市场资金与交易动态 - 近期市场主要宽基指数ETF遭遇显著抛售，自1月15日以来四个交易日，沪深300ETF、科创50ETF、创业板ETF、上证50ETF及中证500ETF累计抛售金额约达3900亿元[1] - 融资盘规模出现拐点，在融资保证金比例上调后，单日减少84亿元，预计后续将继续缩减，但市场成交量保持相对平稳，约为2.8万亿元[1] - 前期炒作板块降温明显，双创指数跌幅较大，创业板指数接近30日线，市场降温目的初步达到，预计后续抛售规模将逐渐降低[1] 监管与市场结构变化 - 监管持续打击市场违规炒作，继证监会浙江监管局处罚雪球大V后，雪球平台永久封禁20多个相关大V账号，预计财经内容监管将整体趋紧[2] - 龙虎榜制度在A股散户占比较高的市场环境下，其实际效果可能与提升透明度的初衷相悖，反而可能引发跟风交易，监管后台的“盯盘”监控不会取消[2] - 量化交易的高频服务器设置问题引发市场对交易公平性的关注[2] 宏观经济与政策环境 - 国家发改委强调将实施更积极的财政政策和适度宽松的货币政策，同时CPI与PPI实现双回升，对顺周期板块构成利好[3] - 央行维持贷款市场报价利率(LPR)不变[3] - 临近春节，市场对消费板块的预期开始升温[3] 外围市场与全球资产波动 - 外围市场出现“黑天鹅”事件，日本国债暴跌引发“崩盘式”抛售，触发亚洲股市、美国股指期货与美债同步走低[3] - 美国前总统特朗普威胁对欧洲8国加征关税，直至“买下”格陵兰岛，引发全球贸易关系担忧[3] - 避险情绪推动纽约黄金期货价格大涨3%，至每盎司4735美元，美元指数连续两日大跌，离岸人民币对美元被动升值，最高触及6.95[3] 行业与板块表现 - 市场风格出现切换，房地产、银行及消费等传统板块走好[3]

活动概况 - 同花顺于1月15日在杭州主办“共同发声·价值发现”资本市场高质量创新发展交流会暨同花顺2025年度评选颁奖典礼，活动由平安期货、阿里云、高盈资管等机构支持[1] - 盛会吸引了全国超400位上市公司高管和金融机构代表，围绕经济前瞻、AI赋能、企业出海等核心议题进行深度研讨[3] - 活动期间同步揭晓了数百项年度资本市场大奖，旨在为金融生态建设与资本市场发展注入新动能[3] 年度评选结果 - 上市公司评选设立了“最受欢迎董秘”、“最具人气上市公司”等七大奖项，综合公开投票、企业号数据、IR活动及市场热度等多维指标[5] - 金融机构评选颁出600余项大奖，评选依托iFinD金融数据终端的海量数据与专业分析，结合专家意见[6] - 评选积极响应“五篇大文章”方向引导，科技金融、绿色金融等相关奖项占比超25%[6] - “最佳IPO承销”、“最具影响力研究所”、“ESG最佳实践机构”等200余项结果在现场发布[6] 经济与市场前瞻观点 - 东方证券研究所所长黄燕铭深入剖析科技对宏观经济与政策周期的关键影响，指出中国经济的强韧性与结构性机遇，为2026年布局提供积极视角[8] - 黄燕铭认为，在新旧动能转换背景下，科技、制造等领域正呈现出丰富的结构性机遇，将为市场注入新的成长动力[8] AI与金融数智化应用 - 同花顺iFinD产品负责人周春来系统阐述了大模型从“对话”到“行动”的智能体范式跃迁，重点介绍iFinD投研智能体通过多智能体协作，将深度报告生成耗时从数天缩短至分钟级[10] - AI智能体在公告整理、日报撰写等场景中高效应用，正逐步重塑金融决策流程，为投研与服务领域带来实质性效率提升与创新可能[10] - 阿里云新金融解决方案总监霍俊涛展示了金融领域AI创新实践成果，其中Qwen3-Max等旗舰大模型深度赋能各类金融业务场景[12] - 分享重点呈现了DeepResearch智能研究、AI安全护栏等核心解决方案，助力金融机构高效整合多元数据、提升决策质量，构建安全可靠的AI金融应用生态[12] - 高盈资管是一家以人工智能为核心驱动、专注于算法交易的领先资产管理机构，会议期间其董事长与同花顺团队就AI与量化交易前沿深入交流[15] 期货工具与风险管理 - 平安期货总经理袁建峰强调期货市场在风险管理与资源配置中的关键价值，以及上市公司盈利可持续性的重要性[12] - 参与套期保值的上市公司股价波动低于行业平均水平，投资者更青睐能管理风险的企业，期货工具可助企业稳健发展、积累资本实力并专注核心业务[12] 