私募基金地域分布与聚集度 - 资本向经济活力强的区域聚集，私募聚集度反映区域经济与产业升级潜力 [2] - 旗下至少有3只产品有业绩展示的私募共649家，其中上海、深圳、北京、杭州、广州五城合计486家，占比74.88% [2] - 厦门、成都、珠海、西安、长沙、重庆等13个区域性经济强市也聚集了至少5家私募 [2] - 从头部私募（规模50亿以上）分布看，海南澄迈的私募最多，共有6家 [2] 主要城市私募数据总览 - **上海**：符合规则公司202家，产品997只，今年来平均收益27.54%，头部私募45家 [3] - **深圳**：符合规则公司112家，产品627只，今年来平均收益31.97%，头部私募17家 [3] - **北京**：符合规则公司91家，产品493只，今年来平均收益31.14%，头部私募18家 [3] - **杭州**：符合规则公司45家，产品234只，今年来平均收益37.63%，头部私募4家 [3] - **广州**：符合规则公司36家，产品187只，今年来平均收益34.74%，头部私募2家 [3] - **其他地区**：符合规则公司163家，产品824只，今年来平均收益25.26%，头部私募20家 [3] - **总计**：符合规则公司649家，产品3362只，今年来平均收益29.33%，头部私募106家 [3] 上海地区私募表现 - 上海有202家私募符合规则，平均收益27.54% [4] - 从投资模式看，主观、量化、混合型私募分别有89家、71家、42家 [4] - 上海头部私募共45家，占据全国总数的42.45% [4] - 规模5亿以上私募共146家，收益10强上榜门槛数据未公开 [4] - 海升基金位列榜首，旗下4只产品平均收益数据未公开，公司成立于2015年12月，员工26人，投研20人，深耕复合、期货期权、股票多头等多策略 [4][5] 北京地区私募表现 - 北京有91家私募符合规则，平均收益31.14% [6] - 从投资模式看，主观、量化、混合型私募分别有48家、31家、12家 [6] - 北京头部私募共17家，占当地私募总数近五分之一 [6] - 规模5亿以上私募共60家，收益10强上榜门槛数据未公开 [6] - 华澄私募在量化私募中表现最好，排名第3，旗下3只产品平均收益数据未公开，公司成立于2015年，专注商品期货、股指期货、期权等场内衍生品量化交易 [6][7] 深圳地区私募表现 - 深圳有112家私募符合规则，平均收益31.97% [8] - 从投资模式看，主观私募占多数共72家，量化、混合型私募分别有24家、16家 [8] - 深圳头部私募共18家，数量仅次于上海，略多于北京 [8] - 规模5亿以上私募共71家，收益10强上榜门槛数据未公开 [8] - 中颖投资排名第3，旗下4只产品平均收益数据未公开，公司成立于2011年5月，聚焦科技成长类企业投资，认为中国正处于科技创新的重要周期起点 [11] - 深圳泽源排名第6，旗下3只产品平均收益数据未公开，公司成立于2015年11月，应用计算机技术和人工智能算法进行量化与基本面结合的投资 [11] 杭州地区私募表现 - 杭州有45家私募符合规则，平均收益37.63% [13] - 从投资模式看，主观私募18家略多于量化私募17家，混合型私募10家 [13] - 杭州头部私募有4家，其中宁波幻方量化、龙旗科技2家百亿量化私募进入10强 [13] - 规模5亿以上私募共30家，收益10强上榜门槛数据未公开 [13] - 橡木资产位列第6，旗下5只产品平均收益数据未公开，公司成立于2018年3月，核心策略为中高频量价多因子选股 [14][15] 广州地区私募表现 - 广州有36家私募符合规则，平均收益34.74% [16] - 从投资模式看，主观私募23家，量化私募10家，混合型私募3家 [16] - 广州头部私募仅有2家，其中阿巴马投资进入10强 [16] - 规模5亿以上私募共30家，收益10强上榜门槛数据未公开 [16] - 泽元投资排行第4，旗下5只产品平均收益数据未公开，公司成立于2014年1月，践行“原教旨主义”价值投资理念，聚焦资产当下的“清算价值”与“重置成本” [18] 其他地区私募表现 - 其他地区有163家私募符合规则，平均收益25.26% [19] - 厦门、成都、珠海地区私募数量排名前3，分别有21家、17家、12家；西安、长沙、重庆各有9家 [19] - 从投资模式看，主观私募93家占比近60%，量化私募32家，混合型私募38家 [19] - 其他地区头部私募有20家，其中海南澄迈的私募数量较多，共有6家 [19] - 规模5亿以上私募共85家，收益10强上榜门槛数据未公开，路远私募、致合资管、壹点纳锦(泉州)私募位列前3 [19]

