公司量化业务发展历程 - 博道基金于2018年8月发行首只公募量化产品博道启航，正式进军公募量化领域 [1] - 截至2025年11月14日，该产品成立七年多累计回报率超过144%，年化回报率超13% [1] - 截至2025年三季度末，公司量化管理规模约达270亿元，成功跻身行业前三 [1] AI量化投资框架演进 - 公司于2017年开始使用GP算法挖掘因子，2019年研究AI量价因子，2020年实盘落地 [5] - 2023年一季度将AI量价框架升级为“AI全流程投资框架”，进入传统与AI双轮驱动新阶段 [5] - AI全流程框架从原始数据输入开始，由神经网络模型进行端到端学习和预测 [5] - 团队在AI模型上已进行数以千计尝试，实盘应用子策略模型有十几套 [6] 团队架构与投研模式 - 量化团队共有8名成员，全部为内部培养，形成从研究员到基金经理的完善梯队 [6] - 实行“分工协作、投研一体化”模式，研究成果达标后直接上线参与实盘运作 [6] - 组合生成、交易执行、归因分析等由系统完成，确保投资流程高度纪律性和体系化 [6] 核心投资策略：双均衡模型 - 方法论均衡：传统多因子模型与AI全流程模型各占50%权重 [9] - 因子配权均衡：股票收益预测信息约一半来自基本面判断，另一半来自估值波动和技术面判断 [10] - 均衡策略旨在实现穿越市场周期的“长青”竞争力，除2022年外其余年份排名均处市场前列 [11] 产品矩阵布局 - 标准指增系列：投资基准指数成分股超80%，跟踪误差控制严格，覆盖沪深300、中证500等主流宽基指数 [13] - 灵活指增系列：可突破成分股限制投资全市场，包括对标主动权益基金平均业绩的博道远航等产品 [13] - Smart Beta增强系列：参考主动选股逻辑但以量化方式运作，如博道大盘价值、博道大盘成长 [14] - 量化固收系列：拓展至绝对收益品类，为低风险偏好投资者提供量化增强方案 [14] 行业发展趋势 - 截至2025年三季度末，中国公募量化产品总规模已突破4000亿元 [1] - 公募量化行业在因子挖掘、策略迭代和AI技术深化应用方面仍有巨大发展潜力 [1]

报告行业投资评级 未提及 报告核心观点 报告介绍多个华宝研究的ETF策略指数，各指数采用不同方法获取超额收益，且各指数在不同时间段的超额收益表现不同 ，投资者可借助ETF将量化模型或主观观点转化为投资策略，报告以周度频率跟踪指数绩效和持仓 [4][5][6][12] 各指数总结 华宝研究大小盘轮动ETF策略指数 - 利用多维度技术指标因子，用机器学习模型预测申万大小盘指数收益差，周度输出信号决定持仓获取超额回报 - 截至2025/11/21，2024年以来超额收益20.10%，近一月0.51%，近一周0.57% - 近一周收益-3.74%，近一月-4.37%，2024年以来48.77%，基准中证800对应收益为-4.31%、-4.88%、28.67% - 持仓为沪深300ETF，权重100% [4][14][16][18] 华宝研究SmartBeta增强ETF策略指数 - 用量价类指标对自建barra因子择时，依据ETF在9大barra因子暴露度映射择时信号，选取主流宽基及风格、策略ETF获取超越市场收益 - 截至2025/11/21，2024年以来超额收益19.67%，近一月4.56%，近一周1.02% - 近一周收益-3.29%，近一月-0.32%，2024年以来48.35%，基准中证800对应收益为-4.31%、-4.88%、28.67% - 持仓包括红利低波ETF、红利ETF、中证红利ETF、高股息ETF，权重分别为25.19%、25.06%、24.92%、24.83% [4][18][19][22] 华宝研究量化风火轮ETF策略指数 - 从多因子角度出发，把握中长期基本面、跟踪短期趋势、分析参与者行为，用估值与拥挤度信号提示风险，挖掘潜力板块获取超额收益 - 