私募证券产品备案总体情况 - 2025年前三季度全市场共备案私募证券产品8935只，较去年同期的4718只同比大幅增长89.38% [1][4] - 量化私募产品备案数量达到3958只，占全部私募证券产品备案量的44.30%，同比增幅高达102.66% [1][5] - 备案产品数量增长被视为重要市场风向标，表明资金正通过专业机构流入股市，为市场提供活力和流动性 [1] 各策略类型产品备案分布 - 股票策略产品备案数量为5849只，占比高达65.46%，同比增幅达99.35% [3][5] - 多资产策略备案产品数量为1278只，占比14.30%，同比增幅为84.68% [3][5] - 期货及衍生品策略备案产品数量为913只，占比10.22%，同比增幅为66.00% [3][5] - 债券策略与组合基金备案产品数量分别为363只和362只，占比均为4%左右，同比增幅分别为75.36%和79.21% [3][5] 百亿级私募管理人动态 - 截至2025年9月底，百亿私募数量增至96家，较8月底的91家增加了5家 [1][8] - 正瀛资产、开思私募和太保致远（上海）私募为首次晋级“百亿俱乐部” [1][8] - 在前三季度备案产品数量不少于40只的26家私募管理人中，百亿私募管理人达到23家，占比88.46% [7] - 百亿量化私募宽德私募以120只备案产品数量居于行业首位，黑翼资产、明汯投资、世纪前沿备案数量分别为114只、111只和98只 [6] 百亿私募策略偏好与业绩表现 - 百亿私募核心策略偏好股票策略，有74家占比77.08%，12家核心策略为多资产策略占比12.50% [9] - 纳入统计的62家百亿私募前三季度平均收益率达到28.80%，其中61家实现正收益 [9] - 百亿量化私募业绩表现突出，38家有业绩展示的百亿量化私募平均收益率达31.90%，较19家百亿主观私募24.56%的平均收益率高出7.34个百分点 [9] - 在前三季度收益率超过30%的32家百亿私募中，量化私募达到24家占比超七成 [10] 量化私募增长驱动因素 - 量化策略在2025年市场环境中业绩表现显著优于主观策略，赚钱效应带动资金涌入 [5] - 技术迭代推进，人工智能、机器学习等方法在策略研发中深入应用，增强模型适应能力与盈利稳定性 [5] - 头部量化机构形成“业绩提升带动规模增长、规模扩大促进产品备案”的良性循环 [5] - 中小市值指数持续走强与量化模型擅长的中小盘选股和高频交易策略形成共振 [10]

私募基金备案总体情况 - 2025年前三季度全市场共备案私募证券产品8935只，较去年同期的4718只同比大幅增长89.38% [1][4] - 量化私募产品备案数量达到3958只，占全部私募证券产品备案量的44.30%，同比增幅高达102.66% [1][5] - 备案产品数量增长是重要的市场风向标，表明资金正通过专业机构流入股市，为市场提供活力和流动性 [1] 各策略类型产品备案分析 - 股票策略产品备案数量遥遥领先，为5849只，占比高达65.46%，同比增长99.35% [3][5] - 多资产策略备案产品数量为1278只，占比14.3%，同比增长84.68% [3][5] - 期货及衍生品策略备案产品数量为913只，占比10.22%，同比增长66.00% [3][5] - 债券策略与组合基金备案产品数量分别为363只和362只，占比均为4%左右，同比分别增长75.36%和79.21% [3][5] - 股票策略占比高源于A股市场持续走强及结构性行情带来的投资机会，量化股票策略的快速迭代与普及进一步放大了备案热情 [3] 百亿私募管理人动态 - 截至2025年9月底，百亿私募数量增至96家，较8月底的91家增加了5家 [1][8] - 正瀛资产、开思私募和太保致远(上海)私募为首次晋级"百亿俱乐部" [1][8] - 在前三季度备案产品数量不少于40只的26家私募管理人中，百亿私募管理人达到23家，占比88.46% [7] - 