文章核心观点 - 文章对百亿级私募机构进行了分类研究，依据其规模首次突破百亿的时点，划分为“老牌百亿”、“百亿中生代”和“百亿新秀”三类，并对比分析了其构成、全球化布局及业绩表现 [2] - 研究发现，从“老牌”到“新秀”，量化私募的占比和业绩表现呈现显著上升趋势，成为近年来行业发展的主要驱动力 [6][12][19] - 不同发展阶段的私募在达到百亿规模所需时间、策略构成及国际化布局上存在明显差异 [3][9][17] “老牌百亿”私募分析 - 截至2025年11月底，管理规模首次突破百亿已超过5年的“老牌百亿”私募共有37家，其平均花费7.3年进入百亿阵营 [3] - 其中，盘京投资、源峰基金、衍复投资管理规模迅速突破百亿，用时均不足3年 [3] - 从投资模式看，主观私募居多，有21家，量化私募占12席，主观私募占比达56.7% [6] - 从全球化布局看，持有香港9号牌照的机构多达17家，占比45.9%，显著高于“中生代”和“新秀” [6] - 业绩方面，截至2025年11月底，符合排名规则的“老牌百亿”私募今年来平均收益达31% [6] - 今年来收益TOP10中，量化私募独占前8席，其中灵均投资、宁波幻方量化、诚奇资产位列前三 [7] - 宁波幻方量化旗下11只符合排名规则的产品，今年1-11月平均收益表现强势，自1-9月起已连续3月累计收益位居第2 [7] - 诚奇资产旗下3只符合排名规则的产品今年来收益均值表现亮眼 [8][9] “百亿中生代”私募分析 - 截至2025年11月底，近5年内首次突破百亿且至今已超过1年的“百亿中生代”私募共有52家，平均花费约6.6年进入百亿阵营 [9] - 和谐汇一资产、慎知资产等8家私募管理规模迅速突破百亿，用时均不超过2年，其中不少为险资系私募 [9] - 从投资模式看，量化私募有29家，主观私募有20家，量化居多，主观私募占比38.4%，较“老牌百亿”显著下滑 [12] - 持有香港9号牌照的有18家，占比34.6% [12] - 业绩方面，符合排名规则的“百亿中生代”私募今年来平均收益达34.53% [13] - 今年来收益TOP10中，主观与量化私募数量几乎平分秋色，位居前五的依次是远信投资、复胜资产、望正资产、稳博投资、天演资本 [13][14] - 复胜资产旗下7只产品今年来收益均值表现突出，公司创始人陆航管理的“复胜正能量二号”业绩表现突出 [14] - 稳博投资旗下7只产品今年1-11月平均收益表现突出，在上榜量化私募中居前 [15] “百亿新秀”私募分析 - 截至2025年11月底，近1年内管理规模首次突破百亿的“百亿新秀”私募共有24家，平均花费约9.3年进入百亿阵营 [17] - 上海睿量私募、太保致远(上海)私募管理规模迅速突破百亿，用时均不超过3年 [17] - 从投资模式看，量化私募成为“主力军”，占14家，主观私募仅6家，主观私募占比进一步下滑至25% [19] - 主观私募数量比例从“老牌”的56.7%到“中生代”的38.4%，再到“新秀”的25%，揭示了近几年量化投资热度攀升及投资者对量化私募业绩的持续认可 [19] - 从全球化布局看，仅4家持有香港9号牌照，分别是喜岳投资、大道投资、平方和投资、超量子基金 [20] - 业绩方面，符合排名规则的“百亿新秀”私募今年来平均收益达26.76% [20] - 今年来收益均值位居前三的私募依次是开思私募、超量子基金、蒙玺投资 [21] - 领跑的主观股票策略私募开思私募，旗下7只产品今年来收益均值表现亮眼，其中基金经理倪飞管理的产品业绩突出 [21]

公司核心策略与市场认可 - 公司最大的突破在于其量化多元资产配置策略在2025年获得了市场的理解与接纳 市场环境变化如利率持续低位徘徊、传统“刚兑”理财消失、股市起伏震荡成为理念普及的催化剂 让投资者意识到没有任何单一资产品种能持续获得收益 [3] - 该策略致力于在各种可能的宏观情境下构建具备韧性的投资组合 控制回撤 实现风险分散 其价值在2025年得到充分验证 [3] - 相关产品线在经历三年多的投资者理念引导后 目前已进入在渠道端积极铺开的新阶段 产品表现也在行业内得到了认可 [4] 公司差异化优势与本土化实践 - 公司策略的核心理念是承认未来的不可知性 不基于宏观研究做择时和押注 而是运用量化模型构建在各种概率宏观情景下都能保持相对稳健的组合 目标是让投资者“安心” 守护长期财富 [6] - 将海外成熟经验落地中国市场的关键因素包括：一是工具映射与因子复制 将模型识别出的风险因子拆解 通过国内可及的工具如商品期货、QDII-ETF等进行精准映射 实现全球配置逻辑本土化 二是深度的理念沟通 提供一套可解释、可信任的方法论 [6] - 专业管理的价值在于帮助投资者克服投资行为偏差 如追涨杀跌 穿越市场波动与人性弱点 这与普通投资者自行配置差异巨大 [7] 2026年市场前瞻与行业趋势 - 对于中国股市持“相对乐观”态度 认为当前市场处于相对扎实的底部 进一步走强欠缺强驱动事件 [8] - 科技尤其是AI产业浪潮将是2026年中国权益资产的核心驱动力 相较于估值高企的美股科技巨头 中国科技公司提供了相对便宜且具一定竞争优势的选择 只要全球AI叙事持续 中国科技板块有望获得重估 [8] - 同时看好中国创新药研发等领域的长期趋势 预计传统消费、房地产产业链等领域存在均值回归的逻辑和结构性机会 [8] - 量化机构将是应用AI最快的领域之一 公司自身也已将AI用于数据处理等环节 但认为AI擅长处理已知事物 无法探索未知 无法替代面对未知的投资逻辑与人的经验 AI是提升研究效率的工具 [8] 公司长期愿景与行业定位 - 公司的长期愿景是成为连接海外成熟经验与中国市场的桥梁 通过专业的策略和理念引导 帮助投资者理解资产配置 [9] - 致力于以耐心、专注的长期主义 在中国资管行业的蓬勃发展中 成为值得信赖的合作伙伴 [9]

