万得偏股混基金指数（885001）的长期表现与基准意义 - 从2005年至今，万得偏股混基金指数（885001）累计收益率为1226.28%，显著跑赢同期沪深300和中证800指数，代表主动权益基金作为整体能战胜市场 [1] - 该指数在2015年牛市高点已突破2007年高点，在2019至2021年的结构性牛市中又突破2015年高点，并在2024年9月24日开启的新一轮市场行情中大概率继续创新高 [1] - 拉长时间看，万得偏股混基金指数相对沪深300有显著超额收益，为投资者提供了第一层阿尔法，即主动权益基金整体相对宽基指数的超额收益 [3] 持续跑赢万得偏股混基金指数的难度 - 根据Wind数据统计，从2020年到2025年能连续六年跑赢885001的基金产品占比仅为1.3% [7] - 持续跑赢的难点在于：基金经理需在不同年份持续战胜具有学习和迭代能力的同行群体；A股市场风格和行业轮动极快，单靠一种能力圈无法适应 [7][8] - 该指数在2022至2024年间因经济增长模式转换，历史上首次连续三年跑输沪深300，但在2025年经济找到新动能后重新跑赢沪深300大约16% [6] 华安基金张序的业绩表现与稀缺性 - 以管理时间最长的华安事件驱动混合A（002179）为例，过去六年（2020-2025年）每一年都跑赢万得偏股混基金指数和沪深300指数，呈现惊人的稳定性 [3][4] - 具体年度收益率对比为：2020年（59.19% vs 55.91% vs 27.21%），2021年（30.84% vs 7.68% vs -5.20%），2022年（-17.86% vs -21.03% vs -21.63%），2023年（-8.63% vs -13.52% vs -11.38%），2024年（21.82% vs 3.45% vs 14.68%），2025年（38.06% vs 33.19% vs 17.66%） [4] - 在2919只主动权益基金中，能连续6年都跑赢万得偏股混、沪深300和中证800指数的基金只有7只，占比0.24% [12] - 张序管理的华安事件驱动规模从2024年底的2亿人民币暴增到2025年底的46亿人民币，规模增长超过20倍，且持有人绝大多数为专业机构投资者 [10] 张序的投资框架与核心能力 - 张序是90后公募主动量化基金经理代表，采用“主动量化”框架，其行业轮动模型基于景气度筛选配置5到7个行业，例如2020年超配消费、医药和电子，2021年超配新能源，2022年超配非银金融，2023年超配TMT，2024年超配银行，2025年超配上游有色资源 [12] - 其投资框架核心是将A股市场划分为“胜率占优”和“赔率占优”两大环境，在胜率占优的震荡环境下依靠量化轮动跑赢，在赔率占优的环境下通过量化方式复刻主动选股的阿尔法来跑赢 [15][17][19] - 该框架结合了主动投资注重赔率（空间）和量化投资看重胜率（月度胜率）的特点，旨在满足投资者对稳定超额收益（胜率）和可观超额收益幅度（赔率）的双重需求 [20][22] - 除了行业轮动，其体系还包括多因子选股、系统化投资流程，并较早采用AI技术 [13] 主动权益基金与量化投资的市场特征 - 万得偏股混基金指数（885001）在风格因子上整体超配成长低配价值，体现了中国经济的增长范式，成长依然是A股市场最显著的超额收益来源 [6] - 该指数代表的主动权益基金整体优势在于个股选择，特别是在上市公司数量大幅增长后，“幂律分布”特点更显著，主动基金经理的选股能力更有价值 [6] - 该指数在仓位和行业配置上的调整比宽基指数更灵活，由于A股市场天然高波动，更灵活的调仓能体现一定优势 [7] - 在私募领域，量化私募管理规模已超越主动投资；在公募基金，主动量化依靠产品稳定性和体系可延展性，正成为一股快速崛起的力量 [22] 华安基金的平台支持与新产品 - 根据国泰海通的基金业绩排名，华安基金过去五年的主动权益业绩在13家“权益类大型基金公司”中排名第1，过去七年排名第2 [23] - 张序的新产品华安智优量化选股（A类：026859；C类：026866）正在发行，该产品被描述为能充分体现其“底仓型”风格 [23]