企业出海新趋势 - 在圆桌论坛上，来自国投证券、中银国际、摩根大通、未来资产、长城证券的专家共议“企业出海新篇章”[12][13] - 摩根大通徐娉指出，中国出海正从成本优势转向绿色与创新双轮驱动，并以新能源汽车出口爆发式增长为例证[15] - 未来资产朱理理建议企业关注东南亚、中东等地缘友好、产业承接力强的区域，并持续看好“一带一路”潜力与中国本土市场吸引力[15] - 嘉宾们认为，中国企业全球化已步入以系统性能力、高科技和高附加值输出为特征的新阶段，全球影响力日益深远[15] 投资者关系与市场发展 - 同花顺投关业务总监王楠在演讲中倡导上市公司从战略规划、资本运作、投资者关系管理等多维度协同创新优化，以灵活适应资本市场新动态[15] - 同花顺副总经理朱志峰表示，公司将持续搭建高质量交流平台，助力资本市场生态健康发展[3] - 同花顺表示将持续深耕自身优势领域，积极举办更多高品质行业交流活动，为市场稳健发展保驾护航[16]

核心观点 - 公司推出名为“鹰眼快讯Pro”的期货市场情绪量化系统，旨在通过AI技术将海量、定性的市场资讯转化为标准化、可视化的情绪数据，从而帮助市场参与者进行理性决策，标志着期货资讯进入“情绪量化”的新纪元 [2][3][23] 产品与服务 - 产品核心功能是对资讯进行毫秒级“情感CT扫描”，输出三元标签（利好、利空、中性）和-1到+1的连续情感得分，将复杂的文本转化为结构化的情绪信号 [3][4][5] - 系统提供实时“综合情绪指数”、各板块“板块情绪指数”以及具体品种的“情感得分”曲线，帮助用户把握市场整体水温与资金轮动 [17][18] - 公司提供完整的数据API接口、定制化情绪分析报告及深度合作方案，以满足不同机构的专业需求 [20] 目标客户与价值主张 - 对个人交易者：系统作为“情绪雷达”与“噪声过滤器”，帮助其快速聚焦市场焦点，避免情绪化交易，建立理性的数据决策基础 [9] - 对期货公司与专业机构：提供附带智能解读的“数据解决方案”，可整合进内部投研与客户服务，提升内容生产效率与专业形象，打造差异化竞争力 [11] - 对量化投资团队：提供经过清洗处理的、连续的情感时间序列数据，作为稀缺的“另类数据因子”，可用于构建情绪动量或反转等量化策略，成为新的阿尔法来源 [12] 技术优势与竞争壁垒 - 拥有原创资讯源头优势，数据源包括自采快讯及财联社、Mysteel等战略授权信源，确保了数据的独家性、及时性和高质量，从根源上避免了公开数据的同质化与噪音问题 [13] - 具备垂直领域深度理解，其AI模型专为期货市场训练，能深度理解产业逻辑、交易术语和政策语境，对“基差”、“库存拐点”等概念进行专业情绪判断，而非通用模型的浅层解读 [13] - 核心NLP引擎是基于Transformer等前沿架构，使用数百万条金融文本预训练，再以海量精准标注的期货资讯进行领域微调而成的专用模型，超越了通用开源模型 [14] - 情感打分系统已通过全球顶尖量化对冲基金的算法回测验证，在多个主流期货品种上展现出显著且稳健的预测能力，其IC值与夏普比率提升均通过统计检验，被验证为有效的另类数据因子 [14]

1月19日，中泰国际首席经济学家李迅雷近日谈及量化交易时表示，要辩证地看待这个问题，不能够一 味地认为量化就是"割韭菜"的，去掉量化股市就能涨了。他指出，股市需要有流动性，量化对于改善股 市流动性也是起到了积极的作用。有数据显示，量化交易的交易额已经占到整个市场交易额的30%左 右，李迅雷认为这个(占比)恐怕有点偏大了，20%左右可能合适。 在这个市场中，最终投资者所获得的收益还是上市公司成长、发展、盈利带来的收益。过去没有量化交 易的时候，股市一样还是"熊长牛短"。背后的原因在于上市公司的盈利还是不足以满足投资者的预期。 投资者的预期过高也是一个问题，股价太高了，股息率自然就少了。总而言之，市场的参与者和上市公 司共同决定了市场的盛衰。 同时，他强调要对量化交易进行一定的限制，根据"三公"的原则——公开、公平、公正，来约束某些量 化交易。资本市场要反对的是内部交易和操纵市场，如果某些量化交易具有操纵市场嫌疑的话，就应该 进行限制；反之，如果没有操纵市场，只是通过高频交易来套利的话，是被允许的。 股票频道更多独家策划、专家专栏，免费查阅>> 责任编辑：钟离 ...

