，交易成本为双边万分之四 [33][35] - 自2018年初回测以来，模型年化收益率为22.29%，相对等权基准的年化超额收益率为9.84%，超额收益最大回撤为19.19%，超额夏普比率为0.84 [33] - 模型预测未来一周推荐持有的概念指数包括：保险精选、证券精选、万得微盘股、钢铁等 [33] - 同期模型得分前20的指数还包括银行精选、电力、农业、仿制药、万得低价股等 [34]

量化模型与因子总结 量化模型与构建方式 1. **模型名称**：风格相对拥挤度模型[71][127] * **模型构建思路**：通过计算不同风格指数换手率标准化值的差异及其历史分位，来衡量某一风格相对于另一风格的交易拥挤程度，以判断其配置风险或性价比[71][127]。 * **模型具体构建过程**： 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[127]。 2. 将上述平均换手率值，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与Z-score_B[127]。 3. 计算二者差值：$$Diff_{AB} = Z\text{-}score_A - Z\text{-}score_B$$[127] 4. 计算差值Diff_AB的滚动6年历史分位数（若历史数据不足6年但满1年，则使用全部历史数据计算），该分位数即为风格A相对于风格B的相对拥挤度[127]。 2. **模型名称**：风格累计超额净值模型[128] * **模型构建思路**：以万得全A指数为基准，计算各风格指数的累计超额收益，用于跟踪风格表现的相对强弱[128]。 * **模型具体构建过程**： 1. 设定基准日（报告中为2020年1月4日）[128]。 2. 将各风格指数及万得全A指数的每日收盘价除以基准日收盘价，得到各自的累计净值序列[128]。 3. 将各风格指数每日的累计净值除以同一交易日万得全A指数的累计净值，得到该风格指数相对于万得全A的累计超额净值[128]。 3. **模型名称**：机构调研活跃度模型[129] * **模型构建思路**：通过标准化并比较不同板块（指数、行业）的机构调研频率，构建活跃度指标并计算其历史分位，以衡量市场关注度的变化[129]。 * **模型具体构建过程**： 1. 对于特定板块，计算其近n个交易日的“日均机构调研次数”[129]。 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[129]。 3. 将上述标准化值与万得全A指数的同期标准化结果作差，得到“机构调研活跃度”[129]。 4. 计算该“机构调研活跃度”的滚动y年历史分位数（长期口径：n=126，y=6年；短期口径：n=63，y=3年。历史数据不足时使用全部可用数据计算）[129]。 模型的回测效果 *本报告为市场跟踪周报，未提供上述模型的长期历史回测绩效指标（如年化收益率、夏普比率、最大回撤等）。报告主要展示了模型在特定时点（2025年12月26日当周）的输出结果和状态判断[71][75][77][78]。* 量化因子与构建方式 1. **因子名称**：滚动季度夏普率[37][39] * **因子构建思路**：计算万得全A指数滚动一个季度（约63个交易日）的夏普比率，作为衡量市场情绪与风险的指标[37]。 * **因子具体构建过程**：报告未给出详细计算公式，但遵循夏普比率通用定义，即区间超额收益率均值除以收益率标准差。文中指出该指标上升至历史极高位置表明市场情绪达到极端高峰[37]。 2. **因子名称**：风险溢价（ERP）[51][59] * **因子构建思路**：计算股票指数市盈率倒数与无风险利率的差值，作为衡量股债相对性价比的指标[51]。 * **因子具体构建过程**：对于任一指数，其ERP计算公式为： $$ERP = \frac{1}{PE_{TTM}} - R_{f}$$ 其中，\(PE_{TTM}\) 为指数的滚动市盈率，\(R_{f}\) 为10年期中国国债到期收益率[51]。 3. **因子名称**：成交热度[25][35] * **因子构建思路**：使用换手率的历史分位来度量指数、板块或行业的交易活跃程度[25]。 * **因子具体构建过程**：成交热度定义为“周度日均自由流通换手率”在设定历史区间（例如2005年1月1日至今）内的历史分位值[25][35]。 4. **因子名称**：动量因子（基于长江动量指数）[61] * **因子构建思路**：以最近一年收益率减去最近一个月收益率（剔除涨停板）作为动量指标，筛选动量特征强的股票[61]。 * **因子具体构建过程**：报告未给出具体加权和调仓细节。