报告行业投资评级 未提及 报告的核心观点 - 固收量化是金融工业化的必然产物和AI赋能时代的债市答卷 固收市场经历了从主观到系统化、模型化、数据驱动的演进 固收量化从交易台边缘走向前台核心 卖方侧量化模型成为产品设计与交易策略的核心引擎 买方侧各类机构依赖量化技术定价、择时和配置 [3] - 相比股票量化 固收量化有工具和市场结构更复杂、政策与制度因素更强、流动性与数据质量问题更突出等特点 [3] - 报告梳理国内外文献和实践案例 尝试回答固收量化流派及逻辑、量化技术适用市场环境、量化技术难以解决的问题、固收量化未来展望等四个问题 [3] 根据相关目录分别进行总结 全球固收量化的四大流派&基本逻辑 - **基本面流派**：利用经济学逻辑和宏观、基本面因子预测市场或资产价值 核心是捕捉经济周期变化预测利率 宏观量化与传统宏观研究不同 流程包括数据输入、构建模型、交易逻辑 还应用临近预测和高频数据 但存在过拟合、结构性断裂、基本面脱敏与模型失效等局限 [8][9][10] - **技术面流派**：利用市场量价数据捕捉交易机会 包括趋势跟踪与CTA固收派和做市与微观结构量化派 前者利用时间序列动量交易获取趋势溢价 后者通过机器学习改善定价和库存管理 [11][18][20] - **相对价值流派**：侧重横截面比较或寻找定价偏差 包括利率期限结构与曲线交易派、票息策略与滚动收益派、信用与利差因子派、相对价值与基差套利派 分别通过刻画收益率曲线、赚取利率曲线和债券的时间价值、定价与捕捉信用溢价和利差、寻找不同工具价格错位来获利 [18][26][33][38] - **基于多因子模型的量化流派**：将债券预期收益率分解为风险因子线性组合 构建投资组合 与基本面、技术面、相对价值流派有联系 主要应用于选券 [39][43][46] 量化技术适用的市场环境 - 流动性与交易制度方面 高流动性、低交易成本市场适合曲线交易等策略 中等流动性市场适合期限结构模型等策略 低流动性、OTC为主的信用市场适合中低频因子策略等 [48][49] - 利率水平与波动环境方面 利率中枢下行且波动温和时Carry与roll - down等策略表现好 利率快速上行或政策急转时CTA趋势等策略有保护作用 [50] - 信用环境与宏观周期方面 违约率低、信用扩张期信用因子与下沉策略收益高 信用收缩与违约高发期量化模型难捕捉尾部风险 [51][53] 固收量化的五大局限：量化技术解决不了什么？ - 政策与制度拐点不可量化 货币政策和制度改革突变 历史数据训练的模型易失效 [55] - 存在流动性黑洞与模型外风险 模型假设与实际市场流动性不符 市场恐慌时策略易失效 [56] - 信用违约有小样本与跳跃风险 违约样本少 模型易过拟合 且线下博弈信息难结构化 [57] - 复杂条款与博弈行为不可建模 固收品种内嵌期权条款受发行人主观意愿影响 量化模型与市场价格偏离大 [58] - 拥挤交易与内生不稳定 量化策略同质化严重时 市场反向波动会引发踩踏和剧烈波动 [60] 展望：固收量化的未来图景 - 融合范式：Quantamental (量化 + 基本面) 量化赋能基本面 应用于宏观配置和信用筛选 [62] - 另类数据与AI技术的深度渗透 处理非结构化数据 应用于政策利率预测、企业画像等 [63] - 交易执行的算法化与自动化 中国债市电子化提升 应用于降低冲击成本和做市策略 [66]

量化模型与构建方式 1. **模型名称：沪深300增强组合**；模型构建思路：基于多因子模型对沪深300指数成分股进行增强选股[5]；模型具体构建过程：报告未详细描述该增强组合的具体多因子模型构建过程，仅展示了其业绩表现。从上下文推断，其构建应遵循国泰海通金融工程团队的多因子选股框架，可能综合了风格、技术、基本面等多类因子进行打分和权重配置。 2. **模型名称：中证500增强组合**；模型构建思路：基于多因子模型对中证500指数成分股进行增强选股[5]；模型具体构建过程：报告未详细描述该增强组合的具体多因子模型构建过程，仅展示了其业绩表现。从上下文推断，其构建应遵循国泰海通金融工程团队的多因子选股框架。 3. **模型名称：中证1000增强组合**；模型构建思路：基于多因子模型对中证1000指数成分股进行增强选股[5]；模型具体构建过程：报告未详细描述该增强组合的具体多因子模型构建过程，仅展示了其业绩表现。从上下文推断，其构建应遵循国泰海通金融工程团队的多因子选股框架。 