百亿量化私募宽德私募以120只的备案产品数量居于行业首位，黑翼资产、明汯投资、世纪前沿备案产品数量分别为114只、111只和98只 [6] 百亿私募策略偏好与业绩表现 - 百亿私募核心策略中，股票策略有74家占比77.08%，多资产策略有12家占比12.50%，债券策略有6家占比6.25% [9] - 纳入统计的62家百亿私募前三季度平均收益率达到28.80%，其中61家实现正收益 [9] - 百亿量化私募业绩表现突出，38家有业绩展示的百亿量化私募平均收益率达31.90%，较19家百亿主观私募24.56%的平均收益率高出7.34% [9] - 在前三季度收益率超过30%的32家百亿私募中，量化私募达到24家占比超七成，主观私募仅7家占比二成 [10] - 百亿私募出海趋势显现，96家百亿私募中有65家持有香港9号牌照 [9]

行业概述 - 支持向量机是一种监督学习算法，核心思想是在特征空间中寻找最优超平面以实现数据区分，具有全局最优性和强泛化能力 [2] - 算法基于结构风险最小化原则，决策边界仅由少数关键样本（支持向量）决定 [2] - 主要分为线性支持向量机和非线性支持向量机两类 [2] 产业链结构 - 产业链上游包括高性能计算芯片、工业相机、图像采集卡、传感器等硬件设备，以及算法库、工具和数据服务 [3] - 产业链中游为支持向量机算法开发与服务提供商 [3] - 产业链下游应用领域涵盖金融、医疗、工业、教育和零售等 [3] 政策环境 - 2024年6月，工业和信息化部等四部门印发《国家人工智能产业综合标准化体系建设指南（2024版）》，提出规范机器学习的多项标准 [6] - 该政策规范了支持向量机的技术发展，促进创新和应用拓展，并保障数据和模型安全 [6] 市场规模 - 2024年中国支持向量机行业市场规模约为4.28亿元，同比增长10.03% [1][8] - 2024年中国国内机器学习平台市场规模约为35.5亿元，同比增长1.14% [5] 竞争格局 - 互联网巨头如百度、阿里巴巴、腾讯凭借资金、技术和数据资源在行业中占据主导地位 [8] - 专注于人工智能技术的企业如九章云极通过技术积累和行业应用拓展了稳定市场 [8] 重点企业案例 - 中科曙光 - 公司旗下中科睿光软件技术有限公司聚焦"云计算操作系统+算力调度"双轮驱动 [9] - 其Cloudview SVM Edition通过虚拟化技术实现资源池化与动态调度，支撑SVM模型训练与推理 [9][10] - 2025年上半年，中科曙光营业收入为58.50亿元，同比增长2.41%；归母净利润为7.29亿元，同比增长29.39% [10] 重点企业案例 - 腾讯控股 - 公司依托腾讯云平台构建"向量数据库+算法模块"的生态体系，VectorDB向量数据库支持海量高维数据存储 [12] - 腾讯云PAI平台提供SVM算法模块，支持多种核函数，在金融风控场景中实现欺诈误报率降低 [12] - 2025年上半年，腾讯控股总营收为3645亿元，同比增长13.69%；毛利为2055亿元，同比增长21.05% [12] 发展趋势 - 支持向量机将与深度学习技术深度融合形成混合模型，并拓展在多模态学习中的应用 [12] - 未来将致力于开发更高效的优化算法和分布式计算框架以提升训练速度和可扩展性 [13] - 量子计算的发展将带来量子支持向量机新机遇，在处理高维数据和复杂问题时具有显著优势 [14][15]