量化主题研报内容总结 量化模型与构建方式 根据提供的报告内容，未发现明确命名的量化模型或具体的量化因子构建方法、公式及详细构建过程[1][2][3][4][5][6][7][8][9][10][11][12][13][14][15][16][17][18]。报告主要围绕市场观点、宏观分析和资产配置建议展开，提及了基于经验的测算和判断，但未详细阐述用于生成这些结论的底层量化模型或因子[5][7][9][10][12][13]。 模型的回测效果 报告中未提供任何量化模型的回测效果指标数据，如年化收益率、夏普比率、最大回撤、信息比率(IR)等[1][2][3][4][5][6][7][8][9][10][11][12][13][14][15][16][17][18]。 量化因子与构建方式 报告中未定义或描述任何具体的量化因子（如价值因子、动量因子等）及其构建思路、过程和公式[1][2][3][4][5][6][7][8][9][10][11][12][13][14][15][16][17][18]。 因子的回测效果 报告中未提供任何量化因子的回测效果指标数据，如因子收益率、IC值、IR等[1][2][3][4][5][6][7][8][9][10][11][12][13][14][15][16][17][18]。

文章核心观点 - 文章通过中欧瑞博量化团队负责人的分享，阐述了其“主动量化”的投资理念与实践，核心观点是主观投资与量化投资深度融合（“主观赋能量化、量化支撑主观”）的模式能够实现优势互补，创造出比简单叠加更具生命力的投研体系，这是行业发展的趋势，也是其团队的核心竞争力 [9][10][13][15] 个人成长与职业选择 - 负责人拥有计算机、工商管理及行为金融的复合教育背景，其行为金融学训练与量化投资捕捉市场非理性行为的核心思路高度契合，促使其进入量化领域 [9] - 基于对“主观拥抱量化”这一不可逆行业趋势的判断，负责人于2019年加入中欧瑞博，旨在将公司深厚的主观投研积淀与量化的数据模型能力结合，实现1+1>2的效果 [10] - 从零开始搭建量化团队的最大挑战是主观与量化在理念与机制上的深度磨合，需要双方互相理解与信任，打破认知壁垒 [12][13] - 最大的成就感在于没有做成简单拼凑，而是实现了从辅助到协同再到深度融合，构建了“主观赋能量化、量化支撑主观”的一体化投研体系，让量化团队从支持部门成长为公司的核心投研力量之一 [13][14] 中欧瑞博量化的方法论与特色 - 公司践行“主动量化”策略，将主动投资思想与量化规则化深度融合，实现优势互补 [15] - 具体实践包括：将主观团队的基本面逻辑转化为有效的量化因子；股票全天候产品的仓位动态调整由主观与量化共同主导 [15] - 公司构建了覆盖股票、股指期货、商品期货及国债期货四大类资产的系统化量化投研策略体系 [16] - 股票模型：构建了包含数百个底层因子的因子库，覆盖多个大类，每年有10%的因子被替换或迭代 [17] - 股指期货模型：策略库包含20+套策略，实盘运行14个，其中80%为趋势类策略，20%为反转类策略，持仓周期从几分钟到7天不等 [18] - 商品模型：涵盖传统及新型商品，所有策略基于趋势跟踪框架，在短、中、长三个周期维度布局 [19] - 国债模型：策略库包含5套模型，其中4套已实盘交易，通过融入多类因子捕捉走势规律 [21] - 在股票投研上，公司采取主观与量化深度融合的模式，通过优化算法结构而非单纯堆砌算力来提升效率，与头部量化机构形成差异化 [22] - 核心股票策略框架围绕样本分域、分域选股与多策略融合展开，以提升模型在不同市场环境下的适应性与精准度 [23][24][25] - 基于该框架开发了包括小盘成长、小盘价值等在内的工具化风格组合，由量化投委会进行动态配置 [26] - 强调量化研究员的核心是金融理解力，编程是实现想法的工具，AI是提升效率的辅助，但不能替代对市场的判断 [27] - 产品线分为三类：股票CTA复合产品（股票多头+股指CTA对冲）、多元CTA基金（覆盖超50个品种）、股票量化多头（内部拆分为六个均衡子组合），通过产品结构设计与策略多元化实现分散投资，增强组合韧性 [28][29][30][31] 量化团队的建设与人才培养 - 招聘量化新人主要看重两点：扎实的学术训练（数理统计、金融基础、编程）以及科学的研究精神（敢于证伪、踏实迭代） [32] - 