核心观点 - 报告基于深度学习框架构建了AI体系下的低频指数增强策略，该策略通过组合优化勾连深度学习alpha信号与风险信号，构建了针对沪深300、中证500和中证1000的指数增强组合 [3][16] 本周市场指数表现 - 截至2025年11月14日当周，主要市场指数普遍下跌：上证指数下跌0.18%，深证成指下跌1.40%，沪深300指数下跌1.08% [5][8] - 创业板指和科创50指数跌幅较大，分别为3.01%和3.85%；中证2000指数和万得微盘股指数逆势上涨，涨幅分别为0.89%和4.11% [9] - 行业表现分化显著：综合、纺织服饰、商贸零售行业表现较好，周收益率分别为6.99%、4.41%、4.06%；通信、电子、计算机行业表现较差，周收益率分别为-4.77%、-4.77%、-3.03% [9] - 万得微盘股指数今年以来累计上涨80.18%，表现突出 [9] 指数增强基金绩效 - 截至2025年11月14日当周，不同宽基指数增强基金的超额收益中位数分别为：沪深300指数增强基金0.24%，中证500指数增强基金0.32%，中证1000指数增强基金0.03% [5][12] - 今年以来，中证1000指数增强基金的超额收益中位数最高，达7.53%，显著高于沪深300的1.85%和中证500的2.83% [13] - 中证1000指数增强基金今年以来的超额收益最大值达到19.24% [13] 跟踪组合表现（AI低频指数增强策略） - 策略核心方法：利用深度学习框架构建alpha和风险模型，alpha维度通过多源特征集合和堆叠多模型策略生成信号，风险维度利用神经网络寻找长期IC均值为0且高R方的风险信号，组合周度调仓，约束周单边换手率10% [16] - **沪深300指数增强组合**：截至2025年11月14日，今年以来组合上涨28.5%，超越基准指数17.6%的涨幅，超额收益为10.9%；当周组合上涨0.1%，而基准指数下跌1.1%，超额收益为1.2% [5][20]；全样本历史年化超额收益为13.8%，月度胜率达78.0% [21] - **中证500指数增强组合**：截至2025年11月14日，今年以来组合上涨35.0%，超越基准指数26.4%的涨幅，超额收益为8.6%；当周组合下跌0.2%，而基准指数下跌1.3%，超额收益为1.1% [5][25]；全样本历史年化超额收益为16.9%，月度胜率达79.3% [26] - **中证1000指数增强组合**：截至2025年11月14日，今年以来组合上涨41.7%，超越基准指数25.9%的涨幅，超额收益为15.8%；当周组合上涨0.5%，而基准指数下跌0.5%，超额收益为1.0% [5][31]；全样本历史年化超额收益为24.1%，月度胜率达86.6%，表现最为优异 [32]

产品发行信息 - 工银瑞信基金推出工银中证800指数增强发起式，A类代码025763，C类代码025764，发售期为11月12日至11月28日 [1] - 该产品定位为宽基增强型投资工具，旨在为投资者提供穿越周期、持续获取超额收益的新选择 [1] 标的指数特征 - 中证800指数由沪深300和中证500指数成分股组成，覆盖A股市场市值规模与流动性兼具的核心标的 [1] - 指数成分股兼具大中盘风格，行业权重分散，实现大盘与中盘、价值与成长的有机融合 [1] - 自2004年12月31日基日至2025年11月7日，中证800指数累计涨幅达412.3% [2] 投资策略与方法 - 基金在跟踪中证800指数基础上，通过数量化方法进行投资组合优化，力争获得超越指数的投资收益 [2] - 增强部分采用主动与量化相结合方式，构建多个选股子策略，筛选AH两地股票 [2] - 拟任基金经理陈鑫擅长用主动量化方法进行风格判断和股票选择，投资风格均衡稳健 [2] 公司投研实力 - 工银瑞信基金投研实力强劲，构建了高效协同的投研体系，主动投研团队和量化团队协同拓宽Alpha来源 [2] - 截至2025年9月30日，在13家权益类大型公司中，工银瑞信基金近7年、近5年和近3年超额收益排名分别为第2、第3和第2 [3]