私募基金备案市场整体表现 - 前三季度全市场共备案私募证券基金8935只，相比去年同期的4718只增长接近九成 [1] - 市场回暖主要受市场环境好转、监管规范行业、私募机构积极拓展业务三方面因素推动 [1] - 量化机构表现突出，前三季度备案量化产品3958只，占全部备案产品的44.30%，较去年同期的1953只增长超过一倍 [2] 各策略产品备案情况 - 股票策略产品备案5849只，占比达65.46%，同比增长接近一倍，占据绝对主导地位 [1] - 多资产策略产品备案1278只，占比14.30%，同比增长84.68% [1] - 期货及衍生品策略产品备案913只，占比10.22%，同比增长66% [1] - 债券策略与组合基金备案产品数量相近，分别为363只和362只，占比均在4%左右，同比增幅均超过七成 [2] 量化产品细分策略分析 - 量化产品中股票类策略占据核心地位，备案量达2865只，占全部量化产品的比重超过七成 [2] - 量化多头策略产品备案1843只，占比最高 [2] - 股票市场中性策略产品备案863只 [2] - 股票多空策略产品备案159只 [2] 私募基金管理人结构特征 - 前三季度共有2322家私募证券基金管理人备案产品，其中1879家机构备案数量在5只以内 [3] - 管理规模在5亿元以下的基金管理人数量最多，达1560家 [3] - 规模在百亿元以上的基金管理人有80家，但备案产品总量较高 [3] - 备案产品数量不少于40只的26家管理人中，百亿元级机构有23家，量化机构有21家，百亿元级量化机构有19家 [3] - 上海宽德私募备案120只产品居首，黑翼资产、明汯投资、海南世纪前沿备案数量分别为114只、111只、98只 [3]

文章核心观点 - 当前AI行业的发展状况与历史上两次AI寒冬前的情景高度相似，存在技术泡沫、市场脱节及商业模型不可持续等问题，第三次AI寒冬可能正在来临 [1][4][6][7] 历史上的AI寒冬 - 第一次AI寒冬发生在1974-1980年，因计算机内存和处理能力有限，难以处理复杂实际问题，且早期AI系统无法有效利用人类常识和领域知识，导致政府大幅削减资金支持，AI研究陷入低谷 [2] - 第二次AI寒冬发生在1987-1993年，以专家系统为代表的AI因知识库有限、维护成本高且无法自动学习而失去商业价值，同时昂贵的专用AI硬件市场被性价比更高的台式计算机取代，导致AI硬件市场崩溃和投资撤离 [3] 当前AI行业面临的挑战 - 大模型训练成本高昂，存在严重幻觉问题，难以在企业垂直场景中落地应用，投入产出比极低 [5] - 许多AI产品开发脱离用户真实需求，功能与实际需求脱节，导致产品无人使用或被迅速淘汰 [5] - 企业数字化基础薄弱、业务流程不规范、数据孤岛严重等问题，阻碍了AI技术的有效落地 [6] - 资本市场缺乏耐心，一旦AI项目回报周期拉长便迅速撤资，转向其他风口 [6] 潜在第三次AI寒冬的成因 - 技术能力与社会预期之间存在巨大鸿沟，对通用智能概念盲目乐观 [4] - AI产品与现实市场需求脱节，缺乏可持续的商业发展模式和核心技术壁垒 [6] - AI公司普遍无法提供端到端的一体化解决方案，仅能提供单一功能模块 [6] - 企业和资本急于看到立竿见影的回报，不愿为AI技术的长期演进买单 [7]

经济日报记者 周明阳 赵以纯 10月13日，2025世界农业科技创新大会（WAFI）在北京开幕。大会以"践行大食物观，共建韧性食物供 应体系"为主题，近100个国家和地区的涉农领域知名科学家、高校校长、教育家、企业家、优秀青年代表等 近800位嘉宾与国内农业科技领域代表齐聚一堂，共话全球农业科技前沿议题，为推动农食领域全球合作建言 献策。 10月13日，2025世界农业科技创新大会在北京开幕。图为大会举办地，北京平谷金海湖国际会展中心。 经济日报记者 赵以纯摄 搭建务实合作平台 自2023年首次举办以来，世界农业科技创新大会已在全球范围内形成广泛影响力，持续为推动农业科技 国际合作与创新实践搭建高端平台。 据介绍，本次大会由中国农业大学、中国农业科学院、北京市农业农村局、北京市平谷区人民政府、国 际农业研究磋商组织联合主办。大会采用"1+7+1+N"总体框架，举办开幕式及全体会议、7场专题会议、世界 农业科技博览会以及40余场平行会议及国际交流活动。同期举办的世界农业科技博览会，展览面积约1万平方 米，150余家展商参展，设有国家展区、国际展区、全球知名企业展区、科研院校展区、高大尚平谷展区，同 时举办国家专 ...

