研究团队与成果 - 北京大学集成电路学院/信息工程学院杨玉超团队提出一种全新多物理域融合计算系统 [1] - 该研究成果发表于国际学术期刊《自然·电子学》 [1] - 研究团队利用具有独特物理特性的忆阻器构建新系统 将两种功能迥异的新型忆阻器集成到同一平台 [1] 技术突破与核心优势 - 新系统可利用后摩尔新器件支持傅里叶变换 使算力提升近4倍 [1] - 系统实现了惊人的并行计算效率 在脑机接口实验中实现了低延迟、高准确率的脑电波打字 单次分类准确率高达99.2% [2] - 系统处理吞吐率从当前每秒约1300亿次提升至每秒5043亿次 性能达到现有专用快速傅里叶变换硬件的96.98倍 [2] - 首次实现了从“算法驱动设计”到“物理原理驱动”的跨越 将数学运算转化为更接近自然演化的高效过程 [2] - 标志着忆阻器计算成功迈入高维、动态的频谱分析这一核心信号处理领域 [2] 行业影响与应用前景 - 为具身智能、通信系统等领域开辟新的可能 [1] - 新计算框架有望突破后摩尔新器件的算子谱系扩展难题 可同时支持多种计算方式 [2] - 为未来边缘智能感知、类脑计算及光电融合系统等前沿方向奠定了坚实基础 [2]

核心观点 - 北京大学科研团队在多物理域融合计算架构领域取得突破性进展，通过集成新型后摩尔器件，实现了高性能的“傅里叶变换”硬件系统，其算力、能效相比传统硅基芯片获得显著提升 [1][5] 技术突破与性能表现 - 团队创造性地将“易失性氧化钒器件”与“非易失性氧化钽/铪器件”在多物理域融合架构下进行系统集成，构建了可应用于多样化计算方式的硬件系统 [5] - 新技术架构实现了高达99.2%的“傅里叶变换”计算精度 [5] - 实验与仿真结果显示，其吞吐率最高可达504.3 GS/s（每秒千兆次采样），相比目前最快的硅基芯片提升近4倍 [5] - 该架构能效提升达96.98倍，同时显著降低了存储与互连资源的消耗 [5] - 具体计算速度从当前每秒约1300亿次提升至每秒约5000亿次，运算速度提升数倍 [6] 研究背景与行业意义 - 传统硅基器件的发展已接近极限，以忆阻器、光电器件为代表的后摩尔时代新型器件有望突破算力与能效困局 [4] - 然而，新器件因可支持的计算方式单一，严重制约了算力和效能的提升 [4] - 拓展可支持的算子谱系是后摩尔新器件芯片研发与实用化落地的“深水区”和必须攻克的“硬骨头” [5] - 该成果聚焦于突破后摩尔新器件的算子谱系扩展难题，有望解决众多前沿领域对低延迟、低功耗信号处理与计算的需求 [1] - 该技术让复杂计算过程发生在后摩尔新器件最适合的物理域中，有望引领后摩尔时代新型计算架构发展的新方向 [5] 应用场景与前景展望 - 在人工智能领域，“傅里叶变换”的能力被广泛应用于特征提取、降噪、压缩、计算优化等方面 [3] - 在具身智能的落地应用中，该技术有望突破端侧算力无法实时处理高并发、多模态信号的瓶颈 [6] - 在脑机接口等生理信号处理领域，该技术或可破解病患需要多次接受创伤性手术来更换硬件设备的痛点 [6] - 专家期待加速新器件在人工智能基础模型、自动驾驶、通信系统、信号处理等多个前沿领域的落地应用，赋能经济高质量发展 [6]

核心观点 - 北京大学科研团队创出一种全新计算架构 在国际上首次实现后摩尔新器件异质集成的多物理域融合傅里叶变换 使算力提升近4倍 [1] 技术突破与性能 - 新技术架构实现了高达99.2%的傅里叶变换精度 [1] - 实验与仿真结果显示 其吞吐率相比目前最快的硅基芯片提升近4倍 [1] - 能效提升达96.98倍 [1] - 同时显著降低了存储与互连资源的消耗 [1] 行业背景与需求 - 具身智能 脑机接口等新型计算场景对大吞吐 高精度 高并发 多种异构计算的要求越来越高 [1] - 传统硅基器件面临"微缩 功耗 存储"三大瓶颈 [1] - 以忆阻器 光电器件为代表的后摩尔新器件被视为突破算力与能效困局的最大希望 [1] - 后摩尔新器件由于支持算子种类单一 一直无法适配实际应用中多样化的计算方式需求 [1] 研究内容与意义 - 科研团队针对面向实际应用落地的后摩尔新器件算子谱系的拓展进行长期攻坚 [1] - 傅里叶变换是人工智能时代海量实际应用场景中使用最广泛的算子之一 [1] - 该成果落地应用有望解决当前众多前沿领域的低延迟 低功耗信号处理与计算需求 [2] - 让我国在新一代计算架构上实现超越 [2]

