中国权益市场发展前景与居民资产配置 - 在AI赋能金融提速、居民财富管理需求升级背景下，中国权益市场的长期发展空间持续拓宽[1] - 当前普通居民配置于股市的资金占比仍处于低位，对标成熟金融市场，未来向权益市场转移的空间巨大[1] - 中国资本市场在过去十至二十年间实现了跨越式发展，流动性水平、市场交易量等关键指标稳步提升，市场化定价机制日趋完善[2] - 中国居民资产中直接或间接投资股市的比例较低，这种配置缺口孕育着资本市场的长期成长机遇[2] - 随着中国资本市场的不断成熟，居民资产配置向权益市场转移是大势所趋[2] - 当经济体步入高质量发展阶段，权益资产将成为居民财富保值增值的重要载体[2] - 中国资本市场正逐步完善退市机制、投资者保护体系等基础制度，上市公司质量持续提升，为居民资产“向股迁徙”创造更优质的环境[2] 基本面量化策略的价值主张 - 超额收益的传统来源正在发生变化，市场整体性的非理性交易机会本就有限，信息不对称带来的收益空间也在持续收窄[3] - 短期来看可能有各类风格化策略表现亮眼，但长期只有锚定企业本质的基本面量化才能凸显优势[3] - 基本面量化是投资者把握居民资产向权益市场转移趋势、获取持续收益的核心路径[1] - 基本面量化策略以基本面为“锚”，放弃高风险的短期投机机会，专注于创造持续、稳定的收益[3] - 该策略逻辑适配居民资产向权益市场转移过程中，投资者对“稳健性”的核心诉求[3] - 能够穿透市场短期波动、锚定企业核心价值的基本面量化策略，将帮助投资者分享资本市场的成长红利[5] 喜岳投资的差异化投研体系 - 公司基于演绎法构建了差异化投研体系，通过覆盖企业财报、上下游产业链、供需关系等多维度信息，回归企业商业本质[4] - 该体系筛选出相关性较低的投资因子，以分散配置降低组合风险[4] - AI技术的赋能让团队能够高效处理海量金融数据，减少无效噪音，提升了数据的信噪比和投研效率[4] - 公司凭借清晰的投资逻辑和严苛的风险控制，已赢得海内外专业机构的认可[4] - 客户群体涵盖国内保险资管、银行理财子公司，以及海外国家主权财富基金、社保养老金等专业机构[4] - 机构客户最关注策略的可解释性、稳定性和长期风险收益特征，这与公司坚守的基本面量化理念高度契合[4] 行业与公司未来展望 - 展望未来，公司对中国权益市场的长期发展保持乐观[5] - 居民资产配置的结构性调整不会一蹴而就，但趋势已然明确，其方向蕴含着时代赋予的机遇[5] - 中国权益市场的长期发展空间广阔[5] - 公司将继续坚守长期主义，以专业能力陪伴客户穿越市场周期，把握资产转移浪潮中的投资机遇[5]

行业概况 - 中国量化私募行业管理规模在2025年正式突破1万亿元，占A股专业机构资金规模的5%，成交额占比稳定在20% [1] - 行业进入“万亿规模后的分化时代”，马太效应加剧，头部机构管理规模占比持续攀升，竞争力不足的机构面临出清 [1] - 行业共识从“规模竞赛”转向“质量竞争”，策略同质化拥挤曾引发回撤危机 [1] - 保险资金、养老金等长期资金占比提升，对收益稳定性、策略可解释性的需求正在重塑行业生态 [1] 公司战略定位 - 喜岳投资自2014年创立之初便专注于基本面量化策略，选择了一条看似“缓慢”但更坚实的差异化路径 [2] - 公司创始人周欣博士拥有在贝莱德、AQR等国际顶尖量化机构十余年的经验，并带领团队进行本土化实践 [2] - 公司认为量化投资不应是追逐短期波动的“零和游戏”，而应基于企业内在价值进行长期价值创造 [2] - 基本面量化策略因其护城河较高、容量大、波动较低的特性，且关注企业长期内在价值，近年来受到越来越多关注 [2] 核心竞争力构建 - 公司核心团队融合深厚的学术研究功底与丰富的市场实战经验，五位创始人均博士毕业或任教于芝加哥大学、麻省理工、北京大学等顶尖高校 [3] - 团队成员具备国际顶级资管机构一线实战经验，分管策略研发、风控、技术等关键领域，形成优势互补的专业矩阵 [3] - 公司投研采用演绎法与归纳法有机结合的逻辑，先通过深度研究确立“具备长期必然性的投资逻辑”，再推导演绎策略框架，追求策略的可解释性与长期有效性 [3] - 公司连续十年独家赞助中国金融国际年会(CICF)并设立“喜岳最佳论文奖”，以支持学术研究并保持与金融学术前沿互动，形成“学界反哺业界、业界滋养学界”的闭环 [4] - 公司构建了覆盖全业务流程的合规与风控管理体系，并先后获取香港9号牌照、完成美国SEC备案，致力于使运营管理体系符合国际标准 [4] 客户与资金适配 - 随着“十五五”规划提出壮大耐心资本及中长期资金入市政策推动，保险资金、养老金等长期资本在量化私募资金来源中占比持续提升 [5] - 喜岳投资的基本面量化策略注重长期价值、波动相对较低、逻辑可解释，与长期资金对策略稳定性、透明度和长期业绩的高要求具有较高契合度 [5] - 公司客户已全面覆盖国内保险资管、银行理财子公司等本土长期资本，以及北美养老金、海外主权基金、高校捐赠基金等国际顶级机构 [5] - 与这些严格筛选管理人的顶级机构合作，促使公司不断打磨自身的投研体系、风控能力和沟通透明度 [5] 理念传播与生态责任 - 公司创始人通过“量化周董”视频号分享量化知识 [6] - 公司是联合国负责任投资原则(UNPRI)的签署机构，将可持续发展考量纳入投资过程 [6] - 公司的实践表明，量化投资的竞争力可以超越对算力的堆砌与速度的比拼，而回归到对投资本质的认知、对长期价值的坚守以及对行业生态的责任担当 [7]

沪深300指数配置价值 - 指数由沪深市场中规模大、流动性好的300只代表性证券组成，于2005年4月8日发布，是反映A股大盘股整体表现的核心宽基指数，功能定位与美国的标普500指数高度相似 [5] - 成分股平均市值大，龙头效应显著，截至2025年12月31日，成分股平均市值达2254.88亿元，显著高于中证500、科创50等指数 [1][7] - 前十大权重股权重合计为23.08%，分布较为分散，平均总市值达9428亿元，囊括了宁德时代、贵州茅台、中国平安、中际旭创、紫金矿业等各领域核心龙头企业 [1][10][11] - 指数盈利持续增长，成长能力较强，根据Wind一致预测，2024年EPS增速为3.76%，预计2025年增速为5.43%，2026年增速11.46%；2024年归母净利润增速为2.78%，预计2025年增速为9.67%，2026年增速9.40% [1][17] - 是宽基配置首选，截至2025年12月31日，相关指数基金合计规模高达近1.2万亿元，占全部宽基指数基金的比重接近50% [2][12] - 产业结构持续优化升级，2015年至2025年间，传统金融与地产业权重显著回落，而电子、电力设备及新能源、通信等代表新质生产力的新兴产业迅速崛起，电子行业权重由2.87%大幅提升至13.43%，电力设备及新能源由1.86%增至8.51% [2][15][16] - 同期，前三大行业集中度由40.24%小幅降至35.85%，行业分布变得更加均衡 [2][15] 汇安沪深300指数增强基金概况 - 基金全称为汇安沪深300指数增强A，由汇安丰泰A转型而来，成立于2018年7月3日，业绩比较基准为沪深300指数收益率*95%+银行活期存款利率(税后)*5% [20][22] - 现任基金经理为柳预才，自2023年9月27日起开始管理，拥有12年从业经验，在基本面量化、指数增强等方面具备丰富经验，截至2025Q4，其管理的主要产品合计规模为19.31亿元 [2][23][24] - 基金管理人汇安基金的指数与量化投资部采用创新的基本面量化投资理念，秉持“兼顾长期逻辑与投资效率，兼收并蓄、博采众长”的理念，将基本面投资逻辑定量化归纳和提炼 [2][28] - 该投资框架融合了主动投资的逻辑深度与量化投资的客观纪律性，并建立了包括Barra多因子模型、小微盘精选、超预期策略等在内的量化策略储备体系，可根据产品定位灵活组合 [27][30][33] 基金投资策略与业绩表现 - 自2024年底起，基金将投资策略调整为“紧约束，低偏离”，策略优化效果显著 [3][36] - 2025年全年，基金相对于基准（沪深300指数）累计超额收益达7.23%，信息比率高达4.74，在同类58只指数增强基金中排名第1 [3][36][39] - 2025年，基金相对于基准的相对最大回撤仅为-0.57%，同类排名第2/58；年化跟踪误差为1.28%，同类排名同样为第2/58，显示出优异的回撤控制和紧密的跟踪误差 [3][41] - 基金保持高仓位运作，自2025年以来股票仓位基本维持在90%-95%之间 [44] - 基金严格遵循“紧约束、低偏离”策略，基本不做市值下沉，2024年下半年至2025年上半年，对沪深300成分股的配置权重每期均保持在98%–99%之间 [3][47] - 在Barra风险因子暴露上，该基金与沪深300指数整体较为相近，在市值因子上几乎和基准保持一致 [3][49] - 基金采取低换手运作，换手率明显低于同类平均水平，且选股能力优异，从超额收益归因看，2025年第一季度和第三季度的选股收益均为正值，平均季度选股收益达0.66% [4][58][63]

量化模型与构建方式 1. **模型名称**：创新的基本面量化模型[32] **模型构建思路**：融合主动权益投资与量化投资的优势，将基本面投资逻辑进行定量化归纳和提炼，以兼顾长期逻辑与投资效率[31][33] **模型具体构建过程**：该模型并非一个具体的单一模型，而是一个融合性的投资框架。其核心是将传统基本面分析的逻辑（如产业理解、深度价值挖掘）进行系统化、定量化的处理，形成可验证、可迭代的量化规则[30][33]。汇安基金基于此框架，构建了一个包含多种策略的量化策略储备体系，可以根据产品定位和客户需求进行灵活组合与定制化输出[35][37]。具体策略储备包括：适配A股市场的Barra多因子模型、小微盘精选策略、超预期策略、机构持仓精选策略、SmartBeta选股策略、红利精选策略[35]。 2. **模型名称**：Brinson归因模型[56] **模型构建思路**：用于分解投资组合相对于基准的超额收益来源，将超额收益拆解为配置收益、选股收益和交互收益，以评估基金经理的资产配置和个股选择能力[56] **模型具体构建过程**：基于基金定期报告（半年报/年报）披露的全部持仓，模拟其下一季度的收益，并以沪深300指数作为业绩基准进行归因分析。超额收益被分解为三个部分：配置收益（行业/板块配置贡献）、选股收益（行业内个股选择贡献）和交互收益（配置与选股共同作用的贡献）。此外，还定义了交易收益，即基金实际收益与基于定期报告持仓模拟收益的差额，用于衡量持仓披露后主动交易带来的收益。具体拆解公式如下： $$基金收益-指数收益=交易收益+超额收益=交易收益+配置收益+交互收益+选股收益$$[56] **模型评价**：该模型能有效拆解基金超额收益的来源，帮助分析基金经理的选股能力和配置能力[56]。 量化因子与构建方式 1. **因子名称**：Barra风险因子[35][50] **因子构建思路**：采用成熟的Barra多因子风险模型来刻画股票的风险特征，并控制组合相对于基准的风格暴露，以实现“紧约束，低偏离”的投资目标[35][46] **因子具体构建过程**：报告中未详细描述Barra因子的具体构建公式，但明确指出该基金使用了适配A股市场的Barra多因子模型[35]。该模型通常包含一系列风格因子（如市值、估值、动量、波动率、流动性、成长、盈利质量等）和行业因子。通过计算基金持仓在这些因子上的暴露度，并与基准指数（沪深300）的暴露度进行对比，以评估组合的风格偏离情况[50]。 **因子评价**：使用Barra模型有助于严格控制组合的风格暴露，使其贴近基准，减少不必要的风格偏离风险，符合“紧约束”的策略要求[46][50]。 