文章核心观点 - 量化投资在股票市场博弈中胜出的关键在于对数据的全面收集和深度分析，结合数学模型与算法从海量数据中挖掘隐藏的市场规律[1] - 文章提出使用更精细的Level 2逐笔订单数据来改进传统的基于分钟频数据构建的Alpha因子，通过识别日内重点时段（KeyPeriod）的量价特征，构建了4大类共123个新的Level 2因子[1][12] - 新构建的重点时段因子在历史回测中表现出显著的选股能力，多个因子的RankIC均值和胜率均处于较高水平，并在主要宽基指数上展现出稳定的增强收益[2][20] Level 1与Level 2行情数据介绍 - 股票行情数据主要分为Level 1和Level 2两类，Level 1数据为3秒一笔的快照数据，包含5档买卖价量等基础信息[6] - Level 2数据不仅提供频率相同但更丰富的快照数据（如10档买卖价量、前50笔委托等），还包含了Level 1所没有的逐笔订单数据[6] - 逐笔订单数据是行情数据的根源，记录了精确到毫秒的每一笔订单的详细信息，包括时间、价格、数量、金额及买卖方向等，不同频率的快照数据均由逐笔数据聚合而成[6][9] 相关研究工作 - 该团队此前已发布多篇“海量Level 2数据因子挖掘”系列研究报告，从不同维度挖掘了数百个有效因子[10] - 相关研究包括：基于“大小订单”维度构建的94个大小单因子，其精选组合历史RankIC均值为9.2%，胜率为76.0%[10]；基于“订单成交完成时长”维度构建的22个长短单因子，其精选组合历史RankIC均值为13.1%，胜率为80.3%[10]；结合“大小”和“长短”维度构建的240个订单因子，其精选组合历史RankIC均值为13.3%，胜率为78.3%[10]；基于集合竞价数据构建的15个因子；以及基于市价订单构建的若干因子[10] - 部分绩优因子已纳入广发金工Alpha因子数据库超过一年，跟踪表现优异，在2020年1月1日至2025年11月28日期间的全市场月度换仓测试中，多个因子显示出较高的RankIC和胜率[10][11] 用逐笔订单数据改进分钟频因子 - 研究核心是采用Level 2逐笔订单数据对传统的分钟频Alpha因子进行改进，其逻辑基础是识别基于成交量、涨跌幅、股价等指标划分出的日内重点分钟时段，并统计这些时段内的量价特征[12] - 基于此方法，构建了名为“KeyPeriod”的4大类共123个Level 2因子，包括涨跌类、价格类、成交金额类和量价协同类，并进一步区分了不同阈值标准以及主买/主卖方向[12] 新构建因子的表现摘要 - **涨跌类因子（33个）**：横盘时段因子`KeyPeriod_ret_zero`的20日换仓历史RankIC均值为-5.36%，胜率为85.1%；下跌时段因子`KeyPeriod_ret_low5pct`的20日换仓历史RankIC均值为5.47%，胜率为84.1%[2] - **价格类因子（30个）**：低价时段因子`KeyPeriod_price_low5pct`的20日换仓历史RankIC均值为5.59%，胜率为85.3%[2] - **成交金额类因子（30个）**：大成交金额时段因子`KeyPeriod_amount_top30pct`的20日换仓历史RankIC均值为11.23%，胜率为84.8%；小成交金额时段因子`KeyPeriod_amount_low50pct`的20日换仓历史RankIC均值为-10.50%，胜率为75.0%[2] - **量价协同类因子（30个）**：量价背离时段因子`KeyPeriod_sync_low50pct`的20日换仓历史RankIC均值为6.00%，胜率为81.5%[2] 选股表现（以6个优选因子为例） - 研究从123个因子中挑选了6个表现较优的因子进行详细测试，测试期为2020年1月1日至2025年11月28日，采用月度换仓方式[20] - **`KeyPeriod_ret_zero`（横盘时段因子）**：在中证全指上，2020-2025年总超额收益为26.50%，年化超额收益率为4.10%，信息比率为1.94[40]；在中证1000上，同期总超额收益为25.49%，年化超额收益率为3.96%[35] - **`KeyPeriod_ret_low5pct`（下跌时段因子）**：在中证全指上，2020-2025年总超额收益为32.39%，年化超额收益率为4.92%，信息比率为1.90[57]；在中证1000上，同期总超额收益为36.79%，年化超额收益率为5.50%[48] - **`KeyPeriod_price_low5pct`（低价时段因子）**：在中证全指上，2020-2025年总超额收益为40.87%，年化超额收益率为6.04%，信息比率为2.71[67] - **`KeyPeriod_amount_top30pct`（大成交金额时段因子）**：在中证全指上，2020-2025年总超额收益为33.03%，年化超额收益率为5.00%[89] - **`KeyPeriod_amount_low50pct`（小成交金额时段因子）**：在沪深300上，2020-2025年总超额收益为21.84%，年化超额收益率为3.44%[94] - **`KeyPeriod_sync_low50pct`（量价背离时段因子）**：在中证500上，2020-2025年总超额收益为16.48%，年化超额收益率为2.64%[108]