文章核心观点 - 文章聚焦于因子择时问题，系统性构建并评估了92个择时信号，探讨其在多因子策略中动态选择有效因子的可行性与盈利能力 [1][9] - 研究思路分三步：检验择时信号对Alpha因子和Barra风格因子的有效性、探讨多信号构建单一择时标的、探究多因子投资组合框架下的动态择时 [1][9] - 实证结果表明，因子择时能显著提升多因子策略表现，在Alpha因子多头组合中实现年化收益率37.0%和夏普比率1.72，相比未择时组合提升11.6%的超额年化收益和0.94的夏普比 [4] 因子表现统计 - 研究基于77个Alpha因子（包括深度学习、Level-2、分钟频三大类）和10个Barra风格因子进行择时研究 [10] - 截至2025年9月30日，部分因子表现突出，如深度学习因子agru_dailyquote历史胜率达78%，深度学习因子fimage历史胜率达79% [10] 择时信号构建 - 构建的择时信号包括四大类共92个：动量（Momentum）、波动率（Volatility）、反转（Reversal）、特征差（Characteristics spread） [11] - 动量信号基于因子近期收益预测未来收益，包括收益与波动率比值、收益方向、目标波动率缩放等具体计算方法 [12][13][14] - 波动率信号使用已实现波动率进行预测，计算因子与沪深300指数的日度收益率标准差 [15][16] - 反转信号和特征差信号则分别基于因子收益的均值回归特性以及Barra模型构建的多空组合特征差值 [17][18] 择时信号有效性检验 - 92个择时信号与各因子下期多头收益的相关系数均值达15%以上，在深度学习、Level-2、分钟频、Barra因子中的相关系数均值分别为17%、14%、15%、14% [2][19] - 择时信号对深度学习因子agru_dailyquote、DL_1、fimage的下期多头收益相关系数均值分别为17%、15%、18% [19] - 择时信号对Barra风格因子中的市值、残差波动因子的下期多头收益相关系数均值均为16% [19] 多信号-单因子择时 - 采用偏最小二乘法（PLS）进行择时信号聚合与预测，以规避多重共线性问题 [39][40][41] - AI看图因子fimage择时效果最优，胜率为79%，超额年化收益率为8.9%，夏普比提升0.67 [42] - 部分分钟频因子择时效果显著，如ret_H1因子择时胜率82%，超额年化收益23.3%，夏普比提升1.57 [46][47] - Barra风格因子中，仅动量因子通过择时取得正超额收益（7.70%），其他因子择时虽胜率高但未能取得较好超额收益 [52][53] 多信号-多因子择时 - 在多头组合构建中，将所有预测值为正的因子进行等权配置，充分利用多因子间的互补信息 [60][62][63] - 基于Alpha因子构建的多头择时组合年化收益率达37.0%，夏普比率1.72，相比未择时的等权组合（年化收益20.8%，夏普比0.78）提升显著 [65] - 基于Barra风格因子构建的多头择时组合年化收益率为25.2%，夏普比率0.93，相比未择时等权组合（年化收益22.3%，夏普比0.97）取得2.9%的超额年化收益 [83] 指数增强策略应用 - 在基于Alpha因子择时的指数增强策略中，择时因子在2025年市场风格变化时展现出更强适应性，实现更好超额收益 [68] - 在基于Barra因子择时的指数增强策略中，择时因子在沪深300、中证A500、中证500、中证1000、创业板综指数上，计费后超额年化收益率进一步提升4.56%、5.98%、1.08%、5.67%、0.17% [5][85]

市场整体表现 - 上证指数于10月28日突破4000点关键点位，为近10年来首次，并于10月30日盘中创出新高4025.70点 [3] - 市场情绪积极活跃，10月27日A股两融余额达2.48万亿元，融资余额达2.46万亿元，两者均创历史新高 [3] - 近6个月A股三大指数震荡走高，创业板指涨幅领涨，超过67% [3] 权益类理财产品业绩 - 近6个月理财公司权益类公募理财产品近净值增长率均值为23.65%，全部36只样本产品均录得正收益 [5] - 有22只产品净值增长率超过20%，但7款产品净值增长率仅为个位数，收益率垫底 [5] - 强行业属性产品收益率排名靠前，光大理财"阳光红新能源主题A"和华夏理财"天工日开理财产品4号(新型储能指数)"近6个月净值增长率分别为69.68%和52.74%，位居前两名 [5] 理财产品发行公司与策略 - 本期业绩榜单共有5家理财公司上榜，其中华夏理财上榜4只产品，光大理财上榜2只，高盛工银理财、信银理财、民生理财、招银理财各上榜1只 [5] - 主题类产品表现突出，华夏理财"天工日开理财产品5号(AI算力指数)"和"天工日开理财产品8号(贵金属指数)"近6个月净值增长率分别为47.42%和31.21% [5] - 光大理财指数增强策略产品"阳光红优选500指数增强C"近6月净值增长率为32.5%，收益率位居第5名，其第三季度份额增加超543万份，规模增加超807万元 [6] 产品风险与配置特征 - 强行业属性产品波动率相对较高，例如华夏理财两款主题产品年化波动率分别为28.07%和26.69%，位居榜单前两位 [6] - 光大理财"阳光红优选500指数增强C"资产配置高度集中于私募资管产品，截至三季度末占比高达94.32%，其前十大重仓股持股集中度较低，单只占比均在1%以下 [6] 市场展望 - 部分理财公司对四季度权益市场展望存在分歧，光大理财相关产品预计市场将呈震荡格局，波动可能加大 [6] - 招银理财相关产品则认为在国内外流动性充裕背景下，将有力支撑权益市场慢牛格局 [6]

公司概况 - 公司为宁波平方和投资管理合伙企业（有限合伙），是一家量化对冲基金公司，成立于2015年8月，已获得金牛奖、金长江奖等70余项权威荣誉 [6] - 截至2025年10月底，公司管理规模已突破100亿 [2] - 截至2025年9月底，公司旗下产品平均收益位列量化私募业绩榜Top10 [2] 投研团队 - 核心团队成员均为来自国内外知名对冲基金的资深基金经理和高级量化研究人员，从业经历超过15年 [8] - 团队成员来自北大、清华、中科院等名校，团队协作通过标准化流程提升决策效率，避免依赖个人经验 [10] 核心策略与代表产品 - 市场中性策略通过多空对冲剥离系统性风险，力争获取与市场涨跌基本无关的超额收益，代表产品为平方和智增1号私募证券投资基金 [12][13][14] - 指数增强策略结合被动跟踪指数与主动创造超额收益，代表产品包括平方和鼎盛中证500指数增强9号、平方和鼎盛中证1000指数增强8号证券投资基金 [17][20][22] - 量化选股策略通过全市场选股灵活捕捉投资机会，不主动跟踪或对标市场指数，代表产品为平方和量化精选1号私募基金 [24][25] 技术迭代与风控体系 - 因子研究从量价因子扩展至基本面、分析师预期与另类数据等多维度，覆盖日内多频率预测，严格执行样本内外测试与多指标综合评估 [27] - 组合优化从等权合成、线性模型演进为以决策树、深度学习等机器学习模型为主导 [28] - 风险管理升级为涵盖行业、风格因子、交易比例等多维度的风控体系，完善黑名单机制 [29] - 交易执行自建Bsim交易系统，凭借更快交易速度执行订单，利用高频时序预测优化交易算法 [30] - 公司建立投资事前、事中、事后全流程风险控制，持仓分散400-1000只，单只股票占比通常不超过1% [31][32] 核心优势与亮点 - 策略历经十年市场检验，展现出强韧性，能够穿越周期应对各种挑战 [43][44] - 公司靠自营起家，在实盘环境中持续打磨策略，并把自营策略资管化提供给客户，人工与AI双引擎驱动 [45][46] - 团队为清华北大系钻石团队，核心成员从业经历超过15年 [47][48] - 深耕中低频策略，策略天然高容量，为未来规模扩张提供广阔空间，注重策略效能与资金容量动态平衡 [49] 公司发展规划 - 实行公司"第三个五年规划"，做到投研与运营均衡发展，让规模增长与策略容量精准匹配 [51] - 投研方面计划拓展数据源维度，开发新型模型结构，探索端到端技术框架，提升定制化服务水准 [52][53][54] - 人才战略方面引入行业专家与全球知名院校优秀人才，建立完善人才培养体系，推动管理规模突破百亿 [55] - 建立"系统性"组织机制，采用"OKR+TDL"管理模式，提升整体运营效率，优化资源配置和风险控制能力 [56]

