市场现象 - 截至10月28日，沪深两市共有115只股票连续5个或更多交易日获得融资净买入 [1] - 中信博连续11个交易日获得融资净买入，成为市场焦点 [1] 机构资金行为模式 - 当前A股市场呈现机构抱团现象，资金形成“宁可错杀，不可放过”的共识 [3] - 机构资金倾向于提前潜伏，而非在股价上涨过程中追涨，所有看似突如其来的行情背后均有大资金提前布局 [3] - 以2025年伊以冲突时的石油概念为例，国际油价在冲突爆发前已悄悄上涨两周多，事件爆发时股价配合涨停板上涨，形成“事件推动股价”的顺理成章解释 [3] - 部分股票的共性为机构资金长期活跃但股价并未大幅上涨，这种反常现象是值得关注的信号 [15] 量化分析应用 - 通过量化工具观察交易行为数据，可以穿透表象，发现股价上涨背后机构资金的活跃迹象，例如通源石油在股价翻倍前，其机构资金已活跃很长时间 [5][7] - 表面的融资数据仅是冰山一角，真正决定股价走向的是隐藏在交易行为中的机构动向 [15] - 在信息过载的时代，普通投资者需要专业的量化工具来把握市场本质 [15]

公司概览 - 银华基金成立于2001年5月28日，注册资本2.222亿元人民币，总部位于北京[4][5] - 公司股权结构为西南证券持股44.104%、第一创业证券持股26.103%、东北证券持股18.902%、山西海鑫实业持股0.900%、员工持股计划持股9.991%[5] - 公司为全牌照综合型资产管理公司，拥有企业年金、QDII、社保基金、保险资金等多项业务资格[4] - 截至2025年6月30日，公司管理公募基金227只，资产管理总规模超1万亿元（含子公司）[4][7] 管理规模与产品线 - 公募基金规模达5807.16亿元，产品线覆盖权益、固收、量化、QDII、FOF、REITs等全系列类型[6][11] - 非公募业务包括社保、基本养老、企业年金、职业年金、专户等[7] 业绩表现 - 主动权益类基金最近十年业绩在81家公司中排名第18位[13] - 固定收益类基金最近十年业绩在70家公司中排名第30位[14] 投研团队架构 - 主动权益团队共34人，平均从业年限15年，分为11个事业部[16] - 固定收益团队拥有投资经理及助理25人、研究人员19人、交易员20人，采取宏观研究-大类配置的投研体系[18] - 量化团队投资人员平均从业年限12年，研究人员平均从业年限6年，核心成员来自牛津、耶鲁等名校[19][21] 代表性基金经理 - 李晓星管理公募规模超300亿元，连续七年获得金牛奖，擅长成长股投资[22][25] - 张萍代表产品为银华品质消费股票，刘辉代表产品为银华内需精选混合，方建代表产品为银华集成电路混合[26][27] - 王晓川现任产业价值投资部投资总监，马君代表产品包括银华海外数字经济量化选股混合等[29][31] 荣誉奖项 - 公司10次荣获金牛基金管理公司称号，获奖次数行业排名第3[8] - 成立以来共荣获400多项奖项，11只产品27次获得金牛产品奖[8][10] 社会责任与ESG - 公司设立银华公益基金会，关注欠发达地区发展及基础教育[39] - 2019年11月加入"中国ESG30人论坛"并担任常任理事[40] - 公益项目包括向河南暴雨灾害捐款300万元、向甘肃地震捐款100万元等[38]