模型的回测效果 1. **创新的基本面量化模型（汇安沪深300指数增强A应用效果）** **全样本期（2023-09-28至2026-01-16）**：年化收益13.06%，年化超额收益2.29%，信息比率(IR)0.81，年化跟踪误差2.53%，最大回撤-13.65%[40][42] **2024年度**：年化超额收益-0.92%，信息比率(IR)-0.26，年化跟踪误差3.31%[42] **2025年度**：累计超额收益7.23%，信息比率(IR)4.74，年化跟踪误差1.28%，相对最大回撤-0.57%[3][41][42] 2. **Brinson归因模型（应用于汇安沪深300指数增强A的归因结果）** **2025年第一季度**：选股收益0.89%，配置收益-0.19%，交互收益-0.03%，超额收益0.67%[56][59] **2025年第三季度**：选股收益0.42%，配置收益1.51%，交互收益0.10%，超额收益2.03%[56][59] **2025Q1与Q3均值**：平均季度选股收益0.66%[3][56][59] 因子的回测效果 1. **Barra风险因子暴露分析（汇安沪深300指数增强A，2024H2至2025H1）** **市值因子**：暴露与沪深300基准指数几乎保持一致，无明显偏离[50] **成长因子**：略有正向暴露[50] **整体风格暴露**：与沪深300指数的因子暴露整体较为相近[3][50]

公司核心投资理念与策略 - 公司采用基本面量化策略，其核心在于发现资产的错误定价，即价格与价值之间的偏离，并在估值回归过程中获取收益[3] - 该策略强调研究深度、逻辑自洽性与长期有效性，而非交易速度，旨在实现较小的市场回撤、更强的收益确定性及可持续的长期回报[3] - 策略具体应用包括构建量化价值组合或量化红利组合，在相关指数内寻找更优配比，形成稳定的低换手策略[3] 公司客户结构与服务标准 - 公司客户以专业机构为主导，包括国内险资、银行理财和海外投资机构，这些客户更关注策略的可解释性、稳定性及长期风险收益特征[5] - 服务专业机构的过程促使公司在策略设计、风险控制、运营与合规管理等环节均需经得起严苛审视，从而提高了自身标准[5] - 公司通过定制化产品设计、透明的信息披露和及时有效的沟通，致力于建立基于信任与共赢的长期伙伴关系[5] 团队背景与产学研结合 - 公司五位创始人均拥有强大的学术背景，博士毕业或任教于芝加哥大学、北京大学、麻省理工、伯克利大学、杜兰大学等海内外高校[6] - 公司坚持将学术研究基础通过系统化投资流程转化为可执行的收益预测模型，并坚持10年独家赞助和支持中国金融国际年会，与学术界形成良性知识转换[6] - 董事长周欣博士在创立公司前，曾于巴克莱全球投资（BGI）、贝莱德（BlackRock）及AQR担任投研要职，并曾任教于UC Berkeley，拥有丰富的实战与学术经验[9] 公司发展历程与文化 - 公司自2014年在上海创立，2017年在香港设立分支并持有9号牌照，2020年完成美国证监会备案，按照既定目标和节奏稳健发展[7] - 公司倡导“不卷”的文化，坚持健康、可持续、有意义的良性竞争与发展，避免无效内卷[7] - 2025年12月，公司办公室扩迁并发布品牌大屏，新办公空间近2000平米，体现了公司对团队的人文关怀及十余年的探索与积累[8] 品牌传播与未来方向 - 董事长周欣博士通过视频号“量化周董”分享量化基础知识，理智客观地探讨ROE分布规律、多因子模型构建等专业话题，这被视为公司方法论的外化体现[9] - 公司认为投资是一场马拉松，最重要的是按自己的节奏安全完赛，并坚守被市场验证过的投资智慧[9] - 公司已开始增加机器在投资决策中的角色，但无论技术如何演进，其研究团队仍在不断探寻历史、经济和市场的规律[9]