监管与合规 - 国家网信办就App个人信息收集使用规定公开征求意见 要求收集使用个人信息应采取对主体权益影响最小的方式 限于服务所必需 不得超范围收集 并需为用户提供便捷的注销功能 注销后应在15个工作日内删除或匿名化处理相关信息 [1] - 市场监管投诉举报新规修订发布 将于2026年4月15日起施行 旨在规制恶意索赔 明确不得滥用投诉举报权利牟取不正当利益 投诉人需提供真实身份信息和事实依据 对提供虚假材料等情形不予受理 [1] - 2024年至2025年11月 全国检察机关起诉财务造假犯罪191人 其中2025年1月至11月起诉102人 同比增加21% 最高检对43件重大财务造假犯罪案件挂牌督办 涉及锦州港、金通灵、美尚生态、紫晶存储等重大案件 [1] - 证监会披露一则内幕交易行政处罚决定书 当事人蒋伟利用内幕信息交易股票获利约471万元 证监会决定没收其违法所得并处以约1463万元罚款 [1] 行业动态与政策 - 国家医保局启动“个人医保云”建设试点申报工作 2025年2月至12月将在部分地区试点 探索构建覆盖全人群、全周期、全场景的智慧医保管理新模式 [1] - 《中国冰雪旅游发展报告（2026）》预计 2025至2026年冬季中国冰雪旅游休闲人数将达3.6亿人次 收入有望达4500亿元 [1] - QDII基金迎来政策利好 基金公司被要求调整QDII额度在公募和专户产品的使用比例 需在2027年底前将用于专户的额度占比调整至20%以内 2026年底前至少完成一半调整任务 [1] - 国家电网经营区2025年省间交易电量完成1.67万亿千瓦时 同比增长10% 首次突破1.6万亿千瓦时创历史新高 [1] - 我国于2025年12月向国际电信联盟（ITU）申请了超20万颗卫星的频轨资源 其中超19万颗来自新成立的无线电创新院 此举意味着卫星频轨资源申请已上升至国家战略层面 [1] 科技创新 - 北京大学研究团队创出一种全新的多物理域融合计算架构 可利用后摩尔新器件支持傅里叶变换 使算力提升近4倍 为具身智能、边缘感知、类脑计算、通信系统等领域开辟新可能 成果发表于《自然-电子学》 [1]

技术突破 - 北京大学研究团队创造出一种全新的多物理域融合计算架构 [1] - 该架构可利用后摩尔新器件支持傅里叶变换 [1] - 该技术使算力提升近4倍 [1] 应用前景 - 该技术为具身智能、边缘感知、类脑计算、通信系统等领域开辟新的可能 [1] - 傅里叶变换是科学和工程领域一种基础且应用广泛的计算方式，可将声音、图像等复杂信号转换为频率语言 [1] 成果发布 - 该研究成果于9日发表于《自然-电子学》期刊 [1]

核心观点 - 北京大学研究团队创造了一种全新的多物理域融合计算架构，该架构利用氧化钒和氧化钽/铪两种后摩尔新器件支持傅里叶变换，将计算速度提升近4倍，为解决后摩尔时代新器件计算方式单一的难题提供了方案，并为多个前沿领域开辟了新的可能性 [1][2] 技术突破与架构 - 研究团队创造了一种全新的多物理域融合计算架构 [1] - 该架构利用“易失性氧化钒器件”与“非易失性氧化钽/铪器件”这两种适合做频率转换载体的新器件进行系统集成 [1] - 该硬件系统可应用于傅里叶变换等多样化计算方式 [1] - 该架构让多种计算方式在其适合的物理域（如电流、电荷、光）进行计算，从而提升计算效率 [2] - 两种器件集成后发挥了在频率生成调控与存算一体方面的互补优势 [2] 性能提升 - 该架构将傅里叶变换的计算速度从当前每秒约1300亿次提升至每秒约5000亿次，运算速度提升数倍（近4倍） [2] - 性能提升是在保证计算精度、降低计算功耗的前提下实现的 [2] 行业意义与应用前景 - 该成果有望突破后摩尔新器件的算子谱系扩展难题，即让新器件可同时支持多种计算方式，使其能真正“跑起来” [2] - 该技术可加速新器件在人工智能基础模型、具身智能、自动驾驶、脑机接口、通信系统等前沿领域的落地应用 [2] - 该技术为具身智能、边缘感知、类脑计算、通信系统等领域开辟了新的可能 [1] - 以忆阻器、光电器件为代表的后摩尔时代新型器件被视为突破算力与能效困局的希望，但其因可支持的计算方式单一而无法适配多样化计算需求，制约了算力和效能提升 [1] - 传统硅基器件的发展已逼近极限，而新型计算场景对运算速度、精度等要求越来越高 [1]

互联网与数据监管 - 国家网信办起草《互联网应用程序个人信息收集使用规定（征求意见稿）》，要求个人信息收集使用应采取对主体权益影响最小的方式，限于服务必需，不得超范围收集，并规定App应在用户注销账号后15个工作日内完成注销并删除或匿名化相关个人信息 [2] - 《市场监督管理投诉举报处理办法》修订发布，自2026年4月15日起施行，新增规定以规制恶意索赔，要求投诉人提供真实身份信息和事实依据，对滥用权利、提供虚假材料等行为不予受理 [2] 金融与资本市场 - 2024年至2025年11月，全国检察机关起诉财务造假犯罪191人，其中2025年1月至11月起诉102人，同比增加21%，最高检对43件重大财务造假犯罪案件挂牌督办，涉锦州港、金通灵、美尚生态、紫晶存储等重大案件 [3] - QDII基金迎来政策调整，基金公司需调整QDII额度在公募与专户产品的使用比例，要求在2027年底前将用于专户的额度占比调整至20%以内，2026年底前至少完成一半调整任务 [3] 科技与前沿研究 - 西安交通大学与厦门大学联合研究团队提出一种全新的固态分子压印退火策略，为提升钙钛矿太阳能电池稳定性提供新思路，成果发表于《科学》杂志 [3] - 北京大学研究团队创造出一种全新的多物理域融合计算架构，可利用后摩尔新器件支持傅里叶变换，使算力提升近4倍，为具身智能、边缘感知等领域开辟新可能，成果发表于《自然-电子学》 [4] - 我国于2025年12月向国际电信联盟申请了超20万颗卫星的频轨资源，其中超19万颗来自新成立的无线电创新院，此举意味着卫星频轨资源申请已上升至国家战略层面 [4] 国际能源与地缘政治 - 美国总统特朗普与约20个大型石油公司高管会谈，试图达成投资委内瑞拉石油行业的协议，但多位美国石油公司高管对下一步投资委内瑞拉的表态较为谨慎 [5] - 美国总统特朗普称美国需要得到格陵兰岛，若无法“以简单的方式”达成协议将采取“艰难的方式”，格陵兰岛各政党领导人发表联合声明，表示格陵兰人不想成为美国人，并希望美国停止“蔑视” [7] 国际贸易与监管 - 欧盟成员国投票表决同意签署欧盟-南方共同市场自由贸易协定，为正式签署铺平道路，该协定生效还需经过欧洲议会批准 [7] - 英国政府警告马斯克旗下人工智能企业xAI，因其聊天机器人生成色情内容后的应对方案“不可接受”，若拒不遵守英国法律，其服务将在英国被屏蔽 [7] 美国国内事务 - 美国农业部宣布立即暂停对明尼苏达州的所有联邦拨款，原因是联邦政府正在对该州进行大规模欺诈调查 [6]