长江动量指数综合选择A股市场中动量特征强且流动性相对较高的前100只股票作为成分股，以表征动量风格的整体走势[61]。 5. **因子名称**：反转因子（基于长江反转指数）[61] * **因子构建思路**：以最近一个月收益率作为筛选指标，筛选反转效应强的股票[61]。 * **因子具体构建过程**：报告未给出具体加权和调仓细节。长江反转指数综合选择A股市场中反转效应强、流动性较好的前100只股票作为成分股，并采用近三个月日均成交量进行加权，以表征反转风格的整体表现[61]。 因子的回测效果 *本报告未提供上述因子的IC、IR、多空收益等传统因子测试结果。报告主要展示了这些因子或基于其构建的指数在特定时期（近一周、近一月、年初至今）的表现，以及相关指标（如PE分位、ERP分位）在当周末的截面或时间序列值[17][35][49][59][66]。*

量化市场跟踪：大类因子表现 - 本周（2025.12.22-2025.12.26）市场大市值风格占优，beta因子、规模因子、非线性市值因子获得正收益，分别为1.31%、0.62%和0.58%，杠杆因子获得负收益-0.13% [4] 量化市场跟踪：单因子表现 - 在沪深300股票池中，本周表现较好的因子有早盘收益因子(2.16%)、单季度净利润同比增长率(1.75%)、单季度ROA同比(1.68%)，表现较差的因子有大单净流入(-1.71%)、市净率因子(-1.83%)、下行波动率占比(-2.05%) [5] - 在中证500股票池中，本周表现较好的因子有单季度营业利润同比增长率(1.16%)、单季度净利润同比增长率(1.11%)、标准化预期外盈利(1.08%)，表现较差的因子有市盈率因子(-2.74%)、总资产毛利率TTM(-2.92%)、市净率因子(-2.95%) [5] - 在流动性1500股票池中，本周表现较好的因子有5日反转(3.33%)、单季度净利润同比增长率(1.58%)、动量弹簧因子(1.43%)，表现较差的因子有市净率因子(-1.78%)、下行波动率占比(-1.90%)、市盈率TTM倒数(-2.23%) [5] 量化市场跟踪：因子行业内表现 - 成长类因子：净资产增长率因子在综合、石油石化行业表现较好，净利润增长率因子在综合行业表现较好 [6] - 质量与价值类因子：每股净资产因子在石油石化、房地产行业表现较好，每股经营利润TTM因子在环保行业表现较好，BP因子在石油石化、轻工制造行业表现较好，EP因子在石油石化行业表现较好 [6] - 动量与反转效应：5日动量因子在石油石化、公用事业行业表现为动量效应，在美容护理、休闲服务、食品饮料行业表现为反转效应，1月动量因子在建筑材料、石油石化、国防军工行业表现为动量效应，在休闲服务、综合行业反转效应显著 [6] - 其他风格因子：对数市值因子在电气设备、石油石化、房地产行业表现较好，残差波动率因子在建筑材料行业表现突出，流动性因子在多数行业表现较好 [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和全市场股票池中超额收益显著，在中证500股票池中获得超额收益-0.62%，在中证800股票池中获得超额收益1.31%，在全市场股票池中获得超额收益1.36% [8] 量化策略组合跟踪：机构调研组合 - 本周公募调研选股策略和私募调研跟踪策略均获取正超额收益，公募调研选股策略相对中证800获得超额收益1.88%，私募调研跟踪策略相对中证800获得超额收益2.14% [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超额收益回撤，获得超额收益-1.94% [10] - 本周定向增发组合相对中证全指超额收益回撤，获得超额收益-1.79% [11]

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：** 研报未详细描述该模型的构建公式和具体步骤，仅提及其为基于PB和ROE的选股组合[24]。 2. **模型名称：机构调研组合** * **模型构建思路：** 利用机构调研事件信息构建选股策略，分为公募调研选股策略和私募调研跟踪策略[27]。 * **模型具体构建过程：** 研报未详细描述该模型的构建公式和具体步骤，仅提及其为基于机构调研事件的选股策略[27]。 3. **模型名称：大宗交易组合** * **模型构建思路：** 基于“高成交、低波动”原则，从发生大宗交易的股票中筛选后续表现更佳的标的[31]。 * **模型具体构建过程：** 根据“大宗交易成交金额比率”和“6日成交金额波动率”两个指标进行筛选。