科创板IPO终止案例 - 一家公司与其保荐机构共同撤回了科创板上市申请，上交所已终止审核[1] - 公司存在业绩高度依赖单一客户、应收账款占比偏高以及现金流波动等问题[1] - 公司实际控制人面临回购条款的压力[1] 量化投资分析框架 - 决定股票走势的核心因素是参与交易的机构大资金的实际行为，而非滞后的业绩数据或难辨真伪的消息[1] - 量化大数据系统通过“机构库存”数据反映机构资金的交易活跃程度，该数据关注机构是否积极参与交易，而非买卖的具体数量[4] - 量化数据的价值在于帮助投资者摆脱主观判断干扰，用客观数据识别关键的资金行为信号[17] 横盘走势中的资金行为分析 - 股票在连续调整后进入横盘，若“机构库存”数据未持续活跃或迅速消失，表明机构资金参与意愿不强，缺乏持续资金支持，后续容易出现调整[9] - “久盘必跌”现象的本质是缺乏机构资金的承接[9] 震荡走势中的资金行为分析 - 股票在调整后进入横盘，若“机构库存”数据保持持续活跃，表明机构资金在积极参与，为后续走势提供支撑[12] - 在宽幅震荡中，即使出现强势拉升阳线，若“机构库存”数据逐渐消失，表明机构参与意愿减弱，拉升缺乏持续资金支持，走势最终可能回归弱势[14] 破位走势中的资金行为分析 - 股票走势看似破位向下时，若“机构库存”数据保持活跃，表明机构资金仍在积极参与，破位可能仅是表象，后续存在转机[17]

公司人工智能战略与成果概览 - 国金证券于2024年2月前瞻性成立人工智能实验室，系统开展大模型在金融领域的创新研究与应用探索，致力于推动AI技术与业务核心的深度融合 [2][35] - 实验室坚持“让AI深入于业务核心，使成果落地于关键场景”的导向，研究覆盖量化交易、投资管理、公司估值、风险管控、组织运营等核心价值领域 [2][35] - 历经一年多攻关，已形成覆盖六大科研方向、兼具理论深度与应用广度的成果体系，旨在为公司和证券行业智能化发展提供思路与参考 [2][33][35] 估值与投资研究体系 - 该体系聚焦利用大语言模型提升估值分析与投资研究能力，旨在重构传统估值体系，通过AI赋能提高分析深度和效率 [3][36] - 已申请多项专利，包括基于并行博弈的大语言模型动态估值算法、基于信创环境的产业链智能挖掘算法及证券业大模型因子挖掘回测方法 [4][37] - 在《金融科技Times》、《证券信息技术》等期刊发表多篇论文，探讨大模型与财务数据融合的估值算法及智能估值模型构建 [5][38] - 承担深交所2025年立项课题《证券行业大模型赋能投资研究探索与实践》及2025年度行业共研信创课题《基于全栈信创的证券行业大模型投研平台建设》 [6][7][39][40] - 相关投研决策支持方案入选2024年度人工智能大模型金融领域示范场景及创新案例（上海金融科技产业联盟） [8][41] 风险管理与治理体系 - 该体系围绕大模型应用中的风险管理与治理展开，旨在建立健全的大模型风控体系，提升模型应用的安全性与可靠性 [9][42] - 发表论文探讨证券行业大模型场景幻觉容忍度评级及容错控制，并介绍垂直领域大模型测评体系的构建与实践 [10][43] - 承担多项重要课题，包括中国证券业协会的《证券行业人工智能模型应用风险研究》、2025年科技监管课题《大模型风险防护系统在金融科技监管中的关键技术研究》等 [10][43] - 利用AI模型识别异常交易并预测市场“流动性黑洞”，应用大模型研究公司网络与系统性风险传导 [11][44] - 大模型风险治理创新实践获评2025年上市公司可持续发展优秀实践案例（中国上市公司协会） [11][27][44][61] 多智能体协同与自适应体系 - 