核心观点 - 北京大学研究团队创造了一种全新的多物理域融合计算架构，该架构利用后摩尔新器件支持傅里叶变换，将计算速度从每秒约1300亿次提升至每秒约5000亿次，算力提升近4倍 [1][2] 技术突破 - 研究团队瞄准傅里叶变换这一通用计算方式，创造性地将“易失性氧化钒器件”与“非易失性氧化钽/铪器件”这两种适合做频率转换载体的新器件，在多物理域融合架构下进行系统集成 [1] - 该计算架构可让多种计算方式在其适合的物理域（如电流、电荷、光等）进行计算，从而提高计算效率 [2] - 两种器件系统集成后，充分发挥了在频率生成调控与存算一体方面的互补优势，在保证计算精度、降低计算功耗的前提下，大幅提升运算速度 [2] 行业背景与意义 - 传统硅基器件经过近几十年发展已逼近极限，以忆阻器、光电器件为代表的后摩尔时代新型器件被视为突破算力与能效困局的希望 [1] - 然而，后摩尔新器件往往由于可支持的计算方式单一，无法适配实际应用中多样化计算方式的需求，严重制约着算力和效能提升 [1] - 新的计算框架有望突破后摩尔新器件的算子谱系扩展难题，即可同时支持多种计算方式，使新器件能真正“跑起来” [2] 应用前景 - 该成果为具身智能、边缘感知、类脑计算、通信系统等领域开辟新的可能 [1] - 该技术有望加速新器件在人工智能基础模型、具身智能、自动驾驶、脑机接口、通信系统等前沿领域的落地应用 [2]

文章核心观点 - 文章通过一张1986年CMU联结主义夏令营的历史照片，串联起AI领域先驱杰弗里·辛顿及其首位博士生彼得·布朗的职业生涯与人格特质，展现了辛顿在长期科研困境中坚守理想、安贫乐道的“贵族风范”，以及其学术思想如何深远地影响了从AI到量化金融等多个领域 [1][4][71] 1986年CMU夏令营合影的历史意义 - 该合影被誉为AI界的“索尔维会议”，照片中人物在几十年后统治了硅谷和华尔街，其中包括深度学习发明人、图灵奖得主杰弗里·辛顿，以及卷积神经网络发明人、图灵奖得主扬·勒昆 [2][4] - 照片中还有当时的研究生彼得·布朗，他后来成为全球顶尖量化对冲基金文艺复兴科技公司的首席执行官 [5] 彼得·布朗的职业生涯轨迹 - 彼得·布朗是杰弗里·辛顿指导的第一位博士研究生，于1987年毕业，博士论文题为《自动语音识别中的声学建模问题》，其研究奠定了基于统计模型的现代语音识别基础 [11][12][21][23] - 博士毕业后，彼得·布朗加入IBM，从事语音识别和机器翻译研究，其团队坚持纯数据驱动的统计方法，在当时备受传统学派冷遇 [23][24][25] - 在IBM期间，彼得·布朗是“深蓝”计算机项目的关键幕后推手，他通过一次偶然的交谈说服公司副总裁投资约100万美元建造该机器，最终“深蓝”在1997年击败国际象棋世界冠军，为IBM带来了约200亿美元的市值增长 [28][29][30] - 因家庭新生儿带来的经济压力，彼得·布朗接受了詹姆斯·西蒙斯给出的双倍薪酬邀请，从IBM跳槽至当时规模尚小的文艺复兴科技公司，其转型决定完全出于财务原因 [31][32][33] 彼得·布朗在文艺复兴科技的成就 - 彼得·布朗与罗伯特·默瑟一同加入文艺复兴科技，引入现代计算机科学方法重写了公司的股票交易系统，并从2002年起逐步接管公司核心业务 [36][37] - 他于2009年成为公司联席CEO，并于2018年成为公司唯一的首席执行官 [37] - 在其领导下，文艺复兴科技的旗舰产品大奖章基金在1988年至2019年间创造了年化超过66%的净回报率，公司被誉为华尔街“最赚钱的机器” [38] - 公司的成功依赖于由数学家和物理学家驱动的系统化量化交易，彼得·布朗倾向于招聘无金融背景的科学家，并自称每周工作80小时，截至2023年已在办公室睡了近2000晚 [39][40][41][42] - 因其卓越业绩，彼得·布朗早在2012年就从公司约33%的净收益中获得约1.25亿美元收入，跻身亿万富翁行列 [43] 杰弗里·辛顿的人格与坚守 - 在AI复兴前的三十年里，辛顿面临科研经费短缺和个人经济拮据的困境，他于2013年以64岁高龄加入谷歌，主要动机是为有学习障碍的儿子的未来储备资金 [8][47][48][50] - 尽管其首位博士生彼得·布朗已成为亿万富翁和对冲基金CEO，但辛顿始终未曾动用这层关系为自己谋取经济利益，展现了其安贫乐道、遗世独立的品格 [9][10][53][71] - 辛顿出身于科学世家，家族成员包括布尔代数发明者、核物理学家寒春等，其“贵族”背景与其长期坚守理想、不随波逐流的气质相契合 [55][59][63] - 在职业生涯中，辛顿在神经网络不被看好的时代坚守数十年，又在AI资本狂欢时离开谷歌，独立发声警示AI风险，其观点和行动往往“不合时宜”却经得起时间检验 [64][65][66][67][69][72][73]