上市表现 - 摩尔线程于2025年12月5日登陆科创板，上市首日股价一度涨幅超过500%，最高达到688元/股，随后涨幅收窄至600元/股以下，截至上午10:38报575.01元/股 [3][14] - 公司发行7000万股新股，发行价为114.28元/股，以盘中最高价688元/股计算，中一签（500股）可获利约28.69万元 [3][14] - 网上发行共有482万户股民参与申购，中签率低至0.036%，相当于每1万名申购者中仅有不到4人中签 [3][14] - 网下发行部分共有267家机构投资者参与，总申购数量达704.06亿股，最终仅获配3920万股 [3][14] 创始人及高管持股价值 - 创始人、董事长兼总经理张建中直接和间接持股比例为12.7304%，按发行前总股本40002.8217万股及600元/股股价计算，其持股价值超过300亿元 [5][15][16] - 联合创始人周苑间接持股比例为4.0161%，持股价值约96.39亿元；张钰勃间接持股比例为4.8894%，持股价值约117.35亿元；王东间接持股比例为4.0161%，持股价值约96.39亿元 [6][16] - 公司至少有9位高层及核心技术人员因持股在上市时身价过亿元 [5][14] 股份锁定期安排 - 根据科创板规则，若无控股股东或实际控制人，相关股东所持首发前股份自上市之日起36个月内不得转让 [6][17] - 张建中设定了额外锁定期，若公司2027年仍未盈利或上市当年利润比上市前下跌超过50%，锁定期在原有基础上再延长12个月 [7][17] 机构投资者参与情况 - 网下申购中，113家私募的2019只产品合计获配50.17万股，获配金额为5734.10万元，包括49家百亿级私募、22家50-100亿私募、27家20-50亿私募和15家10-20亿私募 [8][17] - 获配金额前三的量化机构为宁波幻方量化（获配6.13万股，金额约700.59万元）、上海衍复投资（获配6.004万股，金额约686.17万元）、九坤投资（获配约3.97万股，金额约453.65万元） [8][18] - 按600元/股计算，上市首日宁波幻方量化账面盈利超过2800万元 [10][19] - 战略配售引入10家投资者，包括中信证券投资、天翼资本、美团子公司深圳三快网络科技、中国保险投资基金等，合计投资金额15.9992亿元，其中中国保险投资基金获配437.52万股，金额4.999亿元，为最大战略投资方，限售期12至24个月 [10][20]

公募FOF行业的发展与定位 - 公募FOF产品在2025年成为基金业令人瞩目的品种，其天然具备“多元投资”和“资产配置”功能，且“一站式”投资定位日益受到市场认可 [1] - 行业现状是满足定位稳定、逻辑清晰、由经验丰富团队管理的优秀FOF产品及管理人并不多见 [1] 富达基金的FOF管理优势 - 富达作为海外FOF和基金投顾龙头，在美、英、日、德、中国香港等多地拥有丰富的养老金管理经验及领先市场份额 [1] - 富达FOF的管理并非仅依赖基金经理，而是由团队分工合作，并得到庞大投研体系及多年累积的理念和系统支撑 [2] - 公司拥有全球丰富的策略实时表现数据、全球通用风控体系、重要风险事件提示以及成熟的AI投资工具来协助组合优化 [2] - 公司在中国建设了“富达中国多元资产配置系统（NEMO）”，协助基金经理完成从战略配置到标的选择四个层面的投资把控 [2] - 富达将FOF视为一种资产配置工具，并认为养老是FOF产品最大的需求场景 [6] 投研体系与团队配置 - 富达FOF管理强调团队协作与体系支撑，而非单一个体决策 [2][3] - 公司高度重视“在地研究”，其全球大类资产战略性配置及关键市场配置建议由遍布全球的资深团队成员赋能完成 [14] - 公司对人才的重视、培养和积累是其投研体系的核心之一 [14] 投资理念与系统支撑 - 富达的投资体系采用从实践到量化再到实践的开发模式 [5] - 公司拥有强大的系统支撑，例如NEMO系统，该系统将投研人员串联，为组合资产配置的各个环节提供支撑，并成为团队投资智慧互动、留存和迭代的载体 [15] - NEMO系统名称寓意“独立思考、不随众人”的投资文化 [15] 投资决策流程与风控 - 富达FOF管理采用主动和量化“双线决策”、多层均衡的模式，在组合构建的至少四个层面（战略资产配置、大类资产配置、行业/风格配置、标的选择）均进行量化系统与主观决策系统的均衡 [17] - 该体系旨在每个环节发掘阿尔法（超额收益），并最大程度避免投研链条上的情绪化操作，因为有量化结果作为映射和记录 [17][18] - 系统保证了产品定位不漂移，并使基金经理能像在超市购物一样完成组合构建的优选和配置 [18] 具体产品案例与业绩 - 富达FOF专户产品在近年实现了较为良好的投资业绩回报和回撤管理 [16] - 