4. **模型名称：进取组合**；模型构建思路：基于多因子模型构建的主动量化组合，基准为中证500指数[9]；模型具体构建过程：报告未详细描述该组合的具体多因子模型构建过程，仅展示了其业绩表现。从名称“进取”推断，其可能采用了更高风险暴露的因子配置或更积极的调仓策略。 5. **模型名称：平衡组合**；模型构建思路：基于多因子模型构建的主动量化组合，基准为中证500指数[9]；模型具体构建过程：报告未详细描述该组合的具体多因子模型构建过程，仅展示了其业绩表现。从名称“平衡”推断，其可能采用了风险收益更为均衡的因子配置。 6. **模型名称：绩优基金的独门重仓股组合**；模型构建思路：通过分析绩优基金的持仓，筛选其独门重仓股构建组合[5]；模型具体构建过程：报告未详细描述该组合的具体筛选和构建过程，仅展示了其业绩表现。 7. **模型名称：盈利、增长、现金流三者兼优组合**；模型构建思路：从盈利、增长、现金流三个基本面维度筛选优质股票构建组合[5]；模型具体构建过程：报告未详细描述该组合的具体因子定义、标准化、加权合成等构建过程，仅展示了其业绩表现。 8. **模型名称：PB-盈利优选组合**；模型构建思路：结合低市净率（PB）和高盈利指标，筛选有基本面支撑的低估值股票构建组合[5][30]；模型具体构建过程：报告未详细描述该组合的具体因子定义、标准化、加权合成等构建过程，仅展示了其业绩表现。 9. **模型名称：GARP组合**；模型构建思路：采用“合理价格成长”（GARP）策略，兼顾成长性与估值，筛选股票构建组合[9][33]；模型具体构建过程：报告未详细描述该组合的具体因子定义、标准化、加权合成等构建过程，仅展示了其业绩表现。 10. **模型名称：小盘价值优选组合1**；模型构建思路：在小盘股范围内，基于价值因子优选股票构建组合[9][35]；模型具体构建过程：报告未详细描述该组合的具体因子定义、标准化、加权合成等构建过程，仅展示了其业绩表现。 11. **模型名称：小盘价值优选组合2**；模型构建思路：在小盘股范围内，基于价值因子优选股票构建组合（可能与组合1在因子权重或具体选股标准上有所不同）[9][37]；模型具体构建过程：报告未详细描述该组合的具体因子定义、标准化、加权合成等构建过程，仅展示了其业绩表现。 12. **模型名称：小盘成长组合**；模型构建思路：在小盘股范围内，基于成长因子优选股票构建组合[5][39]；模型具体构建过程：报告未详细描述该组合的具体因子定义、标准化、加权合成等构建过程，仅展示了其业绩表现。 量化因子与构建方式 1. **因子名称：市值因子**；因子的构建思路：衡量公司规模大小的因子，通常认为小市值股票存在溢价[5][42]；因子具体构建过程：报告未给出具体计算公式。通常为股票的总市值（总股本×股价），并进行标准化等处理。 2. **因子名称：PB因子**；因子的构建思路：市净率因子，衡量估值水平，通常认为低估值股票存在溢价[5][42]；因子具体构建过程：报告未给出具体计算公式。通常为股票价格除以每股净资产（P/B）。 3. **因子名称：PE_TTM因子**；因子的构建思路：滚动市盈率因子，衡量估值水平，通常认为低估值股票存在溢价[42]；因子具体构建过程：报告未给出具体计算公式。通常为股票价格除以最近四个季度的每股收益（P/E TTM）。 4. **因子名称：反转因子**；因子的构建思路：技术类因子，基于过去一段时间股价的涨跌幅，认为过去表现差的股票未来可能反弹，过去表现好的股票未来可能回调[5][46]；因子具体构建过程：报告未给出具体计算公式。通常计算过去N个交易日的收益率并取负值（-1 * Return_{t-N, t}）。 5. **因子名称：换手率因子**；因子的构建思路：技术类因子，衡量股票流动性或交易活跃度，通常认为低换手率股票存在溢价[5][46]；因子具体构建过程：报告未给出具体计算公式。通常为过去一段时间成交股数除以流通股本。 6. **因子名称：波动率因子**；因子的构建思路：技术类因子，衡量股票价格波动风险，通常认为低波动率股票存在溢价[5][46]；因子具体构建过程：报告未给出具体计算公式。通常计算过去一段时间收益率的标准差。 7. **因子名称：ROE因子**；因子的构建思路：净资产收益率因子，衡量公司盈利能力的质量，通常认为高ROE股票存在溢价[50]；因子具体构建过程：报告未给出具体计算公式。