大会概况与核心主题 - 2025世界农业科技创新大会在北京开幕，主题为“践行大食物观，共建韧性食物供应体系” [1] - 大会汇聚近100个国家和地区的近800位涉农领域嘉宾，包括科学家、企业家及青年代表 [1] - 大会采用“1+7+1+N”框架，包含开幕式、7场专题会议、世界农业科技博览会及40余场平行会议 [2] 国际合作与平台建设 - 中国已与60多个国家和地区建立双边农业科技对话机制，并实施“一带一路”科技创新行动计划 [2] - 大会被视为促进对话、搭建合作联盟的纽带，助力开启新合作项目并强化现有关系 [4] - 非洲水稻中心总干事表示，中国展示的最新技术成果为非洲农业提供了可借鉴的实践经验 [3] 农业科技前沿与挑战应对 - 全球人口预计在2049年达到100亿，可持续生产足够粮食是重要考验 [3] - 应对气候变化、土壤退化等挑战需结合基因组编辑、AI、机器学习等现代技术与传统智慧 [5] - 国际社会应加强技术合作，加大对发展中国家投资，以提升其农业生产力与粮食供应能力 [5] 人工智能与技术创新应用 - 中国农业大学发布神农大模型3.0，覆盖育种、种植、养殖等多场景，具备知识问答与生产决策推理功能 [7] - 该模型实现“小体积、高智能、低成本”，增强复杂任务推理能力并降低部署门槛 [7] - AI正助力加深对植物生物学和基因的理解，并预测事物发展，需要强有力合作以制定数据访问等政策 [6] 中国方案与未来方向 - 中方建议携手突破食物供给边界，搭建跨国界跨学科创新平台，加快突破关键核心技术 [6] - 中国将以提升全球农食系统抗风险能力为目标，推动各国加强政策协同与知识经验共享 [6] - 世界农业科技博览会展览面积约1万平方米，吸引150余家展商参展 [2]

根据研报内容，现对其中涉及的量化模型与因子总结如下： 量化因子与构建方式 1. **因子名称：国证2000增强因子**[31] * **因子构建思路**：针对国证2000指数成分股（小微盘股）的选股逻辑，筛选并合成有效的选股因子，以构建指数增强策略。[30] * **因子具体构建过程**： 1. 测试并发现技术、反转、特异波动率等因子在国证2000成分股上表现出色。[31] 2. 由于技术、反转和特异波动率因子相关性较高，对波动率因子进行去相关处理：将波动率因子对技术和反转因子做回归，取残差作为相对独立的波动率因子。$$ \text{残差波动率因子} = \text{特异波动率因子} - \text{回归模型预测值} $$[31] 3. 将成长、残差波动率、动量、技术、价值等各大类因子进行等权合成。[31] 4. 对合成的因子进行行业和市值中性化处理，最终得到国证2000增强因子。[31] * **因子评价**：该因子具有良好的预测效果。[31] 2. **因子名称：GBDT+NN机器学习选股因子**[42] * **因子构建思路**：选取结构差异化的GBDT（梯度提升树）和NN（神经网络）两类机器学习模型，使用不同的特征数据集进行训练，并融合多种预测标签，以构建在宽基指数上表现优异的选股因子。[5][42] * **因子具体构建过程**： 1. 分别训练GBDT和NN模型。[5][42] 2. 使用多种预测标签进行对比和融合。[5][42] 3. 最终构建出GBDT+NN融合选股因子。[5][42] 3. **因子名称：动态宏观事件因子（用于红利择时）**[57] * **因子构建思路**：使用经济增长和货币流动性共10个指标，通过动态事件因子体系构建择时策略，以判断中证红利指数的投资时机。[6][57] * **因子具体构建过程**：基于10个宏观指标（如消费者信心指数、发电量、国债利差、PMI新出口订单、PPI、Shibor等）生成信号，并综合这些信号得出最终的择时判断。[65] 4. **因子名称：风格因子（分析用）**[14][16][19][24] * **因子构建思路**：通过分析全A市场在不同行情阶段（如牛市、下跌市）下各类风格因子的表现，来解释量化产品超额收益波动的原因并预测风格切换。