截至2025/11/21，2024年以来超额收益35.64%，近一月4.56%，近一周0.09% - 近一周收益-4.22%，近一月-0.32%，2024年以来64.32%，基准中证800对应收益为-4.31%、-4.88%、28.67% - 持仓包括油气ETF、银行ETF、新能源ETF等，权重分别为20.69%、20.60%、19.80%等 [5][22][25][26] 华宝研究量化平衡术ETF策略指数 - 采用多因子体系，涵盖经济基本面等四大类因子构建量化择时系统，研判权益市场趋势，建立大小盘风格预测模型调整仓位分布，综合择时和轮动获取超额收益 - 截至2025/11/21，2024年以来超额收益-8.44%，近一月2.51%，近一周1.83% - 近一周收益-1.94%，近一月-1.94%，2024年以来21.36%，基准沪深300对应收益为-3.77%、-4.44%、29.80% - 持仓包括十年国债ETF、500ETF增强、中证1000ETF等，权重分别为9.35%、5.96%、5.86%等 [5][26][27][29] 华宝研究热点跟踪ETF策略指数 - 根据市场情绪分析等策略，跟踪挖掘热点指数标的产品，构建ETF组合，为投资者提供短期趋势参考和投资决策依据 - 截至2025/11/21，近一月超额收益3.13%，近一周0.17% - 近一周收益-4.88%，近一月-1.44%，基准中证全指对应收益为-5.05%、-4.57% - 持仓包括有色50ETF、港股红利博时ETF、港股通医药ETF等，权重分别为36.17%、24.13%、21.12%等 [6][29][32][33] 华宝研究债券ETF久期策略指数 - 采用债券市场流动性和量价指标筛选择时因子，用机器学习预测债券收益率，低于阈值时减少长久期仓位，提升组合长期收益和回撤控制能力 - 截至2025/11/21，近一月超额收益0.00%，近一周0.11% - 近一周收益0.02%，近一月0.27%，2024年以来9.32%，成立以来23.46%，基准中债 - 总指数对应收益为-0.09%、0.28%、3.58%、7.87% - 持仓包括十年国债ETF、政金债券ETF、国债ETF5至10年，权重分别为49.99%、25.02%、24.99% [6][33][34][36]

根据提供的研报内容，以下是关于量化模型与因子的总结。 量化模型与构建方式 1. **模型名称：博时中证500增强策略ETF量化模型**[3][48][51] * **模型构建思路**：该模型旨在对中证500指数进行有效跟踪的基础上，通过增强策略积极管理指数组合与控制风险，力争实现超越目标指数的投资收益[51] * **模型具体构建过程**：模型通过严格的投资程序约束和数量化风险管理手段进行运作。具体包括： * **组合构建与偏离控制**：基金持仓大部分来自中证500成分股，各月末截面中证500成分股内权重占比平均为84.64%，并严格控制个股权重偏离，89.40%的个股偏离绝对值不超过0.5%[4][56][58] * **行业与风格暴露**：模型在行业上表现出超配电子、机械、汽车等行业的正向暴露，在风格上偏好高成长、强长期动量、强盈利能力的股票[63][68] * **收益归因**：采用Brinson模型进行归因，将超额收益拆解为行业配置收益和行业内选股收益。结果显示，超额收益主要来源于行业内选股能力，在大部分行业都有正向选股超额，尤其在计算机、电子、电力设备及新能源等行业选择能力较强[4][66] * **模型评价**：该模型实现了对标的指数的紧密跟踪，同时通过选股贡献了稳健的超额收益，风险调整后收益表现突出[3][52][54] 模型的回测效果 1. **博时中证500增强策略ETF量化模型**[3][52][54][55] * 年化超额收益：7.76% * 年化跟踪误差：3.84% * 信息比率(IR)：1.79 * 相对最大回撤：6.66% * 超额卡玛比：1.16 * 月度胜率：65.63% * 夏普比率：0.71 量化因子与构建方式 1. **因子类别：风格因子**[68][73] * **因子构建思路**：分析基金持仓相对基准指数的风格暴露，以理解其选股偏好 * **因子具体构建过程**：根据基金每日披露的PCF清单计算持股权重，进而计算每月末基金相对基准中证500指数在各类风格因子上的暴露情况。