报告行业投资评级 无 报告的核心观点 - 邓欣雨在固收+投资中较多利用基本面量化方法 ，旗下中欧鼎利和中欧增强回报业绩表现良好 ，呈现不同风格收益特征 [5][6] - 中欧鼎利是中高波二级债基 ，采用量化景气成长策略 ，收益高波动高 ，投资者赚钱效应随持有时间拉长提升 [8][26][27] - 中欧增强回报是低波绝对收益产品 ，强调安全边际 ，核心指标居行业前列 ，投资者赚钱效应也随持有时间拉长提升 [38][39][41] 根据相关目录分别进行总结 中欧基金邓欣雨：基本面量化的固收+践行者 - 邓欣雨历任博时基金多职 ，2023 年 10 月加入中欧基金 ，管理多只基金 ，规模达 87.68 亿元 ，产品类型覆盖一级债基、二级债基和灵活配置型基金 [4][5] - 其投资框架中固收+的“加”部分用基本面量化方法 ，有股息、价值等多个策略 ，还有基于宏观判断的大类资产配置框架 [6][7] 中欧鼎利：景气成长策略的中高波二级债基 - 定位中高波二级债基 ，采用量化的景气成长策略 ，有三层嵌套 ，强调从景气中获利 [8] - 景气度判断来自财报三个维度 ：财务健康度、盈利持续性和成长动能 [10] - 与量化其他风格产品相比 ，成长风格波动大但长期收益高 ，2025 年以来表现突出 ，中欧鼎利权益部分收益超成长指数 [24] - 呈现高收益风险性价比特征 ，2025 年以来收益 11.41% ，年化波动率 8.44% ，夏普比指标占优 [26] - 投资者赚钱效应随持有时间拉长提升 ，持有 1、2、3 个月收益率均值分别为 2.16%、4.50%、6.88% ，持有胜率皆为 100% [27] - 股票仓位 16.29%、转债仓位 13.14% ，行业配置倾向成长性行业 ，转债投资以电子等行业为主 ，偏股转债仓位较高 [31] 中欧增强回报：低波动绝对收益产品 - 定位于低波绝对收益产品 ，力争在 2%回撤目标下创造绝对回报 [38] - 投资框架在权益资产上强调安全边际 ，用估值刻画 [39] - 多项核心指标居行业前列 ，2025 年以来以 2.26%年化波动率创造 3.53%累计收益 [40] - 投资者赚钱效应随持有时间拉长提升 ，持有 1、2、3 个月收益率均值分别为 0.49%、1.08%、1.54% ，持有 2、3 个月胜率为 100% [41]

报告行业投资评级 未提及 报告的核心观点 报告主要介绍中欧基金邓欣雨及其管理的中欧鼎利、中欧增强回报基金 邓欣雨在固收+投资中运用基本面量化方法 中欧鼎利是中高波二级债基，采用量化景气成长策略，收益高、波动高、性价比优 中欧增强回报是低波动绝对收益产品，注重安全边际，核心指标居行业前列 两只基金投资者赚钱效应随持有时间拉长提升 [3][12][44] 根据相关目录分别进行总结 中欧基金邓欣雨：基本面量化的固收+践行者 - 邓欣雨履历丰富，现任中欧基金固收投决会委员等职，管理多只固收+产品，规模达87.68亿元，中欧鼎利、中欧增强回报任职以来业绩分别超7%和2% [7][8] - 其投资框架中固收+的“加”部分用基本面量化方法，准备多个策略，还有基于宏观判断的大类资产配置框架 [9][11] 中欧鼎利：景气成长策略的中高波二级债基 - 定位中高波二级债基，采用量化景气成长策略，有三层嵌套，从量化方法论、量化基本面、景气收益三方面构建 [12] - 该策略判断上市公司景气度从财务健康度、盈利持续性、成长动能三个财报维度进行 [14] - 与量化其他风格产品对比，成长风格波动大但收益高，2025年表现突出，中欧鼎利稳定以景气成长风格运作有稀缺性 [30][31] - 中欧鼎利收益风险性价比高，2025年以来收益11.41%、年化波动率8.44%，夏普比占优 投资者持有赚钱效应随时间拉长提升，持有1、2、3个月收益率均值分别为2.16%、4.50%、6.88%，胜率皆为100% [32][33] - 最新投资组合股票仓位16.29%、转债仓位13.14%，行业配置倾向电子等成长板块，转债投资以电子等行业为主，偏股转债仓位高 [37] 中欧增强回报：低波动绝对收益产品 - 定位于低波绝对收益产品，力争在2%回撤目标下创造绝对回报，权益资产强调安全边际，用估值刻画 [44][45] - 2025年以来以2.26%年化波动率创造3.53%累计收益，多项核心指标居行业前列，体现基金经理综合管理能力 [45][46] - 投资者赚钱效应随持有时间拉长提升，持有1、2、3个月收益率均值分别为0.49%、1.08%、1.54%，持有2、3个月胜率为100% [47]