报告核心观点 - 传统多因子模型存在内生局限，其分散化哲学与结构性行情中收益的极端右偏分布相矛盾，导致“收益稀释”，同时因子库严重依赖历史有效的低波动、高盈利风格，形成路径依赖，本质上成为Smart Beta增强组合，缺失对高弹性风格的捕捉能力 [2] - 报告提出了基于XGBoost非线性预测和高弹性Alpha挖掘的双轮驱动多策略解决方案，旨在弥补传统模型的风格盲区 [3] - 通过风险预算模型将传统线性增强、XGBoost策略及高弹性策略进行整合，实证表明该体系能系统性提升指数增强效果，在不同宽基指增中均获得显著的超额收益与信息比率提升 [4] 传统多因子模型的内核与挑战 - 传统多因子模型的核心目标是在横截面上对股票的未来相对表现进行排序预测，其方法论植根于历史统计规律，追求稳定的超额收益而非绝对涨跌或趋势行情 [12] - 模型秉承高度分散化和严格风险控制的原则，倾向于筛选在各项维度上均衡的“全面发展型”股票，并通过风险模型对行业、市值等常见风格暴露进行严格约束，以获取“纯粹”的Alpha [12] - 该模式与指数增强产品的目标契合，形成了“多因子选股 + 组合优化与风控”的经典配置，已成为国内量化策略最重要、规模增长最迅速的品类之一 [13] - 自2021年以来，公募指数增强型基金的Alpha呈现显著衰减，相对回撤幅度明显放大，对于对标沪深300和中证500的增强产品，连续获取年度正超额已较为困难 [16] - 公募超额分布呈现出左偏与肥尾特征，表明策略存在周期性的剧烈超额回撤期，模型有效性面临挑战 [17] - 在指增基金月度超额收益最差的70%困难月份中，模型依赖的低波动、高盈利风格因子普遍失效，而高波动、高换手风格表现强势，这对应由远期乐观预期驱动的成长主导行情或由情绪与资金驱动的主题动量行情 [21] - 市场风格的突然反转会造成巨大冲击，例如2020年11月价值因子BP的Rank IC突然上升至24.98%，与前期强势的成长超预期风格形成剧烈冲突，直接导致策略显著回撤 [21] 传统多因子模型的局限性 - 局限一：分散化哲学与收益分布非正态性的根本矛盾。在结构性行情中，个股超额收益分布呈现显著右偏，大部分收益高度集中于少数标的，传统量化模型因持仓分散且权重均匀，无法充分享受强势股上涨收益，反而被大量平庸持仓拖累，形成“收益稀释风险” [26] - 统计显示，个股横截面超额标准差与指增当月总体超额收益呈一定负相关，在分化剧烈的“低胜率、高赔率”月份，量化模型因分散化约束难以捕捉高回报机会，更容易遭遇显著超额回撤 [27][28] - 以2025年8月沪深300行情为例，个股超额收益率分布呈现极强右偏性，寒武纪-U、中际旭创等少数科技成长股贡献绝大部分涨幅，量化模型因风险约束天然低配这类高波动股票，且随着其股价飙升和指数权重动态上升，低配幅度扩大，形成越涨越拖累超额的恶性循环 [29] - 局限二：因子库的“路径依赖”与高弹性风格缺失。传统模型的超额收益与低Beta、高盈利、低波动、低换手等风格因子的表现呈现显著稳定的正相关性，其超额收益并非完全“纯净” [32] - 因子库中存在大量与低波动、高盈利、低换手风格显著正相关的“深度”因子，但与高波动、低盈利、高换手风格高度正相关的因子数量极为稀少，这种结构性缺陷使得模型缺乏有效捕捉高弹性风格的工具 [34][37] - 构建的全市场复合因子TOP100多头组合与在低弹性股票池内使用相同因子选出的对照组合，其长期超额收益曲线高度重合，月度超额收益相关系数高达0.89，表明传统模型的超额收益绝大部分可归因于其在低弹性风格域内的选股效应 [40] - 模型持仓与当月涨幅排名前10%的强势股平均重合度仅为9.8%，极少能将最具弹性的领涨股纳入核心持仓，而与涨幅前50%股票的平均重合度为54.4%，远高于前者 [42] - 高弹性风格（低盈利、高波动、高流动性）在近16年相对全市场等权基准的超额收益为-10.2%，月胜率仅36.6%，但从2020年以来，其超额收益下行斜率已显著放缓，月度胜率劣势不再明显，且时常出现脉冲式高收益 [45] 从多因子到多策略，挖掘高弹性Alpha - 基准复合因子构建流程：基于229个因子，在中证全指成分股中，经预处理、筛选（保留高度相关因子群中Rank ICIR最高者）、对称正交处理后，以过去12个月Rank