这份研报主要跟踪和分析了各类市场指标和风格表现，并未涉及传统意义上需要构建的量化选股模型或阿尔法因子。报告的核心是对现有风格指数、估值、资金面等指标的跟踪和解读。以下是基于报告内容的总结： 量化模型与构建方式 本报告未涉及需要构建的量化选股模型或阿尔法因子。 模型的回测效果 本报告未涉及量化模型的回测效果。 量化因子与构建方式 本报告未涉及需要构建的量化选股因子。 风格指数与跟踪指标 1. 风格拥挤度 **构建思路：** 衡量不同风格（如成长/红利、小盘/大盘等）的交易热度相对于历史水平和市场整体水平的位置，用于判断风格是否过热或过冷[37][122]。 **具体构建过程：** 1. 分别计算风格指数和万得全A指数近n个交易日（n=63，即一个季度）的日均换手率。 2. 在滚动y年（y=6）的历史窗口内，对这两组换手率时间序列分别进行z-score标准化。 3. 计算风格指数标准化后的换手率与万得全A指数标准化后的换手率之差。 4. 最后计算该差值的滚动历史分位值，即为风格拥挤度分位点[122]。 2. 风格累计超额净值 **构建思路：** 计算各风格指数相对于万得全A指数的累计超额收益，用于观察风格的长期表现[37][123]。 **具体构建过程：** 1. 以2016年1月4日为基准日，计算风格指数和万得全A指数的每日累计净值（当日收盘价 / 基准日收盘价）。 2. 将风格指数的每日累计净值除以万得全A指数同日的累计净值，得到每日的相对净值。 3. 这一系列相对净值连接起来即构成该风格相对于万得全A的累计超额净值曲线[123]。 3. 机构调研活跃度 **构建思路：** 衡量不同板块或行业受到机构关注度的历史分位水平，分为长期和短期口径[104][124]。 **具体构建过程：** 1. 计算板块（或指数、行业）近n个交易日的“日均机构调研次数”。 * 长期口径：n取126（近半年）[124] * 短期口径：n取63（近一季度）[124] 2. 在滚动历史窗口（长期口径为6年，短期口径为3年）内，对该“日均机构调研次数”序列以及万得全A的对应序列分别进行z-score标准化。 3. 计算板块标准化后的数值与万得全A标准化后的数值之差，得到“机构调研活跃度”。 4. 最后计算该“机构调研活跃度”在滚动历史窗口内的历史分位数[124]。 4. 股债风险溢价（ERP） **构建思路：** 衡量股票市场相对于债券市场的估值吸引力，是常见的股债性价比指标[72]。 **具体构建过程：** $$ erp = \frac{1}{指数 PE_{TTM}} - 10年期中债国债到期收益率 $$ 其中，$PE_{TTM}$ 为指数滚动市盈率[72]。 指标跟踪结果 风格表现 (截至2025年9月12日) | 风格对比 | 近一周收益(%) | 近一月收益(%) | 年初至今收益(%) | | :----------------- | :------------ | :------------ | :------------- | | 成长-红利 | 1.9 | 13.9 | 22.9 | | 小盘-大盘 | 1.6 | -0.3 | 9.1 | | 微盘股-基金重仓 | 0.1 | -6.4 | 35.1 | | 动量-反转 | -1.3 | -2.0 | 24.4 | *数据来源：图表6[27]* 风格拥挤度历史分位 (截至2025年9月12日) | 风格 | 当前分位 | | :--------- | :------- | | 成长 | 14% | | 红利 | 32% | | 小盘 | 32% | | 大盘 | 76% | | 微盘股 | 15% | | 基金重仓 | 88% | *数据来源：图表11[37]* 估值水平 (PE_TTM历史分位) | 指数 | 当前分位 | 状态 | | :--------- | :------- | :--- | | 万得全A | 91% | 极高 | | 沪深300 | 80% | 极高 | | 中证500 | 73% | 较高 | | 创业板指 | 39% | 较低 | *数据来源：图表26,27,28,29,30[62][68][70]* 股债性价比 (ERP历史分位) | 指数 | 当前分位 | 状态 | | :--------- | :------- | :--- | | 万得全A | 47% | 均衡 | | 沪深300 | 48% | 均衡 | | 中证500 | 66% | 较高 | | 创业板指 | 86% | 极高 | *数据来源：图表31,32,33,34,35[72][78][80]* 机构调研活跃度历史分位 (长期口径) **前列行业:** 有色金属(97%)、房地产(94%)、石油石化(93%)[104] **后列行业:** 银行(9%)、机械(18%)、医药(23%)[104] *数据来源：图表47[105]*