举例：2023年，通过研究日本企业利润（尽管当时日本GDP连续两个季度负增长，但企业利润是成熟市场增速最快的）并与海外团队互动，富达FOF团队增配了日股ETF，取得了较好的投资效果 [12] - 在专户管理中，应用富达全球投研体系成果，在既定框架内发挥基金经理主动性，帮助产品回避了许多风险，实现了较为稳健的收益 [12] 新产品特色：富达任远保守养老FOF - 该产品是市场上第一只基准中包含海外市场指数的养老FOF基金，其业绩比较基准除中国资产外，还包含恒生指数、标普500和黄金 [19] - 历史回测数据显示，加入黄金和海外市场指数做基准的产品组合，比同等风险的“15%股票+85%固收”基金，在收益和回撤上都有相当的改善 [19] - 作为全球养老投资龙头在国内发行的第一只养老FOF产品，其将充分利用公司系统和团队支持，以完成充分多元化后的风险控制和超额收益挖掘 [21] 公司的长期战略与文化 - 富达母公司作为非上市公司，其治理结构更重视长期战略，能承受短期盈利波动，这保证了公司在战略业务上的投入巨大且长期，执行上有很大耐心 [14] - 例证：为拓展养老金业务曾收购印刷厂以满足长期产品资料印刷需求；为支持亚太地区服务，十八年前就在大连成立了专门的金融科技公司，此类长期布局在全球同行中非常少见 [14]

公募基金年末分红与限购现象分析 - 2025年末公募基金市场出现分红与限购并存的矛盾操作 截至12月4日，年内3364只基金累计分红约2155.17亿元，其中华泰柏瑞沪深300ETF分红83.94亿元居首 同时，中欧基金旗下4只产品将单日申购限额降至1万元 [1][2] - 分红行为被解释为盈利兑现，但量化视角下大规模分红常出现在市场转折点前，是机构调整仓位、为来年布局腾出空间的表现 例如易方达科翔混合在11月两次分红合计1.05亿元 [3] - 限购行为反映了基金经理的风险规避心理，旨在避免基金规模过大影响业绩 同时，同行间的分红与限购操作也存在羊群效应 [9] 量化分析揭示的市场资金意图 - 量化分析能穿透市场表象，识别资金真实动向 相同的K线形态下可能隐藏完全不同的资金意图，例如“机构震仓”与“散户回补”在量化数据上特征迥异 [6] - “机构震仓”特征为机构库存持续活跃、交易量呈现规律性波动，后续上涨概率大 而“散户回补”特征为机构库存时有时无、交易量杂乱无章，后续可能继续下跌 案例显示，具备前者特征的股票后续上涨30%，后者则下跌15% [6][8] - 投资决策应基于客观数据，遵循“三个不看”原则：不看冷热、不看涨跌、不看高低 牛市中的核心原则是“适时换股”强于“盲目持股” [4] 行为金融学下的年末市场效应 - 基金经理的操作体现了典型的“年末效应”，包括业绩锁定心理和风险规避心理 通过分红锁定年度收益，并通过限购控制规模 [9] - 部分机构观点认为12月已进入春季躁动布局期，但量化数据显示聪明的资金早在11月就已开始行动 [8] - 市场存在日历效应，如港股红利板块的日历效应已被观察到，但准确把握其规律存在难度 [8] 对普通投资者的启示与建议 - 投资者不应被表象迷惑，需认识到分红不一定是利好，限购也不一定是利空 关键在于分析背后的资金意图 [13] - 建议投资者关注资金真实动向，学会使用量化工具进行分析 在信息泛滥的时代，数据本身更为可靠 [12][14] - 投资者应建立适合自己的分析框架，而非盲目听从专家观点 [13] 2026年量化投资展望 - 随着AI技术发展和大数据普及，量化投资将迎来黄金时代，个人投资者也能获得以往仅机构掌握的分析工具 [12] - 行业选择方面，非银金融、有色金属等领域被看好 但比行业选择更重要的是把握资金动向 [12]

私募产品备案整体情况 - 11月私募市场共计备案1285只私募证券产品 环比大增29.28% 创下年内月度备案量次高 反映出私募机构年底发行产品意愿强烈 [1] - 股票策略产品是绝对主力 11月备案849只 占比高达66.07% 显示投资者借市场调整布局的意愿明显 [1] 各策略产品备案分布 - 多资产策略备案产品193只 占比15.02% 该策略通过跨资产类别配置以打破单一资产波动限制 适应市场风格切换 [1] - 期货及衍生品策略在量化产品中占主导 该策略下量化产品备案80只 占该策略备案产品总量的66.12% 显示量化投资已成为该策略主流模式 [2] 量化私募产品表现 - 11月量化私募产品备案表现亮眼 共计备案565只 占比为43.97% [2] - 股票策略是量化私募核心布局领域 备案产品数量达402只 在量化产品中占据绝对主导地位 [2]