ICIR动态加权合成Alpha预测得分，每月选取得分最高的100只股票等权配置 [52] - 基于XGBoost树模型的Alpha预测：使用华安金工229个因子和Qlib Alpha158因子集共387个特征作为输入，预测未来一个月绝对收益率，自2020年1月1日至2025年11月28日，其全市场分十组多头年化超额达20.0%，信息比率3.78，显著优于同期传统线性复合因子（年化超额13.6%，信息比2.53） [56][58] - XGBoost多头组合今年以来（至2025年11月28日）累计超额达25.2%，相较于线性模型多头组合，年均能创造约6.4%的增量超额收益 [57][61] - XGBoost因子在价值、盈利和低波动风格上的暴露显著低于传统线性复合因子，而在小市值因子上的暴露有所提升，表明其通过非线性路径捕捉了不同的收益来源 [66] - 构建高弹性策略的核心思想是分域增强，针对传统模型系统性回避的低盈利、高波动板块进行重点研究，力求在不明显放大跟踪误差的基础上提升超额收益 [69] - 高弹性股票池定义：基于BarraCNE5风险因子，合成高弹性综合得分，每月末选取该得分最高的30%股票构成池子，该池具有明显的小市值倾向，并明显超配电子、计算机、医药等行业，大幅低配银行、非银等板块 [72][82][86] - 在高弹性股票池内，直接沿用全市场Alpha预测模型（线性或XGBoost）选股构建的“高弹性优选组合”，相对Wind全A等权基准年化超额收益均为14.7%，但与原始全市场选股策略收益相关性较低，初步具备分散化潜力 [71][77][78][79] - 传统价值和盈利因子在高弹性股票池内选股能力微弱甚至出现反向预测，而量价类因子和成长超预期类因子表现较为亮眼 [96] 高弹性策略的优化与应用 - 报告提出了两种优化高弹性策略的方法：基于分散化价值的配置和基于时序分域的加权配置 [3] - 基于分散化价值的高弹性策略，通过融合因子域内绩效与对传统多因子基准策略的分散化价值进行配置，该策略年化超额达14.1%，并与基准策略超额收益的相关性为-10%，在基准策略失效月份平均提供1.9%的正向对冲收益 [3] - 通过风险预算模型整合传统线性增强、XGBoost策略及高弹性策略，实证表明能系统性提升指数增强效果 [4] - 相较于单一中证全指增强策略，在不同的风险预算方案下，多策略中证全指组合的年化超额收益提升了2.1%至4.7%，在最稳健配置参数下，信息比率由原始的2.30提升至2.80，最大相对回撤由-8.4%收窄至-6.6% [4] - 该方案在有80%成分股约束的宽基指增中同样有效，其中，相对单一增强策略，沪深300增强的年化超额收益提升了3.8%，今年以来（至报告日期）相对沪深300指数的超额收益达9.2% [4]

论坛核心观点 - 多位顶尖基金经理共同复盘与展望，旨在为投资者在不确定的市场中寻找确定的投资路径，提供面向2026年的思考锚点 [2][3] 2025年市场复盘与策略应对 - 建信基金团队采用三层组合管理系统：大类资产配置、行业风格调整、基金选品，并在2025年4月后纪律化地边际提升权益仓位 [4] - 永赢基金强调通过构建相关性较低的多策略组合来平衡收益与风险，并指出真正的风险分散需检验策略在极端市场波动下的表现 [4][5] - 2025年周期性板块（尤其有色金属）表现意外强势，与科技股并列涨幅前列，其驱动因素与历史模式迥异 [5] - 有色金属等周期品面临供给端产能扩张难、成本高企、地缘风险的刚性约束，同时需求端受AI等新兴产业崛起及“美国的库存虹吸”现象提供新动能，新格局可能使商品价格长期维持偏高位 [5] - 商品市场普涨：黄金年内再涨超60%，白银翻倍，铜、铝、锡及钴、碳酸锂、稀土等价格均显著上扬 [5] - 黄金价格与美元实际利率的传统关联被打破，边际需求来自央行购金（尤其中国央行增储）；铜铝价格对中国地产数据的敏感性因下游需求向新能源、AI数据中心切换而降低 [5] - 投资框架需持续进化，当前需重点关注AI资本开支的持续性与美联储降息后传统制造业的复苏情况 [5] 2026年市场展望与投资方向 - 易方达基金认为，代表高景气赛道的“小登”2025年上涨主要由估值驱动，源于政策红利、技术突破及流动性改善，当前市场处于估值等待业绩消化的“战略性修整”期 [6] - 从AI代码助手等应用落地可见，产业预期兑现是大概率事件，2026年高景气板块可能在消化估值后随业绩落地重现生机 [6] - 永赢基金指出2025年本质是“制造业表现比较好的一个年份”，宏大叙事不变，制造业仍是未来焦点 [6] - 衡量高估值能否被业绩支撑，应重点观察“近期的营收边际变化”，这比远期增速预测更有效 [6] - 2026年可关注三大方向：AI算力等宏大叙事主题的业绩兑现；业绩边际已有回暖的出海链（光储、电池等）；在美元降息周期中可能受益的全球商品需求 [6] - 