随着人工智能(AI)技术不断成熟和投资理念持续革新，公募量化投资迎来前所未有的发展机遇。数据与 算法正在重塑投资决策的方式，一场深刻的行业变革已经到来。 目前，越来越多的基金公司将AI技术深度植入投资决策核心，尤其量化投资已由传统量化全面向AI量 化进军。 "AI军备竞赛"持续升温 在公募行业，"AI军备竞赛"持续升温。 此外，也有量化团队主要用AI模型寻找传统多因子量化模型难以找到的特殊因子。 数据成决定差异化的关键 在AI量化投资中，数据成为决定差异化的关键。 "大家的AI量化模型策略算法都差不太多，无非是学习和应用水平上的差异，核心在于数据的质量。"上 述银行系公募量化投资负责人表示，非结构化数据处理能力是关键，即给模型提供更高信息密度的数 据，尤其是非结构化的舆情和情绪类的数据。 "例如，公司内部研究员调研纪要、专家路演中的口语化描述，甚至上市公司突发舆情，如高管变动、 供应链风险等，通过自然语言处理(NLP)技术转化为结构化信号，这才是人脑难以快速处理的信息'富 矿'。"在这位负责人看来，投资效率提升的核心是把非结构化信息流水线化。 据了解，为应对行业降薪降费和人才流失带来的挑战，一家国企背景的中型 ...

蔡路平表示，公司从2020年开始尝试"切蛋糕"策略，即在大行业中寻找细分机会。"当时医药板块很 热，但我们没有选择布局整个医药行业，而是聚焦医疗器械这一细分领域。事实证明，这个选择是正确 的。" 这一差异化布局源于对产业趋势的深入研究。蔡路平认为，资管本质是服务实体经济与国家战略，需紧 跟政策、把握产业升级方向。如低空经济相关的通用航空ETF、卫星通信及商业航天相关的卫星ETF， 均对应政府工作报告中的战略方向。 证券时报记者 陈书玉 在资本市场改革深化、投资者结构优化的背景下，指数投资快速发展，截至今年9月初全市场ETF规模 已突破5万亿元，公募机构加速布局，产品创新频出。 发展指数业务六年多来，永赢基金ETF管理规模已超190亿元，推出黄金股ETF、通用航空ETF、卫星 ETF、港股医疗ETF等多只业内首创产品。永赢基金指数与量化投资部总经理蔡路平近日接受证券时报 记者采访时表示，指数投资不仅仅是简单的产品复制，更需要对产业发展趋势的深刻理解和前瞻性布 局。 追求短期胜率难突围 近年来，随着指数产品同质化现象日益突出，如何寻找差异化发展路径成为不少公募基金面临的重要课 题。永赢基金作为一名"追赶者"，选择 ...

本文首发于公众号"私募排排网"。 （点击↑↑ 上图查看详情 ） 近1年来，"9·24"行情显著改善了超额收益环境，AI引爆的全球科技革命更为量化投资打开新赛道，量化私募由此掀起新一轮发展浪潮。从区域 分布看，沿海经济发达地区凭借人才、资本、信息与基础设施的复合优势，继续孕育并汇聚全国知名的量化私募机构。 私募排排网数据显示，截至今年 8月底，旗下至少3只产品符合排名规则的量化私募共有164家，近1年、今年来平均收益分别为48.7%、 22.62%。 按照地区划分，在 上海、广东、北京、浙江以及其他地区中， 上海地区的私募数量较多，达 65家，并汇聚了20余家头部私募。从业绩来看，浙 江地区的私募近1年、今年来平均收益均居首位，分别为59.62%、25.3%。 | 办公城市 | | | 至少有3只产品符合排名 近1年平均 今年来平均 规模在50亿以上 规模为0-50亿 | | | | --- | --- | --- | --- | --- | --- | | 所属地区 | 规则的公司数(近1年) | 收益 | 收益 | 的公司数 | 的公司数 | | 上海 | ୧୮ | 47.53% | 21.75% | 21 ...

