报告行业投资评级 未提及 报告的核心观点 报告聚焦量化基金市场表现，总结近一周主要指数和量化基金业绩、不同类型公募量化基金整体表现和业绩分布，以及本周收益较优的量化基金供投资者参考 [1] 根据相关目录分别进行总结 近一周主要指数和量化基金业绩表现 - 本周（5 月 19 日 - 5 月 23 日）A股整体收跌，量化基金表现分化 [2][8] - 主要股指下跌，沪深 300、中证 500、中证 1000 近一周收益率分别为 -0.18%、-1.10%、-1.29% [3][8] - 量化基金收益表现分化，主动量化跌 0.28%，市场中性跌 0.12%，指数增强型基金平均录得正超额，中证 500 指增和中证 1000 指增超额收益较高，分别为 0.48%、0.34% [4][11] 不同类型公募量化基金业绩表现 - 沪深 300 指数增强基金：近一周收益率 -0.03%，超额收益率 0.15% 等 [16] - 中证 500 指数增强基金：近一周收益率 -0.62%，超额收益率 0.48% 等 [17] - 中证 1000 指数增强基金：近一周收益率 -0.95%，超额收益率 0.34% 等 [18] - 其他指数增强基金：近一周收益率 -0.65%，超额收益率 0.16% 等 [19] - 主动量化基金：近一周收益率 -0.28% 等 [19] - 市场中性基金：近一周收益率 -0.12% 等 [20] 不同类型公募量化基金业绩分布 - 展示各类型公募量化近半年业绩走势，以及近一周和近一年的业绩分布情况，指数增强型基金展示超额收益率表现 [21] 不同类型公募量化绩优基金 - 沪深 300 指数增强绩优基金：如长城久泰沪深 300 近一周超额收益率 1.08% 等 [33] - 中证 500 指数增强绩优基金：如申万菱信中证 500 优选增强近一周超额收益率 0.96% 等 [34] - 中证 1000 指数增强绩优基金：如博道中证 1000 指数增强近一周超额收益率 1.07% 等 [35] - 其他指数增强绩优基金：如银华中证全指医药卫生增强近一周超额收益率 3.62% 等 [36] - 主动量化绩优基金：如东吴智慧医疗量化策略近一周收益率 7.90% 等 [37] - 市场中性绩优基金：如工银绝对收益近一周收益率 0.46% 等 [38]

量化模型与构建方式 1. **模型名称：PB-ROE-50组合** - **构建思路**：基于PB（市净率）和ROE（净资产收益率）双因子筛选股票，选取估值合理且盈利能力强的标的[23] - **具体构建过程**： 1. 在全市场股票池中计算每只股票的PB和ROE值 2. 对PB和ROE分别进行标准化处理并加权综合得分 3. 选取综合得分前50名的股票构成组合 4. 按月频调仓，动态更新标的[24] 2. **模型名称：私募调研跟踪策略** - **构建思路**：通过跟踪私募机构调研行为挖掘超额收益机会[25] - **具体构建过程**： 1. 统计上市公司接受私募机构调研的频率及参与调研的机构质量 2. 对调研事件赋予权重（如头部私募调研权重更高） 3. 结合基本面指标筛选被调研股票中的优质标的[26] 3. **模型名称：大宗交易组合** - **构建思路**：基于"高成交金额比率+低波动率"原则筛选大宗交易标的[29] - **具体构建过程**： 1. 计算个股大宗交易成交金额占日均成交额比率 2. 计算个股6日成交金额波动率 3. 选择成交比率高且波动率低的股票构建组合[30] 4. **模型名称：定向增发组合** - **构建思路**：利用定向增发事件驱动效应构建投资组合[35] - **具体构建过程**： 1. 以股东大会公告日为事件节点 2. 结合市值因子和仓位控制规则 3. 筛选近期发布定增预案且估值合理的标的[36] --- 模型的回测效果 1. **PB-ROE-50组合** - 中证500超额收益1.15%（本周），今年以来2.19%[24] - 中证800超额收益0.29%（本周），今年以来1.96%[24] 2. **私募调研跟踪策略** - 中证800超额收益2.61%（本周），今年以来9.91%[26] 3. **大宗交易组合** - 中证全指超额收益-0.61%（本周），今年以来23.37%[30] 4. **定向增发组合** - 中证全指超额收益0.12%（本周），今年以来6.18%[36] --- 量化因子与构建方式 1. **因子名称：净利润断层** - **构建思路**：捕捉财报公布后盈利超预期带来的股价跳空缺口[12] - **测试结果**：沪深300股票池本周收益1.30%[13] 2. **因子名称：5日反转** - **构建思路**：计算个股过去5日收益率并反向交易[12] - **测试结果**： - 沪深300股票池本周收益0.38%[13] - 中证500股票池本周收益-0.49%[15] 3. **因子名称：毛利率TTM** - **构建思路**：采用滚动12个月毛利率衡量企业盈利能力[14] - **测试结果**：中证500股票池本周收益1.65%[15] 4. **因子名称：动量弹簧因子** - **构建思路**：结合短期动量与均值回归特性[12] - **测试结果**： - 沪深300股票池本周收益-1.12%[13] - 流动性1500股票池本周收益-1.07%[17] --- 因子的回测效果 1. **大类因子表现** - 动量因子：本周收益0.12%[18] - 规模因子：本周收益-0.40%[18] 2. **行业内因子表现** - 钢铁行业：净利润增长率因子表现最佳[21] - 煤炭行业：EP因子表现突出[22] 3. **单因子表现（沪深300）** - 成交量的5日指数移动平均：1.15%[13] - 对数市值因子：-1.02%[13] 4. **单因子表现（中证500）** - 单季度ROA：1.40%[15] - 早盘后收益因子：-0.64%[15]