对于非科班背景者，数理统计、金融基础和编程这几项底层能力依然至关重要 [33] - 新人培训体系以实战为核心，所有研究都紧扣实盘产品，以“落地”为目标，让参与者在真实项目中快速成长 [34] 给量化新人的建议 - 对于立志成为量化研究员的学生，建议重点培养三项核心能力及一项时代技能：扎实的金融基础、数理统计能力、编程能力（Python），以及学会使用AI工具解决问题 [35][36][37][38] - 学习路径包括：认真修读校内相关课程、通过量化比赛和自建策略回测进行实践、利用公开数据集和社区等资源 [39][40][41] 好书推荐 - 推荐书籍《征服市场的人》（西蒙斯传记），认为其揭示了超额收益来源于科学精神、数据信仰与极致迭代的结合 [42][44]

报告行业投资评级 - 报告未明确给出对整体市场的投资评级，但基于五维行业配置模型，推荐关注农林牧渔及交通运输行业 [1][11] 报告的核心观点 - 3月，主线板块（如科技、资源）的资金增量可能边际放缓，市值风格可能进一步下沉，微盘股有望继续维持强势 [1][10] - 4月财报季，市场关注点将转向基本面，景气投资策略有效性有望提升，主线行情有望回归，而微盘股可能迎来阶段性逆风 [3][13] 根据相关目录分别进行总结 本周观点 - **A股走势与地缘风险**：受伊以地缘局势影响，A股先下后上，但仍存在隐含风险。ETF风险偏好指数继续大幅下行，市场风险偏好未企稳。霍尔木兹海峡问题未解决，原油价格持续上行，可能推高美债隐含通胀预期并下修联储降息预期，对高估值板块构成压力 [1][11] - **3月微盘股走强逻辑**：前期主线板块（科技、资源）的增量资金流入速度可能边际放缓。而小微盘股方面，量化私募产品发行需求释放以及500/1000指数走弱推动量化产品小市值敞口回归，新增产品建仓和存量产品敞口回归有望为小微盘带来结构性资金增量 [2][12] - **4月财报季展望**：历史回测（2019-2025年）显示，基于行业一致预期净利润FTTM环比构建的行业轮动策略在4月的中位数超额收益达**2.4%**，为全年最高。另一方面，微盘股在财报季表现偏弱，历史数据（2006-2025年）显示，万得微盘股指数在4月相对沪深300的超额收益中位数为**-1.4%**，胜率仅为**38%**，均为全年最低 [3][13] 择时 - **价格分段体系**：本周（2026年3月2日至3月6日）上证综指区间震荡调整，区间涨跌幅为**-0.93%**，日线维持边际上行，周线级别基本与日线重合 [14] - **微观市场结构择时**：本周知情交易者活跃度指标回落至零下，与市场震荡调整同步，显示知情交易者对后市持谨慎观望态度 [15] 行业监测 - **融资融券**：本周两融资金在行业层面净流入分化明显。净流入金额较高的行业包括：石油石化 (**31.2亿元**)、交通运输 (**25.3亿元**)、有色金属 (**23.4亿元**)。净流出金额较高的行业包括：电子 (**-84.7亿元**)、计算机 (**-45.5亿元**)、电力设备 (**-38.0亿元**) [19] 风格监测 - **风格因子收益**：本周权益市场震荡调整，风格偏好出现变化。 - 基本面因子：资金偏好价值多于成长，盈利质量高的资产超额收益优势延续 [25] - 交易相关因子：短期动量因子收益为**0.7%**，维持正超额；换手率因子收益为**-0.3%**，跑输市场 [22][25] - 市值风格：市值因子收益为**-0.2%**，非线性市值因子收益为**-0.5%**，两者同步回撤，显示小微盘市值风格短期内相对占优 [22][25]