通常为净利润除以净资产。 8. **因子名称：SUE因子**；因子的构建思路：标准化未预期盈余因子，衡量公司盈利增长的超预期程度，通常认为高SUE股票存在溢价[5][50]；因子具体构建过程：报告未给出具体计算公式。通常为（当期实际EPS - 分析师预期EPS）除以历史预期误差的标准差。 9. **因子名称：预期净利润调整因子**；因子的构建思路：衡量分析师对公司未来盈利预测的调整方向，通常认为盈利预测上调的股票存在溢价[5][50]；因子具体构建过程：报告未给出具体计算公式。通常计算一段时间内分析师对未来净利润一致预期的调整幅度。 模型的回测效果 （数据统计区间：2025年12月31日至2026年1月23日） 1. 沪深300增强组合，绝对收益7.27%，超额收益5.70%，跟踪误差4.26%，最大相对回撤0.38%[9] 2. 中证500增强组合，绝对收益13.08%，超额收益-1.98%，跟踪误差6.07%，最大相对回撤4.77%[9] 3. 中证1000增强组合，绝对收益13.09%，超额收益1.56%，跟踪误差7.89%，最大相对回撤2.78%[9] 4. 进取组合，绝对收益14.85%，超额收益-0.22%，跟踪误差20.89%，最大相对回撤12.81%[9] 5. 平衡组合，绝对收益13.75%，超额收益-1.31%，跟踪误差17.27%，最大相对回撤11.94%[9] 6. 绩优基金的独门重仓股组合，绝对收益8.99%，超额收益2.51%，跟踪误差18.82%，最大相对回撤3.12%[9] 7. 盈利、增长、现金流三者兼优组合，绝对收益4.45%，超额收益2.88%，跟踪误差11.53%，最大相对回撤3.01%[9] 8. PB-盈利优选组合，绝对收益5.21%，超额收益3.64%，跟踪误差13.29%，最大相对回撤4.47%[9] 9. GARP组合，绝对收益10.38%，超额收益8.81%，跟踪误差13.10%，最大相对回撤2.90%[9] 10. 小盘价值优选组合1，绝对收益10.59%，超额收益-1.42%，跟踪误差8.54%，最大相对回撤4.47%[9] 11. 小盘价值优选组合2，绝对收益14.24%，超额收益2.23%，跟踪误差8.17%，最大相对回撤1.53%[9] 12. 小盘成长组合，绝对收益11.43%，超额收益-0.57%，跟踪误差10.20%，最大相对回撤2.89%[9] 因子的回测效果 （数据统计区间：2025年12月31日至2026年1月23日，多空收益） 1. 市值因子，全市场3.18%，沪深300 9.44%，中证500 -11.69%，中证1000 -2.91%[42][43] 2. PB因子，全市场-5.03%，沪深300 -9.91%，中证500 -9.32%，中证1000 -5.87%[42][43] 3. PE_TTM因子，全市场-2.61%，沪深300 -10.54%，中证500 -12.93%，中证1000 -6.75%[42][43] 4. 反转因子，全市场-6.43%，沪深300 -3.16%，中证500 -18.38%，中证1000 -2.25%[48] 5. 换手率因子，全市场-1.66%，沪深300 -8.40%，中证500 -17.37%，中证1000 -4.80%[48] 6. 波动率因子，全市场-5.02%，沪深300 -8.44%，中证500 -19.74%，中证1000 -5.49%[48] 7. ROE因子，全市场0.43%，沪深300 -5.38%，中证500 -1.92%，中证1000 1.83%[50][51] 8. SUE因子，全市场1.27%，沪深300 0.72%，中证500 -1.53%，中证1000 0.70%[50][51] 9. 预期净利润调整因子，全市场0.92%，沪深300 2.96%，中证500 2.78%，中证1000 -1.25%[50][51]