根据提供的研报内容，以下是关于量化因子与模型的总结。 量化因子与构建方式 1. **因子名称**：涨跌类因子 (KeyPeriod_ret) [7][25][26] - **因子构建思路**：基于分钟频因子构建逻辑的改进，采用逐笔订单数据，通过识别日内不同涨跌幅表现的重点时段（如横盘、下跌、上涨时段），并统计这些时段内的量价特征来构建因子[7][25] - **因子具体构建过程**：首先，根据分钟线的涨跌幅对交易日内的分钟时段进行分类，例如，将涨跌幅接近于零的时段定义为横盘时段 (ret_zero)，将涨跌幅处于最低5%的时段定义为下跌时段 (ret_low5pct)，将涨跌幅处于最高5%的时段定义为上涨时段 (ret_top5pct)。然后，在这些定义出的关键时段内，使用Level 2逐笔订单数据计算特定的量价指标。构建过程还包含了主买 (buy) 和主卖 (sell) 的区分，例如 KeyPeriod_ret_low5pct_buy 和 KeyPeriod_ret_low5pct_sell，分别代表在下跌时段内的主买和主卖相关特征[26][27][30] 2. **因子名称**：价格类因子 (KeyPeriod_price) [7][25][31] - **因子构建思路**：通过识别日内股价相对高低的关键时段，并统计这些时段内的量价特征来构建因子[7][25] - **因子具体构建过程**：根据分钟线的价格水平对交易日内的分钟时段进行分类，例如，将价格处于最低5%的时段定义为低价时段 (price_low5pct)，将价格处于最高5%的时段定义为高价时段 (price_top5pct)。然后，在这些关键时段内使用Level 2逐笔订单数据计算量价指标。同样包含主买 (buy) 和主卖 (sell) 的区分，例如 KeyPeriod_price_low5pct_buy 和 KeyPeriod_price_low5pct_sell[32] 3. **因子名称**：成交金额类因子 (KeyPeriod_amount) [7][25][34] - **因子构建思路**：通过识别日内成交金额相对大小的关键时段，并统计这些时段内的量价特征来构建因子[7][25] - **因子具体构建过程**：根据分钟线的成交金额对交易日内的分钟时段进行分类，例如，将成交金额处于最高30%的时段定义为大成交金额时段 (amount_top30pct)，将成交金额处于最低50%的时段定义为小成交金额时段 (amount_low50pct)。然后，在这些关键时段内使用Level 2逐笔订单数据计算量价指标。构建过程也包含了主买 (buy) 和主卖 (sell) 的区分，例如 KeyPeriod_amount_top30pct_buy 和 KeyPeriod_amount_top30pct_sell[35] 4. **因子名称**：量价协同类因子 (KeyPeriod_sync) [7][25][37] - **因子构建思路**：通过识别日内量价关系（协同或背离）的关键时段，并统计这些时段内的量价特征来构建因子[7][25] - **因子具体构建过程**：首先需要定义一个量价协同指标（具体公式未在提供内容中明确给出，但逻辑是衡量价格变动与成交量变动的一致性），然后根据该指标对交易日内的分钟时段进行分类，例如，将量价协同度处于最低50%的时段定义为量价背离时段 (sync_low50pct)，将量价协同度处于最高5%的时段定义为量价协同时段 (sync_top5pct)。接着，在这些关键时段内使用Level 2逐笔订单数据计算量价指标。构建过程同样包含主买 (buy) 和主卖 (sell) 的区分，例如 KeyPeriod_sync_low50pct_buy 和 KeyPeriod_sync_low50pct_sell[38] 因子的回测效果 1. **KeyPeriod_ret_zero 因子** (20日换仓，5日平滑因子)，RankIC均值: -5.36%，胜率: 85.1% [7][27] 2. **KeyPeriod_ret_low5pct 因子** (20日换仓，5日平滑因子)，RankIC均值: 5.47%，胜率: 84.1% [7][27] 3. **KeyPeriod_price_low5pct 因子** (20日换仓，5日平滑因子)，RankIC均值: 5.59%，胜率: 85.3% [7][32] 4. **KeyPeriod_amount_top30pct 因子** (20日换仓，5日平滑因子)，RankIC均值: 11.23%，胜率: 84.8% [7][35] 5. **KeyPeriod_amount_low50pct 因子** (20日换仓，5日平滑因子)，RankIC均值: -10.50%，胜率: 75.0% [7][35] 6. **KeyPeriod_sync_low50pct 因子** (20日换仓，5日平滑因子)，RankIC均值: 6.00%，胜率: 81.5% [7][38]

量化模型与因子总结 量化因子与构建方式 1. **因子名称**：超预期因子大类[7] * **因子构建思路**：基于PEAD效应，利用公司实际发布的财务数据与分析师一致预期之间的差异来构建选股因子，认为业绩超预期的公司未来股价有更好表现[7]。 * **因子具体构建过程**：报告未详细描述具体构建公式，但指出其详细介绍参见系列报告《基于PEAD效应的超预期因子选股效果如何》[7]。报告中列出的具体因子均进行了标准化和市值行业中性化处理[32]。 2. **因子名称**：高频分钟因子大类[7] * **因子构建思路**：基于分钟级别的高频行情数据，捕捉市场微观结构特征和交易行为信息，用于选股[7]。 * **因子具体构建过程**：报告未详细描述具体构建公式，但指出其详细介绍参见系列报告《基于分钟数据的高频因子选股效果研究》[7]。