05中证问基 ...

面对公募基金行业竞争加剧的新格局，多年来信达澳亚基金以"权益、固收、量化"三驾马车协同发力的 战略布局，纵深推进人才建设、团队管理与风险控制，构建起一体化、多维度的投研体系，锻造出专业 性的投研壁垒。具体来看，在权益团队建设上，信达澳亚基金积极广纳资深研究员与投资经理，致力于 构建不同行业维度的人才布局。在固收领域，信达澳亚基金将风险控制视为核心竞争力，以系统性、前 瞻性的风控体系构筑投资安全屏障。此外，在量化投资领域展开积极布局，信达澳亚基金以"HI+AI"体 系构建差异化竞争优势。 信达澳亚基金成立于2006年6月份，是经中国证监会批准设立的国内首家由国有资产管理公司控股的基 金管理公司。2015年5月22日，信达证券（601059）受让中国信达资产管理股份有限公司持有的股权 （持股比例54%），与EastTopcoLimited共同持有信达澳亚基金股份（持股比例46%）。资讯数据显 示，截至2025年二季度末，信达澳亚基金的管理规模为1030.06亿元，其中非货基金管理规模为681.11亿 元。 本报讯 （记者方凌晨）9月6日，信达澳亚基金管理有限公司（简称"信达澳亚基金"）发布高级管理人 员变更公告。 ...

市场表现 - A股融资余额达到22454.72亿元创近十年新高 深市融资余额刷新历史纪录 [1] - 上证指数站稳3800点 成交量持续放大 80%股票出现上涨 [3] 市场特征分析 - 涨幅超过6%的个股不足五成 呈现结构性分化行情 [3] - 70%的个股反弹缺乏持续机构资金参与 多数投资者在牛市中反而亏损 [11] 机构资金行为 - 机构库存数据反映机构资金活跃程度 活跃的机构库存代表机构持续参与交易 [7][9] - 股价调整期间机构库存保持活跃的股票具备持续走强潜力 缺乏机构参与的反弹最终回落 [7][11] 投资行为误区 - 散户投资者过度关注价格波动和K线形态 忽视资金动向等底层逻辑 [11][12] - 投资者存在待涨假象 80%的所谓蓄势待发最终成为蓄势待跌 [4] - 热点轮动具有持续性特征 而非频繁切换 [5] 杠杆资金影响 - 杠杆资金既是市场推动力也是风险放大器 需穿透表象把握实质 [12]

【导读】信达澳亚基金总经理朱永强退休 公募行业又迎来一则重要人事变动。 根据信达澳亚基金最新发布的公告，公司总经理朱永强因达到退休年龄，正式卸任总经理职务；与此同 时，公司副总经理方敬将暂时代理总经理一职，履行相关职责。 作为资管行业的资深人士，朱永强自2019年底起开始担任信达澳亚基金总经理，掌舵公司五年有余。任 职期间，面对复杂多变的市场环境，他带领信达澳亚基金实现了显著且亮眼的发展。公司管理规模迎来 大幅跃升，五年多时间内整体增长超7倍，规模最高峰时较2019年底的基数更是增长了近10倍，为公司 发展奠定了坚实基础。 信达澳亚基金朱永强官宣退休 9月5日，信达澳亚基金发布一则关于高级管理人员变更的公告。公告显示，公司总经理朱永强因到龄退 休于9月5日离任，暂由公司副总经理代任总经理一职。 目前代任信达澳亚基金总经理的方敬，也是一位经验丰富的金融从业者。他曾先后任中国人寿 （601628）资产管理信息技术部数据分析师、民生银行私人银行部高级分析师、中信证券高级产品经 理、中新融创资本证券投资部部门负责人、中国银河（601881）证券金融产品与同业部总监、前海开源 基金专户业务部门负责人。 | 代任高级管理 ...