量化模型与构建方式 1. 滤波方法（数据处理模型） 1. **模型名称**：HP滤波 (Hodrick-Prescott Filter)[10] * **模型构建思路**：将宏观经济时间序列分解为长期趋势成分和中期周期成分，以剔除长期趋势和短期噪声，提取周期波动[3][9]。 * **模型具体构建过程**：通过求解一个最小化问题来得到趋势成分。具体公式为： $$\operatorname*{min}\left\{\sum_{t=1}^{T}(y_{t}-g_{t})^{2}+\lambda\sum_{t=2}^{T-1}[(g_{t+1}-g_{t})-(g_{t}-g_{t-1})]^{2}\right\}$$ 其中，\(y_{t}\)为原始序列数据，\(g_{t}\)为待求解的趋势成分，\(\lambda\)为平滑参数，\(\lambda\)越大，趋势线越平滑[10]。在应用中，首先使用较大的\(\lambda\)去除长期趋势得到周期成分，再使用较小的\(\lambda\)过滤噪声，得到用于分析的中周期序列[10]。 * **模型评价**：可以直观地将时间序列分解为趋势和周期成分，符合经典宏观经济分析框架，但存在较严重的端点偏差问题，且无法识别不同频率的周期[3][42]。 2. **模型名称**：傅里叶变换[25] * **模型构建思路**：将时间序列数据分解为一系列不同频率、振幅和相位的正弦函数的叠加，以识别数据中存在的主要周期性规律[25][26]。 * **模型具体构建过程**：对时间序列进行傅里叶变换，公式为： $$F(f)=\int_{-\infty}^{\infty}f(x)e^{-i2\pi f(x)}\,\mathrm{d}x$$ 由于宏观经济数据通常非平稳，在应用傅里叶变换前，先使用HP滤波去除长周期趋势项，得到平稳序列，再进行变换以提取主要周期并拟合周期序列[26]。 * **模型评价**：适合分析历史数据的整体周期结构，尤其适用于探究经济周期的历史规律，但其假设周期结构在时间上恒定，短期内拟合度可能受到影响[3][42]。 3. **模型名称**：混合滤波[42] * **模型构建思路**：结合HP滤波和傅里叶变换两种方法的优点，以挖掘数据的周期性规律并观察短期趋势变化[3][42]。 * **模型具体构建过程**：将HP滤波与傅里叶变换叠加使用。实践中，使用傅里叶变换挖掘宏观数据的周期性规律，同时使用HP滤波观察因子短期上升或下降的趋势变化[42]。叠加使用后得到的序列既具有一定外推性，又保留了HP滤波在周期拟合上的灵活性[42]。 * **模型评价**：结合了两种方法的优势，所得序列兼具周期规律性和趋势观察的灵活性[42]。 2. 资产配置模型 1. **模型名称**：美林时钟模型[68] * **模型构建思路**：依据经济增长（以PMI同比增速代表）和通货膨胀（以PPI同比代表）两个核心指标的高低变化，将经济周期划分为四个阶段，并为每个阶段配置不同类别的大类资产[68][72]。 * **模型具体构建过程**：使用HP滤波处理后的PMI同比增速和PPI同比数据判断经济周期阶段，具体配置方案如下[68][72]： * 复苏期：PMI同比增速上行，PPI同比下行，配置60%股票、40%债券。 * 扩张期：PMI同比增速上行，PPI同比上行，配置60%商品、40%股票。 * 滞胀期：PMI同比增速下行，PPI同比上行，配置60%现金、40%商品。 * 衰退期：PMI同比增速下行，PPI同比下行，配置60%债券、40%现金。 * **模型评价**：是最著名的经济周期模型之一[68]。 2. **模型名称**：货币信用模型[76] * **模型构建思路**：作为美林时钟理论在中国市场的适应性改进，通过观察“货币”（以M2同比增速代表）和“信用”（以社会融资规模同比增速代表）两个核心驱动因素来指导大类资产配置[76]。 * **模型具体构建过程**：使用HP滤波处理后的M2同比和社会融资规模同比数据判断货币信用状态，具体配置方案如下[76]： * 宽货币宽信用：M2同比上行，社会融资规模同比上行，配置60%股票、40%商品。 * 紧货币宽信用：M2同比下行，社会融资规模同比上行，配置60%商品、40%股票。 * 紧货币紧信用：M2同比下行，社会融资规模同比下行，配置60%现金、40%债券。 * 宽货币紧信用：M2同比上行，社会融资规模同比下行，配置60%债券、40%股票。 量化因子与构建方式 1. **因子名称**：M1同比[3][9] * **因子构建思路**：作为代表货币供给量的宏观经济因子[3][9]。 * **因子具体构建过程**：报告直接采用了M1的同比增速数据作为原始因子，并主要使用HP滤波进行处理以得到周期成分[3][9][10]。 2. **因子名称**：M2同比[3][9] * **因子构建思路**：作为代表货币供给量的宏观经济因子[3][9]。 * **因子具体构建过程**：报告直接采用了M2的同比增速数据作为原始因子，并主要使用HP滤波进行处理以得到周期成分[3][9][10]。 3. **因子名称**：社会融资规模同比[3][9] * **因子构建思路**：作为代表货币供给量的宏观经济因子[3][9]。 * **因子具体构建过程**：报告直接采用了社会融资规模的同比增速数据作为原始因子，并主要使用HP滤波进行处理以得到周期成分[3][9][10]。 4. **因子名称**：1年期国债收益率同比差值[3][9] * **因子构建思路**：作为代表利率的宏观经济因子[3][9]。 * **因子具体构建过程**：报告采用了1年期国债收益率的同比差值数据作为原始因子，并主要使用HP滤波进行处理以得到周期成分[3][9][10]。 5. **因子名称**：PMI同比增速[3][9] * **因子构建思路**：作为代表经济增速的宏观经济因子[3][9]。 * **因子具体构建过程**：报告采用了PMI的同比增速数据作为原始因子，并主要使用HP滤波进行处理以得到周期成分[3][9][10]。 6. **因子名称**：PPI同比[3][9] * **因子构建思路**：作为代表通胀的宏观经济因子[3][9]。 * **因子具体构建过程**：报告直接采用了PPI的同比数据作为原始因子，并主要使用HP滤波进行处理以得到周期成分[3][9][10]。 7. **因子名称**：工业增加值同比[3][9] * **因子构建思路**：作为代表经济增速的宏观经济因子[3][9]。 * **因子具体构建过程**：报告直接采用了工业增加值的同比数据作为原始因子，并主要使用HP滤波进行处理以得到周期成分[3][9][10]。 8. **因子名称**：企业利润同比[3][9] * **因子构建思路**：作为代表经济增速的宏观经济因子[3][9]。 * **因子具体构建过程**：报告直接采用了企业利润的同比数据作为原始因子，并主要使用HP滤波进行处理以得到周期成分[3][9][10]。 模型的回测效果 （以下回测结果均基于2006年以来的数据） 1. **美林时钟模型**，累计收益807.28%，年化收益11.71%，波动率11.30%，最大回撤17.10%，夏普比率1.037，信息比率0.681，胜率56.49%[70]。 2. **货币信用模型**，累计收益558.45%，年化收益9.93%，波动率16.84%，最大回撤56.02%，夏普比率0.589，信息比率0.362，胜率56.90%[79]。 