研报提及的具体风格因子包括： * **成长因子**：基金在该因子上有正向暴露，说明偏好高成长性股票 * **长期动量因子**：基金在该因子上有正向暴露，说明偏好具有强长期动量的股票 * **盈利能力因子**：基金在该因子上有正向暴露，说明偏好强盈利能力的股票 * **非线性规模因子**：基金在该因子上有负向暴露 * **流动性因子**：基金在该因子上有负向暴露 因子的回测效果 *（注：研报中未提供具体风格因子的独立测试结果指标值，如IC、IR等，因此本部分略过）*

核心观点 - 政策与市场环境改善推动主动权益基金价值重估，2025年成为重要转折点，多数基金展现出正向择券能力并在结构性行情中实现超额收益，高集中度的先进制造等主题型基金表现突出 [4] - 结构性牛市适配“核心+卫星”策略，报告在国企、科技、消费三大主题通过分域量化选股方法构建策略，回测证实可获得稳健超额收益，未来建议持续关注主题投资并挖掘基本面优质个股的Alpha机会 [4] - ETF市场在2025年实现数量和规模的跨越式突破，总规模突破2.5万亿元，较2024年底增长超1万亿元，行业主题ETF、债券及跨境ETF扩容显著，预计2026年将呈现热门赛道强者恒强、产品结构持续优化的格局 [4] - 构建了多元化的ETF量化配置体系，包括宏观择时、动量择势、行业轮动及Copula等进阶策略，在2025年表现突出，展望2026年建议侧重大类资产综合配置，并关注动量强劲、拥挤度较低的板块如科技主线 [4] 一、主动权益利好落地，主动优势展现投资潜力 - 2022至2024年主动权益基金整体表现疲软，平均收益落后于主要宽基指数，规模占比自2022年起被被动型基金反超，2024年上半年亏损基金比例超过35%，部分产品回撤逾30% [6] - 2025年成为转折点，政策层面强化业绩基准约束并引导中长期资金入市，市场层面A股步入“慢牛”格局，主动权益基金的选股能力与灵活配置价值有望进一步释放 [6] - 截至2025年第三季度，主动权益基金总规模为3.12万亿元，小于被动型基金总规模3.43万亿元，主动型基金在权益基金中的规模占比从2022年3月的65.35%下跌至2025年三季度不足50% [10] - 基于T-M模型分析，具有正向择券能力的主动基金占比达55.10%，但显著具有正向择券能力的仅为0.13%；2025年5月至9月，大多数主动权益基金取得了正向的超额收益，牛市超额收益显著 [22][24][25] 二、主动权益主题选股策略 - 2025年A股“慢牛”格局下，国企、科技、消费三大赛道成为资金配置核心方向，需针对不同赛道的行业属性、成长阶段与盈利模式差异实施分化选股逻辑 [67] - 国企主题选股策略结合通用因子（如ROE、营业现金比率）和行业特色因子，将行业划分为红利型与成长型，策略回测（2019年12月31日至今）年化收益达14.50%，相比中证国企指数实现年化超额收益12.06% [68][69][70][71][72][73][74] - 科技主题选股需以现金流为核心锚点划分企业生命周期，优选成长与成熟期企业；消费主题选股需兼顾成长潜力、盈利质量与现金流稳定性，聚焦新消费趋势下的高质量标的 [67] 三、被动产品跨越式突破，迈入高质量发展阶段 - 2025年以来ETF市场实现跨越式突破，规模突破2.5万亿元，比2024年底增长逾1万亿元；新发产品数量与份额均创历史新高，大额规模产品阵营扩容，主要集中在宽基和头部行业主题领域 [4][34] - 行业板块方面，受益于政策支持、下游需求爆发及产业技术升级，有色金属及TMT行业相关ETF领涨；从资金流向看，科技和金融地产板块净流入明显 [4] - 截至2025年第三季度，行业主题ETF规模首次突破1万亿元，债券及跨境ETF扩容显著 [34] 四、ETF量化配置策略 - 宏观择时策略通过经济周期划分实现稳健的大类资产轮动；动量择势策略捕捉板块轮动机会；低波扩散行业轮动策略及基于Copula的二阶随机占优策略依托多因子建模与尾部风控 [4] - 基于分位数随机森林的科技类ETF配置策略，依托科技大类的强势增长，在2025年中表现突出 [4] - 展望2026年，建议侧重大类资产综合配置以获取稳定风险收益，同时在“慢牛”中关注动量强劲、拥挤度较低的板块，尤其是科技等主线赛道，以捕捉超额收益 [4]

中水渔业个股分析 - 中水渔业出现连续七个交易日上涨的K线形态 [1] - 交易所龙虎榜数据显示，最近三个交易日机构专用席位净卖出金额达1.2亿元 [10] - 公司市盈率为77.53倍，显著高于水产养殖行业21倍的平均市盈率水平 [3] 市场现象与板块轮动 - 2025年行情中指数上涨900点，但自选股中仍有三分之一股票下跌 [3] - 电子板块是当年表现最稳定的板块，但仍有四个月录得阴线 [4] - 广聚能源在一季度股价暴涨50%后，用了半年时间回吐了60%的涨幅 [3] 机构资金行为分析 - 机构利用大数据系统监测散户集体抄底时的买单密度，并可能进行反向操作 [4] - 银行股从2022年至2025年期间，尽管有估值过高的声音，但量化系统显示机构资金持续流入 [5] - 机构活跃度指标（橙色柱体）在银行股2022年横盘期间持续活跃，显示机构正在建仓 [7] - 白酒板块自2023年10月起，系统捕捉不到机构资金痕迹，反弹缺乏机构参与 [7][9] 投资策略与工具 - 投资重点在于识别当前市场状态，而非预测短期涨跌 [11] - “机构库存”指标活跃（橙色柱体持续）表明主力资金在积极运作，指标消失则需警惕 [11] - 近五年发布类似风险提示公告的公司中，有83%在一个月内出现20%以上的股价回调 [11] - 建议关注异常波动，在股价突然放量上涨时查阅龙虎榜数据了解买卖方身份 [12]

公司量化投资发展历程与市场地位 - 公司主动量化管理规模截至三季度末超270亿元，在该领域行业排名跃居前三 [1] - 公司量化投资发展历程与国内量化行业成熟过程高度契合，早在2013年私募形态时已开启量化实盘 [1] - 公司于2018年由私募成功转型为公募，首只公募量化产品“博道启航”落地 [2] 量化投资策略体系演进 - 早期采用基于Barra风险模型的多因子组合体系，风险暴露均衡，核心市场中性产品经受住2014年底极端行情考验 [2] - 在期指贴水扩大等市场变化后，量化策略拓展至商品CTA，并发行了纯CTA策略产品 [2] - 公司是行业较早将AI应用到量化投研的基金公司之一，2017年开始利用GP算法挖掘因子，2019年智能系列选股模型成形，2020年AI量价因子纳入实盘 [2] - AI方法的引入成为公司量化产品在2020年至2021年取得亮眼业绩的重要驱动力 [2] - 2023年一季度，公司将原有的AI量价框架扩展迁移，形成全新的AI全流程投资框架 [3] - 目前采用“双框架并行”体系，一套沿用传统多因子框架，另一套完全基于AI驱动的多因子模型框架 [3] 量化团队组织与运作模式 - 量化团队共有8位正式员工，全部以应届生身份加入，在内部培养体系下成长 [4] - 团队特色之一是人才体系的完整性与理念的高度统一，成员从加入起就在同一套框架中磨合 [4] - 团队特色之二是采用“分工协作，投研一体”的团队化作战模式，成员有明确主攻方向且须形成竞争力，个人策略中外部研究成果占比尽量低 [4] - 团队成员的研究成果参与产品实盘运作，所有产品业绩是团队成员在各个模块综合打磨的结果 [5] - 量化投资系统自动处理每日所有产品的目标交易单，所有产品不存在人工干预，呈现体系化一致性优势 [5] - 针对不同指数增强，系统根据“基准指令”和指数特点自动选择更适配的因子组合，实现“分域差异化” [5] 产品矩阵布局与特色 - 公司量化团队共管理四大产品序列，覆盖从相对收益到绝对收益的完整体系 [6] - 标准指增、灵活指增和smart beta增强构成核心骨架，均以获取相对收益为目标 [6] - 标准指增要求80%投资于指数成分股，注重跟踪误差，布局全面，从传统宽基指数到中证A500、科创综指、中证全指等均在行业内率先启动 [6] - 灵活指增不受成分股约束，超额收益弹性显著提升，对标更具特色的指数，例如博道远航对标偏股混合型基金指数，博道成长智航、消费智航、红利智航三只产品基本覆盖中信五大风格 [6] - smart beta增强产品运作思路上更接近主动选股逻辑，追求超额收益最大化，已布局的大盘成长、大盘价值两只产品在过去一年初步展现风格锐度 [6] - 在相对收益体系外，产品进一步延展至绝对收益方向，覆盖量化固收类与专户多资产多策略，形成覆盖多层级目标、多类型风格的立体产品矩阵 [7] - 过去七年公募量化业绩比较中，公司量化团队业绩始终保持前列，跨周期竞争力源于团队化协作、体系化流程与多因子模型的长期打磨 [7]

根据研报内容，以下是涉及的量化模型和因子的总结： 量化模型与构建方式 **1 模型名称：A股大盘择时模型[2][10]** - 模型构建思路：从估值、情绪、资金、技术四个维度对万得全A指数进行整体方向性判断[10] - 模型具体构建过程：各维度日频发出信号，每日信号取值为0、±1，分别代表看平、看多、看空三种观点[10] 估值和情绪采用反转逻辑，刻画A股市场均值回归特征；资金和技术采用趋势逻辑，刻画市场趋势延续特征[10] 以各维度得分之和的正负性作为大盘多空观点的依据[10] - 模型评价：左侧指标规避风险，右侧指标捕捉机会[10] **2 模型名称：红利风格择时模型[3][18]** - 模型构建思路：结合中证红利相对中证全指的动量、10Y-1Y期限利差和银行间质押式回购成交量三者的趋势进行择时[3][18] - 模型具体构建过程：三个指标从趋势维度日频发出信号，每日信号取值为0、+1、-1，分别代表看平、看多、看空三种观点[18] 以各维度得分之和的正负性作为红利风格多空观点的依据[18] 当模型看好红利风格时全仓持有中证红利，不看好时全仓持有中证全指[18] **3 模型名称：大小盘风格择时模型[3][23]** - 模型构建思路：采用基于拥挤度分域的趋势模型进行择时，其中拥挤度采用小盘和大盘的动量之差和成交额之比刻画[3][23] - 模型具体构建过程：首先从动量视角和成交视角计算大小盘风格拥挤度得分[23] 若最近20个交易日中曾触发过高拥挤，视为运行在高拥挤区间，否则为低拥挤区间[25] 在高拥挤区间采用参数值较小的双均线模型应对风格反转，在低拥挤区间采用参数值较大的双均线模型跟踪中长期趋势[25] **4 模型名称：遗传规划行业轮动模型[4][30]** - 模型构建思路：采用遗传规划技术直接对行业指数的量价、估值等特征进行因子挖掘，每季度末更新因子库[4][33] - 模型具体构建过程：底层资产为32个中信行业指数，因子更新频率为季频，调仓频率为周频[30] 使用|IC|和NDCG@5两个指标同时评价因子的分组单调性和多头组表现[33] 在NSGA-II算法加持下挖掘兼具分组表现单调、多头表现优秀的行业轮动因子[33] **5 模型名称：中国境内全天候增强组合[5][39]** - 模型构建思路：采用宏观因子风险预算框架，选取增长超预期/不及预期、通胀超预期/不及预期四种宏观风险源作为平价对象[5][39] - 模型具体构建过程：在四象限风险平价基础上，基于宏观预期动量的观点主动偏配看好象限[5] 构建分为三步：宏观象限划分与资产选择、象限组合构建与风险度量、风险预算模型确定象限权重[42] 每月底根据"象限观点"调整象限风险预算进行主动偏配[42] 