报告中列出的具体因子均进行了标准化和市值行业中性化处理[32]。 3. **因子名称**：基本因子大类[7] * **因子构建思路**：从估值、盈利、成长、公司治理、价量等多种传统投资逻辑出发构建常用因子库[32]。 * **因子具体构建过程**：报告未详细描述每个基本因子的具体计算公式。报告中列出的所有单因子在具体使用前，均会进行统一的预处理和中性化处理，具体步骤如下[32]： 1. **原始值计算**：根据各因子的投资逻辑初步计算得到因子原始值。 2. **去极值**：采用绝对中位数法对因子原始值进行去极值处理。 3. **标准化**：对去极值后的数据进行Z-Score标准化。 4. **市值行业中性化**：以每个股票标准化后的因子值作为因变量，以对数市值和中信一级行业虚拟变量作为自变量，进行横截面回归。将回归后的残差作为每个股票的最终因子值。 公式说明：此过程旨在消除市值和行业对因子选股效果的影响，使因子更纯粹地反映其背后的投资逻辑[32]。 4. **因子名称**：单季度营业收入同比增长率[33][37][39] * **因子构建思路**：属于成长类因子，衡量公司最近一个季度营业收入的同比增长情况，增长率越高代表成长性越强[39]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 5. **因子名称**：单季度归母ROE[33][39][40] * **因子构建思路**：属于盈利类因子，衡量公司最近一个季度归属于母公司股东的净资产收益率，值越高代表盈利能力越强[39][40]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 6. **因子名称**：单季度归母ROA变动[33][39] * **因子构建思路**：属于成长类因子，衡量公司最近一个季度归母ROA相对于之前时期的变化，变动越大可能表示盈利能力的改善趋势越强[39]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 7. **因子名称**：分析师预测净利润增长率FY3[34][39] * **因子构建思路**：属于分析师类因子，采用分析师对公司未来第三年净利润增长率的预测共识，增长率越高代表未来成长预期越好[39]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 8. **因子名称**：分析师预测营收增长率-FY3[34][37][39] * **因子构建思路**：属于分析师类因子，采用分析师对公司未来第三年营业收入增长率的预测共识，增长率越高代表未来成长预期越好[39]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 9. **因子名称**：分析师预测营收FY3的120日变动[34][39] * **因子构建思路**：属于分析师类因子，衡量分析师对公司未来第三年营收预测共识在过去120日内的变动，向上修正可能代表基本面预期好转[39]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 10. **因子名称**：标准化预期外单季度归母ROE-带漂移项[35][39] * **因子构建思路**：属于超预期类因子，衡量公司单季度实际归母ROE与分析师预期之间的差异，并经过带漂移项的标准化处理，值越大表示业绩超预期幅度越大[39]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 11. **因子名称**：分析师预测ROE-FY3的120变动[35][37][39] * **因子构建思路**：属于分析师类因子，衡量分析师对公司未来第三年ROE预测共识在过去120日内的变动，向上修正可能代表盈利能力预期提升[39]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 12. **因子名称**：标准化预期外单季度归母净利润-带漂移项[35][39] * **因子构建思路**：属于超预期类因子，衡量公司单季度实际归母净利润与分析师预期之间的差异，并经过带漂移项的标准化处理，值越大表示业绩超预期幅度越大[39]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 13. **因子名称**：过去90日报告上调比例[36][39] * **因子构建思路**：属于分析师超预期类因子，统计过去90天内分析师发布的研究报告中上调评级或盈利预测的比例，比例越高代表市场对公司看法越积极[39]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 14. **因子名称**：标准化预期外单季度扣非净利润-带漂移项[36][39] * **因子构建思路**：属于超预期类因子，衡量公司单季度实际扣非净利润与分析师预期之间的差异，并经过带漂移项的标准化处理，值越大表示业绩超预期幅度越大[39]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 