中国量化私募城市格局 - 中国量化私募主要集中于北上广深杭五大城市，其中上海在数量上领先，拥有335家量化私募，百亿规模私募达22家[2] - 从业绩表现和百亿私募占比来看，北京地区表现更佳，其145家量化私募旗下225只产品前三季度收益均值达28.45%，百亿量化私募有11家，占比7.59%[2] 北京量化私募区域分布特征 - 北京量化私募在区域分布上呈现高度集群化特征，主要分为朝阳区、海淀区和其他区域[4] - 朝阳区量化私募数量为68家，管理规模在0-5亿的私募最多，占43家，50亿以上的头部量化私募仅4家[6] - 海淀区量化私募数量为33家，管理规模在0-5亿的私募有19家，50亿以上的头部量化私募有8家，其中包含5家百亿私募[12] - 其他区域（西城区、丰台区、东城区等）量化私募合计44家，管理规模在50亿以上的头部量化私募有4家[18][19] 北京各区域量化私募详情 朝阳区 - 投资策略以股票策略为主，有37家，多资产策略和期货及衍生品策略各13家[6] - 行业格局呈现老牌私募云集特点，创立超过10年的老牌量化私募达33家，占比48.53%，超过15年的有2家[6] - 量化私募主要聚集于国贸-燕莎-三元桥核心商务区以及望京等地[6] - 有业绩显示的20家私募旗下101只产品前三季度收益均值为26.92%[7] - 业绩表现突出的私募包括华澄私募、聚宽投资和长鲸九州（北京）私募[8] - 聚宽投资旗下40只产品业绩表现突出，其管理的"聚宽中证2000增强一号B类份额"产品规模约为***万元，公司业绩位居今年前三季度百亿量化私募10强[11] 海淀区 - 投资策略以股票策略为主，有18家，期货及衍生品策略有12家，多资产策略有2家[12] - 创立超过10年的老牌量化私募达16家，占比48.48%，成立年限最长的达30.9年[12] - 分布呈现"单核凝聚，轴线辐射"特点，以中关村为核心，沿中关村大街-北四环西路和中关村东路-成府路两条主线密集分布[12] - 有业绩显示的18家私募旗下65只产品前三季度收益均值为34.26%[13] - 业绩表现突出的私募包括京盈智投、灵均投资和水木长量[14] - 京盈智投旗下3只产品业绩表现亮眼，其管理的量化CTA产品"京盈智投博益A类份额"今年来收益高达***%[17] - 平方和投资旗下7只产品今年来收益均值为***%，在海淀区量化私募中位列第4，公司专注于量化投资，捕捉各类投资机会[17] - 九坤投资旗下13只产品今年来收益均值为***%，员工人数达160人，位列海淀区量化私募人员规模第一[17] 其他区域 - 投资策略以股票策略为主，有21家，期货及衍生品策略有12家，多资产策略有8家[20] - 创立年限超过20年的有2家，分别为北京大兴区的中江融新投资和北京丰台区的蓝涛投资[20] - 有业绩显示的14家私募旗下59只产品前三季度收益均值为23.17%[22] - 业绩表现突出的私募包括天算量化、信弘天禾和无隅资产，均坐落于北京东城区[23] - 天算量化旗下4只产品均由何天鹰管理，公司是国内较早使用人工智能技术进行股票量化投资的私募之一，曾获"金牛奖"[25] - 因诺资产旗下5只产品业绩表现突出，员工人数达108人，是北京其他区中人员规模最大的量化私募，公司专注于量化投资，荣获多项奖项[26]

文章核心观点 - 在A股市场慢牛格局下，量化指数增强产品的制胜关键在于同时具备强劲的“进攻能力”（上行捕获率）和优秀的“防守能力”（下行捕获率）[3][4] - 文章按不同指数类别（沪深300、中证500、中证1000、中证/国证2000）梳理了2024年前三季度进攻能力领先且防守能力稳健的公募量化指增产品前十名，为投资者提供参考[4] 沪深300指数增强产品 - 138只沪深300指增产品年内收益均值为19.17%，进攻能力均值为0.982，防守能力均值为0.912 [5] - 富荣沪深300指数增强A（004788）进攻能力为1.19，排名第一，年内收益达27.07%，超越基准涨幅17.03% [5] - 平安沪深300指数量化增强A（005113）进攻能力为1.13，排名第二，防守能力为0.88，年内收益26.17% [5][6] - 基金经理郎骋成的策略基于美林时钟模型，结合宏观与微观基本面主动研究以规避因子失真 [6] 中证500指数增强产品 - 212只中证500指增产品年内收益均值为29.69%，进攻能力均值为0.920，防守能力均值为0.824 [7] - 鹏华中证500指数增强A（014344）进攻能力为1.01，排名第一，防守能力为0.66，前三季度收益高达41.63%，远超基准涨幅27.91% [7] - 基金经理苏俊杰毕业于芝加哥大学金融数学系，其策略融合海外多因子模型与A股高频量价因子，并构建AI+基本面量化模型 [8] 中证1000指数增强产品 - 110只中证1000指增产品年内收益均值为32.83%，进攻能力均值为0.960，防守能力均值为0.766 [9] - 长信中证1000指数增强A（018013）进攻能力为1.10，排名第一，防守能力为0.76，年内收益43.14%，超越基准涨幅25.77% [10] - 基金经理左金保采用中低频量化策略，利用多因子模型基于财务报表、分析师预期和股价波动等维度捕捉超额收益 [11] 中证/国证2000指数增强产品 - 52只中证/国证2000指增产品前三季度收益均值为37.58%，进攻能力均值为0.958，防守能力均值为0.784 [12] - 招商中证2000指数增强A（010010）进攻能力为1.05，排名第一，防守能力为0.77，前三季度收益达45.81%，基准涨幅为30.12% [13] - 受益于小微盘股活跃表现，基金经理王平在组合构建中重点配置财务稳健、估值适中的小盘个股以争取更优超额收益 [14]

公司概况 - 公司成立于2015年6月，注册资本3000万元，在中国证券投资基金业协会登记编号为P1064551 [4] - 公司采用自主开发的机器学习大数据量化投资模型进行投资组合构建，目标是实现长期稳定的绝对收益 [4] - 截至2025年9月底，在管理规模20-50亿的私募中，公司旗下产品今年来收益均值位列量化私募业绩榜前十名 [4] 核心团队 - 核心团队由华尔街资深对冲基金交易员和世界知名计算机科学家共同组建，成员均毕业于世界名校 [8] - 公司已搭建超过50人的投研团队，核心成员拥有多年海内外资产管理经验及优秀的投资业绩 [8] - 投研团队在股指、股票、国债、大宗商品等资产类别上储备了丰富的投资交易策略 [8] - 首席执行官吴星玮拥有美国加州大学伯克利分校工业工程与运筹学博士学位 [9] 核心策略及投研体系 - 公司采用中心化的流水线投研体系，包含因子挖掘、模型、投资组合和交易四个主要环节 [10] - 体系特点包括高度专业化分工、闭环迭代优化以及贯穿全程的风险控制 [10] - 策略自2021年上线以来经历两次重大迭代：2022年初增加日内预测框架，2023年初增加日内机器学习因子以提升预测能力和超额稳定性 [10][11] - 程序化系统内置实时熔断模块，单笔亏损达到或超过2%时自动暂停交易 [11] 代表产品与策略特点 - 指数增强策略采用严格成分股内选股，通过高频交易寻求超越市场基准，预测频段从秒级到15分钟，双边年化换手率达300倍 [13] - 策略优势为过往超额夏普比率较高，业绩表现亮眼；劣势为容量相对有限，剩余额度较少 [13] - 股票中性策略旨在保持投资组合市场风格中立，降低对市场波动的敏感度 [15] - 中性策略优势为收益波动相对较少，与市场相关性低；劣势为存在对冲成本，收益预期空间相对较小 [15] 核心优势与未来规划 - 核心优势包括高素质人才团队、先进的高频交易模型框架、高效的交易通道以及具有市场竞争力的业绩 [16] - 交易系统能实时处理全球各大交易所TB级行情数据，服务器直接托管在交易所机房以实现最优交易速度 [16] - 公司以稳健发展为长期目标，致力于成为具有全球竞争力的知名量化交易公司 [17] - 未来一年计划在业绩为先的基础上，与国内头部金融机构展开资产管理、自营投资、渠道代销等多方向合作 [18]