模型的回测效果 **1 A股大盘择时模型[15]** - 年化收益：24.94% - 最大回撤：-28.46% - 夏普比率：1.16 - Calmar比率：0.88 - YTD：43.84% - 上周收益：5.28% **2 红利风格择时模型[21]** - 年化收益：15.67% - 最大回撤：-25.52% - 夏普比率：-0.26 - Calmar比率：0.85 - YTD：20.86% - 上周收益：-3.63% **3 大小盘风格择时模型[28]** - 年化收益：27.04% - 最大回撤：-32.05% - 夏普比率：1.13 - Calmar比率：0.84 - YTD：71.14% - 上周收益：-7.80% **4 遗传规划行业轮动模型[33]** - 年化收益：30.83% - 年化波动：17.74% - 夏普比率：1.74 - 最大回撤：-19.63% - 卡玛比率：1.57 - 上周表现：-4.39% - YTD：35.44% **5 中国境内全天候增强组合[43]** - 年化收益：11.51% - 年化波动：6.18% - 夏普比率：1.86 - 最大回撤：-6.30% - 卡玛比率：1.83 - 上周表现：-1.53% - YTD：10.75% 量化因子与构建方式 **1 因子名称：大小盘风格拥挤度因子[23][27]** - 因子构建思路：从动量视角和成交视角计算大小盘风格拥挤度得分[23] - 因子具体构建过程： 1) 动量之差：计算万得微盘股指数与沪深300指数的10/20/30/40/50/60日动量之差，计算各窗长动量之差的3.0/3.5/4.0/4.5/5.0年分位数的均值，对6个计算窗长下分位数最高的3个结果取均值作为小盘风格的动量得分；对分位数最低的3个结果取均值作为大盘风格的动量得分[27] 2) 成交额之比：计算万得微盘股指数与沪深300指数的10/20/30/40/50/60日成交额之比，计算各窗长成交额之比的3.0/3.5/4.0/4.5/5.0年分位数的均值，对6个计算窗长下分位数最高的3个结果取均值作为小盘风格的成交量得分；对分位数最低的3个结果取均值作为大盘风格的成交量得分[27] 3) 将小盘风格的动量得分和成交量得分取均值得到小盘风格的拥挤度得分，大于90%视为触发高拥挤；将大盘风格的动量得分和成交量得分取均值得到大盘风格的拥挤度得分，小于10%视为触发高拥挤[27] **2 因子名称：遗传规划行业轮动因子[37]** - 因子构建思路：基于单行业阻力支撑位构建[37] - 因子具体构建过程： 1) 在过去25个交易日中，计算周度标准化最低价和月度标准化开盘价的协方差，记作变量A[38] 2) 在过去15个交易日中，对周度标准化最高价开展zscore标准化，取标准化后大于2.0的日期，对A进行反转即乘以-1后，计算这15个交易日A之和[38] 因子表达式：$$ts\_grouping\_deczscorecut\_torch(ts\_covariance\_torch(wlow\_st, mopen\_st, 25), whigh\_st, 15, 2.0, 2)$$[37]

公司概况 - 公司实控人为梁文锋，旗下拥有宁波幻方量化和九章资产两家私募管理公司 [2] - 公司成立于2015年，2019年管理规模突破百亿，2021年一度突破千亿，后主动调整至约600亿以控制风险和提升业绩，目前是国内量化巨头之一 [8] - 截至2025年10月底，公司在私募排排网发布的1-10月百亿量化收益榜排名第2，旗下11只产品平均收益为***%，且这11只产品均在2025年10月创下历史新高 [2] - 据第三方统计，公司管理规模在2025年三季度继续增长，跨入700亿至800亿人民币区间，稳居国内量化私募第一梯队 [3] 核心投研团队 - 实控人梁文锋为DeepSeek创始人，17岁考入浙江大学，23岁探索量化交易，31岁创办幻方量化，33岁斩获金牛奖，38岁进军通用人工智能并创办深度求索（DeepSeek）[18] - 