关于龙头股与中小盘的选择，超额收益来源取决于产业生命周期：在渗透率快速提升的新兴产业（如人工智能），中小公司可能因技术颠覆获得更高弹性；而在进入“价格战”阶段、格局固化的成熟产业（如新能源、光伏），龙头凭借市占率与管理优势更可能持续获取超额收益 [7] 全球资产配置与国内政策机会 - 摩根士丹利基金对美股持“谨慎乐观”态度，因估值处于历史高位，进一步上涨需更多依赖盈利兑现，且降息幅度存在不确定性 [8] - 该基金认为A股与港股正处于“估值与盈利双修复”的中期阶段，估值尚未达历史极值，盈利修复刚刚起步 [8] - 相较于发达市场，新兴市场估值仍有吸引力，中国在新兴制造业领域的产业纵深与自主可控能力为资产定价提供了想象空间 [8] - 国际资本对A股的长期低配现状意味着巨大的边际潜力 [8] - 鹏华基金解读“反内卷”政策带来的投资机会，以化工ETF规模大幅增长为例，说明市场对PPI修复的强烈预期 [8] - 当前“内卷”涉及行业广、民营主体多，政策核心转向“依法依规”，通过修订《价格法》等市场化法治化手段管控产能，长期根本在于“控制地方政府的投资冲动” [8] - 政策致力于解决深层问题，有望推动PPI温和回升，带来低位顺周期板块的价值重估机会 [8] 风险管理与投资纪律 - 建信基金在公募领域注重从“赔率与胜率”角度均衡管控风险，例如将股债性价比视为赔率模型，再结合宏观分析战术决策胜率；在专户领域则可运用衍生品工具进行更有针对性的对冲 [10] - 永赢基金再次强调极端压力测试的重要性，指出许多量化因子在2024年初小盘股暴跌中暴露出风险一致性，构建策略组合必须深挖不同收益来源的底层逻辑 [10] - 银河基金从主动投资角度提出三项风控原则：坚守并持续拓展能力圈以提高胜率、控制亏损；注重投资的安全边际，评估包括所有不利因素后的内在价值底线；建立非机械化的止盈止损纪律，卖出逻辑基于预期收益率显著降低、核心逻辑证伪或发现更优替代标的 [10] 2026年投资寄语摘要 - 易方达基金成曦：以红利打底，以成长冲锋，用哑铃配置实现财富稳健增值 [11] - 鹏华基金闫冬：要更重视企业盈利的修复，尤其是价格修复过程中的低位顺周期方向 [11] - 建信基金孙悦萌：用大类资产配置为锚，以均衡风格为帆 [11] - 永赢基金钱厚翔：2026年市场风格有望趋于均衡，可重视冷门板块和行业的投资价值 [11] - 摩根士丹利基金李圣谣：采用可复制、可持续的资产配置方法论精选全球资产——以波动率分配原则相对均衡地配置风险，以再平衡驱动长期复利 [11] - 银河基金金烨：引用霍华德·马克斯观点“我们不可能知道市场何时转向，但至少应该知道自己身处何处” [11]

活动概况 - 2025年11月27日，招商证券投教基地联合南京盛泉恒元投资有限公司在暨南大学深圳校区举办《“近观”私募》专题讲座，该活动是暨南大学“智汇创新·2025年研究生创新论坛——金融（金融科技）分论坛”的核心环节 [1] - 活动旨在普及私募知识、搭建学术与实践桥梁，为在校学子提供兼具专业性与实用性的深度分享 [1] 行业发展脉络 - 主讲嘉宾从全球私募行业发展脉络切入，系统回顾了对冲基金自上世纪三十年代萌芽至今的演进历程 [1] - 梳理了中国私募证券基金从早期探索到规范发展的关键节点 [1] - 随着《私募投资基金监督管理暂行办法》《私募证券投资基金运作指引》等政策落地，行业已迈入高质量发展新阶段 [1] 投资策略分析 - 结合行业实例，对比分析了主观投资与量化投资的核心差异 [1] - 详解了套利、事件驱动、多因子、趋势跟踪等典型策略的逻辑框架与应用场景 [1] - 明确了“量化本质是对市场规律的统计建模与系统化执行”的行业核心认知 [1] 职业规划与活动成果 - 在职业规划环节，主讲嘉宾提出“职业发展三圆理论”，指出理想职业需精准契合兴趣、能力与市场需求三者的交汇点 [2] - 建议学子在校期间积极积累实习经验，结合专业背景明确发展方向 [2] - 活动深化了高校学子对私募行业生态与前沿趋势的认知，为其职业规划提供了清晰指引 [2] - 活动搭建了校企实务交流的优质平台，促进了学术研究与行业实践的深度融合，为金融领域人才综合培养注入务实动力 [2]

文章核心观点 - 招商证券联合南方基金为暨南大学金融科技专业研究生举办量化投资专题讲座 系统梳理中国公募量化基金发展脉络、核心策略与业务流程 旨在帮助高校学子构建行业理解并为职业规划提供参考 是推动投资者教育纳入国民教育体系的实践 [1][3] 行业实践与趋势 - 讲座系统梳理了中国公募量化基金的发展脉络、核心策略与业务流程 [1] - 量化投资在公募基金领域有具体应用 通过“价值与动量因子结合”、“分析师预期增强策略”等实际案例展示如何捕捉市场超额收益机会 [3] - 引用AQR经典研究《Buffett's Alpha》 指出巴菲特大部分收益可通过质量、价值、低风险等因子组合进行解释 体现了量化方法在复制优秀投资逻辑上的可行性 [3] 人才培养与教育 - 讲座为暨南大学深圳校区金融科技专业105名一年级研究生量身打造 [1] - 量化领域需要金融、数学、统计与编程的复合知识结构 建议学生根据自身优势选择发展方向并通过实习积累经验 [3] - 招商证券积极整合公司及行业内外部专家资源 通过课件讲解、案例分析、互动答疑、实地参观等多样化教学方式为高校学生提供优质公益投教内容 培育优质金融人才 [3]