该体系研究大语言模型驱动的多智能体系统及其在金融领域的协同应用，旨在构建能够自适应学习和进化的智能系统架构 [11][45] - 已获得多项授权专利，包括证券期货行业大语言模型多Agent协同控制算法与系统、结合LSTM的多Agent系统等 [12][46] - 在信创环境下实现了大模型的多智能体部署方案，并提出了多模态大模型构建方法 [12][46] - 有专利在申请中，涉及基于涌现行为调控的自适应智能交易系统及基于并行博弈与策略演化的自适应量化交易系统 [13][47] - 承担课题将联邦学习与多智能体技术结合，并在全栈信创环境中开展智能投研研究 [14][48] - 构建的“人工智能+”多智能体自治协同平台覆盖证券业务全链路场景，被评为2025年度上市公司“人工智能+”典型实践案例 [14][48] 信创大模型建设与联邦学习训练体系 - 该体系致力于构建基于国产自主可控“信创”环境的大模型底座和联邦学习架构，为行业提供安全高效的基础设施 [15][49] - 专利成果包括在信创环境中构建多模态大模型的方法，以及基于全栈信创环境的大模型联邦学习及多方安全计算系统与训练算法 [16][50] - 发表多篇论文，涉及基于信创算力的DeepSeek推理性能评测、大模型联邦学习及分布式训练的探索与实践 [17][51] - 承担多个重要项目与课题，包括2024年成都资本市场金融科技创新试点项目、深交所2024行业共研课题《证券行业生成式人工智能平台建设与场景探索》等 [18][52] - 参与编制《中国资本市场金融科技发展白皮书》等行业报告，为行业提供智库支持 [19][53] - 相关成果获得多项奖项，包括2024年度中国数字化金融与科技创新应用优秀案例奖、第十五届金融科技创新奖以及中国人民银行2023年度金融科技发展奖三等奖 [20][54] AI赋能组织智能化转型体系 - 该体系关注大模型如何赋能证券机构的组织转型和知识管理创新，探索构建“AI友好型”组织以推动新型生产力的形成 [21][55] - 已申请“基于大语言模型的自然语言交互操作系统”专利，旨在通过自然语言交互提升员工效率 [22][56] - 发表多篇具有前瞻性的论文与书籍，探讨大模型的演化路径、AI友好组织构建实践及大模型在人力资源管理等领域的应用 [23][24][57][58] - 承担中国证券业协会2024年度重点课题《证券行业大模型引领产业变革：打造AI友好型组织，培育新质生产力》 [25][59] - “数字人技术在证券行业的应用场景探索与实践”课题入选第四届“金信通”金融科技创新应用典型案例 [25][60] - AI赋能组织转型的实践荣获2025年第九届拉姆·查兰管理实践奖（哈佛商业评论） [26][60] 复杂金融系统建模与量化交易体系 - 该体系侧重于利用大语言模型重新审视和建模复杂金融系统，旨在突破传统方法，实现对金融复杂系统的认知增强和投资策略的范式重构 [28][62] - 专利成果包括在信创环境下利用大模型自动化挖掘投资因子并进行回测的方法，以及基于涌现行为调控和并行博弈的自适应交易系统 [29][63] - 发表系列论文，论述大语言模型驱动的金融复杂系统建模、逆向推理范式及量化策略反推方法，为量化投资提供新范式视角 [30][64] - 承担中国资本市场学会课题《基于大语言模型的公司网络与系统性风险传导研究》，利用大模型模拟风险在复杂系统中的传播机制 [31][65] - 基于可信执行环境的大模型证券投研探索获评第5届数字金融服务创新与场景应用案例暨第九届中关村“番钛客”金融科技国际创新大赛优秀案例 [32][66]