最近看到一组数据让我哭笑不得：广发沪港深新起点连续34个报告期重仓腾讯控股，富国天惠精选成长56个报告期不离不弃贵州茅台。这些基金经理们活像 一群痴情种，对心仪的股票一往情深。但你知道吗？就在他们上演"不动如山"的戏码时，A股市场正在上演另一出好戏——"抢跑大赛"。 一、当基金"长情"遇上市场"抢跑" | | | 部分基金从建仓至今一直持有的重仓股 | | | | | --- | --- | --- | --- | --- | --- | | | | 重仓胶报告期 1 60 77 7 | 第一届全部 | | U.S.A. H. C. L. | | 意合代码 | 基金圆幕 | 【报告期】 今年 | 好奇闻 今 | 基金成立日 | 今早做冷静 | | | | 中原 【名次 第1名 | 年中 | | 智长军 【单位】% | | | | [单位] 次 | | | | | 002121.0F | 广发沪港深新起点 | 34/34 | 肥讯控股 | 2016/11/2 | 113.98 | | | A | | | | | | 004716. OF | 中信保波量化网尔 | | | 2017/7/12 | 92.87 | ...

量化模型与构建方式 1. 模型名称：RNN-LIN - 模型构建思路：基于线性RNN构建的简化时序模型，移除非线性激活函数以提升训练效率并减少参数量[11][12] - 模型具体构建过程： 输入序列为股票日频特征（高、开、低、收、均价、成交量）的150日时序数据[23] 模型结构包含遗忘门和输出门，使用sigmoid激活函数控制门控值在(0,1)范围内，隐状态迭代时不使用非线性激活函数[20] 具体计算公式如下： $$h_{t}=f_{t}\otimes h_{t-1}+(1-f_{t})\otimes c_{t}$$ $$y_{t}=o_{t}\otimes h_{t}$$ $$f_{t}=Sigmoid(x_{t}W_{f})$$ $$o_{t}=Sigmoid(x_{t}W_{o})$$ $$c_{t}=SiLU(x_{t}W_{c})$$ 其中$h_t$表示隐状态，$y_t$表示输出，$f_t$为遗忘门，$o_t$为输出门，$c_t$为候选状态，$W_f$、$W_o$、$W_c$为可学习参数矩阵[20] 参数量相比GRU模型减少约50%[20] - 模型评价：训练效率优于GRU，但性能略逊于GRU基线模型[22][47] 2. 模型名称：RNN-LIN-GLU - 模型构建思路：在线性RNN基础上耦合门控线性单元(GLU)以提升模型表达能力[21][22] - 模型具体构建过程： 在RNN-LIN层后叠加GLU FFN模块组成block[21] GLU FFN的计算公式为： $$FFNSwiGLU(x,W,V,W_{2})=(Swish(xW)\otimes xV)W_{2}$$ 其中$W$、$V$、$W_2$为可学习参数矩阵[21] 其他构建过程与RNN-LIN相同[21] - 模型评价：GLU模块对RNN-LIN的性能提升效果优于对GRU的提升[45] 3. 模型名称：DecompGRN - 模型构建思路：基于线性RNN改进的时序-截面端到端模型，将截面信息直接整合进RNN门控单元[2][49] - 模型具体构建过程： 采用两层RNN结构[50] 第一层线性RNN输出每个时间步的个股表征，使用市值作为分组特征进行20分组，计算股票分组去均值结果，得到包含截面信息的个股表征[50] 第二层构建线性RNN变体，将截面信息和时序融合共同输入遗忘门和输出门[50] 使用时序趋势分解模块将初始输入拆分为趋势与残差分量[89] 趋势分量输入1D卷积+RNN实现时序编码，残差分支使用深度可分离卷积[94][95] 最终将趋势和残差分支结果相加合并，输入第二个时序RNN编码器，取最后一个时间步输出通过线性预测头得到股票得分[96] 参数量仅为GRU基线模型的43%[74] - 模型评价：性能超越基线GRU模型，模型逻辑与参数量实现双重简化[2][74] 模型的回测效果 1. RNN-LIN模型 - 中证全指：RankIC 0.13，RankICIR 1.08，IC胜率 0.88[37] - 沪深300：RankIC 