量化模型与构建方式 1. **模型名称：ETF风险偏好指数模型**[11] **模型构建思路**：通过ETF市场交易数据构建一个指数，用以衡量和跟踪市场整体的风险偏好情绪[11] **模型具体构建过程**：报告未详细说明该指数的具体构建公式和计算过程，仅提及其为一种市场择时或情绪监测模型[11] **模型评价**：该指数被用于判断市场风险偏好的趋势，其下行预示市场风险偏好回落[11] 2. **模型名称：五维行业配置模型**[11] **模型构建思路**：一个综合多维度指标进行行业比较和配置的模型[11] **模型具体构建过程**：报告未详细说明该模型的具体构建维度、权重和计算过程[11] **模型评价**：该模型被用于生成行业配置建议，其最新结果指向了涨价逻辑向低位板块扩散的投资机会[11] 3. **模型名称：价格分段体系**[14][17] **模型构建思路**：通过对价格序列进行分析，识别出不同时间周期（如日线、周线）下的价格趋势阶段[14][17] **模型具体构建过程**：报告未详细说明该体系的具体分段算法、规则和参数，但图表显示其输出包括“日线”、“周线”和“dea”等信号[17] 4. **模型名称：微观市场结构择时模型（知情交易者活跃度指标）**[15][18] **模型构建思路**：通过分析市场微观交易数据，构建指标以监测“知情交易者”的活跃程度，从而对市场走势进行判断[15][18] **模型具体构建过程**：报告未详细说明该指标的具体计算方法和数据来源，仅展示了其时间序列图[18] **模型评价**：该指标与市场走势同步，其回落至零下表明知情交易者对后市持谨慎观望态度[15] 5. **因子/策略名称：基于行业一致预期净利润的行业轮动策略**[13] **因子/策略构建思路**：在财报季（如4月），使用行业基本面的一致预期数据作为筛选指标，构建行业轮动策略，以捕捉基本面有效性提升带来的收益[13] **因子/策略具体构建过程**：以行业一致预期净利润FTTM（未来十二个月）的环比变化作为核心筛选指标。具体公式为： $$行业筛选指标 = \frac{行业一致预期净利润_{FTTM, t} - 行业一致预期净利润_{FTTM, t-1}}{行业一致预期净利润_{FTTM, t-1}}$$ 其中，t代表当前时点。根据该指标的排序或阈值，选择看好的行业进行超配[13] 模型的回测效果 （报告中未提供上述量化模型的详细回测绩效指标，如年化收益率、夏普比率、最大回撤等具体数值。） 量化因子与构建方式 1. **因子名称：BARRA风格因子集**[21][22] **因子构建思路**：采用经典的BARRA风险模型框架，从多个维度（如价值、成长、动量、市值、波动率等）刻画股票的风格特征和风险收益来源[21][22] **因子具体构建过程**：报告直接引用了BARRA风格因子的收益表现，未详细阐述每个因子的具体计算公式。报告中提及的因子包括：换手、财务杠杆、盈利波动、盈利质量、盈利能力、投资质量、长期反转、EP价值、BP价值、成长、动量、非线性市值、市值、波动率、股息率等[22] 因子的回测效果 1. **BARRA风格因子**，本周收益：换手 -0.3%，财务杠杆 -0.1%，盈利波动 0.0%，盈利质量 0.3%，盈利能力 -0.2%，投资质量 0.2%，长期反转 -0.4%，EP价值 0.2%，BP价值 0.2%，成长 0.0%，动量 0.7%，非线性市值 -0.5%，市值 -0.2%，波动率 -0.2%，股息率 0.0%[22] **BARRA风格因子**，上周收益：换手 0.8%，财务杠杆 0.2%，盈利波动 -0.1%，盈利质量 0.2%，盈利能力 0.0%，投资质量 0.1%，长期反转 0.1%，EP价值 0.3%，BP价值 0.2%，成长 -0.1%，动量 0.8%，非线性市值 0.4%，市值 -0.5%，波动率 -0.4%，股息率 -0.1%[22] 2. **行业轮动策略（基于行业一致预期净利润FTTM环比）**，在2019-2025年回测区间内，4月份的中位数超额收益为2.4%[13] 3. **万得微盘股指数**，在2006-2025年区间内，4月相对沪深300的超额收益中位数为-1.4%，超额收益胜率为38%[13]