核心观点 - 报告核心观点为中证1000指数及其增强策略在2025年表现强劲，本周（2025年10月27日至31日）指数收益为1.18%，在主要指数中表现突出，本年策略收益达29.99%，超越基准指数3.99个百分点 [3][4][5][18] 近期市场表现 - 本周（2025年10月27日至31日）主要指数中，中证1000和中证500指数收益领先，分别为1.18%和1.00%，而科创50和上证50指数收益落后，分别为-3.19%和-1.12% [3][7] - 本年以来，微盘指数和创业板指收益排名靠前，分别为67.31%和48.84%，中证红利和上证50指数收益排名靠后，分别为0.83%和12.17% [3][8] 中证1000指数增强策略 - 策略构建采用多因子量化选股方法，对估值、质量、成长、分析师、技术等因子进行加权合成，回测时间为2018年至2024年2月29日，IC加权策略在2024年收益更高，故在周报中持续跟踪 [11] - 策略通过均值-方差模型在指数成分股内构建组合，控制风格、行业及相对基准暴露，每月末调仓，持股数量约为90只 [11] 策略收益表现 - 本周策略收益为1.03%，同期指数收益为1.18%，超额收益为-0.15% [4][12] - 10月份策略收益为0.27%，同期指数收益为-0.90%，超额收益为1.17% [4][14] - 本年以来策略收益为29.99%，同期指数收益为26.00%，超额收益为3.99% [4][15] 投资建议与指数优势 - 中证1000指数2025年表现强劲，得益于其鲜明的产业布局，深度聚焦于新能源、半导体、医疗器械等前沿领域的小市值公司 [5][18] - 作为中小盘指数代表，中证1000具有高弹性、高波动的特点，但临近年末需注意市场风险偏好缩紧带来的高波动风险 [5][18]

核心观点 - 中证1000指数在2025年表现强劲，主要得益于其在新兴产业的深度布局以及高弹性特征，后市仍具较高配置意义 [5][20] - 中证1000指数增强策略在2025年持续产生显著超额收益，本年超额收益达6.50% [4][16] - 政策基调向“强安全+促转型”过渡，为中证1000指数所聚焦的新能源、半导体、医疗器械等产业提供中长期结构性支撑 [5][20] 近期市场表现 - 本周（2025.10.20-2025.10.24）创业板指和科创50指数领涨，收益分别为8.05%和7.27%，而中证红利和上证50指数表现相对落后，收益分别为1.05%和2.63% [3][7] - 本年以来，微盘指数和创业板指收益领先，分别达66.54%和48.09%，中证红利和上证50指数收益相对较低，分别为1.32%和13.45% [3][8] 中证1000指数增强策略 - 策略构建采用多因子（估值、质量、成长、分析师、技术）IC加权方法，通过均值-方差模型优化组合，每月调仓，持股数量约90只 [12] - 本周策略收益为3.55%，超越基准指数（3.25%）0.30个百分点 [4][13] - 本月策略收益为0.18%，超越基准指数（-2.06%）2.24个百分点 [4][15] - 本年策略收益为31.03%，超越基准指数（24.53%）6.50个百分点 [4][16] 投资建议与依据 - 中证1000指数产业布局鲜明，深度聚焦于新能源、半导体、医疗器械等前沿领域 [5][20] - 作为中小盘指数代表，中证1000具备高弹性、高波动的特点 [5][20] - “十五五”规划将“安全”与“高质量发展”置于核心，宏观政策强调科技自立、产业链安全等方向，与指数成分股特征高度契合 [5][20]

量化因子与构建方式 1. 价格区间因子 **因子构建思路**：衡量股票在日内不同价格区间成交的活跃程度，以体现投资者对未来走势的预期[3] **因子具体构建过程**：利用三秒快照数据，分析不同价格区间的成交行为[12] - 高价格80%区间成交量因子（VH80TAW）：计算日内高价格80%区间的成交量，与未来收益呈负相关[12] - 高价格80%区间成交笔数因子（MIH80TAW）：计算日内高价格80%区间的成交笔数，与未来收益呈负相关[12] - 低价格10%区间每笔成交量因子（VPML10TAW）：计算日内低价格10%区间的平均每笔成交量，与未来收益呈正相关[12] - 合成方法：以25%、25%和50%的权重对三个细分因子进行合成，然后进行行业市值中性化处理[14] **因子评价**：展现出了较强的预测效果，今年以来表现比较稳定[3] 2. 