文章核心观点 - 市场已演变为机构大资金的"狩猎场"，呈现"赢家通吃"格局，散户需通过量化手段识别机构资金行为而非猜测意图来避免被边缘化 [2] - 识别机构资金行为的关键在于观察其连续性、规模性和重复性特征，可通过"机构库存"等量化数据捕捉 [2] - 投资者核心竞争力在于数据分析能力和市场理解能力，需具备全球视野和量化思维 [7] 黄金行业动态与并购案例 - 有预测指出未来3-5年将有不少于三家中国头部黄金矿企跻身世界前十 [1] - 2025年国际金价走势强劲，年内涨幅超过50%，现货黄金一度突破4300美元/盎司高位 [2] - 紫金矿业等中国企业积极进行海外并购，例如收购加纳阿基姆金矿和哈萨克斯坦Raygorodok金矿 [5] - 收购仅是海外布局的起步，真正的考验在于持续跟踪和适时调整 [8] 机构资金行为分析 - 市场热点轮动如机器人、创新药、PCB和稳定币等背后是机构资金的集体抱团行动 [2] - 机构资金运作具有连续性、规模性和重复性三大鲜明特征 [2] - 个股表现差异的关键在于"机构库存"数据的活跃程度，活跃的机构库存预示持续上涨，反之则昙花一现 [3][5] - 利好消息的市场反应取决于消息公布前机构库存是否持续活跃，例如紫金矿业的两次收购案例 [5] 投资策略建议 - 投资者应放弃猜测哪些中国企业能进入世界前十黄金企业榜单 [9] - 重点观察"机构库存"等反映真实资金动向的数据 [9] - 认识到国内外市场的制度文化差异会体现在资金行为上 [9] - 保持耐心，等待机构库存持续活跃后再做决策 [9]

以下文章来源于力的期权工作室 ，作者余力 Felix 力的期权工作室 . 对个人更通俗，对机构更专业，努力做最具品质的衍生品公众号~ 文 | 余力 Felix 来源 | 力的期权工作室 编辑 | 杨兰 审核 | 浦电路交易员 今天！ 受到周末中美谈判开始缓和的影响，北美算力链再度大幅拉升，双创指数进一步修复前期跌幅，这 使 得 上 证 综 指 再 创 近 十 年 的 新 高 ， 盘 中 最 高 拉 到 3999 点 ， 距 离 4000 点 的 整 数 关 口 真 的 只 有 " 一 点 " 之 遥…… 4000点！一个让人感慨万千的数字。毕竟回顾A股长达35年的历史，只有在2007、2008和2015三 个年份里，曾出现过4000点以上的点位，而且在2007和2015那两次涨过4000点以后，上证都开启 了逼空式的上涨模式。 那么对于今年，如果大盘重新站上4000点，历史还会简单的重演吗？ 那么，从真正实际交易的角度，如何用一杆"量化"的秤去衡量当下的市场容错率呢？那就先盯住为期 一个星期的日均量能，如果滚动五天的日均量能恢复到前期高点2.5万亿附近，那么这个台阶就会上的 相对比较扎实，容错率也会相对提高， ...

本文首发于公众号"私募排排网"。 （点击↑↑ 上图查看详情 ） 9月，A股市场整体震荡上行，市场主线继续围绕科技成长板块展开，上证指数月度涨幅为0.64%，深证成指上涨约6.54%；创业板指和科创50指 数表现尤为突出，分别累计上涨约12.04%和11.48%。债市方面，延续8月以来的调整，国债收益率整体上行，利率债曲线呈现"熊陡"，中证全债 指数下跌0.41%、中证国债指数下跌0.53%。商品市场中，受美联储降息周期开启、全球央行购金等多重因素推动，金价持续走强，南华贵金属 指数单月大幅上涨超13%。 在这样的市场环境下，私募基金整体取得了不错的收益，尤其是 股票多头与宏观策略 等类型产品。根据私募排排网数据，今年1-9月有业绩记录 的5051只产品平均收益约为 28.72% ，其中实现正收益的产品达4819只，占比95.41%，较1-8月的94.43%进一步上升。从二级策略来看， 量化 多头、主观多头和宏观策略产品前三季度的平均收益分别为 39.85%、37.63%和26.43%，业绩表现居前3 。 | 27 | 巴克夏投资 | 60 | 陆宝投资 | 93 | 盛运德诚 | 频请扫码 | | --- | ...