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）双因子筛选股票，选取估值合理且盈利能力强的标的[23] - **模型具体构建过程**： 1. 在全市场股票池中计算每只股票的PB和ROE值 2. 对PB和ROE分别进行标准化处理并加权综合得分 3. 选取综合得分前50名的股票构成组合 4. 按月频调仓，控制行业和市值暴露[23][24] 2. **模型名称：私募调研跟踪策略** - **模型构建思路**：通过跟踪私募机构调研行为挖掘超额收益机会[25] - **模型具体构建过程**： 1. 统计上市公司接受私募调研的频率和机构数量 2. 计算调研热度指标：$$调研得分 = \frac{调研次数}{行业均值} + log(参与机构数)$$ 3. 结合基本面筛选（如ROE>10%）构建组合[25][26] 3. **模型名称：大宗交易组合** - **模型构建思路**：基于"高成交金额比率+低波动率"原则筛选大宗交易标的[29] - **模型具体构建过程**： 1. 计算大宗交易成交金额比率：$$成交比率 = \frac{大宗交易金额}{日均成交额}$$ 2. 计算6日成交金额波动率 3. 选取成交比率前30%且波动率后30%的股票[29][30] 4. **模型名称：定向增发组合** - **模型构建思路**：利用定向增发事件窗口期的超额收益效应[35] - **模型具体构建过程**： 1. 以股东大会公告日为事件日 2. 筛选增发比例>5%且发行折价率<20%的标的 3. 按市值分层加权构建组合[35][36] 模型的回测效果 1. **PB-ROE-50组合** - 中证500超额收益1.15%（本周），今年以来2.19%[24] - 中证800超额收益0.29%（本周），今年以来1.96%[24] - 全市场超额收益-0.30%（本周），今年以来2.43%[24] 2. **私募调研跟踪策略** - 中证800超额收益2.61%（本周），今年以来9.91%[26] - 绝对收益2.18%（本周），今年以来8.47%[26] 3. **大宗交易组合** - 中证全指超额收益-0.61%（本周），今年以来23.37%[30] - 绝对收益-1.30%（本周），今年以来23.91%[30] 4. **定向增发组合** - 中证全指超额收益0.12%（本周），今年以来6.18%[36] - 绝对收益-0.58%（本周），今年以来6.64%[36] 量化因子与构建方式 1. **因子名称：净利润断层** - **构建思路**：捕捉业绩超预期带来的价格跳空缺口[12] - **具体构建**：$$因子值 = \frac{公告日收盘价-前日收盘价}{前日收盘价} - 行业均值$$[13] 2. **因子名称：成交量的5日指数移动平均** - **构建思路**：反映短期资金流向[12] - **具体构建**：$$EMA_5(成交量) = \alpha \times 当日成交量 + (1-\alpha) \times 前日EMA$$，α=0.33[13] 3. **因子名称：动量弹簧因子** - **构建思路**：识别超跌反弹机会[12] - **具体构建**：$$因子值 = \frac{1月收益率}{过去6月波动率}$$[13] 4. **因子名称：ROIC增强因子** - **构建思路**：衡量资本回报效率的边际变化[15] - **具体构建**：$$因子值 = \frac{本期ROIC-行业ROIC中位数}{上期ROIC-行业ROIC中位数}$$[15] 因子的回测效果 1. **沪深300股票池** - 净利润断层：1.30%（本周），6.59%（近1年）[13] - 成交量的5日EMA：1.15%（本周），5.18%（近1年）[13] - 动量弹簧因子：-1.12%（本周），9.15%（近1年）[13] 2. **中证500股票池** - 毛利率TTM：1.65%（本周），0.98%（近1年）[15] - 单季度ROA：1.40%（本周），3.30%（近1年）[15] - 5日反转：-0.49%（本周），8.70%（近1年）[15] 3. **流动性1500股票池** - 5日平均换手率：0.45%（本周），7.94%（近1年）[17] - 动量弹簧因子：-1.07%（本周），19.54%（近1年）[17] - 单季度净利润同比增长率：-1.19%（本周），18.07%（近1年）[17] 大类因子表现 - 动量因子：本周0.12%[18] - 成长性因子：本周0.04%[18] - 规模因子：本周-0.40%[18]