量化私募行业概况 - 量化基金经理通过数学模型、算法和大数据分析管理投资组合，在AI发展背景下，全球量化人才竞争激烈 [2] - 量化私募对高学历人才更为青睐，在有学历记录的1839位量化基金经理中，硕博学历占比高达69.11%，显著高于主观私募的56.42% [2] - 截至11月底，符合排名规则的量化产品共1637只，合计规模约1351.14亿元，今年1-11月收益均值为27.29%，显著跑赢同期大盘 [2] - 百亿私募量化基金经理表现尤为突出，99位基金经理管理的386只产品，今年来收益均值高达34.42%，获得14.04%的超额收益 [2] 不同规模量化私募业绩表现 - **100亿以上**：386只产品合计规模538.08亿元，今年来收益均值34.42%，超额收益均值14.04% [3] - **50-100亿**：165只产品合计规模174.88亿元，今年来收益均值25.23%，超额收益均值10.31% [3] - **20-50亿**：220只产品合计规模225.55亿元，今年来收益均值26.62%，超额收益均值12.21% [3] - **10-20亿**：176只产品合计规模125.97亿元，今年来收益均值25.37%，超额收益均值10.10% [3] - **5-10亿**：224只产品合计规模121.46亿元，今年来收益均值25.75%，超额收益均值10.84% [3] - **0-5亿**：466只产品合计规模165.21亿元，今年来收益均值23.88%，超额收益均值11.19% [3] 百亿以上量化私募基金经理表现 - 百亿私募旗下符合排名规则的50位量化基金经理今年来全部实现正收益，其中收益均值在30%以上的有31位 [4] - 前三季度量化收益均值位居前三的基金经理分别是：灵均投资马志宇、宁波幻方量化徐进、宁波幻方量化陆政哲 [5] - 宁波幻方量化徐进管理的3只产品合计规模约8.02亿元，1-11月收益均值位居第二；陆政哲管理的8只产品合计规模约15.82亿元，收益均值位居第三 [6] - 九坤投资王琛管理的16只量化产品合计规模约7.74亿元，今年1-11月收益均值位居前列，王琛为清华大学理论计算机博士，曾供职于美国千禧年投资 [6] - 启林投资王鸿勇是上榜的唯一一位博士后量化基金经理，管理的4只产品今年1-11月实现正收益，其为北京大学物理学博士、德国亥姆霍兹研究所博士后 [7] 50-100亿规模量化私募基金经理表现 - 该规模区间165只量化产品今年1-11月收益均值约25.23%，其中正收益产品160只（占比96.97%），正超额产品117只（占比70.91%） [8] - 收益均值位居前三的基金经理分别是：云起量化施恩、大岩资本黄铂、千朔投资黄辉 [8] - 云起量化施恩管理的3只产品合计规模约4.70亿元，今年1-11月收益均值位居前列，其拥有伯克利金融工程和卡耐基梅隆计算机工程双硕士学位 [9] - 大岩资本黄铂管理的6只产品合计规模约3.09亿元，收益均值位居第二，其毕业于北京大学数学学士、哥伦比亚大学运筹学博士，曾共同创立Arxis Capital [10] 20-50亿规模量化私募基金经理表现 - 该规模区间220只量化产品今年1-11月收益均值约26.62%，其中正收益产品216只（占比98.18%），正超额产品166只（占比75.45%） [11] - 收益均值位居前三的基金经理/团队分别是：鹿秀投资么博、翰荣投资聂守华和贺杰、广州守正用奇牟鹏和徐晗潇 [11] - 鹿秀投资么博管理的4只产品合计规模约2.69亿元，收益均值位居前列，其毕业于北京大学，拥有管理与经济学学位 [12] - 翰荣投资聂守华和贺杰共同管理的3只产品合计规模11.57亿元，收益均值位居第二 [13] 10-20亿规模量化私募基金经理表现 - 该规模区间176只量化产品今年1-11月收益均值约25.37%，其中正收益产品176只（占比100%），正超额产品145只（占比82.39%） [14] - 收益均值位居前三的基金经理分别是：龙吟虎啸吴胤彤、中闽汇金王江明、上海元涞私募袁涛 [14] - 龙吟虎啸吴胤彤管理的3只产品合计规模约5.69亿元，收益均值领衔，公司成立于2021年，专注于权益和固收市场的基本面量化策略 [15] - 长鲸九州（北京）私募李爽管理的4只产品合计规模约1.46亿元，收益均值上榜，其为中国科学技术大学博士，在股票Alpha策略方面经验丰富 [16] 5-10亿规模量化私募基金经理表现 - 该规模区间224只量化产品今年1-11月收益均值约25.75%，其中正收益产品210只（占比93.75%），正超额产品156只（占比69.64%） [17] - 