0.10，RankICIR 0.62，IC胜率 0.74[37] - 中证500：RankIC 0.09，RankICIR 0.71，IC胜率 0.78[37] - 中证1000：RankIC 0.12，RankICIR 0.96，IC胜率 0.86[37] 2. RNN-LIN-GLU模型 - 中证全指：RankIC 0.13，RankICIR 1.14，IC胜率 0.89[37] - 沪深300：RankIC 0.10，RankICIR 0.63，IC胜率 0.73[37] - 中证500：RankIC 0.10，RankICIR 0.74，IC胜率 0.79[37] - 中证1000：RankIC 0.12，RankICIR 1.01，IC胜率 0.87[37] 3. DecompGRN模型 - 中证全指：RankIC 0.141，RankICIR 1.26，IC胜率 0.89[55][89] - 沪深300：RankIC 0.099，RankICIR 0.65，IC胜率 0.74[55][89] - 中证500：RankIC 0.098，RankICIR 0.77，IC胜率 0.78[55][89] - 中证1000：RankIC 0.127，RankICIR 1.08，IC胜率 0.88[55][89] 量化因子与构建方式 （报告中未明确提及独立的量化因子构建，主要关注端到端模型） 因子的回测效果 （报告中未提供独立因子的测试结果） 分组测试绩效统计 1. RNN-LIN模型（层数1） - 中证全指：年化收益率42.59%，夏普比率1.46，最大回撤-36.71%，超额年化42.05%，平均单边换手0.81[42] - 沪深300：年化收益率28.59%，夏普比率1.38，最大回撤-22.09%，超额年化28.67%，平均单边换手0.66[42] - 中证500：年化收益率23.68%，夏普比率1.02，最大回撤-34.63%，超额年化23.95%，平均单边换手0.76[42] - 中证1000：年化收益率32.81%，夏普比率1.20，最大回撤-35.43%，超额年化33.72%，平均单边换手0.77[42] 2. RNN-LIN-GLU模型（层数1） - 中证全指：年化收益率48.73%，夏普比率1.60，最大回撤-35.33%，超额年化48.19%，平均单边换手0.81[42] - 沪深300：年化收益率29.92%，夏普比率1.38，最大回撤-23.62%，超额年化30.00%，平均单边换手0.65[42] - 中证500：年化收益率24.45%，夏普比率1.03，最大回撤-39.60%，超额年化24.72%，平均单边换手0.75[42] - 中证1000：年化收益率34.47%，夏普比率1.24，最大回撤-34.51%，超额年化35.38%，平均单边换手0.76[42] 3. DecompGRN模型 - 中证全指：年化收益率57.68%，夏普比率1.71，最大回撤-34.69%，超额年化56.18%，平均单边换手0.79[57][89] - 沪深300：年化收益率31.69%，夏普比率1.42，最大回撤-26.88%，超额年化31.00%，平均单边换手0.65[57][89] - 中证500：年化收益率26.90%，夏普比率1.10，最大回撤-37.82%，超额年化26.13%，平均单边换手0.74[57][89] - 中证1000：年化收益率40.35%，夏普比率1.37，最大回撤-35.51%，超额年化40.03%，平均单边换手0.74[57][89] 指增组合测试结果 DecompGRN模型指增表现 - 沪深300指增：年化超额收益10.24%，跟踪误差5.07，超额夏普1.95，超额最大回撤-8.12%，2025年累计超额3.93%[75][85][89] - 中证500指增：年化超额收益10.05%，跟踪误差6.10，超额夏普1.60，超额最大回撤-7.15%，2025年累计超额6.72%[75][85][89] - 中证1000指增：年化超额收益19.58%，跟踪误差6.75，超额夏普2.68，超额最大回撤-9.11%，2025年累计超额18.26%[75][85][89]