量价背离因子 **因子构建思路**：衡量股票价格与成交量的相关性，相关性越低，未来上涨可能性越高[3] **因子具体构建过程**：利用高频快照数据计算价格与成交量的相关关系[22] - 价格与成交笔数相关性因子（CorrPM）：计算价格与成交笔数的相关性[22] - 价格与成交量相关性因子（CorrPV）：计算价格与成交量的相关性[22] - 合成方法：对两个细分因子进行等权合成，然后进行行业市值中性化处理[23] **因子评价**：近几年表现一直不太稳定，多空净值曲线趋近走平[3] 3. 遗憾规避因子 **因子构建思路**：通过考察股票当天被投资者卖出后反弹的比例和程度，体现投资者的遗憾规避情绪对股价预期收益的影响[3] **因子具体构建过程**：利用逐笔成交数据区分主动买卖方向，加入小单和尾盘限制[26] - 卖出反弹占比因子（LCVOLESW）：衡量卖出后股价反弹的占比[26] - 卖出反弹偏离因子（LCPESW）：衡量卖出后股价反弹的程度[26] - 合成方法：对两个细分因子进行等权合成，然后进行行业市值中性化处理[32] **因子评价**：样本外超额收益稳定，表明A股投资者的遗憾规避情绪会显著影响股价预期收益[3] 4. 斜率凸性因子 **因子构建思路**：从投资者耐心与供求关系弹性角度出发，刻画订单簿的斜率和凸性对预期收益的影响[3] **因子具体构建过程**：利用限价订单簿的委托量和委托价信息计算斜率[36] - 低档斜率因子（Slope_abl）：计算低档位的订单簿斜率[36] - 高档位卖方凸性因子（Slope_alh）：计算高档位的卖方凸性[36] - 合成方法：对两个细分因子进行等权合成，然后进行行业市值中性化处理[41] **因子评价**：因子自2016年以来收益保持平稳趋势[43] 量化模型与构建方式 1. 高频"金"组合中证1000指数增强策略 **模型构建思路**：将三类高频因子等权合成构建指数增强策略[3] **模型具体构建过程**： - 因子合成：将价格区间因子、量价背离因子、遗憾规避因子进行等权合成[3] - 调仓频率：周度调仓[44] - 手续费：单边千分之二[44] - 风险控制：加入换手率缓冲机制降低调仓成本[44] - 基准：中证1000指数[44] **模型评价**：在样本外表现出色，有较强的超额收益水平[47] 2. 高频&基本面共振组合中证1000指数增强策略 **模型构建思路**：将高频因子与有效的基本面因子结合提升多因子投资组合表现[48] **模型具体构建过程**： - 因子构成：高频因子（价格区间、量价背离、遗憾规避） + 基本面因子（一致预期、成长、技术因子）[48] - 合成方法：等权合成[48] - 调仓频率：周度调仓[48] - 基准：中证1000指数[48] **模型评价**：各项业绩指标均有提升，样本外表现稳定，有较强的超额收益水平[50] 因子的回测效果 1. 价格区间因子 - 上周多头超额收益率：0.28%[2][13] - 本月以来多头超额收益率：-0.41%[2][13] - 今年以来多头超额收益率：4.70%[2][13] - 上周多空收益率：-0.42%[13] - 本月以来多空收益率：-0.60%[13] - 今年以来多空收益率：13.53%[13] 2. 量价背离因子 - 上周多头超额收益率：0.18%[2][13] - 本月以来多头超额收益率：-1.47%[2][13] - 今年以来多头超额收益率：5.73%[2][13] - 上周多空收益率：1.82%[13] - 本月以来多空收益率：0.50%[13] - 今年以来多空收益率：15.99%[13] 3. 遗憾规避因子 - 上周多头超额收益率：-0.86%[2][13] - 本月以来多头超额收益率：-1.21%[2][13] - 今年以来多头超额收益率：1.04%[2][13] - 上周多空收益率：0.73%[13] - 本月以来多空收益率：1.04%[13] - 今年以来多空收益率：15.54%[13] 4. 斜率凸性因子 - 上周多头超额收益率：0.96%[2] - 本月以来多头超额收益率：0.63%[2] - 今年以来多头超额收益率：-7.40%[2] 模型的回测效果 1. 高频"金"组合中证1000指数增强策略 - 年化收益率：9.31%[44] - 年化波动率：23.97%[44] - Sharpe比率：0.39[44] - 最大回撤率：47.77%[44] - 双边换手率（周度）：14.66%[44] - 年化超额收益率：10.20%[3][44] - 跟踪误差：4.28%[44] - 信息比率：2.38[44] - 超额最大回撤：6.04%[3][44] - 上周超额收益：0.80%[3] - 本月以来超额收益：0.83%[3] - 今年以来超额收益：6.58%[3] 2. 