市场整体表现 - 上证指数于10月27日收涨1.18%，报收3996.94点，盘中一度触及3999.07点，接近4000点大关 [2] - 在结构性行情推动下，市场持续向上，主动权益基金净值屡创新高 [3] 绩优基金筛选标准与概况 - 筛选标准为任职超5年、规模超1亿元、2025年二季度股票市值占基金资产净值比大于50%的主动权益基金 [4] - 截至2025年10月24日，自2020年以来有42只基金（仅A份额）单位净值创新高次数超过100次 [5] - 金元顺安元启灵活配置混合自2020年以来单位净值创新高达284次，平均每年超50次 [6] - 单位净值持续创新高反映了基金的持续盈利能力和回撤修复弹性 [7] 量化策略基金经理表现 - 马芳、王平、孙蒙、苏秉毅等量化选手管理的基金近五年单位净值创新高次数均超百次，净值走势整体平稳 [9] - 马芳与姚加红共同管理的国金量化多因子A自2020年9月3日任职以来回报率达111.41%，年化回报15.67%，今年以来收益45.59% [25] - 国金量化多因子采用机器学习技术构建选股模型，考量基本面与情绪面变量，进行自上而下的资产配置 [26][27][28][29] - 王平管理的招商量化精选股票发起式A自2016年3月任职以来总回报278.01%，年化回报14.83%，近五年创新高151次 [35] - 王平采用PB-ROE框架，结合30个指标筛选低估值、高盈利能力的股票，以基本面策略为主，技术面为辅 [38][39][40] - 苏秉毅管理的大成景恒混合A自2018年6月任职以来总回报245.5%，年化回报18.42%，近五年创新高117次，投资风格聚焦小盘股，注重均值回归 [42][43][44] 灵活配置型基金策略演变 - 部分灵活配置型产品如华宝新价值、融通新机遇、华商元亨等，其净值创新高主要出现在债券配置比例高于权益仓位期间 [9] - 近两年这些产品权益仓位大幅提升，占基金净值比从约40%上升至80%左右 [10] 主动管理型基金经理分析 - 董辰、徐彦、周云三位基金经理在2022-2024年中有两年收益为正，且能修复当年最大回撤 [52] - 董辰管理的华泰柏瑞富利混合A近五年收益超150%，创新高110次，任职年化回报19.32%，投资风格侧重周期股，擅长性价比评估 [56][59][60][62] - 徐彦管理的大成竞争优势混合A自2019年底任职以来总回报125.78%，年化回报14.93，注重安全边际，行业配置分散但集中度高 [69][70][71] - 周云管理的东方红新动力混合A自2015年9月任职以来总回报238.04%，年化回报12.79%，投资理念结合逆向选择与趋势尊重，组合均衡分散 [81][83][85] 行业配置与风格切换 - 金元顺安元启在2024年提升电子行业占比，下半年转向铁路公路、银行等传统行业；2025年上半年加仓房地产开发等行业 [19][20] - 国金量化多因子在2023年重仓电子、半导体，2024年下半年增加电力、银行等红利资产，2025年呈现科技与红利并重的杠铃配置 [30][31][32] - 董辰在2020年底重仓黄金股，2024年开始减持，转向钢铁、地产、医药、电力等均衡配置 [62][64][65]

根据研报内容，本报告主要涉及市场跟踪和风格分析，并未详细阐述具体的量化模型或量化因子的构建过程、公式及回测效果。报告的核心是使用一系列预设的指标来监控市场状态和风格表现。以下是基于报告内容的总结： 量化因子与构建方式 1. **因子名称：风格相对拥挤度**[35] * **因子构建思路：** 通过计算不同风格指数换手率的标准化差值及其历史分位数，来衡量某一风格相对于另一风格的交易拥挤程度，作为风格配置风险的参考指标[35] * **因子具体构建过程：** 1. 分别计算风格A和风格B指数的近252日平均换手率[129] 2. 将这两个换手率序列在2005年1月1日以来的历史时间序列上进行Z-score标准化，得到Z-score_A和Z-score_B[129] 3. 计算二者的差值：Z-score_A - Z-score_B[129] 4. 计算该差值的滚动6年历史分位数（历史数据量满1年且不足6年时，以全部历史数据进行计算），该分位数即为风格A相对于风格B的相对拥挤度[129] 2. **因子名称：风格累计超额净值**[25][26] * **因子构建思路：** 通过计算风格指数相对于市场基准（万得全A）的累计超额收益，来跟踪风格的历史表现[25][26][130] * **因子具体构建过程：** 1. 