“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，其后续表现更佳。组合采用月频调仓方式构造[31]。 4. **模型名称：定向增发组合** * **模型构建思路：** 以定向增发（定增）的股东大会公告日为事件节点，构建事件驱动选股组合[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，但研报未提供具体的构建公式和详细步骤[37]。 量化因子与构建方式 1. **因子名称：早盘收益因子** * **因子构建思路：** 捕捉股票在早盘时段的收益表现[12]。 * **因子具体构建过程：** 研报未提供具体构建公式。 2. **因子名称：单季度净利润同比增长率** * **因子构建思路：** 衡量公司最新单季度净利润相对于去年同期的增长情况，反映盈利能力的短期变化[12]。 * **因子具体构建过程：** 研报未提供具体构建公式。 3. **因子名称：单季度ROA同比** * **因子构建思路：** 衡量公司最新单季度总资产收益率相对于去年同期的变化[12]。 * **因子具体构建过程：** 研报未提供具体构建公式。 4. **因子名称：标准化预期外盈利** * **因子构建思路：** 衡量公司实际盈利与市场预期之间的差异，并进行标准化处理[12]。 * **因子具体构建过程：** 研报未提供具体构建公式。 5. **因子名称：5日反转** * **因子构建思路：** 捕捉股票在短期（5日）内的价格反转效应[18]。 * **因子具体构建过程：** 研报未提供具体构建公式。 6. **因子名称：动量弹簧因子** * **因子构建思路：** 一种结合了动量和反转特性的因子，具体逻辑未详细说明[18]。 * **因子具体构建过程：** 研报未提供具体构建公式。 7. **因子名称：对数市值因子** * **因子构建思路：** 使用公司市值的对数作为因子，代表规模风格[13]。 * **因子具体构建过程：** 研报未提供具体构建公式。 8. **因子名称：下行波动率占比** * **因子构建思路：** 衡量股价下行波动风险在总波动风险中的比例[13]。 * **因子具体构建过程：** 研报未提供具体构建公式。 9. **因子名称：大类因子（风格因子）** * **因子构建思路：** 将多个底层因子归类为具有共同经济含义的风格大类，用于描述市场整体风格暴露[20]。 * **因子具体构建过程：** 报告中提到了beta因子、规模因子、非线性市值因子和杠杆因子，但未给出具体的构建方法[20]。 10. **因子名称：行业内因子** * **因子构建思路：** 在行业内部计算并比较因子的表现，以观察因子在不同行业内的有效性差异[22]。 * **因子具体构建过程：** 报告中列举了每股经营利润TTM、净资产增长率、净利润增长率、5日动量、1月动量、每股净资产、BP因子、EP因子、残差波动率、流动性、对数市值等因子在行业内的表现，但未给出具体的行业内因子构建方法[22]。 模型的回测效果 （数据统计区间：2025年1月2日至2025年12月26日[25][28][32][38]） 1. **PB-ROE-50组合** * 本周超越基准收益率（中证500）： -0.62%[25] * 本周超越基准收益率（中证800）： 1.31%[25] * 本周超越基准收益率（全市场）： 1.36%[25] * 今年以来超额收益率（中证500）： 2.48%[25] * 今年以来超额收益率（中证800）： 18.55%[25] * 今年以来超额收益率（全市场）： 20.81%[25] * 本周绝对收益率： 3.39%（中证500）/ 3.85%（中证800）/ 4.18%（全市场）[25] * 今年以来绝对收益率： 33.50%（中证500）/ 43.89%（中证800）/ 51.01%（全市场）[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）： 1.88%[28] * 今年以来超额收益率（中证800）： 20.80%[28] * 本周绝对收益率： 4.44%[28] * 今年以来绝对收益率： 46.62%[28] * **私募调研跟踪策略：** * 本周超越基准收益率（中证800）： 2.14%[28] * 今年以来超额收益率（中证800）： 19.55%[28] * 本周绝对收益率： 4.69%[28] * 今年以来绝对收益率： 45.10%[28] 3. **大宗交易组合** * 本周超越基准收益率（中证全指）： -1.94%[32] * 今年以来超额收益率（中证全指）： 34.11%[32] * 本周绝对收益率： 0.79%[32] * 