15. **因子名称**：5分钟成交量偏度[36][40] * **因子构建思路**：属于高频分钟类因子，基于5分钟数据计算成交量分布的偏度，捕捉异常交易行为[40]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 16. **因子名称**：分析师预测ROA-FY3的120变动[37][39] * **因子构建思路**：属于分析师类因子，衡量分析师对公司未来第三年ROA预测共识在过去120日内的变动[39]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 17. **因子名称**：EPS120日变动FY3[37][39] * **因子构建思路**：属于分析师类因子，衡量分析师对公司未来第三年每股收益预测共识在过去120日内的变动[39]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 18. **因子名称**：分析师预测净利润FY3的120日变动[37][39] * **因子构建思路**：属于分析师类因子，衡量分析师对公司未来第三年净利润预测共识在过去120日内的变动[39]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 19. **因子名称**：60日特异度[33][34][35][36][37][40] * **因子构建思路**：属于价量类因子，可能衡量股票收益率与市场收益率之间的特异性或残差波动，值越小可能表示与市场关联度越低或特质风险越小[40]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 20. **因子名称**：成交量方差比率[34][35][36][40] * **因子构建思路**：属于价量或高频类因子，可能衡量不同时间尺度成交量波动的比率，用于探测交易行为的持续性或周期性[40]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 21. **因子名称**：1分钟下行波动率占比[33][40] * **因子构建思路**：属于高频分钟类因子，基于1分钟数据计算下行波动率在总波动率中的占比，捕捉下跌时的波动风险[40]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 22. **因子名称**：20日日均交易金额[33][40] * **因子构建思路**：属于价量类因子，衡量股票近20日的平均交易金额，通常作为流动性或关注度的指标[40]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 23. **因子名称**：EBIT2EV[34][40] * **因子构建思路**：属于估值类因子，即企业价值倍数，衡量公司息税前利润与企业价值的比率，值越大可能代表估值越低或盈利能力越强[40]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 24. **因子名称**：3个月换手率标准差[34][40] * **因子构建思路**：属于价量类因子，衡量过去3个月换手率的波动情况，标准差小可能表示交易活跃度稳定[40]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 25. **因子名称**：净经营资产收益率[35][40] * **因子构建思路**：属于盈利类因子，衡量公司经营资产创造净利润的效率[40]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 26. **因子名称**：股息率[36][40] * **因子构建思路**：属于估值类因子，衡量公司现金分红与股价的比率，是红利投资策略的核心指标[40]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 27. **因子名称**：单季度归母净利润[36][40] * **因子构建思路**：属于盈利类因子，衡量公司最近一个季度的净利润规模[40]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 28. **因子名称**：单季度归母ROA[36][40] * **因子构建思路**：属于盈利类因子，衡量公司最近一个季度归属于母公司股东的总资产收益率[40]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 29. **因子名称**：尾盘成交量波动率[37][40] * **因子构建思路**：属于高频分钟类因子，衡量尾盘时段成交量的波动情况[40]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 因子的回测效果 （注：以下所有因子取值均基于“单因子组合优化”测试，超额收益为因子多头组合相对于基准指数的收益。