核心观点 - 量化私募念空科技与上海交大计算机学院合作发表大模型研究论文，提出"自适应混合训练方法论"，成为首家闯入国际顶会NIPS的中国量化机构 [3][4][5] - 公司在DeepSeek基础上提出交替进行SFT和RL的新训练框架，实验证明在三个公开数据集上优于单独SFT、单独RL及简单混合方法 [5][23][24][25][27] - 公司通过产学研结合路径探索大模型在量化投资的应用，同时孵化AllMind进行跨领域大模型底层研究，展现从金融AI向多领域扩展的野心 [10][11][41][42] 技术创新 - 提出动态混合训练框架SASR，通过step-wise自适应算法决定每个训练阶段采用SFT或RL，相比静态混合方法在GSM8K、MATH等数据集上准确率提升显著 [25][27][28] - 实验数据显示SASR框架在1.5B/0.5B参数量下取得0.484平均准确率，优于静态混合的0.326和单独SFT的0.414 [28] - 技术突破点在于发现交替训练可避免过拟合和模型崩溃，类比人类学习中刷题与考试经验交替进行更有效 [24][25] 产学研结合 - 与上海交大合作实现优势互补：高校提供理论研究与人才资源，公司提供算力、工程经验及金融场景 [8][29][34] - 2017年组建3人AI团队起步，2019年将90%实盘模型转为Transformer算法，2021年管理规模达百亿 [17][18] - 当前AI团队规模达数十人，70%-80%为自主培养，通过6个月实习可熟练使用内部一体化研究框架 [37][38][39] 战略布局 - 成立AllMind独立公司专注大模型底层研究，与主营量化业务的念空形成分工：前者侧重基础算法与跨领域应用，后者聚焦金融数据拟合 [40][41] - 基于通义千问3进行垂直领域微调，计划开发面向普通投资者的普惠金融应用 [35][43] - 战略逻辑是通过理解大模型底层原理提升金融预测能力，同时将训练框架迁移至医药、新材料等领域 [11][33][42] 行业洞察 - 金融数据具有量少、信噪比低、不稳定的特点，与互联网数据差异显著，传统机器学习易过拟合 [7][58][59] - 量化模型不需100%准确率，IC值15%-20%即可盈利，关键是在过拟合与欠拟合间找到平衡 [54][61][62] - 大模型可突破传统拟合局限，通过跨模态理解带来超额信息，但需针对金融特点调整训练方法 [19][32][49]

市场现状分析 - 当前市场呈现低波动状态 上证指数每日波动不超过1% 成交量持续萎缩 [1] - 股债汇三大市场罕见同步"躺平" 显示市场预期高度一致 [1][3] - 微盘股异常活跃 市值低于50亿的小票频频创新高 形成流动性虹吸效应 [3][5] 资金动向解读 - GJD操作具有长期规划特性 去年9月24日启动的行情经过三个月酝酿完成反杀 [5][6] - 机构常用震仓陷阱清洗浮筹 通过制造5%左右的下跌诱导散户止损 [6][8] - 量化工具可识别机构真实意图 如空头回补信号和机构库存数据能区分震仓与出货 [8][10][11] 量化工具价值 - 传统技术分析仅能观察价格变化 量化工具可捕捉资金流向等本质数据 [8] - 机构库存数据维持高位表明大资金未撤离 空头回补信号预示震仓结束 [10][11] - 量化分析可还原市场真相 帮助识别机构操作节奏 弥补散户信息劣势 [14] 市场趋势预判 - 当前低波动状态是重大变盘前兆 三大市场同步往往预示趋势转折 [14] - 理解资金真实动向是获取超额收益的关键 量化工具在此过程中具有独特价值 [14]