公司战略与愿景 - 公司成立于2007年，是中国最早的阳光私募之一，以宏观投研立身、主动管理起家，目前为百亿级私募 [1] - 公司2026年伊始再次升级战略，对标全球宏观对冲标杆桥水，提出打造“全天候”中国解法的新目标 [1] - 公司计划以宏观研判为方向盘，以深度产业研究为引擎，以量化模型为骨架，在主动洞察与纪律执行之间形成闭环，构建一套更系统、更可复制、在极端行情下也能守住原则的系统化投资体系 [1] 核心投资方法论 - 公司独创“春夏秋冬”四季投资配置模型，根据市场季节（春播、夏长、秋收、冬藏）调整股票多头与股指期货的仓位比例 [4][5] - 公司提出“投资是种庄稼，而不是种天气”的理念，强调投资者应关注市场“季节”（周期）而非短期“天气”（涨跌） [5] - 公司经典方法论“树粮菜”理论将投资者分为“种树的成长投资者、种粮的价值投资者、种菜的短线趋势投资者”，用于指导不同市场环境下的策略 [3] 宏观研判的历史实践与成效 - 2014年7月初，在市场阶段底部时，公司旗帜鲜明地提出“这里是播种的时节”，并保持较高仓位，随后A股开启趋势性上涨行情 [2] - 2015年5月，在市场快速上涨中提示“下车”风险，并在5月下旬开始对市场过热情绪变得谨慎，逢高减持小票，到6月中旬前，创业板股票总仓位已不到4%，现货总仓位下降到50%以内，随后上证指数在6月阶段性见顶 [3] - 2016年初市场大幅震荡时，公司判断“春天到了”，并认为对专业成长投资者而言是“种树最好的季节” [3] - 2018年中后期，公司不断提示“底部特征越来越明显”，并在2019年初明确判断政策底于2018年10月下旬出现，市场底于2019年1月上旬探明，认为这是一轮不容错过的大行情 [4] - 2024年8月，在市场低迷时期，公司发声认为A股市场又到了“卖出股票短期舒服而长期错误”的阶段 [4] - 在2025年展望中，公司提出“2025是百花齐放的一年，新经济可能最耀眼”，并预计2026年中国资产依然是百花齐放，供给侧驱动的上涨是大概率事件 [4] 对周期与市场关键问题的见解 - 针对“经济还没起来，股市可以走强么？”的问题，公司在2020年8月指出，强势市场第一阶段的上涨靠预期驱动，并非需要经济数据立刻改善，经济数据与股市的关系并非简单的线性对应 [6] - 针对市场极端行情时“这次不一样了”的观点，公司在2018年就回应，每一轮调整市场后期都有类似让人绝望的理由，但“盛极而衰、否极泰来”的周期循环规律没有改变 [6] - 针对“强势市场第一波赚钱效应来自哪里？”的问题，公司指出赚钱效应来自在市场最低点时股价已创出新高的公司，这类公司在指数最低点前12-18个月就已见底，并具备商业模式竞争力强、业绩增长远高于市场整体水平（一般在30%左右）或是市场高度共识的新经济方向中最有竞争力的公司等特点 [6][7] 系统化与量化能力建设 - 公司近年来不断完善系统化能力，提出“主动量化”策略：以主观负责方向与框架，以量化负责纪律与落地 [8] - 拥抱量化的目的是为了把主动经验规则化、纪律化，提高执行效率，并拓宽策略容量空间，为客户提供更多选择 [8] - 公司量化研究覆盖股票、股指期货、商品期货、国债期货等，形成模型储备，并落地为股票全天候、多元全天候、股指CTA等产品线 [8] - 以股票全天候策略为例，组合由股票多头与股指期货构成，两类资产的比例由投委会依据“春夏秋冬”模型动态调整，旨在将宏观与周期判断产品化为风险均衡型组合 [9] - 公司强化系统化决策机制，建立量化投委会、研发流程、评估标准、模型上线与运作跟踪的闭环，旨在让判断尽可能变成系统里的动作 [9]

量化模型与构建方式 1. **模型名称：价格分段体系**[7][14] * **模型构建思路**：通过技术分析方法，对指数价格走势进行不同时间周期（如日线、周线）的划分和识别，以判断当前市场所处的趋势阶段[14]。 * **模型具体构建过程**：报告未详细描述该模型的构建算法，仅展示了其应用结果。从图表来看，该模型可能涉及对指数价格序列进行分段处理，并计算类似DEA（差离值）的指标来辅助判断。图表中同时绘制了日线级别和周期级别的分段结果，以及dea指标线[17]。 2. **模型名称：微观市场结构择时模型（知情交易者活跃度指标）**[7][15] * **模型构建思路**：通过分析市场微观结构数据（推测为高频或订单流数据），构建反映“知情交易者”活跃程度的指标，用于判断市场情绪和未来走势[15]。 * **模型具体构建过程**：报告未给出该指标的具体计算公式和构建步骤，仅提及该指标基于对市场微观结构的分析[15]。其数值变化被用于解读知情交易者对后市的看法[15]。 3. **模型/因子名称：风险偏好指数**[13] * **模型构建思路**：利用ETF资金流数据构建一个综合指数，用以衡量和监测市场整体的风险偏好水平[13]。 * **模型具体构建过程**：报告未提供该指数的具体构建公式和计算过程，仅说明其数据来源为ETF资金流，并提及使用“ETF资金流-涨跌幅间的滚动10日平均相关系数”作为辅助判断信号质量的指标[13]。 4. **因子列表：BARRA风格因子体系**[22] * **因子构建思路**：采用经典的BARRA多因子模型框架，从多个维度（如价值、成长、动量、市值、波动率等）刻画股票的风格特征，并计算这些因子在特定周期内的收益表现[22]。 * **因子具体构建过程**：报告未详细描述每个因子的具体计算公式。它直接引用了BARRA风格因子的分类和名称，包括：换手、财务杠杆、盈利波动、盈利质量、盈利能力、投资质量、长期反转、EP价值、BP价值、成长、动量、非线性市值、市值、波动率、股息率等[22]。报告通过跟踪这些因子在最近一周和上周的收益，来监测市场风格偏好[22]。 模型的回测效果 （报告中未提供所述模型的量化回测效果指标，如年化收益率、夏普比率、最大回撤等。） 量化因子与构建方式 1. **因子名称：乖离率（应用于黄金）**[12] * **因子构建思路**：衡量当前价格与其移动平均线的偏离程度，用于判断资产是否超买或超卖[12]。 * **因子具体构建过程**：以伦敦金现价格为例，计算其与60日移动平均线的乖离率。报告虽未给出通用公式，但该指标的标准计算公式可表示为： $$乖离率(BIAS) = \frac{当前价格 - N日移动平均价}{N日移动平均价} \times 100\%$$ 其中，N为周期参数，报告中提及的是60日[12]。 2. **因子名称：ETF资金流-涨跌幅滚动相关系数**[13] * **因子构建思路**：计算ETF资金流数据与市场涨跌幅之间在滚动窗口内的相关系数，用以评估配置资金动向对市场短期走势的影响程度或模型信号的干扰情况[13]。 * **因子具体构建过程**：报告未给出具体计算公式。其构建思路是在一个滚动时间窗口（报告中为10日）内，计算每日ETF资金流序列与市场指数涨跌幅序列的相关系数，并取平均值或观察其趋势[13]。 3. **因子名称：行业融资融券净买入额**[19][21] * **因子构建思路**：在行业维度上，计算融资净买入与融券净卖出之间的差额，用以观察杠杆资金在行业间的流向和偏好[19]。 * **因子具体构建过程**：对于每个行业，在特定周期（报告中为本周）内，计算： $$行业融资融券净买入额 = 融资净买入额 - 融券净卖出额$$ 该值为正表示融资资金净流入该行业，为负表示净流出[19][21]。 因子的回测效果 1. **BARRA风格因子**，本周收益：换手 -0.6%，财务杠杆 0.1%，盈利波动 -0.2%，盈利质量 -0.1%，盈利能力 0.8%，投资质量 -0.2%，长期反转 0.0%，EP价值 0.1%，BP价值 0.3%，成长 -0.1%，动量 0.2%，非线性市值 -0.2%，市值 -0.1%，波动率 0.4%，股息率 0.2%[22]。 2. **BARRA风格因子**，上周收益：换手 0.3%，财务杠杆 0.2%，盈利波动 0.2%，盈利质量 0.1%，盈利能力 0.0%，投资质量 -0.1%，长期反转 0.5%，EP价值 -0.2%，BP价值 0.3%，成长 0.1%，动量 0.3%，非线性市值 0.3%，市值 -0.9%，波动率 -0.8%，股息率 -0.1%[22]。

量化模型与因子总结 量化模型与构建方式 1. **模型名称：价格分段体系**[14] * **模型构建思路**：通过分析价格在不同时间周期（如日线、周线）上的走势，对市场趋势进行分段识别和判断[14]。 * **模型具体构建过程**：模型未在报告中详细阐述具体构建步骤和公式，但通过图表（图1）展示了其应用结果。图表显示，模型可能结合了指数点位与类似DEA（离差平均值）等技术指标，对“日线”和“周线”级别的价格趋势进行分段描绘和比较[17]。 2. **模型名称：微观市场结构择时模型（知情交易者活跃度指标）**[15] * **模型构建思路**：通过构建“知情交易者活跃度”指标，监测市场中可能拥有信息优势的交易者的行为变化，以此作为市场情绪和未来走势的择时参考[15]。 * **模型具体构建过程**：报告未提供该指标的具体计算公式和构建细节。