时间区间为“上周”（2025-11-24至2025-11-28）和“本年”（截至2025-11-28）。数据来源于报告中的单因子表现表[39][40]） 1. **标准化预期外单季度扣非净利润因子**，上周超额收益（沪深300）0.22%，上周超额收益（中证500）0.33%，上周超额收益（中证1000）1.06%，上周超额收益（中证2000）0.20%，上周超额收益（中证全指）0.97%；本年超额收益（沪深300）8.45%，本年超额收益（中证500）4.68%，本年超额收益（中证1000）4.29%，本年超额收益（中证2000）20.71%，本年超额收益（中证全指）6.63%[39] 2. **标准化预期外单季度扣非净利润-带漂移项因子**，上周超额收益（沪深300）-0.10%，上周超额收益（中证500）0.21%，上周超额收益（中证1000）1.61%，上周超额收益（中证2000）-0.36%，上周超额收益（中证全指）0.96%；本年超额收益（沪深300）9.93%，本年超额收益（中证500）4.86%，本年超额收益（中证1000）18.34%，本年超额收益（中证2000）22.18%，本年超额收益（中证全指）12.48%[39] 3. **标准化预期外单季度归母净利润-带漂移项因子**，上周超额收益（沪深300）-0.10%，上周超额收益（中证500）0.21%，上周超额收益（中证1000）1.61%，上周超额收益（中证2000）-0.36%，上周超额收益（中证全指）0.96%；本年超额收益（沪深300）9.93%，本年超额收益（中证500）4.86%，本年超额收益（中证1000）18.34%，本年超额收益（中证2000）22.18%，本年超额收益（中证全指）12.48%[39] 4. **标准化预期外单季度营业收入-带漂移项因子**，上周超额收益（沪深300）0.32%，上周超额收益（中证500）0.37%，上周超额收益（中证1000）1.61%，上周超额收益（中证2000）-0.57%，上周超额收益（中证全指）1.20%；本年超额收益（沪深300）12.12%，本年超额收益（中证500）6.89%，本年超额收益（中证1000）11.95%，本年超额收益（中证2000）20.81%，本年超额收益（中证全指）11.06%[39] 5. **标准化预期外单季度归母净利润因子**，上周超额收益（沪深300）-0.17%，上周超额收益（中证500）0.25%，上周超额收益（中证1000）1.36%，上周超额收益（中证2000）-0.15%，上周超额收益（中证全指）0.67%；本年超额收益（沪深300）14.15%，本年超额收益（中证500）3.76%，本年超额收益（中证1000）14.66%，本年超额收益（中证2000）21.60%，本年超额收益（中证全指）11.00%[39] 6. **标准化预期外单季度营业收入因子**，上周超额收益（沪深300）0.26%，上周超额收益（中证500）0.01%，上周超额收益（中证1000）1.37%，上周超额收益（中证2000）-0.50%，上周超额收益（中证全指）0.87%；本年超额收益（沪深300）13.90%，本年超额收益（中证500）0.65%，本年超额收益（中证1000）11.02%，本年超额收益（中证2000）19.43%，本年超额收益（中证全指）6.38%[39] 7. **标准化预期外单季度GPOA因子**，上周超额收益（沪深300）0.48%，上周超额收益（中证500）0.52%，上周超额收益（中证1000）0.86%，上周超额收益（中证2000）-0.02%，上周超额收益（中证全指）0.40%；本年超额收益（沪深300）12.44%，本年超额收益（中证500）2.49%，本年超额收益（中证1000）6.55%，本年超额收益（中证2000）11.75%，本年超额收益（中证全指）6.68%[39] 8. **标准化预期外单季度归母ROA因子**，上周超额收益（沪深300）0.01%，上周超额收益（中证500）0.40%，上周超额收益（中证1000）1.

公司概况与荣誉 - 上海蝶威私募基金管理有限公司（蝶威量化）在“2025量化行业高质量发展大会暨金融科技·量化机构金牛奖颁奖典礼”上荣获“三年期金牛量化机构（指数增强策略）”奖项 [1] - 公司成立于2018年，是一家专注于量化投资的私募证券基金管理人 [1] - 公司核心团队具备深厚的跨学科背景，是业内较早将人工智能与机器学习方法应用于金融市场实践的专业量化投资团队 [1] - 目前公司投研与IT团队超过20人，形成了一支以数据科学、人工智能为核心，深度融合投资逻辑的专业队伍 [1] 核心技术与投研框架 - 公司核心优势在于构建了一套端到端强化学习驱动的投研框架，将信号生成、仓位决策、组合优化与风险控制整合进一个闭环系统 [1] - 该框架使模型直接对最终的投资组合表现负责，学习目标是“投资人真正在意的净值曲线”，在追求收益的同时更贴近真实的投资体验 [1] - 公司通过多阶组合优化技术，系统化地生产并筛选大量风格各异的子策略，以增强整体组合抵御波动的能力 [2] 