因子的回测效果 （以下回测结果均基于2006年以来的数据，使用HP滤波处理后因子进行择时） 1. 单因子股指择时表现 （策略：因子上升周期持有中证全指，下降周期空仓） 1. **M1同比因子**，累计收益971.09%，年化收益12.64%，波动率24.85%，最大回撤69.42%，夏普比率0.509，信息比率0.339，胜率57.74%[58]。 2. **M2同比因子**，累计收益100.26%，年化收益3.55%，波动率22.51%，最大回撤69.42%，夏普比率0.158，信息比率-0.237，胜率48.95%[58]。 3. **国债收益率同比差值因子**，累计收益685.90%，年化收益10.91%，波动率18.43%，最大回撤27.47%，夏普比率0.592，信息比率0.265，胜率49.79%[58]。 4. **社会融资规模同比因子**，累计收益731.39%，年化收益11.22%，波动率24.77%，最大回撤69.42%，夏普比率0.453，信息比率0.249，胜率53.56%[58]。 5. **PMI同比增速因子**，累计收益1436.01%，年化收益14.70%，波动率21.07%，最大回撤42.44%，夏普比率0.698，信息比率0.513，胜率54.39%[58]。 6. **PPI同比因子**，累计收益919.17%，年化收益12.36%，波动率20.58%，最大回撤42.44%，夏普比率0.601，信息比率0.355，胜率52.72%[58]。 7. **工业增加值同比因子**，累计收益124.56%，年化收益4.15%，波动率16.52%，最大回撤39.35%，夏普比率0.251，信息比率-0.226，胜率46.86%[58]。 8. **企业利润同比因子**，累计收益522.94%，年化收益9.62%，波动率18.37%，最大回撤42.44%，夏普比率0.524，信息比率0.172，胜率51.46%[58]。 2. 单因子股债择时表现 （策略：因子上升周期持有中证全指，下降周期持有国债指数；对照组为60%债券+40%股票的固定比例组合） 1. **M1同比因子**，累计收益1297.47%，年化收益14.16%，波动率24.84%，最大回撤69.42%，夏普比率0.570，信息比率0.432，胜率60.25%[61]。 2. **M2同比因子**，累计收益174.96%，年化收益5.21%，波动率22.56%，最大回撤69.42%，夏普比率0.231，信息比率-0.129，胜率53.14%[61]。 3. **国债收益率同比差值因子**，累计收益1358.04%，年化收益14.40%，波动率18.43%，最大回撤27.47%，夏普比率0.781，信息比率0.508，胜率56.07%[61]。 4. **社会融资规模同比因子**，累计收益1110.38%，年化收益13.34%，波动率24.76%，最大回撤69.42%，夏普比率0.539，信息比率0.381，胜率59.00%[61]。 5. **PMI同比增速因子**，累计收益2226.26%，年化收益17.12%，波动率21.07%，最大回撤42.44%，夏普比率0.813，信息比率0.669，胜率57.74%[61]。 6. **PPI同比因子**，累计收益1637.78%，年化收益15.41%，波动率20.59%，最大回撤42.44%，夏普比率0.749，信息比率0.558，胜率58.58%[61]。 7. **工业增加值同比因子**，累计收益274.27%，年化收益6.85%，波动率16.65%，最大回撤36.37%，夏普比率0.411，信息比率-0.026，胜率51.05%[61]。 8. **企业利润同比因子**，累计收益864.21%，年化收益12.05%，波动率18.39%，最大回撤42.44%，夏普比率0.655，信息比率0.340，胜率53.56%[61]。