量化行业竞争格局与发展路径 - 量化行业准入门槛因算力成本下降、编程工具普及及数据获取便利而降低，策略同质化问题凸显 [2] - 行业策略分化为两类：一类是规模大、参与者众、模型因子高度拥挤导致边际收益下降的多因子模型“红海”格局；另一类是以专业金融认知为底座、通过独立逻辑寻找市场规律的小众策略 [2] - 行业正形成“工具驱动”与“认知驱动”两条不同发展路径，AI技术普及将放大分化，预计八成的传统量化基金经理和工具型策略机构可能被AI取代 [2] - 量化机构的核心竞争壁垒在于对市场风格、经济周期、资金行为等多维度的专业理解，而非模型工具本身 [1][2] 守正用奇私募基金的核心策略与定位 - 公司成立10年，在规模发展上保持克制，选择以风格择时为核心策略的差异化投资路径 [1] - 公司策略关注点从阿尔法（超额收益）转向因子的贝塔（系统收益），通过“风格估值-动量-有效资金流”三维框架捕捉因子贝塔 [1][3] - 特色策略为风格择时指增策略，通过识别风格趋势构建稳健的指数增强体系 [3] - 策略模型使用三类关键指标：最核心的风格估值（判断不同风格相对性价比）、动量指标（捕捉趋势变化速度与方向）、定价者的有效资金流（关注对价格产生决定性影响的核心资金行为） [3] - 模型结合三类指标，可在日频到周频的不同时间维度上预测风格变化，最短可预测一天半，最长延伸至数月 [3] 公司的风控实践与业绩表现 - 在2024年初小微盘品种出现流动性困境的极端行情中，公司模型提前识别风险，并将因子暴露迅速调整为均衡状态 [4] - 调整后，策略在市场调整期间的回撤幅度明显低于同类模型，并在反弹阶段实现了较快修复 [4] 对后市的展望与投资观点 - 公司认为当前市场上涨趋势远未结束，未来仍有较大上行空间 [5] - 当前市场处于多年难得的流动性宽裕阶段，是“流动性充分配合的最好时刻” [5] - 建议普通投资者关注风格的相对估值，避免一味追求热点，热点板块估值抬升后性价比下降应适当回避 [6] - 建议可在红利等具备更长期价值的板块中寻找机会 [6] - 科技板块内部存在轮动，细分方向性价比会围绕中枢波动，可进行高低切换 [6] - 长期来看，科技很多细分方向的需求规模和未来成长空间非常巨大 [6]

团队概况 - 国信金工团队组建于2020年6月，目前拥有7名成员 [1] - 研究领域广泛，涵盖量化选股、FOF投资、基金产品研究、行业轮动、资产配置、港股投资、CTA策略等 [1] 团队业绩与荣誉 - 2024年获得证券时报·新财富杂志最佳分析师金融工程第4名 [2] - 2024年第十八届卖方分析师水晶球奖金融工程总榜单第3名，其中公募榜单第2名 [2] - 2023年第二十一届新财富最佳分析师金融工程第2名 [2] - 2023年第十七届卖方分析师水晶球奖金融工程总榜单第2名，公募榜单第2名 [2] - 2022年第二十届新财富最佳分析师金融工程第1名 [2] - 2022年第十六届卖方分析师水晶球奖金融工程总榜单第1名，公募榜单第1名 [2] - 2021年第十九届新财富最佳分析师金融工程第5名 [2] - 2021年第十五届卖方分析师水晶球奖金融工程总榜单第3名，公募榜单第1名 [2] 金融工程分析师职位 - 招聘对象为2026年应届毕业生或从事量化研究工作不超过5年的非应届生 [2] - 要求数学、计算机、统计、金融工程等相关专业硕士及以上学历 [2] - 需具备扎实的数理统计知识和建模能力，熟练使用Python、Matlab、R等编程语言 [2] - 熟悉Wind、朝阳永续等金融终端及数据库 [2] - 优先考虑有机器学习、深度学习、资产配置方向研究经验的应聘者 [3] - 工作职责包括数据处理与统计、量化策略与FOF策略开发、参与路演推介活动等 [5] - 工作地点位于上海 [5] 金融工程实习生职位 - 招聘对象为2026年或2027年应届毕业生 [7] - 专业及技能要求与分析师职位相同，需为相关专业硕士及以上学历，熟练掌握编程语言和金融终端 [7] - 优先考虑有机器学习、深度学习、资产配置研究经验的应聘者 [7] - 工作职责包括数据库维护、数据清洗、数据处理统计、协助策略开发等 [10] - 工作地点位于上海 [10]