高频&基本面共振组合中证1000指数增强策略 - 年化收益率：13.67%[50] - 年化波动率：23.59%[50] - Sharpe比率：0.58[50] - 最大回撤率：39.60%[50] - 双边换手率（周度）：22.54%[50] - 年化超额收益率：14.49%[4][50] - 跟踪误差：4.19%[50] - 信息比率：3.46[50] - 超额最大回撤：4.52%[4][50] - 上周超额收益：1.14%[4] - 本月以来超额收益：1.22%[4] - 今年以来超额收益：7.66%[4]

公司量化投资体系建设 - 公司以指数增强投资为阵地，搭建覆盖大盘、中盘、港股等多元风格的产品谱系 [1] - 量化系统已基本实现工业化管理，在控制偏离风险前提下挖掘阿尔法因子、迭代模型 [1] - 量化投研团队基于充足GPU储备，研发超过2000个阿尔法因子，建立模块化管理体系 [2] - 量化系统从原始数据清洗到组合生成实现全流程高度自动化管理，采用交易所最高频率量价数据 [3] 量化策略与模型开发 - 团队工作重心是阿尔法因子挖掘，这是指数增强产品拉开超额收益差距的关键 [4] - 因子挖掘流程包括构建或复现因子、定期检验优化、集体讨论分级，高等级因子纳入模型 [4] - 团队持续迭代优化阿尔法因子，吸收机器学习模型，深度研究卖方分析师预期因子 [4] - 在2000多个阿尔法因子基础上，根据不同指数构建增强模型，严格控制产品偏离风险 [5] 指数增强产品布局与发展 - 国内指数增强基金规模约为权益ETF规模的十分之一，显示出巨大发展潜力 [6] - 公司沪深300指增、中证800指增产品凭借长期稳健业绩积累良好客户基础 [7] - 公司近期发行中证A500、沪港深300、沪港深500指增产品，后者为全市场稀缺品种 [7] - 公司自行清洗港股数据、开发风险模型和因子库，积累港股量化投资经验 [7] - 公司新推出中证500指增产品，该策略是团队运作最成熟的策略之一 [7] - 公司指增产品持仓均来自标的指数成分股，严格控制行业与风格，追求长期稳健表现 [8] - 未来公司计划在已有风格基础上探索质量、价值、成长等策略，完善产品谱系 [8]

公司量化投资体系建设 - 公司以全流程自动化管理为目标，量化系统从原始数据清洗到目标组合生成已实现高度自动化管理 [2][3] - 公司基于充足的GPU储备，已研发出两千多个阿尔法因子，并建立起模块化的量化管理体系 [2] - 团队采用交易所提供的最高频率量价数据，并对历史财务数据做进一步清洗，信息技术部门提供强大技术支持 [3] 量化策略核心与阿尔法因子挖掘 - 量化策略核心是阿尔法因子的挖掘，这是指数增强产品拉开超额收益差距的关键所在 [4] - 团队通过自研或参考卖方因子库、学术报告构建因子，并进行定期检验、优化和分级，高等级因子更可能被纳入模型 [4] - 团队持续迭代优化阿尔法因子，吸收业界最新机器学习模型，并在成长行情中深度研究卖方分析师预期因子 [4] - 公司在严格控制指数增强产品偏离风险的前提下，不断挖掘有效阿尔法因子并优化量化模型 [5] 指数增强产品布局与发展潜力 - 国内指数增强基金规模约为权益ETF规模的十分之一，显示出巨大的未来发展潜力 [7] - 公司旗下沪深300指数增强和中证800指数增强产品已凭借长期稳健业绩积累良好客户基础 [7] - 公司近一年陆续发行中证A500、中证沪港深300、中证沪港深500等指数增强产品，其中沪港深产品为全市场稀缺品种 [7] - 公司自行清洗港股原始数据、开发港股风险模型和因子库，积累了宝贵的港股量化投资经验 [7] - 公司近期推出中证500指数增强产品，该策略是团队运作最成熟的策略之一，未来将更积极发挥阿尔法因子超额收益能力 [7] 产品理念与未来规划 - 公司指数增强产品追求长期稳健表现，持仓基本来自标的指数成分股，并对行业与风格进行严格控制 [8] - 公司希望搭建完整的指数增强产品谱系，在已有的大盘、中盘、港股风格基础上，进一步探索质量、价值、成长等多种风格策略 [8]