在资本市场改革深化、投资者结构优化的背景下，指数投资快速发展，截至今年9月初全市场ETF规模 已突破5万亿元，公募机构加速布局，产品创新频出。 发展指数业务六年多来，永赢基金ETF管理规模已超190亿元，推出黄金股ETF、通用航空ETF、卫星 ETF、港股医疗ETF等多只业内首创产品。永赢基金指数与量化投资部总经理蔡路平近日接受证券时报 记者采访时表示，指数投资不仅仅是简单的产品复制，更需要对产业发展趋势的深刻理解和前瞻性布 局。 追求短期胜率难突围 近年来，随着指数产品同质化现象日益突出，如何寻找差异化发展路径成为不少公募基金面临的重要课 题。永赢基金作为一名"追赶者"，选择了一条与众不同的发展路径。 量化技术驱动模式难躺赢 在指数业务稳步发展的同时，永赢基金也在积极布局量化投资领域。 蔡路平介绍，目前，公司的量化业务以指数增强策略为主，覆盖中证A500、中证500、中证A50、科创 100、科创综指等多个指数。接下来将在主动量化方面加大投入，并已储备了基本面量化、多因子量 化、机器学习等多种策略方案。 蔡路平表示，公司从2020年开始尝试"切蛋糕"策略，即在大行业中寻找细分机会。"当时医药板块很 热，但我 ...

金秋九月，公募基金行业2026届秋季校园招聘正式拉开帷幕。易方达基金、广发基金、嘉实基金、南方 基金、博时基金、鹏华基金、工银瑞信基金等公募机构纷纷启动校招计划，面向2025年9月份至2026年8 月份毕业的应届生广纳贤才。 从招聘规模、岗位设置到能力要求，本届秋招呈现出扩招扩容趋势，AI、量化等领域人才备受青睐， 折射出公募行业投研能力评估标准正从"规模驱动"转向"能力驱动"，也预示着未来行业竞争将围绕人才 质量展开激烈博弈。 扩招扩容覆盖业务链 与往年相比，2026届公募秋招的"扩招"趋势尤为明显。多家公募机构不仅扩大了招聘总人数，还拓宽了 岗位覆盖范围，从投研核心部门延伸至市场、运营、科技等全业务链条。 鹏华基金在此次校招中明确提出"扩招计划"，岗位分为研究类、运营类、营销类三大类，研究类方向涵 盖助理量化研究员、助理债券研究员(信用/宏观/转债)、助理研究员(医药/化工/新能源/计算机/制造/海外 权益方向)等细分方向，覆盖权益、固收、海外投资、指数与量化等领域。 前海开源基金则从去年仅招聘"行业研究员"单一岗位，扩展至今年的投资研究和市场营销两类方向，新 增机构客户经理、电商运营、营销支持等岗位，行 ...

【导读】 重塑投资，公募AI量化大变革已至 中国基金报记者 孙晓辉 随着人工智能（AI）技术不断成熟和投资理念持续革新，公募量化投资迎来前所未有的发展机遇。数据与算法正在重塑投资决策的方式，一 场深刻的行业变革已经到来。 目前，越来越多的基金公司将AI技术深度植入投资决策核心，尤其量化投资已由传统量化全面向AI量化进军。 "AI军备竞赛"持续升温 在公募行业，"AI军备竞赛"持续升温。 据了解，为应对行业降薪降费和人才流失带来的挑战，一家国企背景的中型公募已开始整体推行以AI技术为基础的投研体系改革，并将主动 权益部与指数量化投资部进行整合。随着数据平台与投研平台打通，公司大部分新基金都以量化为底，产品工具化率超过70%。据该公司 相关部门总经理介绍，接下来将继续投入，预计2026年将完成从数据平台到智能投研的升级。 据其透露，随着行业整体走向工具化、指数化，主动管理能力被弱化，叠加费率不断下降，留住优秀人才更加困难。中小基金公司面临巨 大压力，缺乏平台优势难以应对竞争，因此，公司着力构建了"数据平台+策略工厂"双引擎，旨在形成差异化竞争力。 相对而言，大部分公司的AI转型在量化部门内部进行。一家银行系公募的 ...