以2020年1月4日为基准日[130] 2. 将风格指数和万得全A指数的每日收盘点数分别除以基准日的收盘点数，得到各自的累计净值[130] 3. 将风格指数的累计净值除以同一交易日的万得全A指数累计净值，得到该风格指数相对于万得全A的累计超额净值[130] 3. **因子名称：机构调研活跃度历史分位数**[110] * **因子构建思路：** 通过标准化处理板块/行业/指数的机构调研次数，并计算其历史分位数，来评估市场关注度的相对水平[110][131] * **因子具体构建过程：** 1. 计算板块（或指数、行业）在近n个交易日的“日均机构调研次数”[131] 2. 将该值在滚动y年的历史时间序列上进行z-score标准化[131] 3. 将此标准化值与万得全A的同期标准化结果作差，得到“机构调研活跃度”[131] 4. 最后计算该“机构调研活跃度”的滚动y年历史分位数[131] * **参数设置：** * 长期口径：n=126（近半年），y=6年[131] * 短期口径：n=63（近一季度），y=3年[131] 4. **因子名称：股债风险溢价（ERP）**[78] * **因子构建思路：** 用股票市场市盈率的倒数与无风险利率（10年期国债收益率）作比较，衡量投资股票的相对性价比[78] * **因子具体构建过程：** 指数ERP的计算公式为： $$ erp = \frac{1}{指数PE\_TTM} - 10年期中债国债到期收益率 $$ 然后计算该ERP值在历史序列中的分位数[78] 5. **因子名称：滚动季度夏普率**[64] * **因子构建思路：** 用于衡量市场单位风险下的回报水平，当该指标处于历史极高位时，提示市场情绪可能过于乐观，存在调整风险[64] 6. **因子名称：成交热度**[54] * **因子构建思路：** 使用“周度日均自由流通换手率”的历史分位值来度量板块或行业的交易活跃度[54][62] 风格指数定义说明 * **长江动量指数：** 以最近一年股票收益率减去最近一个月股票收益率（剔除涨停板）作为动量指标，选择动量特征强且流动性高的前100只股票构成[28] * **长江反转指数：** 以最近一个月股票收益率作为筛选指标，选择反转效应强、流动性好的前100只股票构成，并采用近三个月日均成交量加权[28] 指标跟踪结果（截至2025年10月24日当周） | 因子/指标名称 | 跟踪对象 | 当前值/状态 | 历史分位/备注 | | :--- | :--- | :--- | :--- | | **风格相对拥挤度**[35] | 成长 vs 红利 | 69% | 处于历史较高位置 | | | 小盘 vs 大盘 | 33% | 处于历史较低位置 | | | 微盘股 vs 中证800 | 81% | 处于历史较高位置 | | **风格表现（近一周）**[25][26] | 成长较红利超额 | 3.5% | | | | 小盘较大盘超额 | -0.4% | | | | 微盘股较基金重仓超额 | 3.7% | | | | 动量较反转超额 | 5.3% | | | **股债风险溢价（ERP）**[78][85] | 万得全A | 2.6% | 历史分位58%，均衡 | | | 沪深300 | 5.1% | 历史分位58%，均衡 | | | 中证500 | 1.1% | 历史分位71%，较高 | | | 创业板 | 0.5% | 历史分位86%，极高 | | **估值（PE_TTM）**[68][76] | 万得全A | 22.6 | 历史分位79%，较高 | | | 沪深300 | 14.6 | 历史分位70%，较高 | | | 创业板 | 43.5 | 历史分位42%，均衡 | | **机构调研活跃度（长期口径）**[110][112] | 上游周期板块 | 94% | 极高 | | | 石油石化行业 | 100% | 极高 | | | 医药行业 | 8% | 极低 | | | 电子行业 | 23% | 较低 | | **市场情绪风险**[64] | 万得全A滚动季度夏普率 | - | 处于历史极高位置 | 对模型或因子的评价 * **风格相对拥挤度 & 超额净值：** 用于评估风格的配置性价比与风险，例如报告指出成长风格和微盘股风格因拥挤度和超额净值处于高位而需注意风险，小盘风格则因两者处于低位而具备配置性价比[2][35] * **滚动季度夏普率：** 作为市场情绪的风险指标，当其处于历史极高位置时，提示市场情绪达到极端高峰，后续存在调整风险[64]