科创板两融数据 - 科创板总两融余额达到2564.68亿元 [1] - 东芯股份获得1.54亿元融资净买入 [1] - 271只个股获得融资净买入，其中8只个股净买入额超过5000万元 [2] 市场博弈格局 - 多空博弈加剧，表现为两融余额增长的同时融券也在增加 [12] - 头部个股集中度提升，凸显结构性行情 [12] - 细分领域出现资金异动，反映产业升级路线图 [12] 机构与散户行为差异 - 机构利用专业量化工具进行决策，而散户多依赖感觉 [4][5] - 市场已进入量化模型时代，但多数散户仍使用传统方法 [4] - 在股价震荡期，量化数据能识别出机构资金的暗流涌动和空头回补行为 [7] 行为金融学现象 - 大部分基金客户在净值即将启动前赎回，是典型的损失厌恶心理 [9] - 普通投资者容易将震荡误解为顶部，而量化系统能识别恐慌抛售和机构吸筹 [12] 投资方法论 - 投资应忘记预测市场，转而专注应对策略 [14] - 需利用工具弥补认知短板，并建立可复制的决策体系 [14] - 真正的机会属于能看懂并抓住的人，盈利是认知的变现 [5][14]

市场行情表现 - 12月1日A股市场呈现普涨态势，北证50指数表现最为亮眼，大涨约2% [1] - 有色金属、汽车制造、半导体等板块轮番表现 [1] - 有报告指出12月至次年1月是布局春季行情的最佳时机 [1] 历史案例与市场现象 - 11月14日A股半导体板块在跟随美股调整后出现反弹，但尾盘跳水 [3] - 过去十年间，每一轮行情能跑赢指数的个股大约只有六成，有四成股票在牛市里会掉队 [3] - 2025年11月14日的半导体板块反弹实为暗藏杀机 [4] 机构与散户行为分析 - 真正的抄底不应看走势或指数涨跌，应以机构大资金持续参与为依据 [7] - 机构资金的交易行为有很强的规律性和重复性 [13] - 牛市暴跌时散户通常有两种极端表现：死扛到底或稍有波动就仓皇出逃 [10] 量化数据洞察 - 机构库存数据反映机构资金的活跃程度，其持续活跃数月表明机构在默默吸筹 [16] - 若股价调整后机构库存突然消失，则是典型的机构出货案例，股价将一蹶不振 [19] - 华兰疫苗（301207）从10月23日到30日连续六天下跌，但同期上证指数六连阳，之后股价快速拉升 [7] 投资策略建议 - 不要被表面涨幅迷惑，重点关注有持续机构参与的个股 [21] - 学会用量化工具识别主力动向，建立自己的交易纪律 [21] - 在股市里，真正重要的东西往往藏在数据背后 [20]

券商资管行业战略调整 - 四家申请公募牌照的券商资管子公司全部撤回申请 [1] - 30家券商资管子公司中仅14家持有公募牌照，其余转向私募领域 [2] - 行业出现分化，机构致力于寻找最适合的生存方式并进行差异化竞争 [2][8] 市场投资策略的演变 - 市场热点轮动加速，A股上市公司数量超过5000家 [8] - 单纯依靠基本面分析或消息面进行投资决策存在滞后性 [3] - 通过量化数据观察资金博弈被视为更有效的分析方法 [3] - 成功的投资机会需满足“看得懂”（洞察资金真实意图）和“抓得住”（把握合适时机）两个条件 [2] 资金行为分析与个股机会识别 - 表现抢眼的个股通常出现明显的“游资抢筹”现象 [5] - 机构常采用“震仓洗盘”行为，表现为蓝色K线，期间需通过数据判断是真出货还是假摔 [5][7] - 可结合“机构库存”叠加“空头回补”等量化指标识别机构震仓吸筹行为，此类个股往往在启动前经历多次震仓 [7]