对市场资金流向的看法 - 不认同市场中存在通过指挥棒驱动资金流向特定板块的观点，认为资金流动并非由单一力量引导 [1][4] - 强调股市的中长期走势由基本面决定，而非短期的板块轮动操作 [1][5] 对当前中国股市问题的诊断 - 指出2021年至2023年间，中国股市股票上市速度过快，部分上市公司质量不高 [1][5] - 当前正在通过放缓IPO节奏和加快场内重组来提升上市公司整体质量，旨在夯实市场基础 [1][5] - 认为哪个产业发展更快、投资增长更快，其对应的市场行情和业绩表现就会更好 [1][5] 对量化交易制度的建议 - 建议量化交易应仅限于在超级大盘股中使用，而小盘股因交易频繁、换手率高则不应使用 [3][7] - 提出量化交易应被限制频繁撤单，认为机器频繁撤单在短线交易中会造成不公平 [3][7] - 指出散户对量化交易不公平的抱怨主要基于短线炒作，从长线价值投资角度看，量化交易并非根本影响因素 [3][7] 对解决市场短炒和倡导价值投资的看法 - 认为解决市场短线炒作问题的根本在于回归基本面投资 [3][7] - 强调需要证监会、监管部门、上市公司自身共同推动，上市公司应做好市值管理，机构投资者应践行价值投资理念 [3][7] - 指出投资者是资本市场之本，上市公司是资本市场之基，广大股民是市场和经济发展的重要财富 [3][7] 对监管和主流机构作用的期望 - 认为让基于基本面的价值投资成为主流，仍需监管和主流机构发挥引导与机制支撑作用 [3][7] - 呼吁大型投资机构和大型上市公司应“回归本源，以人为本”，推动制度完善、加强市值管理，并提供更精细的服务，以促进市场参与者共同分享经济收益 [3][7]

市场观点与分歧 - 资深研究员董少鹏不赞同李大霄关于“某个板块在压盘，某个板块在托盘”的市场解读，认为市场资金流向并非由单一指挥棒驱动 [1][4] 股市中长期驱动因素 - 认为任何国家股市的中长期走势（上涨或下跌）均由基本面决定 [1][5] - 指出中国股市在2021年至2023年间股票上市速度特别快，部分上市公司质量不高 [1][5] - 当前通过放缓IPO节奏、加快场内重组来提升上市公司质量，旨在夯实中国股市的底座 [1][5] - 认为哪个产业发展更快、投资增长更快，其市场行情和业绩表现就会更好 [1][5] 量化交易监管建议 - 建议量化交易应仅限于在超级大盘股中使用，因小盘股本身交易频繁、换手率高，故不适用 [3][7] - 提出量化交易应被限制频繁撤单，认为短线交易中机器频繁撤单会造成不公平 [3][7] - 指出散户认为量化交易不公平是基于短线炒作视角，从长线投资角度看，量化交易并非影响价值判断的根本因素 [3][7] 倡导价值投资与各方职责 - 解决市场短线炒作问题的根本在于回归基本面投资 [3][7] - 需要证监会、监管部门、上市公司自身共同推动，上市公司应做好市值管理，机构投资者应秉持价值投资理念 [3][7] - 强调投资者是资本市场之本，上市公司是资本市场之基，广大股民是中国经济与资本市场发展的宝贵财富 [3][7] - 让基于基本面的价值投资成为主流，需要监管和主流机构发挥引导与机制支撑作用 [3][7] - 呼吁大型投资机构和大型上市公司应回归本源、以人为本，在制度推动、市值管理及为投资者提供精细服务方面承担更多责任 [3][7]

中国股市散户市场特征与监管挑战 - 核心观点：中国股市二十余年以来散户股民规模未发生根本性变化，市场呈现显著的散户主导特征，这要求中国股市走特色金融发展之路必须充分尊重该现实，并对监管提出更高要求 [1][3][5] - 散户市场格局长期存在的原因在于中国作为高储蓄率国家，大量资金掌握在老百姓手中，而部分机构投资者存在的信用问题、理财产品透明度不足等现象，降低了公众对机构的信任度，导致散户自主参与股市投资的格局难以改变 [1][3] - 与机构市场不同，散户作为弱势群体维权难度较大，这要求证监会的监管工作需更具针对性和保护性 [3][5] 量化交易监管与公平性质疑 - 演讲者特别提及量化交易中的频繁挂单撤单问题，指出不以交易为目的的频繁挂单撤单在《证券法》中已被定义为“谎骗交易” [3][5] - 当前监管规则下，300笔以下的此类操作仍属合法，演讲者质疑此规定对散户投资者不公平，并提出“为什么量化可以合理合法？”的疑问 [3][5]