核心观点 - 被动投资主动化，主动投资系统化是工银瑞信指数及量化投资部的核心理念 [1][11][15] - 指数产品的第一性原理是为持有人提供收益，而非区分主动或被动 [15][16][23] - 长期盈利是信仰的变现，中期盈利是认知的变现，短期盈利是技术的变现 [4][48] 被动投资主动化 - 主动定义贝塔：通过产品创设主动定义未来能赚钱的贝塔方向，如A50、A500宽基指数和系列红利指数 [2][17] - 主动选择有所为：在建仓期、成分股调整期、大额申赎期三个关键时点进行主动操作优化 [2][21] - 主动选择有所不为：不提供冗余流动性，只针对真实客户需求提供流动性服务 [2][19] 主动投资系统化 - 形成闭环管理的量化投研平台，统一管理因子研究、策略形成、模型构建等环节 [3][35] - 用数据和科学定义投研流程，强调科学性和客观性而非观点碰撞 [3][36] - 形成多资产多策略工作手册并系统化落地，将个人认知转化为平台智慧 [3][35] 产品创新与布局 - 红利主题产品持续迭代：从深圳红利到港股红利再到智选质量红利指数 [17] - 港股通科技30ETF(159636)加入智能驾驶龙头企业，兼顾覆盖度和锐度 [17] - 指数增强产品布局遵循三原则：贝塔方向、用户需求、自身阿尔法能力 [27][28] 量化投资方法论 - 量化产品类似L3-L4级自动驾驶，需清晰策略定义和尾部风险管理 [25][26] - 通过多资产视角发现系统性机会，如债券信用利差映射股票大小市值 [30] - 团队多元化背景形成互补：自营出身的风险管理、数学系的AI阿尔法、策略研究的中观因子把握 [32][33][34] 团队与文化 - 开放文化：平等讨论带来多元视角 [46][50] - 包容文化：对短期业绩落后有机制保护，给予策略验证时间 [46][50] - 团队协作：每人独立负责策略板块并平台共享，形成投研体系护城河 [47][51] 市场展望 - 港股市场具有系统性机会，创新药行业处于Alpha周期向上拐点 [37] - 红利主题股息率在无风险利率环境下具有吸引力 [37] - 通过ARC系统(Active-Reversion-Certainty)跟踪统一变量进行多资产决策 [42]

华夏时报（www.chinatimes.net.cn）记者 张玫 帅可聪 北京报道 2025年5月15日，一则股权变动公告在资管行业掀起波澜——博道基金原股东史伟将所持3%股份转让给基金经理 杨梦。 而据《华夏时报》记者了解，杨梦除了直接持股3%，还通过持股平台间接持股，合计持有公司股份超过5%，成 为这家"私转公"公募机构的重要股东。 作为博道基金量化投资总监，杨梦个人管理规模达129.36亿元，占公司公募总规模（233.51亿元）的55.4%，这一 集中度在业内罕见。 公司让杨梦持股，是否是为了留住核心人才？一位接近博道基金的知情人士表示："持股情况是根据公司章程来安 排的，基于激励优秀员工的考虑，由杨梦受让此部分股权。" 起源于持股员工离职 另据内部人士表示，博道基金的整个核心管理团队整体稳定性非常高，从2013年至今，只发生过这一次高管离 职。杨梦是2014年加入博道，从投资经理一步一步走来，是公司内部培养的典型人才。 博道基金杨梦 上述知情人士表示，博道基金在公司申请设立初期，就设计了目前的专业人士作为自然人股东加员工持股平台的 股权结构，这一安排在获得监管部门批复后实施，延续至今，起到了完善公司治 ...