模型通过跟踪该指标的时间序列变化（如图2所示），观察其与市场走势（权益市场震荡上涨）的同步性，并依据指标值（如回升至零线附近）和边际变化来判断知情交易者对后市的态度（如谨慎观望）[15][18]。 3. **模型名称：公募基金仓位监测模型**[3][13] * **模型构建思路**：使用数理统计方法估算公募基金（如偏股混合型产品）在不同板块（如科技、周期）的持仓比例变化，以监测机构资金的配置动向[3][13]。 * **模型具体构建过程**：报告未披露模型的具体估算方法和公式。模型通过测算，输出公募基金在特定板块的持仓比例数据（例如，科技板块持仓降至24.76%，周期板块增持至21.33%），并与市场行业基准权重（18.41%）进行比较，从而判断机构持仓逻辑的切换（如从科技AI叙事转向涨价逻辑）[3][13]。 4. **模型名称：量化指增产品小微盘敞口测算模型**[2][12] * **模型构建思路**：通过模型测算量化指数增强类产品（如500/1000指增）对小微盘股票的总体风险敞口，以评估市场的风格偏好和潜在资金流向[2][12]。 * **模型具体构建过程**：报告未给出具体的测算公式。模型通过分析私募指增产品的超额收益回撤情况，估算其当前的小微盘敞口（如收至0附近）和未来的潜在增配空间（约5-10%），并结合量化指增产品的总管理规模（接近2.1万亿），推算出可能流入微盘股的增量资金规模（或在1000亿以上）[2][12]。 5. **因子名称：分析师行业景气预期因子**[19] * **因子构建思路**：基于卖方分析师的一致预测数据，构建反映行业未来盈利能力和增长预期的因子，用于监测行业基本面的景气变化[19]。 * **因子具体构建过程**：因子计算涉及两个具体指标： 1. **一致预测滚动未来12个月ROE变化**：计算各申万一级行业分析师一致预测的ROE（未来12个月）的环比变化率[19]。 2. **一致预测净利润FTTM增速变化**：计算各行业分析师一致预测的净利润（未来12个月）增速的环比变化率[19]。 * **因子评价**：该因子能够及时捕捉分析师群体对行业盈利预期的调整，是观测行业景气度边际变化的重要前瞻性指标[19]。 6. **因子名称：行业维度融资融券净买入额因子**[21] * **因子构建思路**：通过计算各行业融资净买入与融券净卖出的差额，构建反映杠杆资金在行业层面偏好和流向的因子[21]。 * **因子具体构建过程**：因子具体计算公式为： $$行业融资融券净买入额 = 行业融资净买入额 - 行业融券净卖出额$$ 报告展示了按此公式计算出的本周各行业净买入额结果（单位：亿元），如有色金属行业净流入39.8亿元，电子行业呈净流出等[21][23]。 7. **因子名称：BARRA风格因子**[24] * **因子构建思路**：采用经典的BARRA风险模型体系中的一系列风格因子，用于描述和监测市场在不同维度上的风格收益特征[24]。 * **因子具体构建过程**：报告直接引用了BARRA风格因子的收益表现，未详述每个因子的具体构建公式。涉及的风格因子包括： * **基本面类因子**：换手、财务杠杆、盈利波动、盈利质量、盈利能力、投资质量、长期反转、EP价值、BP价值、成长[24][25]。 * **交易类因子**：动量、非线性市值、市值、波动率、流动性（近释）、股息率[24][25]。 * **因子评价**：BARRA风格因子体系是量化分析中用于解析市场收益来源和风格轮动的标准化工具，能够系统性地刻画市场在价值、成长、动量、市值、流动性等多方面的风险偏好[24]。 模型的回测效果 （报告中未提供所列量化模型的明确回测指标数值，如年化收益率、夏普比率、最大回撤等。） 因子的回测效果 1. **分析师行业景气预期因子**，本周一致预期ROE环比变化值：房地产 8.99%，通信 4.57%，社会服务 2.15%，计算机 1.35%，...，农林牧渔 -2.39%[20]；本周一致预期净利润增速环比变化值：农林牧渔 101.71%，房地产 38.87%，环保 13.11%，社会服务 11.51%，...，公用事业 -21.86%[20]。 2. **行业维度融资融券净买入额因子**，本周期间净买入额（亿元）：有色金属 39.8，非银金融 (具体数值未列出，但图示为正且较高)，银行 (具体数值未列出，但图示为正且较高)，...，电子 (具体数值未列出，但图示为负)[23]。 3. **BARRA风格因子**，本周因子收益：换手 0.3%，财务杠杆 0.2%，盈利波动 0.2%，盈利质量 0.1%，盈利能力 0.0%，投资质量 -0.1%，长期反转 0.5%，EP价值 -0.2%，BP价值 0.3%，成长 0.1%，动量 0.3%，非线性市值 0.3%，市值 -0.9%，波动率 -0.8%，流动性（近释） -0.4%，股息率 -0.1%[25]。