收益均值位居前三的基金经理分别是：华澄私募颜学阶、上海紫杰私募曾书良、巨量均衡基金程志田 [17] - 华澄私募颜学阶管理的3只产品合计规模约2.08亿元，收益均值领衔，其自2010年专注于量化投资，拥有超过10年的实盘投资经验 [18] 0-5亿规模量化私募基金经理表现 - 该规模区间466只量化产品今年1-11月收益均值约23.88%，其中正收益产品433只（占比92.92%），正超额产品333只（占比71.46%） [19] - 收益均值位居前三的基金经理/团队分别是：京盈智投谢黎博、嘉信融成杨竑和蒋文浩、广州天钲瀚胡勤天 [19] - 京盈智投谢黎博管理的3只产品合计规模约4.02亿元，收益均值领衔，其拥有北京大学物理学士与卡内基梅隆大学统计学博士背景，曾任职于Jump Trading、中信证券 [20]

量化私募行业整体表现 - 2025年量化投资在中小盘风格占优的市场环境下表现突出，成为市场焦点 [1] - 截至2025年11月底，私募排排网有业绩展示的量化产品共1833只，今年来平均收益为26.98%，平均超额收益为11.41% [1] - 在11月A股市场调整、交投活跃度降低的背景下，百亿私募旗下仍有大量产品逆势创历史新高，其中量化产品占比超过80% [1] 各量化策略业绩表现 - 量化多头策略产品共833只，今年来平均收益为40.34%，平均超额收益为17.25%，在私募二级策略中居前 [1][2] - 量化CTA策略产品共379只，今年来平均收益为16.32%，平均超额收益为13.76% [2] - 股票市场中性策略产品共200只，今年来平均收益为9.37%，但平均超额收益为-4.93% [2] - 复合策略产品共154只，今年来平均收益为23.85%，平均超额收益为7.61% [2] - 其他衍生品策略产品仅4只，但平均收益高达37.74%，平均超额收益高达34.72% [2] 量化选股策略细分表现 - 截至2025年11月底，有业绩展示的量化选股产品共331只，今年来平均收益为39.40%，平均超额收益为19.14% [3] - 该策略超额收益前十的上榜门槛超过特定百分比，前三名产品依次来自珠海正沣私募、水碓泉资产和久铭投资 [3] - 翰荣投资旗下产品“翰荣安晟进取一号B类份额”是上榜量化选股产品中管理规模最大的，其基金经理聂守华曾在法国巴黎银行（纽约）和前海开源基金任职 [4][6] - 龙旗科技朱晓康管理的“龙旗科技创新精选1号C类份额”是上榜中唯一来自百亿私募的产品，朱晓康拥有22年金融从业经验，曾任职于巴克莱国际投资人（BGI） [4][7] 中证500指数增强策略细分表现 - 截至2025年11月底，有业绩展示的中证500指增产品共197只，今年来平均收益为40.17%，平均超额收益为14.14% [8] - 该策略超额收益前十的上榜门槛超过特定百分比，前三名产品依次来自兆信私募基金、国标资产和照月私募 [8] - 兆信私募基金唐越和胡晨航共同管理的“兆信中证500指数增强1号A类份额”位居榜首 [10][12] - 量魁私募旗下梁涛管理的“量魁中证500指数增强之降龙伏虎A类份额”位居第6，该公司核心团队具有物理、数学、信息科学等多学科背景 [10][13] 中证1000指数增强策略细分表现 - 截至2025年11月底，有业绩展示的中证1000指增产品共167只，今年来平均收益为44.68%，平均超额收益为17.53% [14] - 该策略超额收益前十的上榜门槛为特定百分比，前三名产品依次来自今通投资、鹿秀投资和蒙玺投资 [14] - 前十榜单中半数产品来自百亿私募，包括蒙玺投资、鸣石基金、明汯投资、平方和投资和千衍私募 [15][16] - 蒙玺投资李骧管理的“蒙玺中证1000指数量化5号A类份额”位列第3，李骧是国内第一批从业量化交易的基金经理，拥有17年交易经验 [15][16] 沪深300指数增强策略细分表现 - 截至2025年11月底，有业绩展示的沪深300指增产品共38只，今年来平均收益为24.47%，平均超额收益为8.20% [17] - 该策略超额收益前十的上榜门槛为特定百分比，前三名产品依次来自海南澎湃私募、宁波幻方量化和明汯投资 [17] - 宁波幻方量化徐进管理的“九章幻方沪深300量化多策略1号”业绩表现突出，宁波幻方量化是Deepseek创始人梁文锋旗下的量化私募之一 [18] - 百亿私募明汯投资、鸣石基金、聚宽投资和宽德私募旗下产品也均上榜 [18][19] 其他指数增强策略细分表现 - 截至2025年11月底，有业绩展示的其他指增产品共100只，今年来平均收益为42.58%，平均超额收益为20.13% [19] - 该策略超额收益前十的上榜门槛为特定百分比，前三名产品依次来自杨湜资产、鹿秀投资和盛冠达 [19] - 盛冠达何纯管理的“盛冠达股票量化2号C类份额”位列第3，该公司是中国本土最早一批从事量化投资的先驱者之一，核心技术人才来自小米、谷歌、微软等互联网平台 [21][22]