今年以来绝对收益率： 67.63%[32] 4. **定向增发组合** * 本周超越基准收益率（中证全指）： -1.79%[38] * 今年以来超额收益率（中证全指）： -8.91%[38] * 本周绝对收益率： 0.95%[38] * 今年以来绝对收益率： 13.86%[38] 因子的回测效果 （数据统计区间：最近1周为2025年12月22日至2025年12月26日[12][14][18][20]） 1. **大类因子（全市场股票池）本周表现：** * Beta因子收益： 1.31%[20] * 规模因子收益： 0.62%[20] * 非线性市值因子收益： 0.58%[20] * 杠杆因子收益： -0.13%[20] 2. **单因子近期表现（示例，详细列表见报告原文）：** * **沪深300股票池本周表现前三因子：** * 早盘收益因子： 2.16%[12] * 单季度净利润同比增长率： 1.75%[12] * 单季度ROA同比： 1.68%[12] * **中证500股票池本周表现前三因子：** * 单季度营业利润同比增长率： 1.16%[14] * 单季度净利润同比增长率： 1.11%[14] * 标准化预期外盈利： 1.08%[14] * **流动性1500股票池本周表现前三因子：** * 5日反转： 3.33%[18] * 单季度净利润同比增长率： 1.58%[18] * 动量弹簧因子： 1.43%[18]

文章核心观点 - 长期业绩（如5年、10年）比短期业绩更能有效衡量私募基金管理人的Alpha挖掘能力和风控水平，穿透市场噪音 [1] - 文章基于私募排排网数据，筛选出成立满10年且年化收益超10%的“双十基金”，并按不同策略梳理了近5年收益排名前20的私募产品，为投资者提供参考 [1] “双十基金”整体情况 - 截至2025年11月底，成立满10年且有业绩展示的私募产品共105只，其中近10年年化收益超10%的“双十基金”有53只，占比约50.48% [2] - 53只“双十基金”中，有13只来自百亿私募，其中海南希瓦占3只，东方港湾、进化论资产、望正资产、中欧瑞博各占2只，泓湖私募、银叶投资各占1只 [2] - “双十基金”的核心策略以主观多头为主，共11只，宏观策略有2只 [2] - 在53只“双十基金”中，有14只在2025年11月净值曾创历史新高，其中主观多头产品占9只 [5] 知名“双十基金”产品及管理人观点 - 东方港湾创始人但斌管理的“东方港湾马拉松一号”是“双十基金”之一，其认为投资关键在于把握时代机遇，当前是人工智能时代 [3][4] - 但斌表示人工智能是一个可能持续十年以上的宏大周期，错失时代的风险远大于过早担忧泡沫的风险 [5] - 2025年三季度末，但斌的美股持仓市值接近91亿人民币，多数持仓与AI相关，并集中于以英伟达为代表的公司 [4] - 双隆投资旗下量化CTA产品“双隆-隆元1号”也是“双十基金”之一，截至2025年11月底，其周度最大回撤不足***% [6][7] - 双隆投资成立于2007年，2020年后战略聚焦CTA，通过多频率、多风格、多逻辑的子策略以及多资产类别混合对冲来分散风险 [7] 近五年量化多头策略排名 - 来自规模5亿元以上私募的量化多头产品共97只，近5年年化收益平均值为***% [8] - 近5年年化收益前20强的上榜门槛接近***%，其中百亿私募产品有11只 [8] - 前10强中包括九坤投资、明汯投资、天演资本、世纪前沿旗下的产品，前5名依次来自积露资产、广州守正用奇、九坤投资、明汯投资 [8] - 九坤投资姚齐聪管理的“九坤日享中证1000指数增强1号”是20强中规模最大的产品，近5年年化收益位居第4 [9][10] 近五年主观多头策略排名 - 来自规模5亿元以上私募的主观多头产品共511只，近5年年化收益平均值为***% [11] - 近5年年化收益前20强的上榜门槛超***%，百亿私募开思私募、复胜资产、日斗投资各有1只产品在列 [11] - 前5名产品依次来自中颖投资、广东广金、前海博普资产、博成基金、前海海富资产 [11] - 榜首产品为中颖投资吴天增管理的“中颖天增利一号” [13][14] - 中颖投资近期调研了深南电路、鼎泰高科、立讯精密等多只AI算力概念股 [15] 近五年CTA策略排名 - 来自规模5亿元以上私募的CTA产品共84只，近5年年化收益平均值为***% [16] - 近5年年化收益前20强的上榜门槛约为***%，其中量化CTA产品占15只，主观CTA产品占5只 [16] - 前5名产品依次来自共青城广聚星合私募、草本投资、宁水资本、华澄私募、朴时投资 [16] - 华澄私募颜学阶管理的量化CTA产品“华澄二号”位居第4，公司专注于商品期货、股指期货和国债期货的量化CTA投资 [18][21] 近五年多资产策略排名 - 来自规模5亿元以上私募的多资产策略产品共137只，近5年年化收益平均值为***% [22] - 近5年年化收益前20强的上榜门槛超***%，百亿私募久期投资、泓湖私募有产品在列 [22] - 前5名产品依次来自前海国恩资本、路远私募、唐龙资产、百航投资、泓湖私募 [22] - 路远私募路文韬管理的“路远睿泽稳增”位居第2，其认为产品业绩亮眼主要受益于黄金长期看涨的趋势 [23][24][25]