投资理念：绝对收益导向 - 投资的本源是力争让每一笔交易都挣到钱，而非超越基准或追求相对排名[2][8] - 绝对收益与相对收益并不矛盾，长期看两者统一，例如3-5年年化收益达到双位数的基金经理自然会有靠前的排名和超额收益[8] - 主动产品若波动过大，会损害零售客户的持有体验，控制回撤能降低其买入难度并提升长期持有体验[5][31] 核心策略：三价打分体系 - 通过“三价打分体系”（买入价、极限底价、卖出价）进行标的定价，该体系能解决60%-70%甚至更多的波动控制问题，确保组合绝对收益[2][9][11] - 买入价必须从DCF模型得出，是深度研究后的认知；极限底价参考公司历史净利润最差时的估值低位；卖出价结合基本面与市场热度、情绪等量化指标[11][13] - 系统覆盖500多个标的并强制打分，市场好时组合加权打分降低，系统会提示基金经理调仓至高分标的，长期重复此动作以控制波动和保障收益[16] 科学与艺术的结合：量化与主动的协同 - 投资本质是“科学”与“艺术”的结合，量化负责捕捉高股息、低估值等客观规律，主动负责处理无法量化的内容[1][5][18] - 采用“基本面量化”模式，量化团队将基本面研究员的投资逻辑抽离出来，按行业建模，建立指标与股价的可跟踪、可检验的映射关系[6][11][18] - 先用量化策略打底提高成功概率，再用主观研究深化，要求所有量化模型从基本面或行业研究员的知识体系中抽离逻辑，本质是模仿研究员的认知过程[18][19] 组合构建与风险管理 - 组合构建以保持整体高分状态为基础，通常持有40-50家公司，前十大持仓占比30%-40%，通过自上而下判断选择方向并避免单一行业过度暴露[21] - 绝对收益策略中，60%-70%依赖选股，20%-30%靠关键点择时（如两年一次的大级别仓位调整），10%-20%靠系统减少错误投资行为[9][22] - 系统作为“尺子”约束非理性行为，例如股价高位时提示避免追高，在标的跌破极限底价时提示加仓，触及卖出价时提示减持[3][17] 团队管理与考核机制 - 考核机制以绝对收益为导向，当年产品亏损则不及格，但极端市场下可用相对高排名弥补，以平衡波动控制和避免过度保守[26] - 研究员考核以实盘贡献为主，只有“推荐→买入→上涨”才能获得高分，引导研究转化为实际收益，并通过系统留痕形成投研互动闭环[26] - 投资总监对所有产品质量负责，以最差产品为考量，旨在提升团队整体业绩而非依赖个别明星产品，体现平台和团队能力[26] 市场观点与投资方向 - 当前基本面企稳概率较大，依据是“资本开支/折旧摊销”指标接近2007年以来下限，同时企业盈利、库存均处历史低位，三季度可能是盈利底[23] - 看好两个方向：一是与资本开支周期相关、出清充分的中游资本品和化工行业；二是全球份额上升快的出口领域，受欧美制造业周期上行支撑[24]

AI量化研究系列 - 深度学习应用于股指期货日内交易策略开发 [2] - 深度学习算法用于Alpha因子挖掘和再挖掘 [2] - 趋势策略通过深度学习技术进行增强 [2] - 风险中性的深度学习选股策略构建 [2] - 深度学习在指数增强策略上的应用实践 [2] - 高频数据因子在深度学习框架下进行挖掘 [2] - 基本面因子模型通过深度学习技术增强 [2] - 条件随机场应用于周频择时策略开发 [2] - 机器学习多因子动态调仓策略研究 [2] - 人工智能在资产管理行业的应用和前景展望 [2] - 涨跌模式识别用于指数和行业择时策略 [2] - 隐马尔科夫模型应用于选股策略研究 [2] - 机器学习模型在因子选股上的比较分析 [2] - 多周期机器学习选股模型构建 [2] - 卷积神经网络用于股价走势识别与分类 [2] - Transformer架构下的量价选股策略研究 [2] - Visibility Graph-CNN创新架构用于高效股价预测 [2] - 卷积神经网络应用于ETF轮动策略 [2] - 多模态多尺度股价预测方法研究 [2] - DeepSeek工具用于提高投研效率 [2] - 知识库到知识图谱转换通过DeepSeek+GraphRAG实现 [3] - 神经常微分方程与液态神经网络技术研究 [3] - AlphaForge基于梯度下降进行因子挖掘 [3] - 强化学习应用于价格择时策略 [3] - 机器学习选股训练手册编制 [3] 基本面量化研究系列 - 多视角探寻长线选股策略研究 [3] - 景气向上且持续增长企业的挖掘方法 [3] - 寻找"物美价廉"优质企业的策略研究 [3] - 高估值股中投资机会的挖掘方法 [3] - 财务指标选股策略深入研究 [3] - 叠加反转效应下的财务指标选股策略 [3] - 细分行业景气盈利轮动策略开发 [3] 转债风险管理 - 转债退市风险与信用风险监控系统构建 [6] 研究团队信息 - 广发金融工程团队负责相关研究 [4]

科创债/信用债ETF配置策略 - 信用债ETF配置策略主要考虑保留现金或配置债券、寻求弹性或静态收益、久期或信用下沉选择、期限结构哑铃或子弹型四个问题[4] - 历史复盘显示信用债ETF在行情偏弱时持有现金概率不高 在低利率环境下主动博取静态收益性价比低 利率恢复震荡时会拉长久期寻求弹性[4] - 大部分ETF产品上市后普遍快速提升久期 信用评级动态适配 高评级在债市走强或走弱阶段主导 期限结构偏哑铃型居多[4] 当前科创债ETF配置偏好 - 当前市场环境下科创债ETF配置偏好与回调期信用债ETF相似 择券维持高弹性为主 偏好高评级和哑铃型期限结构[5] - 回调后科创债票息吸引力未明显增加 久期已较长可能先稳住久期 信用维度延续高评级坚守 保持AAA级及以上仓位主导[5] - 期限结构或转向哑铃策略以平衡防御与弹性 博弈曲线走平[5] 科创债扩容预期下择券策略 - 成分券与非成分券利差收窄 截至8月29日科创债成分券与可比券利差为-10BP 较7月18日收窄0.7BP 永续债收窄幅度更大[6] - 扩容预期下永续(非次级)科创债配置需求有望抬升 第一批10只科创债ETF中3家配置永续债 第二批上市后普通科创债可得性可能下降[6] - 债市调整阶段科创债一级新发挖掘空间抬升 7月以来每周平均发行规模427亿元(交易所242亿/银行间184亿) 新发利差为-4.5BP[6] 基本面量化风格与行业轮动 - 2025Q3大小盘轮动发出小盘信号 8月小盘相对大盘月超额1.34% 价值成长轮动发出成长信号 8月成长相对价值月超额12.76%[11] - 8月行业轮动组合绝对收益均超12% 超额均在4%以上 单因子多策略月收益率13.19% 超额4.59%[11] - 9月单因子策略推荐计算机/通信/传媒/非银行金融 复合因子策略推荐通信/电子/计算机/家电/传媒[13] 食品饮料行业表现 - 25Q2食品饮料板块收入同比+0.2% 净利润-2% 25H1收入/净利润均+1% 白酒受消费环境压制需求 行业加速去库[16] - 25Q2高端/次高端/区域白酒营收分别+3%/-5%/-27% 净利+1%/-19%/-42% 茅台为首的高端酒业绩稳定 二三线品牌分化明显[16] - 大众品表现分化:啤酒收入+2%净利+13% 黄酒收入+9%净利+64% 软饮料收入+17%净利+19% 零食收入+11%净利-54%[17] - 乳制品收入+4%净利+47% 调味品收入+6%净利+9% 餐饮供应链收入+3%利润-14% 卤制品收入-14%净利-41%[17]