文章核心观点 - 量化宏观策略是一种将量化模型与宏观基本面逻辑相结合的投资方法 通过量化CTA的方式实现股、债、商等多资产配置 该策略在过去7年全球管理规模呈现爆发式增长 2023年已占全球宏观策略比例超60%且比例仍在上升 [6][7][9] - 文章驳斥了关于量化宏观策略的两大常见质疑 认为策略本身具有合理性且能产生Alpha 其优势在于能利用更广泛的数据源和机器学习技术 策略结构通常分为中长周期的Beta配置与短周期的Alpha增强 在行情波动中表现更为平稳和灵活 [10][11][12][14][16] 量化宏观策略的定义与市场趋势 - 量化宏观策略是将投资决策从依赖基金经理的主观“叙事驱动”转变为由量化模型基于规则信号执行 需同时满足量化交易和体现宏观基本面配置逻辑两个条件 [9] - 全球量化宏观策略管理规模在过去7年呈爆发式增长 2023年占全球宏观策略比例已超过60% 并且这一比例还在持续上升 [9] 对量化宏观策略质疑的回应 - **针对“数据低频矛盾”的质疑**：宏观经济数据相对低频并非根本问题 量化宏观回测数据不限于低频经济数据 随着机器学习与AI技术的应用 策略可以触及更广的数据维度 利用更高频数据推演低频数据背后的经济金融逻辑（包括线性和非线性逻辑）以做出资产配置判断 [12][13] - **针对“无Alpha仅靠Beta”的质疑**：2023年量化宏观业绩亮眼虽有Beta强势的贡献 但许多策略在此基础上做出了明显的超额增强 量化宏观能排除行情干扰 其偏短周期的信号能快速响应极端反转行情（如2023年4月的“V”型反转和国庆节后的黄金趋势反转） 从而在动荡行情中业绩更平稳 这体现了其Alpha能力 [16] 量化宏观策略的典型结构与运作方式 - 主流量化宏观策略通常包含Beta配置和Alpha增强两部分 两部分持仓周期不同 对数据频段要求也不同 [14] - **Beta部分**：通常偏中长周期配置 例如采用风险平价模型 为股指、国债、商品期货各分配1/3波动以确定中长期权重 旨在获取市场Beta收益 [14][15] - **Alpha部分**：通常偏短周期 依赖更高频数据 适合量化方式 例如通过量化（尤其是CTA方式）进行各品种的择时和多空交易 以在不增加整体组合风险的基础上增厚收益 部分策略还会配置约20%仓位于全球股、债、商ETF以获取全球资产Alpha [14][15] 量化宏观策略的实践案例与优势 - **案例一：量创的量化宏观**：策略明确划分为Beta和Alpha两部分 Beta部分采用风险平价模型进行中长期资产配置 Alpha部分采用机器学习模型挖掘短周期信号进行择时与多空交易 并有20%仓位配置全球ETF [15] - **案例二：远澜的纯量化宏观策略**：采用自上而下的框架 结合多个量化子模型（如经济周期策略、情绪周期策略、多因子定价模型、经典趋势策略和风险预警模型）进行交易 该策略能在2023年初抓住黄金大趋势 并在股指和黄金几次大跌中通过提前减仓或做空来降低波动甚至获取正收益 体现了超额能力 [17][18] - **策略优势**：量化宏观策略能灵活运用杠杆 但相比主观宏观更为谨慎 因其交易品种更分散 杠杆不会过于集中 且拥有程序化的风控机制实时监控杠杆使用情况 避免过度风险 [18][19][20]