政策面与市场反应的脱节 - 国务院安委会发布高层建筑火灾隐患排查通知，但政策出台未必直接转化为相关板块（如建材、消防设备）的投资机会，需观察实际资金流向 [3][19] - 2025年行情中，仅六成个股跑赢指数，显示市场存在分化，并非全面牛市 [4] - 政策与资金流向常存在时差，例如央行重申虚拟货币禁令时，区块链概念股反而出现异动 [19] 宏观经济与行业数据的分化 - 11月制造业PMI为49.2%，仍处收缩区间，但内部出现分化：大型企业数据下滑，而小型企业环比上升2个百分点 [3] - 1-10月国有企业营业收入同比增长0.9%，但利润总额同比下降3%，同时资产负债率攀升0.4个百分点 [3] - PMI数据微小的回升（如0.2个百分点）在量化模型中可能预示趋势转折，但其重要性在传统分析中易被忽视 [19] 机构资金行为与市场波动 - 量化系统可通过“机构库存”等数据监测主力资金动向，例如华兰疫苗在股价六连阴而大盘六连阳期间，“机构库存”数据保持活跃，预示了后续股价爆发 [6][12] - 牛市中的暴跌会催生两种极端交易行为：“死扛派”与“惊弓之鸟”，两者均可能错失盈利机会 [9] - 部分股票反弹时若“机构库存”突然消失，可能预示主力资金撤离，而非真正突破，例如绿色方框内的五连阳实为出货信号 [15] 板块与个股的特定案例 - 11月14日半导体板块早盘诱多、尾盘跳水，显示跟风交易风险 [1][4] - 天风证券被立案调查的消息表面是突发利空，但量化系统可能已提前捕捉资金异常流动 [18] - 恩捷股份收购中科华联、ST立方年报造假等事件背后，可能存在机构提前布局或量化系统可察觉的端倪 [19] - 工信部座谈动力电池产业、三部门取消现金登记新规、杰瑞股份获北美大单等信息均是市场拼图的一部分 [19] 量化分析工具的价值 - 量化工具能捕捉表面信息之下的资金暗流，帮助识别主力洗盘（如通过持续的“机构库存”数据）或出货行为 [12][15] - 传统思维易受政策标题驱动，而量化视角注重验证资金是否真实流入目标板块 [19] - 量化系统的价值在于整合各类信息碎片（政策、财报、订单等），帮助投资者看清市场全貌 [19]

公司背景与市场进入 - 联博集团（AllianceBernstein, AB）是由华尔街两大资产管理公司Alliance Capital和Bernstein合并而来，2000年Alliance Capital以35亿美元收购Bernstein [4][5] - 截至2025年9月30日，公司在全球管理资产规模达8600亿美元（超过6万亿人民币） [6] - 公司于2023年获批成立联博基金管理有限公司，并已开始在中国市场发行公募产品 [6] - 公司自2021年起与其他外资资管一同进入中国市场，但采取低调、稳扎稳打的策略 [7] 核心投资策略：量化基本面 - 公司为中国市场专门打造了“量化基本面”策略，结合量化模型的数据处理能力与基本面研究的深度洞察进行选股 [10][11] - 该策略已应用于公司旗下两只偏股混合基金，例如“联博智远”基金，截至2025年11月19日，该基金今年以来收益为28.32%，最大回撤仅为3.82% [16][17][19] - 历史业绩显示该策略在追求收益的同时，回撤控制表现突出，验证了其在中国市场的有效性 [20][21] 新产品：中证500指数增强基金 - 公司推出在中国市场的首只指数增强产品——联博中证500指数增强基金（A类：026059，C类：026060） [23] - 选择中证500指数是因为其成分股中芯片、电力设备、医药生物等科技行业占比较大，符合国家中长期发展方向，且制造业占比超过五成，直接受益于近期“反内卷”政策 [25] - 截至2025年11月18日，中证500指数最新市盈率估值约为33倍 [25] - 公司发行此产品基于三点考量：看好A股中长期趋势，视震荡为布局机会；认为制造业是中国优势且正处于升级转型大周期，中证500是核心载体；计划将已在主动产品验证有效的AI科技工具用于指数增强，以打造更具竞争力的产品 [25] - 该产品拟任基金经理经验丰富，朱良管理现有两只偏股混合基金，曾任联博香港亚太量化研究负责人，有19年司龄；杨光现任量化分析师，专攻机器学习与高频策略 [35] 技术与模型支撑 - 公司量化投资依赖两大核心支撑：全球一体化技术平台，利用集团领先的AI、云计算等工具提升效率；多资产量化模型，针对股票、债券等不同资产采用不同策略模型以分散风险 [26][27] - 核心理念是“用科技让投资更‘聪明’”，平台负责提升效率，模型负责寻找投资机会，最终目标是在控制风险的前提下争取更好回报 [28][29] - 新发的中证500指数增强基金也将应用这些科技工具与模型 [29]