[14] * **涉及的具体因子**：报告中分析的风格雷达包括：分析师一致预期因子、成长因子、动量因子、质量因子、技术因子、价值因子、波动因子、市值因子。[15][19][24] 量化模型与构建方式 1. **模型名称：国证2000指数增强策略**[30][35] * **模型构建思路**：基于专门构建的国证2000增强因子，在国证2000指数成分股内进行选股，以获取超越基准的超额收益。[30][35] * **模型具体构建过程**： * 每月月底调仓。[35] * 选取国证2000增强因子值排名前10%的股票。[35] * 以等权方式构建投资组合。[35] * 假设手续费率为单边千分之二。[35] 2. **模型名称：GBDT+NN机器学习指数增强策略**[5][42][46] * **模型构建思路**：基于GBDT+NN机器学习选股因子，通过组合优化方法控制跟踪误差和个股权重偏离，最大化因子暴露，构建针对不同宽基指数（沪深300、中证500、中证1000）的增强策略。[5][46] * **模型具体构建过程**： * 回测区间自2015年2月1日开始。[5] * 每月月初调仓。[5] * 假定手续费率单边千二。[5] * 通过对投资组合的跟踪误差进行控制，对个股权重偏离进行控制，最大化因子暴露。[5][46] 3. **模型名称：基于红利风格择时+红利股优选的固收+策略**[6][57] * **模型构建思路**：结合针对中证红利指数的动态宏观事件因子择时策略和在红利股内使用AI模型的选股策略，构建一个低波动、稳健的"固收+"策略。[6][57] * **模型具体构建过程**： * **择时部分**：使用动态宏观事件因子判断中证红利指数的仓位（0%-100%）。[57][65] * **选股部分**：利用AI模型（如GBDT+NN）在中证红利指数成分股内进行选股。[6][57] * 将择时信号与选股组合结合，形成最终的"固收+"策略组合。[6] 模型的回测效果 1. **国证2000指数增强策略**[38][39] * 年化收益率：23.94% * 年化波动率：24.05% * 夏普比率：1.00 * 最大回撤：42.49% * 年化超额收益率：13.18% * 跟踪误差：7.61% * 信息比率(IR)：1.73 * 超额最大回撤：10.19% * 9月收益率：-0.39% * 9月超额收益率：-0.86% 2. **GBDT+NN沪深300指数增强策略**[46][47] * 年化收益率：14.44% * 年化波动率：21.18% * Sharpe比率：0.68 * 最大回撤率：39.02% * 年化超额收益率：10.86% * 跟踪误差：6.01% * 信息比率(IR)：1.81 * 超额最大回撤：7.72% * 9月收益率：1.77% * 9月超额收益率：-1.44% 3. **GBDT+NN中证500指数增强策略**[49][51] * 年化收益率：13.80% * 年化波动率：23.46% * Sharpe比率：0.59 * 最大回撤率：41.29% * 年化超额收益率：10.27% * 跟踪误差：5.99% * 信息比率(IR)：1.71 * 超额最大回撤：8.34% * 9月收益率：2.08% * 9月超额收益率：-3.19% 4. **GBDT+NN中证1000指数增强策略**[54][55][57] * 年化收益率：17.97% * 年化波动率：26.46% * Sharpe比率：0.68 * 最大回撤率：43.51% * 年化超额收益率：15.83% * 跟踪误差：6.76% * 信息比率(IR)：2.34 * 超额最大回撤：7.53% * 9月收益率：0.96% * 9月超额收益率：-0.96% 5. **基于红利风格择时+红利股优选的固收+策略**[58] * 年化收益率：7.34% * 年化波动率：3.38% * 夏普比率：2.17 * 