百亿基金经理晋升"大股东" 作者 | 刘银平 编辑 | 付影 来源 | 独角金融 博道基金的"王牌"基金经理杨梦，通过受让原股东史伟3%的股份，持股比例升至5%以上，一跃成为公 司的"大股东"。 杨梦是一名博道"老将"，目前管理17只基金产品，基金资产总规模为129.36亿元，占博道基金全部产品 规模的55.4%。持股比例上升，意味着其与博道基金的利益捆绑加深。 2017年6月成立的博道基金，是一家"个人系"公募，截至2025年4月末基金资产规模为233.51亿元。和大 部分"重债轻股"的基金公司不同，博道基金的权益基金表现更加突出，股票型、混合型基金规模占比达 到86.93%，但近年来规模不稳。 作为公司的核心人物、唯一的百亿基金经理，晋级为公司大股东后，将会给博道基金带来什么? 1 博道基金5月15日公告，原公司股东史伟将其持有的3%股份转让于杨梦，本次股权变更后，杨梦直接及 通过员工持股平台合伙企业间接持有公司 5%以上股权。在《证券法》和《公司法》的相关规定中，持 股5%以上通常被视为"重要股东"或"大股东"，股权发生变更时需经监管部门批准。 | 股东名称 | 用资比例 | | --- | --- | ...

报告核心观点 - 沪深300指数成分股呈大市值、高盈利特征，在估值、成长上的暴露较为均衡 [2] - 采用风格均衡、策略构建均衡、增加风控模块三种方式构建的组合，全区间信息比都大于1，且每年相对沪深300指数超额收益均为正 [3] - 增加风控模块方式风控最直接，组合跟踪误差最小；风格均衡、策略构建均衡两种方式，超额收益相对较高，2016年以来，滚动3年累计绝对收益率、超额收益率均为正 [4] 沪深300指数的风格特征 - 沪深300指数风格特征为偏大市值，注重公司基本面，在估值和成长上较为均衡 [16] 跑赢沪深300指数的3种组合构建方法尝试 风格均衡组合 - 价值、成长均衡组合年化超额收益13.1%，信息比1.23，除2020年与基准持平外，其余年份年化超额收益均在4%以上 [27] - 可在风格均衡组合基础上增加弹性较大的卫星组合，如健康小市值策略，构建方式为全A剔除估值最高20%的股票，在剩余股票中用9个因子多因子打分，小市值因子权重20%，其余因子权重10%，季度调仓 [30] - 配置卫星组合后，超额收益、信息比均有所提升 [32] 构建过程中的均衡 - PB - ROE组合综合估值水平和盈利能力选股，GARP组合综合估值水平和增长水平选股，两个组合构建过程保持价值和成长的均衡性，单个组合相对沪深300指数超额收益较稳定，月胜率在60%以上，复合之后分年度超额收益分布更均匀，月胜率更高 [34][37] 增加风控模块，定量约束风险 - 无约束组合超额收益波动大，约束相对基准指数的风格、行业、个股偏离可降低收益波动，风格偏离0.3、行业偏离3%、个股偏离1%的组合，相对沪深300指数年化超额9.0% [43]

当全球资管行业还在对大模型等新兴算法工具应用于投资策略分析的可行性进行探索时，来自中国的头 部量化私募机构正密集进行技术储备，并有望借助新技术实现"超车"。 日前，又一"国产"量化基金秀出了自身的算法"肌肉"：上海念空数据科技中心(以下简称"念空科技")通 过与上海交通大学计算机学院的合作，提出了一种全新的大模型后训练方法。相关研究论文已投向人工 智能领域的顶级会议神经信息处理系统大会(NIPS)并于5月20日发表。 该论文发表后引起行业高度重视。有业内人士认为，自幻方量化推出大模型DeepSeek并开源后，如何 将大模型应用于量化交易备受市场关注，但截至目前，即便是幻方量化自身也尚未公布成熟的应用案 例。念空科技或许抢到了大模型应用于量化投资的"头啖汤"。 5月20日，念空科技董事长、首席投资官王啸在接受《证券日报》记者采访时进一步透露，念空科技已 开始将大模型应用于量化决策中，在企业内部的测试中，其大模型已展现出接近传统AI策略的预测能 力。 与中国量化对于大模型的积极拥抱态度有所不同，当前，全球头部量化机构对大模型仍持谨慎态度，推 进大模型应用的节奏相对缓慢。纵观全球资管市场，海外量化巨头虽储备大量算力 ...