量化转债组合表现 - 量化可转债组合基于可转债基本面因子、低频价量因子、高频价量因子三套因子体系生成，月度调仓 [1][5] - 今年以来组合收益20.14%，超额收益3.96% [1] - 11月组合收益-0.72%，超额收益-0.03% [1] 量化转债因子体系 - 跟踪了32个转债基本面因子，80个转债低频价量因子和32个转债高频价量因子 [2] - 因子类别包括估值、债券属性、溢价率、价量、价值、质量等，具体因子如隐含波动率、转股溢价率、转债收益率、市盈率、流动比率等 [10] - 报告以定价偏差因子（转债市场价格 - 理论定价）为例展示了最新数据，例如代码128101.SZ的因子值为52.08，代码110062.SH的因子值为-1.02 [11][12] 转债风险预警 - 基于交易所退市及风险警示规则，以及事件法和信用打分法计算结果，对具有相关风险的可转债进行了提示 [3][13] - 风险类别包括交易类强制退市预警（如鹰19转债、岭南转债）、财务类强制退市预警（如声迅转债）、*ST退市风险警示（如精装转债）、ST其他风险警示（如建工转债、凌钢转债等）、事件型信用风险预警（如闻泰转债、三房转债等）、打分型信用风险预警（如建工转债、精工转债等） [13] 转债指数择时 - 基于价量模型、定价偏差和转债弹性三个维度，对中证转债指数进行多空择时及仓位管理 [4][14] - 11月底定价模型为看多信号，最新观点为1/3仓位 [4] - 11月择时信号显示，仓位观点在0%、33%和67%之间动态变化，例如11月28日仓位观点为33% [15]

行业现状与转型方向 - 卖方研究行业正经历“供给侧改革”，排名前20的券商研究所才能获得可观佣金收入，中小券商突围困难 [3][17] - 行业转型升级方向是从单一机构服务转向“对外服务机构+对内服务财富管理+产业研究”的多元化模式 [3][17] - 行业转型升级方向是从“卖方思维”向“买方思维”转型，传统券商金股组合（2018/1/2-2025/6/9）年化收益率7.28%，低于采用ROE、自由现金流等买方思维筛选的优选组合年化收益率13.67% [3][17][18][19] 量化投资市场现状与前景 - 截至2025年6月末，A股市场个人投资者数量已突破2.4亿，但个人投资者对量化投资的认知和参与度仍处于逐步提升的早期阶段 [3] - 截至2025年第二季度，公募量化基金规模达3121亿元，相比2024年底增长5.8%；私募量化基金总规模约1.49万亿元，相比2024年底增长6.0% [3] - 根据测算，2026年个人投资者量化投资规模有望超过1万亿元，并带来量化服务费用市场空间154亿元 [4][26] 研究方法论创新与AI应用 - 传统投资研究依赖结构化数据（财报、交易数据），覆盖不到市场信息的5% [24] - AI彻底改变了传统证券研究依赖人工采集信息的低效模式，可实时抓取全球行情、新闻、研报、社交媒体舆情等多维数据 [23][24] - AI大模型可以实时解析上市公司业绩说明会的管理层语气变化、供应链卫星图像、工业园区开工率、电商平台SKU价格、专利文本的技术突破性等非结构化数据 [24][25] - 研究机构构建系统化的量化因子库，利用机器学习模型挖掘因子与股价之间的非线性关系，以辅助决策 [24] 量化策略表现实例 - 源达信息证券研究所展示了其基于金融工程研究构建的量化策略表现，例如“年报业绩预告超预期策略”年化收益率22.0%，“股息率50策略”年化收益率16.0%，“自由现金流100策略”年化收益率17.1% [20] - 该所通过优化选股因子（如采用ROE、自由现金流）构建的优选金股组合，在2018/1/2至2025/6/9期间的年化收益率为13.67%，显著高于传统50家券商金股等权重组合7.28%的年化收益率 [19]

产品发行信息 - 华宝沪深300增强策略ETF（认购代码：562073）于12月1日正式开售，是华宝基金年内布局的第二只指数增强型ETF [1] - 该ETF发行成立后将在上海证券交易所上市交易，场内简称为“沪深300指增ETF” [1] - 该ETF由王正和徐林明两位基金经理共同管理 [2] 产品与团队背景 - 指数增强型ETF通过量化研究创造超越标的指数的超额收益，对基金经理主动管理能力要求更高 [2] - 基金经理徐林明是华宝基金量化投资部总经理，王正是量化投资领域实力干将 [2] - 华宝基金量化投资团队自2005年开始研究量化投资策略，有近20年积累 [3] 历史业绩表现 - 由相同基金经理管理的华宝沪深300增强基金自2016年12月成立至2025年9月30日，净值增长102.38%，超额收益达51.04% [3] - 在2017-2024年的8个年度中，该基金共有7个年度实现了超额回报 [3] 市场与指数背景 - 沪深300指数代表中国核心资产，截至2025年9月30日，以该指数为标的的ETF规模占股票型ETF总规模比例超过30% [2] - 近10年来沪深300近半成份股已更新，纳入宁德时代、中芯国际等优质行业龙头，反映中国经济产业结构转型 [2] - A股市场整体持续回暖，慢牛的市场预期正在强化 [1]