技术总监兼基金经理徐进为浙江大学信号与信息处理博士，研究方向包括机器人自主导航、立体视觉、模式识别及机器学习，在相关基金经理收益排名中位列第一 [25][26][27] - 基金经理陆政哲毕业于浙江大学和伦敦政治经济学院，曾就职于招商银行资产管理部从事宏观研究及海外衍生品投资 [29][30] - 首席策略官陈哲为金融数学博士，曾在广发证券资管从事量化策略研究及投资工作 [28] - 公司策略和开发团队由奥林匹克数学、物理、信息学金银牌得主，ACM金牌得主，AI领域领军人物及各学科博士组成，以跨学科合作解决深度学习、大数据建模等挑战 [12][33] 投资策略与产品线 - 核心策略为人工智能驱动的量化股票策略，是指数增强产品领域的引领者 [5][14] - 代表产品线覆盖沪深300、中证500及中证1000指数增强策略 [3][41] - 指数增强产品旨在享受市场长期红利，通过获取超越指数的回报（Alpha）来优化持仓体验并增厚投资收益 [35] - 投资策略根据市场风格灵活配置资产，运用基本面、技术面分析，综合评估各类金融合约的波动性、流动性等，在给定风险水平下确定较优投资组合 [38] 核心优势与技术创新 - 公司是AI量化交易的引领者，自2008年开始探索全自动量化交易，2016年10月上线首个由深度学习生成的交易仓位，2017年全面应用深度学习技术进行交易 [13][43][44] - 公司自研自建了名为“萤火二号”的深度学习训练平台，该平台历时3年打造，搭载高性能加速卡、大容量高速存储和高带宽网络互联，支持大规模并行训练，能高效优化策略以适应市场 [45] - 公司站在人工智能技术前沿，开发出多策略、多周期的投资模式以实现收益叠加 [47] - 公司发展历程紧密围绕AI：2018年AI技术主导策略开发迭代并首获金牛奖；2019年建立智算中心并跻身百亿私募；2023年成立通用人工智能实验室并运营DeepSeek；2024至2025年发布多个低成本高性能开源大模型，如DeepSeek-V2和DeepSeek-V3 [13][14][23] 行业地位与荣誉 - 在私募排排网2025上半年百亿私募榜单中，公司在上半年、近一年、近三年收益排名皆进入前十名；在近半年、近一年、近三年收益排名中曾进入前五名 [8][14] - 公司连续多年获得私募金牛奖，例如2018年至2021年连续获得“三年期金牛私募管理公司（相对价值策略）”奖项 [48][49] - 公司亦多次荣获中国基金报“英华奖中国私募基金50强（量化策略）”及“综合实力50强”等奖项 [48][49] 其他信息 - 公司于2021年成立公益工作小组，2022年共计向慈善机构捐赠2.2138亿元人民币，其中公司员工“一只平凡的小猪”个人捐助1.38亿元，支持了15家慈善机构的23个公益项目 [50]

量化市场因子表现综述 - 本周全市场股票池中，市值因子获取正收益0.99%，市场大市值风格显著 [4] - 杠杆因子、流动性因子、残差波动率因子、估值因子分别获取负收益-0.41%、-0.43%、-0.50%、-0.68% [4] 不同股票池单因子表现 - 沪深300股票池中，表现较好的因子有日内波动率与成交金额的相关性(1.23%)、ROE稳定性(1.14%)、下行波动率占比(1.13%)，表现较差的因子有早盘收益因子(-2.46%)、动量弹簧因子(-2.21%)、净利润断层(-1.72%) [5] - 中证500股票池中，表现较好的因子有单季度总资产毛利率(1.82%)、动量调整大单(1.66%)、总资产毛利率TTM(1.63%)，表现较差的因子有单季度ROA同比(-0.66%)、单季度ROE同比(-0.55%)、ROIC增强因子(-0.53%) [5] - 流动性1500股票池中，表现较好的因子有净利润率TTM(1.82%)、营业利润率TTM(1.44%)、ROA稳定性(1.38%)，表现较差的因子有市销率TTM倒数(-1.31%)、对数市值因子(-1.07%)、净利润断层(-0.95%) [5] 