核心观点 - 方正富邦基金在2026年投资策略会上提出，中国经济正迈向高质量发展，资本加速涌向人工智能、半导体等代表“新质生产力”的领域，同时AI技术也在重塑量化投资 [1] - 在“主动+量化”视角下，2026年科技成长仍是市场主线，AI产业链投资逻辑将从训练侧基础设施向推理侧端侧应用扩散，并重点关注光模块、铜缆连接及存储芯片等细分领域 [2][5] - 公募基金行业总规模接近36万亿元，投资者需求细分化，工具化特征的产品更受欢迎，主动量化基金凭借其优势有望演进为核心工具型产品 [3][7] 宏观经济与市场环境 - 中国经济坚定迈向高质量发展，科技金融生态持续优化 [1] - 资本正加速涌向人工智能、半导体等代表“新质生产力”的核心领域 [1] - 宏观面整体中性，量化模型需要具备主题识别和基本面量化的能力以适应市场核心脉络 [2] 行业配置与投资主线 - 科技成长仍然是中长期市场主线 [2] - 当前的AI产业链类似2014年初的创业板、2018年初的食品饮料、2021年初的新能源，产业趋势存在大波段但中小波段有波折 [2][5] - AI产业链投资逻辑将从基础设施建设（训练侧）向端侧应用（推理侧）扩散 [2][6] - 重点关注算力需求持续反弹的光模块、铜缆连接及存储芯片 [2][6] 半导体/存储芯片细分领域展望 - 存储芯片周期自2024年末已有明确反转迹象，2025年板块热度居高不下主要因供需失衡加剧 [2][6] - 2026年存储芯片涨价逻辑短期内不会改变 [2][6] - 2026年第一季度DRAM与NAND价格或将延续上行趋势 [2][6] - 2026年年中，行业将进入全年供需缺口峰值阶段，有研究机构预测DRAM的结构性短缺率将高达11%左右 [2][6] 公募基金行业趋势与产品发展 - 公募行业总规模接近36万亿元 [3][7] - 投资者需求呈现细分化趋势，具有工具化特征的基金产品更受资金欢迎 [3][7] - 提升投资者获得感成为公募基金最核心的使命，提升投资回报的确定性、持续性与收益目标的匹配性越发重要 [3][7] - 从需求端和供给端看，主动量化基金未来有望凭借科学性、系统性、稳定性的优势，演进为核心工具型产品 [3][7] - 方正富邦基金基于行业变革洞察，构建了层次清晰、工具属性鲜明的“工具型”产品矩阵 [3][7] 量化投资方法论演进 - 以AI为代表的技术浪潮正在深刻重塑量化投资的研究范式与决策体系 [1] - 在“主动+量化”的框架下，需要融合主动研究视角，结合产业/政策趋势等判断进行行业配置 [2]

公司创始人背景与理念 - 创始人周欣拥有深厚的量化投资学术与业界背景，曾任职于巴克莱全球投资（BGI，后被贝莱德以135亿美元收购）和AQR，并曾在加州大学伯克利分校任教 [3] - 其管理哲学融合了学术严谨、艺术感知与投资理性，摒弃传统权威式管理，倡导包容协作的领导风格，倾听不同声音并尊重多元视角 [3] - 核心投资理念为“以静制动”，摒弃对市场短期波动的过度反应，通过系统化深度研究企业基本面，寻找价格与内在价值之间的“错误定价”，在长期价值回归中获取稳健收益 [3] 公司发展历程与业务定位 - 公司喜岳投资于2014年在上海创立，2017年设立香港分公司并取得9号牌照，2020年完成美国证监会备案，并成为联合国负责任投资原则签署机构 [3] - 公司选择了“基本面量化”的投资道路，强调深度研究和长期主义，而非高频交易或速度竞赛 [3] - 公司已成为国内多家大型银行、保险公司，以及北美养老金、高校捐赠基金等国际长期资本在中国市场的首选合作伙伴之一 [3] 公司的社会与情怀实践 - 2014年，创始人在桂林阳朔投资建成“喜岳·云庐”，将漓江畔破落的夯土古村落改造为融入现代生活的建筑，该项目获得了包括英国Dezeen Awards年度最佳酒店建筑奖、威尼斯双年展中国馆巡礼、世界建筑大师节“WAF”等多项国内外建筑大奖 [4][5] - 该山居实践不仅是一次商业投资，更是一次社会情怀实践，为当地创造了就业机会，实现了商业项目与乡土社会的和谐共生，被誉为“中国村落改造的最佳案例” [4] 公司的教育与学术贡献 - 创始人持续投身教育，曾在加州大学伯克利分校Haas学院教授投资课程，回国后在上海高级金融学院等多所顶尖学府授课，并开通个人视频号“量化周董”普及量化知识 [12] - 公司持续十年赞助中国金融国际年会(CICF)，现已成为全球第二大的金融学术会议，构建了业界与学界的良性知识循环 [12][14] - 创始人支持了“宝贝”等公益项目，救助了300多位重疾孩童，并组织志愿者团队关爱农民工子弟学校和偏远社区 [16]