数据挖掘与策略构建 - 公司因子库涵盖传统财务与量价数据，并深度融合非结构化信息，通过自研文本处理体系与大型模型对公司公告、行业政策、事件驱动等另类数据进行“读懂、打标、量化”，转化为有效的预测信号 [2] - 团队深入研究盘口与成交数据，分析订单流背后的微观博弈行为，构建了理解市场短期资金动向的独特能力 [2] - 这种“基本面+另类+微观”的多维数据挖掘，构成了其策略多样性与阿尔法来源的基础 [2] 风险管理体系 - 公司坚持风险“提前规划、实时调节”，在投研体系内置了动态风险预算与风险平价框架，能根据市场波动与策略状态实时调整风险分配 [2] - 风控举措和强化学习策略、组合优化器、交易执行模块整合在同一个闭环系统中，实现了风控与投研交易的深度协同 [2] 未来发展规划 - 公司未来将继续聚焦于端到端强化学习、多源数据挖掘与多阶组合优化的主航道，持续加大技术投入 [3] - 公司致力于为专业机构与高净值投资者提供经得起时间检验、体验更稳健的量化投资解决方案，在不确定性中寻找可持续的确定性 [3]

私募产品备案市场概况 - 11月私募市场共计有1285只私募证券产品完成备案，环比大增29.28%，创下年内月度备案量的次高 [1] - 11月有备案产品的私募机构达719家，其中备案数量不少于5只的私募机构共有49家 [2] 备案产品的策略分布 - 股票策略产品是绝对主力，11月备案849只，占比高达66.07% [1] - 多资产策略备案产品193只，占比15.02% [1] - 量化私募产品表现亮眼，11月共计备案565只，占比为43.97% [2] 量化私募产品的策略与机构特征 - 在量化产品中，股票策略是核心布局领域，备案产品数量达402只 [2] - 期货及衍生品策略的量化产品备案80只，占到该策略备案产品总量的66.12% [2] - 头部量化机构表现突出，百亿量化私募成为备案主力军，共有23家百亿量化私募机构备案产品数量居前 [2] - 百亿级私募机构是备案主力，在49家备案居前的机构中，管理规模100亿以上的达30家 [2] 领先的备案机构情况 - 世纪前沿（百亿量化私募）以20只的产品备案数量位居榜首 [2] - 星石投资（主观多头头部私募）备案产品15只，位列第二 [2] - 明汯投资、上海孝庸私募和天算量化均备案12只产品，并列第三 [2] 市场环境与机构观点 - 近期A股有所调整，沪指围绕3900点震荡 [3] - 百亿私募淡水泉认为，本轮调整并未改变A股中长期向好趋势，政策与流动性环境对市场风险偏好仍有较强支撑 [3] - 企业盈利正逐步企稳，科技及先进制造板块在外需拉动与技术升级驱动下，展现出较强的增长动能 [3]

公司规模与业绩表现 - 正瀛资产管理规模在2025年9月成功突破百亿，而2024年底其管理规模为20-50亿元，实现了显著跃升 [2] - 公司旗下产品“正瀛骐骥指数增强1号”在中证1000指增策略中，位列百亿量化私募今年来超额胜率榜十强 [2] - 公司另一产品“正瀛骐骥指数增强17号”（中证2000指增策略）自2025年3月至2025年11月已连续9个月实现正超额，今年来取得接近***%的超额收益，在百亿规模私募同类产品中排名第7 [17] 投资策略与业务发展 - 公司采用主观投资与量化结合的投资模式，并是国内较早参与场内期权市场的机构，在期权波动率交易领域有深厚经验 [4] - 公司于2021年开始布局股票业务并引入股票高频策略团队，股票高频T0策略规模在4年内实现从0到80亿元的增长 [5] - 当前股票中性T0策略产品线规模约40亿元，股票指增T0策略产品线规模约40亿元，股票T0策略总容量约为200亿元；期权套利策略产品线规模约20亿元 [7] - 公司的指数增强策略通过全复制指数成分股每日做T获取超额收益，致力于最小化跟踪误差，无行业、风格和多空敞口暴露 [20][22] - 指增产品交易频率为中高频，平均年化双边换手率为200-300倍，平均持仓周期为30-60分钟，通过预测分钟或小时级别价格走势进行日内交易 [23] - 与市场主流T0策略依赖盘口数据预测秒级波动不同，公司的T0策略预测周期更长（分钟或小时级），对盘口交易量依赖性较低，过往盈亏比较高 [23] 核心竞争优势 - 公司具备超强算力，通过大规模建设算力来丰富模型、因子和策略储备，缩短策略迭代周期 [8] - 公司在软硬件方面投入大量精力进行研究和优化，提升系统兼容性、运行效率和稳定性 [9] - 公司拥有低延迟交易系统，通过持续优化行情和交易链路来缩短交易延迟 [10] - 公司实行精细化的产品和资金运营管理，以提升运作效率 [11] - 高频策略团队成员来自上海交大、中科大、北大等知名高校，核心成员拥有超过5年的海外期货高频交易经验，最大管理规模超10亿美元 [5] 风险管理体系 - 公司风控遵循“事前防范、事中控制、事后评估”的程序，有专人负责风险控制 [13] - 事前进行科学深入的研究分析，评估投资策略的风险收益特征 [14] - 事中通过完善的系统对持仓进行实时监控和盈亏统计，并实时推送新闻舆情和重大事件 [15] - 事后对策略盈亏进行归因分析，跟踪评价策略表现，并制定极端行情风险预案 [16]