8月量化多头产品整体表现 - 8月股票市场普涨但行情分化明显 个股涨幅普遍不及指数涨幅 导致量化策略超额收益显著下滑 [2] - 全市场696只量化多头产品中仅145只实现正超额 占比20.83% 平均超额收益为-2.28% [2][3] - 超额收益呈现逐周恶化趋势 第一周平均超额0.81% 正超额占比84.2% 第四周恶化至-1.99% 正超额占比仅12.21% [3] 头部私募（100亿以上）表现 - 百亿私募225只产品平均超额收益-1.69% 51只产品实现正超额 占比22.67% [5] - 明汯投资表现突出 10只产品中9只实现正超额 旗下"明汯量化中小盘增强1号B类"表现亮眼 [7] - 念觉私募王啸管理的"念觉量臻量化精选优盛1号"以显著优势位列8月超额收益榜首 [9] - 蒙玺投资5只产品全部实现正超额 涵盖中证1000指增、国证2000指增等多策略产品 [8] 中型私募（50-100亿）表现 - 50-100亿规模私募64只产品平均超额收益-1.35% 20只产品实现正超额 占比31.25% [10] - 磐松资产7只产品实现正超额 旗下"磐松微盘股指数增强1号"位列榜首 其风控体系通过惩罚风格偏离控制风险 [11] - 倍漾量化3只产品实现正超额 作为AI原生公司采用统一机器学习底座开发策略 具备快速迭代能力 [12] 中小型私募（20-50亿）表现 - 20-50亿规模私募75只产品平均超额收益-2.53% 仅9只产品实现正超额 占比12% [13] - 量盈投资丁鹏管理的"量盈半导体指数增强一号"凭借半导体板块行情取得突出超额收益 [15] - 中睿合银刘睿管理的"中睿合银弈势20号"采用趋势+价值策略 在上涨行情中通过趋势交易贡献超额 [15] 小型私募（10-20亿）表现 - 10-20亿规模私募87只产品平均超额收益-2.57% 14只产品实现正超额 占比16.09% [16] - 翰荣投资聂守华与贺杰管理的"翰荣安晟进取一号B类份额"净值创新高 8月超额收益领先 [17] - 公司坚持数据驱动、客观建模的投资理念 通过系统化分析发现交易机会 [17] 微型私募（5-10亿）表现 - 5-10亿规模私募70只产品平均超额收益-2.55% 19只产品实现正超额 占比27.14% [18] - 北京利福私募赵红琴管理的"利福盈然三号"超额收益领先 基金经理具备精算专业背景和证券投资经验 [19] - 中闽汇金5只产品中3只实现正超额 显示较强风控能力 [18] 超小型私募（0-5亿）表现 - 0-5亿规模私募175只产品平均超额收益-3.02% 32只产品实现正超额 占比18.29% [20] - 无隅资产6只产品全部实现正超额 杨志诚管理的"无隅鲲鹏科创一号"超额收益领先 [21] - 公司2017年成立 专注多因子中高频策略 广泛应用机器学习技术 [21]