2025年公募量化行业整体回顾与关键词 - 行业关键词为“分化”，具体体现在产品种类、超额收益来源以及公私募业绩三个方面 产品从过去以300/500为主，扩展至覆盖500、1000、2000等更广泛基准，产品业绩与α差异化明显 [4] - 行业内α分化持续扩大，源于普遍追求异质化逻辑，甚至在相同平台、风控与因子库下，不同模型的超额收益也出现明显分化，这在从业者经验中较为罕见 [4] - 公募与私募量化业绩差异较大，公募因合规约束风格暴露稳健，私募在中小盘行情中进攻性更好、优势凸显，给公募带来压力并倒逼其提升投资能力 [4] - 另一核心关键词是“机遇”，2025年是量化投资大年，指增、量化增长等品类表现亮眼 市场成交活跃，日均成交额创历史新高，个股截面分化大为超额收益创造基础 [5] - 偏交易类策略与基本面量化策略在2025年均表现亮眼，两类策略叠加推动公私募量化全年表现向好 [5] - 公募基金高质量发展政策推动“有约束的主动管理”成为主流，量化作为投资方法论迎来新机遇，其应用可贯穿收益预测、风险管理、组合优化等投资全环节 [5] 量化指增与主动量化产品的趋势与定位 - 量化指增产品是可以清晰分割α与β的产品，形成爆款的基础条件是对标指数在风口且α表现突出，形成α和β的双驱动 [6] - 公募指增与主动量化的核心差异在于投资约束，指增有明确合同约定，需在约束范围内通过纯α选股获取超额收益，而主动量化本质是采用量化选股方法的主动权益基金，约束相对宽松 [6] - 过去指增产品规模较大的原因包括市场配置性需求使其适合作为底仓，以及其作为标准化产品成功培养了投资者对量化投资方法的认知 [6] - 在公募高质量发展政策强化对基金经理约束的背景下，市场对量化方法接受度提升，主动量化产品潜力较大 [6] 指增产品低跟踪误差的实现方法 - 实现低跟踪误差的核心取决于公司和团队对产品的定位，将指增定位于提供纯粹α的产品，核心依赖选股能力，尽量不暴露风格与行业风险，同时通过约束跟踪误差控制风险 [7] - 产品线划分清晰，宽基指增提供纯粹α，投资者若希望获取风格收益可选择smart β产品，若对弹性有要求则可选择主动量化产品 [7] - 指增产品定位介于被动投资ETF和主观投资基金之间，客户选择的关键是底层资产不能偏离看好的指数太多，并认可“短期业绩看指数、长期收益看α”，且希望α具备长周期的可复制性和可预期性以形成复利效应 [7] 量化产品矩阵的布局逻辑与取舍 - 产品布局的差异反映了行业公司的经营思路，布局多产品的核心是避免同质化，需要通过差异化满足客户多元需求 [8] - 任何公司和团队都需在“全产品线覆盖”与“简化聚焦”间权衡，目标是使用最小化产品矩阵覆盖主流投资需求 [8] - 优先区分长期影响收益的风险如价值、成长、大小市值，A股成长可进一步细分为景气成长、质量成长，但前提是投研能力能支撑各赛道的精细化管理 [8] - 没有全能产品能应对所有经济周期与风格行情，量化基于一套相对完备的全市场覆盖的投研体系，通过专业化分工，把β因素选择权交给市场，专注于做每个基准的α，从而为投资者提供更多资产配置选择 [9] 2026年公募量化发展趋势前瞻 - 公募量化未来发展空间广阔，整体市场宽度越来越大，上市公司越来越多，流动性整体越来越好，量化选择截面的差异和机会空间较大 [10] - 量化产品形态正在多元化，包括传统宽基指增、因子被动投资、Smart β以及主动量化产品 [10] - 整个行业都在回归基准，量化和基本面并不矛盾，大家都在合同约束下努力为投资者提供超额收益 [10] - AI的发展给公募量化的投资和方法论带来很多影响，未来需要让公募量化和AI深度融合，以迎接AI发展 [10] - 未来需要向精细化要α，发挥工匠精神把每个投研环节做精做细，仍有较大可为空间 [10] - 当前指数的抗打击与抗回撤能力较强，要求α端也必须具备同等强的抗风险能力，尽量避免市场极端行情下超额收益率出现大幅回撤，需要加强在不同环境下有效控制α回撤的能力以提升投资者体验 [11]