量化周报 分歧度上行叠加流动性下行确认 2025 年 09 月 14 日 ➢ 择时观点：分歧度上行叠加流动性下行确认。当下流动性确认下行趋势，分 歧度继续扩大，景气度保持回升趋势，三维择时框架给出震荡下跌判断，建议逐 步谨慎。从技术形态来看，沪深 300 仍处超买状态，在趋势高位周四放量长阳线 将指数保持较高点位并非典型吸筹逻辑，周五同样放量短阴线表明供应努力没有 结果，整体市场多空分歧交织。 ➢ 指数监测：中证传媒指数大幅流入。近 1 周 ETF 产品申购流入增速快的有： 中证传媒、恒生中国企业指数、细分机械、创价值、油气资源等。近 1 周富时亚 太低碳精选指数、新能源、国信价值、港股通汽车、800 红利低波份额流出最多。 我们在报告《ETF 的聚类优选与热点趋势策略构建》中构建了 ETF 的热点趋势策 略，本周策略中主要包括化工、有色、光伏、通信、新能源等行业、以及创业板 等 ETF。 ➢ 资金共振：推荐食品饮料，电力及公用事业，农林牧渔与石油石化。我们监 控两融与大单资金的共振情绪，选择两类资金都看好的行业。两融资金流上周在 电子中净流入最多，净流入 146.2 亿元；大单资金上周在钢铁中净流入最多，净 ...

最近证监会发布的《推动公募基金高质量发展行动方案》在业内引起不小震动。南方基金的长期主义实践更是被奉为行业标杆。但作为一名浸淫市场十年的 量化投资者，我却发现一个有趣的现象：每当这类利好消息公布时，相关个股往往已经提前启动，等到新闻见报时，股价反而开始回落。 这种现象让我想起十年前刚入市时的困惑。那时我总是追着新闻跑，结果往往是高位接盘。直到我开始关注真实的交易数据，才发现市场运行的真正逻辑。 一、新闻背后的市场真相 作为普通投资者，我们更需要思考的是：为什么同样的利好消息，机构总能提前布局？ 这就是A股特有的"抢跑"现象。国外市场是根据已知信息做交易判断，而我们的市场则是打提前量。利好公布时往往就是股价高点兑现的时机。这种信息不 对称让很多散户吃了大亏。 如果「机构库存」数据越活跃，那就意味着参与交易的机构资金越多，机构资金参与的时间也越长。 我记得2025年8月底那波行情中表现最好的不是业绩增速最快的公交板块，而是全行业还在亏损的光伏板块。这充分说明基本面只是表象，真正影响股价的 是机构资金的交易行为。 二、揭开机构资金的神秘面纱 这两只股票的走势对比很有意思。右侧股票看似强势上涨，实则是在诱多；左侧股票 ...

前几天看到蚂蚁链信成立的消息时，我正在外滩某咖啡馆晒太阳。隔壁桌两个穿西装的小年轻正眉飞色舞地讨论："这回新能源 +区块链要起飞了！"我抿了口咖啡直摇头——十八年前我刚入行时，听到这种对话也会热血沸腾。 蚂蚁链信这个局确实够大。16万亿的绿色资产市场，0.8%-3%的服务费率，朗新集团已经用9000个充电桩打了样。但问题是，当 机构们在玩"资产上链-数据聚合-评级定价"的高端局时，普通投资者手里连张像样的牌都没有。 三、真跌假跌？数据不说谎 上周聚会时，做私募的老王说了句大实话："我们不怕散户研究技术指标，就怕他们看懂资金流向。"这话说得刻薄，但确实是现 状。就像上面这两只股票，表面看都是高位调整，但内核天差地别。 记得2007年那波牛市，多少散户看着券商研报里"十年黄金赛道"的字眼冲进去，结果在6124点的雪崩里尸骨无存。现在历史又在 重演——新能源、区块链、AI这些词听着就让人肾上腺素飙升，但越是这种时候越要警惕牛市四大陷阱。 一、牛市狂欢下的暗礁：我交过的学费 第一个陷阱叫"持股待涨"。2015年我重仓的那只"军工龙头"，研报说至少看翻倍。结果呢？机构们早在4500点就偷偷减仓，留下 K线图上那根断头铡 ...