私募产品备案总体增长 - 2025年前8个月私募证券产品备案数量达7907只 较2024年同期的4340只同比增长82.19% [2] - 3月起单月备案数量突破1000只 6-8月连续三个月维持在1100只以上 显示发行热情持续升温 [2] - 增长驱动因素包括A股市场回升带动风险偏好提升 人工智能等新兴产业走强 以及私募行业监管完善和信息透明度提高 [2] - 量化投资策略优势显著 赚钱效应增强投资者参与热情 [2] 股票策略主导备案 - 股票策略产品备案5173只 占总量的65.42% 较2024年同期的2704只增长91.31% [3] - 多资产策略备案1116只 占比14.11% 同比增长76.58% [6] - 期货及衍生品策略备案841只 占比10.64% 同比增长66.87% [6] - 组合基金和债券策略备案较少 分别为311只和302只 占比3.93%和3.82% [7] 量化产品占比提升 - 量化产品备案3584只 占总量的45.33% 较2023年同期的1789只增长100.34% 占比提升近5% [8] - 股票策略中量化产品达2601只 占量化产品总量的72.57% [8] - 期货及衍生品策略中量化产品495只 占比13.81% [8] - 多资产策略中量化产品382只 占比10.66% [8] 量化产品策略分布 - 股票量化多头策略备案1666只 占量化产品总量的46.48% 其中空气指增产品678只占40.70% 中证500指增422只占25.33% [9] - 股票市场中性策略备案798只 占比22.27% [9] - 量化CTA策略备案468只 占比13.06% [9] - 其他策略包括复合策略238只 套利策略100只 宏观策略44只等 [9] 私募管理人备案分布 - 2154家私募管理人有产品备案 其中0-5亿规模管理人1436家备案2690只产品 占总量的34.02% [10] - 76家百亿私募备案1936只产品 占比24.48% 平均每家备案不少于25只 [10] - 1038家管理人仅备案1只产品 732家备案2-4只 241家备案5-9只 90家备案10-19只 39家备案20-49只 14家备案不少于50只 [11] 头部量化私募备案情况 - 宽德私募备案118只产品居首 主要集中在中证500指增策略 [11] - 黑翼资产备案112只产品 侧重股票量化多头和量化CTA策略 偏好中证500指增 [11] - 明汯投资备案101只产品 聚焦股票量化多头策略 偏好空气指增 [12] - 备案产品不少于20只的53家管理人中 百亿私募占31家 量化私募占42家 百亿量化私募占25家 [16]

今年以来，私募基金终于熬过了艰难时刻，迎来行业景气回升，新产品发行不断升温，单月新募资规模更是不断抬升。 私募排排网数据显示，截至2025年8月31日，今年以来私募市场合计备案私募证券产品7907只，较2024年同期的4340只，同比增长82.19%。8月私募证券 产品的备案量1148只，连续3个月单月备案产品数量维持在1100只上方，表明私募证券产品发行热情持续升温。 新备案数量突破7900只 随着A股市场回暖，私募新产品发行再度火爆。 私募排排网数据显示，截至8月底，年内备案私募证券产品数量已突破7900只，同比大增逾八成。其中，量化产品备受市场青睐实现翻倍增长，百亿量 化私募更是成为备案的"主力军"，有3家头部量化年内备案产品数量已经超过100只。 今年上半年量化类产品业绩表现不俗，不少头部机构旗下产品的超额高达20%～30%，备受市场青睐，叠加渠道的力推，备案数量暴增，呈现出繁荣景 象。 据券商中国记者了解，多家头部量化私募旗下新产品吸引了大量资金的积极认购，部分头部机构甚至关门谢客选择封盘，亦无法抵挡投资者的热情。 今年7月新备案私募基金数量为1689只，新备案规模达1074.27亿元，单月新备案规 ...

周五的非农就业数据即将公布，市场屏息以待。渣打银行预测，若新增就业低于4万人，美联储可能大幅降息50个基点。但你知道吗？就在普通投资者还在 猜测数据真假时，机构早已通过量化工具看穿了一切。 一、数据迷雾下的市场真相 本周五的非农就业报告牵动着全球市场的神经。渣打银行全球外汇研究主管Steve Englander指出，若8月新增非农就业人数低于4万人，美联储降息50个基点 的可能性将大幅提升。市场普遍预期新增就业7.5万人，但多位分析师对官方数据的准确性提出质疑。 我注意到一个有趣的现象：失业率看似稳定在4.1%-4.2%，但就业人口比率却持续下滑。这让我想起在清华读书时教授常说的一句话："数据会说谎，但交易 行为不会。" 二、木偶戏背后的牵线人 决定股价走势的从来不是表面的涨跌，而是背后的交易行为。就像木偶戏，观众看到的只是木偶的表演，真正决定剧情走向的是幕后的牵线人。 在A股市场，政策消息、业绩分红这些看似重要的因素，其实都只是摆在明面上的木偶。真正的"王者"是那些掌握资金流向的机构投资者。他们通过精密的 量化工具，早已看穿市场本质。 这只白马股业绩稳定，市盈率不到20倍。机构先是压着股价不动，降低成本后便 ...