量化模型与构建方式 1. **模型名称：量能择时模型**[23] * **模型构建思路**：通过分析市场成交量的变化来判断市场趋势和买卖时机，当量能指标发出看多信号时，认为市场可能上涨[23]。 * **模型具体构建过程**：报告未详细描述该模型的具体构建公式和计算步骤，仅提及其为一种择时信号[23]。 2. **模型名称：沪深300上涨家数占比择时模型**[24][27] * **模型构建思路**：通过计算沪深300指数成分股中过去一段时间内上涨股票的家数占比，来衡量市场情绪。当上涨家数占比高时，市场情绪可能过热；当上涨家数占比从低位回升时，可能预示市场底部[24]。 * **模型具体构建过程**： 1. 计算沪深300指数成分股过去N日收益大于0的个股数占比，得到原始指标[24]。 2. 对原始指标进行两次不同窗口期的移动平均平滑，得到快线（短期平滑线）和慢线（长期平滑线）[27]。 3. 生成交易信号：当快线大于慢线时，认为市场情绪上行，发出看多信号；当快线小于慢线时，认为市场情绪下行，持谨慎或中性态度[27]。 * **模型评价**：该指标可以较快捕捉上涨机会，但也会错失市场持续亢奋阶段的上涨收益，且对下跌市场的判断存在缺陷，难以有效规避下跌风险[25]。 3. **模型名称：均线情绪指标择时模型**[30][31] * **模型构建思路**：通过判断沪深300指数收盘价相对于一组长期均线的位置关系，来评估市场的趋势状态和情绪[30]。 * **模型具体构建过程**： 1. 计算沪深300收盘价的八条均线，参数分别为8, 13, 21, 34, 55, 89, 144, 233[30]。 2. 统计当日沪深300指数收盘价大于这八条均线指标值的数量[31]。 3. 生成交易信号：当收盘价大于均线的数量超过5条时，看多沪深300指数[31]。 4. **因子名称：横截面波动率**[34] * **因子构建思路**：衡量同一时间点（截面）上，某一指数（如沪深300）内所有成分股收益率之间的离散程度。波动率越高，表明个股表现分化越大，可能意味着Alpha（超额收益）机会更多[34]。 * **因子具体构建过程**：报告未给出具体的计算公式，但指出其用于观察市场赚钱效应和Alpha环境[34]。 5. **因子名称：时间序列波动率**[37] * **因子构建思路**：衡量指数成分股收益率随时间变化的波动程度。波动率上升可能意味着市场活跃度增加，Alpha环境改善[37]。 * **因子具体构建过程**：报告未给出具体的计算公式，但指出其用于观察市场赚钱效应和Alpha环境[37]。 6. **因子名称：基金抱团分离度**[81] * **因子构建思路**：通过计算抱团基金组合截面收益的标准差，来度量基金抱团的程度。标准差小表示抱团基金表现趋同，抱团程度高；标准差大表示抱团正在瓦解[81]。 * **因子具体构建过程**： 1. 构造抱团基金组合（具体构造方法未详述）[81]。 2. 计算该抱团基金组合在截面上的收益率标准差，作为分离度指标[81]。 模型的回测效果 （报告中未提供各择时模型的具体回测绩效指标数值，如年化收益率、夏普比率、最大回撤等。） 因子的回测效果 1. **横截面波动率因子** * **沪深300横截面波动率**：近两年平均值1.93%，近一年平均值1.89%，近半年平均值1.99%，近一季度平均值2.05%[37]。近一季度平均值处于近两年、近一年、近半年分位数的71.22%、73.50%、69.15%[37]。 * **中证500横截面波动率**：近两年平均值2.11%，近一年平均值2.11%，近半年平均值2.16%，近一季度平均值2.27%[37]。近一季度平均值处于近两年、近一年、近半年分位数的57.94%、65.87%、61.90%[37]。 * **中证1000横截面波动率**：近两年平均值2.31%，近一年平均值2.39%，近半年平均值2.40%，近一季度平均值2.47%[37]。近一季度平均值处于近两年、近一年、近半年分位数的73.31%、71.71%、65.74%[37]。 2. **时间序列波动率因子** * **沪深300时序波动率**：近两年平均值0.65%，近一年平均值0.61%，近半年平均值0.62%，近一季度平均值0.64%[40]。近一季度平均值处于近两年、近一年、近半年分位数的60.25%、65.84%、59.21%[40]。 * **中证500时序波动率**：近两年平均值0.47%，近一年平均值0.45%，近半年平均值0.45%，近一季度平均值0.48%[40]。近一季度平均值处于近两年、近一年、近半年分位数的65.08%、66.67%、64.29%[40]。 * **中证1000时序波动率**：近两年平均值0.26%，近一年平均值0.25%，近半年平均值0.24%，近一季度平均值0.26%[40]。近一季度平均值处于近两年、近一年、近半年分位数的69.72%、71.71%、63.75%[40]。