产品上市与市场背景 - 华宝基金旗下沪深300指数增强策略交易型开放式指数证券投资基金（沪深300指增ETF，交易代码562070）于12月25日在上海证券交易所正式上市交易，这是该公司年内布局的第二只指数增强型ETF [1][26] - 当前宏观经济展现韧性并出现边际改善，鼓励“长钱长投”的资本市场改革政策直接利好沪深300指数所代表的核心资产 [1][26] - A股市场有望迎来“春季躁动”，慢牛的市场预期正在强化，关注大盘指数增强策略的投资者可关注该ETF上市后的表现 [1][26] 标的指数（沪深300）特征 - 沪深300指数选取300只A股市场成熟行业蓝筹公司，反映中国股市整体表现，其成份股总市值占A股市场总市值的55%，过去一年日均总成交金额占比达86%，总归母净利润（TTM）占比达23%，在规模、盈利和流动性方面具有代表性 [3][28] - 指数行业覆盖广泛，涵盖28个申万一级行业，覆盖60%的申万二级行业，侧重于电子、金融、电力设备、食品饮料等代表制造业、服务业核心产能的行业 [4][29] - 截至2025年10月31日，指数前五大权重行业依次为：电子（13%）、银行（12%）、非银金融（9%）、电力设备（9%）、食品饮料（7%） [6][30] - 与十年前（2015年10月31日）相比，指数权重行业结构发生显著变迁，当时前五大行业为银行、非银金融、医药生物、房地产和建筑装饰，电子行业在2025年已成为第一大权重行业 [7][30] - 指数成份股持续迭代更新，截至2025年，指数成份股与N-1年（2024年）的重合度为91%，与N-4年（2021年）的重合度为63%，与N-10年（2015年）的重合度降至44% [8][30] 基金管理人历史业绩与增强能力 - 华宝基金旗下同策略的场外基金“华宝沪深300增强”（003876）自2016年12月9日成立至2025年9月30日，净值增长102%，而其业绩比较基准（沪深300指数收益率*95%+1.5%）同期涨幅为51.34%，基金净值增长接近基准涨幅的两倍，实现51.04%的超额回报 [10][13][32][34] - 在2017至2024年的8个完整年度中，该场外基金共7个年度实现了相对于业绩比较基准的超额回报 [10][32] - 该场外基金近一年（截至2025年9月30日）净值增长率为16.52%，业绩比较基准增长率为16.49%，实现0.03%的超额回报 [13][34] 基金管理团队与投资策略 - 该ETF由徐林明和王正共同管理，两位基金经理证券从业年限分别为23年和13年，投资管理年限分别为16年和11年 [18][23][36][40] - 华宝基金量化投资部成立已20年，基金经理和投资经理平均从业年限超过10年 [19][37] - 基金采用多因子选股增强策略，在控制跟踪偏离对沪深300指数进行有效跟踪的同时，进行积极的组合配置管理，力求实现超越标的指数的投资收益 [19][37] - 基金的风险控制目标为力争使基金净值增长率与业绩比较基准之间的日均跟踪偏离度的绝对值不超过0.35%，年化跟踪误差不超过6.50% [23][40] ETF产品特性与优势 - 该ETF为投资者提供了更“纯粹”的投资体验，支持盘中交易，方便投资者捕捉交易机会 [21][37] - 相较于同策略的场外基金，该ETF的管理费率（0.80%/年）和托管费率（0.10%/年）更具成本优势，且相比直接交易股票，ETF免收印花税 [21][25][37][40] - ETF产品股票仓位上限通常高于场外基金，并通过一篮子股票申赎，对基金净值影响较小，同时每日公布申赎清单，投资组合管理更透明 [21][37]

量化投资策略概览与市场渗透 - 量化技术已普遍应用于股票、商品期货、股指期货、可转债等单一资产，并开始向期权、套利、转债、FOF等多种策略方向渗透 [2] - 私募排排网数据显示，量化投资模式涉及的二级策略有14种，其中热门的十大量化策略包括：量化多头、量化CTA、股票市场中性、复合策略、期权策略、套利策略、转债交易策略、宏观策略、股票多空、FOF [2] - 截至11月底，1793只量化产品今年来收益均值为27.29%，其中825只量化多头策略产品收益均值高达41.12%，表现最为突出，其次是复合策略和股票多空策略 [2] 