行业动态 - 开年以来，多家公募机构纷纷推出新产品，积极把握A股“春季攻势”的布局窗口 [1] - 部分2025年投资管理成绩亮眼的公募机构新发计划尤为引人关注 [1] 公司产品与业绩 - 聚焦主动管理的恒越基金，旗下权益类基金2025年整体收益率达58.88% [1] - 恒越基金旗下采用量化择时策略的恒越嘉润量化选股基金于1月19日至1月30日公开发售 [1] - 该基金为主动量化公募产品，特色在于将两套独立的量化模型叠加 [1] - 基金股票仓位范围在60%-95%，其中60%的仓位采用中小盘多因子量化策略，35%及以下的仓位采用量化择时策略 [1] - 在市场回调时，最高35%的仓位可及时轻仓或空仓，而在市场向好时则可快速捕捉热点轮动机遇 [1] - 相比其他量化公募产品，该基金旨在保持进攻性和高弹性的同时，有效降低回撤波动，并适应不同的市场环境 [1] - 凭借量化择时策略加持的恒越嘉鑫基金，在2024年与2025年风格迥异的股债市场环境下，分别取得了11.19%和8.59%的绝对收益，并维持了较低的回撤水平 [2] 公司团队与管理人 - 恒越嘉润量化选股基金拟任基金经理吴胤希现任恒越基金总经理助理，兼任该公司资产配置部总监和固定收益部总监，并担任多只基金的基金经理 [2] - 吴胤希2023年年底加盟恒越基金后，开始组建量化团队，并从恒越嘉鑫“固收+”的策略优化入手，持续推进量化策略的实践 [2]

行业概览与业绩表现 - 2025年主动量化公募基金行业实现“破圈”，成立满一年的258只主动量化基金平均收益率高达30.35%，其中98%的产品年内取得正收益 [1] - 截至2025年三季度末，全市场282只主动量化基金合计份额为805亿份，较上一年年末的634亿份增长了27% [1] - 近3年业绩截至2025年10月底，主动量化基金区间年化收益率中位数为6.24%，高于股票型基金的5.17%和混合型基金的4.01%，夏普比率中位数为0.43，介于股票型基金0.25和混合型基金0.46之间 [1] 策略优势与投资价值 - 主动量化基金融合了主动管理与被动投资的优势，依托数学模型与严格纪律执行交易以克服情绪干扰，并借助系统化分析覆盖更广股票池以高效捕捉机会 [2] - 量化产品适合寻求长期稳健超额的配置需求，但策略同样会受市场风格切换影响 [2] - 评估主动量化产品时，应重点考察其策略在不同市场周期中的适应能力，以及管理人是否具备完善、透明的动态风控机制 [2] 基金经理张序的业绩与能力 - 华安基金张序自2020年5月18日管理华安事件驱动量化混合以来，已连续六年跑赢沪深300指数与偏股混合基金指数 [2] - 在全市场2919只主动权益基金中，能连续六年同时战胜上述两大指数的产品仅7只，占比不足0.23% [2] - 张序拥有扎实的数理学术背景，曾获全国物理竞赛一等奖，毕业于中科大少年班统计专业，曾在瑞银证券担任量化分析师，2017年加入华安基金 [3] 华安事件驱动量化混合基金表现 - 截至2025年三季度末，华安事件驱动量化混合基金总规模已攀升至47.22亿元，相较于2024年末2.14亿元的规模大幅增长 [3] - 复盘其管理历程，张序几乎精准把握了每年市场的核心矛盾，成功进行了多次行业与风格轮动 [3] - 根据2025年半年报，该基金A类份额机构持有占比高达87.99%，C类份额机构占比达到98.19%，反映了专业投资者的高度信任 [4] 张序的投资策略特点 - 张序的行业轮动策略注重行业分散，避免集中于单一赛道，采用“有侧重而不偏执”的配置思路以提升组合容错空间 [4] - 其行业配置完全由量化模型驱动，区别于传统基于主观研判的轮动方法，具备更强的系统性与纪律性 [4]