最大回撤：4.93% * 最近1个月收益率：-0.73% 因子的回测效果 1. **国证2000增强因子**[31][32] * IC平均值：12.54% * 最新月IC：6.91% * 风险调整的IC：1.08 * t统计量：12.56 2. **GBDT+NN选股因子（沪深300成分股）**[43] * 样本外整体IC均值：11.43% * 样本外整体多头年化超额收益率：15.39% * 本月IC：-11.91% * 本月多头超额收益率：-3.31% 3. **GBDT+NN选股因子（中证500成分股）**[48] * 样本外整体IC均值：9.77% * 样本外整体多头年化超额收益率：9.87% * 本月IC：9.87% * 本月多头超额收益率：-1.62% 4. **GBDT+NN选股因子（中证1000成分股）**[52][53] * 样本外整体IC均值：13.49% * 样本外整体多头年化超额收益率：16.10% * 本月IC：9.77% * 本月多头超额收益率：-0.68% 5. **中证红利选股策略（AI模型）**[58] * 年化收益率：18.83% * 年化波动率：21.08% * 夏普比率：0.89 * 最大回撤：38.52% * 最近1个月收益率：-3.08% * 今年以来收益率：6.47% 6. **红利择时策略**[58] * 年化收益率：13.58% * 年化波动率：15.36% * 夏普比率：0.88 * 最大回撤：25.05% * 最近1个月收益率：-1.10% * 今年以来收益率：-0.43%

新书发布概览 - 上海三联书店、社会科学文献出版社、中信出版集团等多家出版机构于7-9月集中推出新书，涵盖历史、艺术、经济、科技等多个领域 [2] 历史与文化研究 - 《教化》研究希腊文化整体及“理想人格”形成过程，构成对早期和古典时期希腊教化传统的重要考察 [5] - 《茶叶帝国3000年》详述茶叶作为战略物资在3000年历史中的影响，包括推动东印度公司成立、关联七年战争及美国独立战争等重大历史事件 [16] - 《意大利马克思主义史》分析从第一国际到一战前马克思思想在意大利被接受的复杂过程，探讨其作为科学、意识形态等多重面向 [22][23][24] 艺术与美学 - 《敦煌初见时》为敦煌壁画复原艺术精品集，收录故事画、经变画等六大主题作品，特别包含19幅流失海外的画作复原图 [10][11] - 《中国美学的身、物、图、画》收录作者2007至2023年间5篇论文，探讨中国古典美学中的身体、物体系及图像世界等主题 [13][14] 经济与金融 - 《宽松货币之王》揭示美联储量化宽松政策如何使货币供应量几年内增长三倍多，疫情期间两个月印钞量相当于过去300年，导致收入差距扩大和全球金融风险 [18][19][20] 科技与思想 - 《人机沟通法则》为企业和决策者提供机器学习系统框架指导，探讨人工智能技术的含义与潜在陷阱 [25][26][27] - 《技术与魔法》试图重构技术统治下的实在体系，主张个体有能力超越社会背景规定调整存在体验 [28] 人物纪实与科学史 - 《她们登上了太空》记录NASA第一批女性宇航员成长历程，讲述1977年8000名候选人中6位女性冲破阻碍进入太空的经历 [7][8] - 《梦游者》描绘17世纪科学革命摆脱中世纪世界观的过程，展示哥白尼、开普勒等天文学家的探索 [30]

公司核心策略 - 面对量化行业同质化挑战 公司通过长期深耕 在数据端拓展细分信息 在方法端实现行业定制加特征化建模 以避免与同行在通用因子上的同质化竞争 并使基本面因子在不同场景下更精准发挥作用 [1] - 在数据维度跳出通用数据池 补充细分场景信息 除净利润 ROE等传统基本面因子外 主动拓展更细分数据来源 例如与券商研究所合作开展阿尔法捕获 直接引入分析师对行业 公司的点状研究信息 将非标准化洞察转化为可量化信号 [3] - 在方法论维度 根据行业特性做精细化设计 同时结合机器学习 突破传统因子的局限性 [3]