主要量化策略业绩表现（截至11月底） - **量化多头策略**：825只产品，今年来收益均值为41.12%，夏普比率均值2.86，近3年收益均值74.10% [3] - **量化CTA策略**：372只产品，今年来收益均值为16.87%，夏普比率均值1.41，近3年收益均值48.46% [3] - **股票市场中性策略**：189只产品，今年来收益均值为9.31%，夏普比率均值1.58，近3年收益均值27.67% [3] - **复合策略**：151只产品，今年来收益均值为22.83%，夏普比率均值2.05，近3年收益均值55.17% [3] - **期权策略**：55只产品，今年来收益均值为11.28%，夏普比率均值1.59，近3年收益均值36.18% [3] - **套利策略**：41只产品，今年来收益均值为12.09%，夏普比率均值2.60，近3年收益均值28.66% [3] - **转债交易策略**：41只产品，今年来收益均值为20.02%，夏普比率均值3.02，近3年收益均值34.75% [3] - **宏观策略**：39只产品，今年来收益均值为21.42%，夏普比率均值2.11，近3年收益均值44.86% [3] - **股票多空策略**：30只产品，今年来收益均值为15.67%，夏普比率均值2.19，近3年收益均值34.31% [3] - **FOF策略**：18只产品，今年来收益均值为13.70%，夏普比率均值1.99，近3年收益均值23.10% [3] 量化多头策略领先产品 - 量化多头策略通过数学建模、统计分析和算法系统性地构建并动态优化股票组合，主要包括指数增强和量化选股两大子策略 [4] - 截至11月底，825只量化多头产品中，今年1-11月超额收益前三的产品分别来自：珠海正沣私募、水碓泉资产、久铭投资 [5] - 珠海正沣私募李瑜管理的“沣收2号”为量化选股产品，基金经理善于把握市场整体形势及投资标的周期，擅长捕捉趋势性机会 [6] - 百亿私募龙旗科技朱晓康管理的“龙旗科技创新精选1号C类份额”上榜，公司坚持“AI+HI”融合的投资体系 [7][8] 量化CTA策略领先产品 - 量化CTA策略专注于期货市场，利用量化模型分析价格趋势、价差关系等，通过程序化交易执行多空操作，主要包含量化套利、量化趋势、量化多策略三大子策略 [9][10][11][12] - 截至11月底，372只量化CTA产品中，今年1-11月收益前三的产品分别来自：京盈智投、华澄私募、信成(北京)私募 [13] - 京盈智投谢黎博和张枫管理的“京盈智投博益A类份额”为量化多策略产品，基金经理谢黎博为卡耐基梅隆大学统计学博士，拥有十余年境内外量化投资经验 [14] 股票市场中性策略领先产品 - 股票市场中性策略旨在通过构建多空组合对冲市场系统性风险，依赖量化算法和数据处理能力筛选收益因子 [15] - 截至11月底，189只股票市场中性产品中，今年1-11月收益前三的产品分别来自：建隆资本、中邮永安资产、广东璟诚私募 [15] - 建隆资本何东、于巍、秦华管理的“建隆安升6号”收益居前 [16] - 百亿私募平方和投资吕杰勇和方壮熙管理的“平方和信享F期”上榜，公司核心团队从业经历超过15年，产品严控对冲敞口和风格偏离，并通过股指日内策略管理基差 [16] 量化复合策略领先产品 - 复合策略指同时使用两种或多种投资策略的组合，量化复合策略包括量化多资产策略、量化多策略组合等 [17] - 在402只复合策略产品中，投资模式为量化的有151只，今年1-11月收益前三的产品分别来自：天辉(上海)私募、亿库资本、融伟投资基金 [18] - 天辉(上海)私募张洲管理的“天辉霍格1号”收益居前，公司核心成员多为名校出身，有高盛、中信等知名投行从业经历 [19] - 百亿私募黑翼资产陈泽浩管理的“黑翼优选成长1号A类份额”和博润银泰投资马志伟管理的“博润银泰伯乐3号”均上榜 [20] 量化期权策略领先产品 - 期权策略通过数学模型、统计分析和算法编程进行系统化设计和自动化执行 [21] - 在108只期权策略产品中，投资模式为量化的有55只，今年1-11月收益前三的产品分别来自：海升基金、钧富投资、融探索者基金 [21] - 海升基金旗下的“海升远航1号”收益居前，公司成立于2015年，长期深耕复合策略、期货期权策略等 [22] 量化宏观策略领先产品 - 量化宏观策略运用数据驱动的量化模型分析宏观经济变量与资产价格关系，进行自动化或半自动化的大类资产配置与交易 [23] - 在229只宏观策略产品中，投资模式为量化的有39只，今年1-11月收益前三的产品分别来自：毅桥资产、杭州波粒二象资管、海南无量资本 [23] - 毅桥私募胡建伟和俞丰榕管理的“毅桥全周期Alpha增强1号”收益居前，公司致力于成为领先的数字化资产管理公司 [24] - 百亿私募银叶投资许巳阳和张沐东管理的“银叶-引玉1期量化对冲”上榜，基金经理张沐东负责跟踪分析宏观经济及国债市场走势 [25] 其他量化策略领先产品 - 量化套利、量化转债交易、量化FOF、量化股票多空等策略均实现了量化交易模式 [26][27][28][29][30] - 量化套利策略十强产品中，亿库资本段洋洋管理的“亿库量化套利三号B类份额”位列第一，百亿私募盛泉恒元徐永管理的“盛泉恒元量化套利11号”上榜 [32]