因子行业内表现 - 基本面因子中，净资产增长率因子、净利润增长率因子、每股净资产因子、每股经营利润TTM因子在纺织服装、钢铁行业正收益较为一致 [6] - 估值类因子中，EP因子在煤炭、美容护理、纺织服装行业正收益显著 [6] - 残差波动率因子和流动性因子在传媒行业正收益明显，多数行业大市值风格显著 [6] 量化投资组合表现 - PB-ROE-50组合本周在各股票池中均获取负超额收益，其中中证500股票池超额收益-1.30%，中证800股票池超额收益-2.09%，全市场股票池超额收益-1.46% [7] - 机构调研组合中，公募调研选股策略相对中证800获得超额收益-1.91%，私募调研跟踪策略相对中证800获得超额收益-3.65% [8] - 大宗交易组合相对中证全指获得超额收益-2.84% [9] - 定向增发组合相对中证全指获得超额收益-1.42% [10]

核心观点 - 报告核心观点为在市场波动加大的背景下，指数增强策略展现出稳健特质，其超额收益表现优于主动量化和市场中性策略 [1] - 中证1000指数增强基金年度表现最为突出，年内平均超额收益达6.69%，近一年平均超额收益高达10.55% [3][10] - 公募主动量化基金年内绝对收益表现最佳，平均收益达22.14%，但近期出现显著回撤，本周平均收益为-4.65% [1][3] 公募量化基金业绩统计 - **周度业绩（2025.11.17-2025.11.21）**：各指数增强策略均实现正超额收益，其中中证500指增表现最佳，平均超额收益为0.35%，正超额基金占比达80.82% [1] - **月度业绩（截至2025.11.21）**：中证500指增平均超额收益为0.77%，正超额基金占比81.69%，表现领先；而中证1000指增平均超额收益为-0.07%，正超额基金占比仅为43.48% [2] - **年度业绩（2025YTD）**：中证1000指增平均超额收益高达6.69%，正超额基金占比89.13%，显著优于其他指增策略；沪深300指增表现相对较弱，平均超额收益为-0.75% [3] - **主动量化与市场中性策略**：主动量化基金年内平均收益为22.14%，但本周平均收益为-4.65%，正收益基金占比仅0.49%；市场中性基金年内平均收益为1.01%，本周平均收益为-0.22% [1][3] - **分位数表现**：中证1000指增近一年超额收益中位数为9.74%，75%分位点达14.39%，显示头部产品表现强劲；其近一年跟踪误差中位数为4.31% [10] 公募量化基金收益分布 - 报告通过收益分布图展示了本周公募量化基金的整体收益情况，具体分布细节需参考图2 [11][13] 公募量化基金业绩散点图 - 散点图展示了公募指数增强基金近1年的超额收益与年化跟踪误差的关系，以及主动量化和市场中性基金的绝对收益与最大回撤的关系 [14][16][17][19][20] 公募量化基金净值走势 - **指数增强策略净值走势**：公募四大指增等权组合今年以来累计超额净值走势显示，中证1000指增和中证A500指增组合表现相对稳健 [21][22] - **主动量化与市场中性策略净值走势**：公募主动量化产品等权组合今年以来累计净值呈现显著增长，但近2年走势波动较大；市场中性产品组合净值走势相对平稳 [27][28][29][30][31] 附录：计算说明 - 报告采用日频数据进行计算，年化采用242个交易日并进行几何年化 [32] - 公募基金分类标准基于Wind投资类型二级分类，并结合基金名称、投资目标、策略等进行定义，基金池更新时间为2025年9月30日 [32] - 超额业绩计算的比较基准为产品所跟踪标的指数对应的全收益指数，统计时通常仅考虑成立满2个月的产品，但对存续期较短的中证A500指增有所放宽 [32][33]