文章核心观点 - 金融估值理论与资产配置方法的演进与产业革命进程同频共振，每一次产业革命都推动金融理论实现一次“升维”[4] - 2025年诺贝尔经济学奖授予创新驱动经济增长理论研究者，诠释了数字与绿色经济对新产业革命的意义，技术进步因素的系统化深化了增长机制的理解并完善了市场分析框架[4] - 当前全球地缘政治冲突加剧与产业政策工具化，正促使投资者重新审视预期回报的认知体系，并处理资产配置中日趋多元的目标问题[8] 产业革命与金融理论的演进 - **0维方法（约2000年前）**：铁器广泛应用创造少量物质冗余，犹太教《塔木德》提出“1/3土地，1/3生意，1/3储蓄”的经验法则，无优化努力，是0维配置方法[6] - **从0到1的突破（约100年前）**：两次工业革命推动生产能力几何级数增长，财富积累目的转向扩大生产，本杰明·格雷厄姆开创价值投资理念，使投资价值成为决定最优配置的唯一维度，实现方法论“从0到1”的突破[6] - **从技艺到科学（约50年前）**：第三次工业革命（信息时代）使财富拥有者下沉，金融深化带来复杂资产类别，哈利·马科维茨和威廉·夏普开创现代投资组合理论，引入风险调整收益概念，使投资成为高度理性的科学[7] - **理论的深化与当前挑战**：多因子模型释放更多风险因子，奠定现代量化投资基石，但对预期回报的研究长期受压抑，财务收益率被视为唯一回报维度，当前地缘政治与产业政策变化正推动投资者重新审视预期回报的多元目标体系[8]

文章核心观点 - 研究探讨了采用偏最小二乘（PLS）模型预测因子收益，并将其应用于因子加权，以提升投资组合表现 [1] - 在单因子组合、多因子模型及“固收+”策略中应用PLS模型进行权重优化，相比传统加权方法（如等权、收益均值加权）能有效提升年化收益 [2][3] 单因子多策略应用 - 在20个单因子的top100组合配置中，对波动率最大的5个因子组合采用PLS模型预期收益确定权重 [2] - 相比收益均值加权方式，年化收益提升约4.0%（2018.01-2025.11） [2] - 相比等权方式，年化收益提升6.6% [2] 风格组合配置应用 - 构建了6个基础风格组合：1个红利优选、1个成长期优选、两个小市值组合、两个风格相对均衡的组合（PB盈利和GARP组合） [2] - 对波动较大组合采用PLS模型预期超额收益加权 [2] - 相比超额收益均值加权方式，年化收益提升3.3% [2] - 相比等权方式，年化收益提升3.9% [2] 量化“固收+”策略应用（股票端为复合风格组合） - 策略构建：股票端采用PLS预期收益加权的复合风格组合，债券端采用中证短债指数 [2] - 当股票仓位为10%时，策略自2018年以来年化收益5.6%，年化波动率2.6%，信息比率2.17 [2] - 当股票仓位提升至20%时，策略年化收益8.4%，年化波动率5.1%，信息比率1.65 [2] 多因子单策略应用 - 在多因子模型中，采用PLS预期收益确定因子权重，可改善模型预期信息系数（IC）及top100组合的业绩表现 [3] - 但这种改善并非在每个截面都成立，PLS模型可能更擅长风格间的配置，而非同类因子的精细比较 [3] - 从时序角度看，IC均值加权、IC信息比率（ICIR）加权、PLS加权方式各有优劣 [3] - PLS加权方式整体更为稳健，但在因子动量持续性强时（如2023年），表现不如IC均值加权和ICIR加权突出 [3] 量化“固收+”策略应用（股票端为多因子模型组合） - 策略构建：股票端采用PLS预期收益加权的多因子模型top100组合，债券端采用中证短债指数，股票仓位设定为20% [3] - 在2018.01至2025.11期间，策略年化收益8.1%，年化波动率5.6%，最大回撤5.4% [3] - 在圈定的固收+基金中比较，该策略收益排名除2020年处于32.1%分位点外，其余年份均在前二分之一（即前50%） [3]

股票量化多头策略整体表现 - 截至11月底，全市场833只股票量化多头产品年内平均超额收益率超17%，其中762只产品实现超额收益，占比高达91.48% [1] - 市场日均成交额持续保持高位，为量化交易提供了良好的流动性环境，量化多头策略通过快速交易能够及时把握板块轮动节奏 [1] - 人工智能的深入应用帮助策略高效处理海量信息，多因子模型在分散风险的同时增强了收益潜力 [1] 不同管理规模私募的表现差异 - 管理规模在20亿元至50亿元区间的私募机构旗下产品表现最为突出，年内平均超额收益率达20.12%，且93%的产品实现超额收益 [2] - 百亿元级私募机构旗下产品年内平均超额收益率为19.98%，实现超额收益产品的占比高达98.13% [2] - 管理规模在50亿元至100亿元区间的私募机构旗下产品年内平均超额收益率为18.32% [2] - 管理规模在5亿元以下的私募机构旗下产品年内平均超额收益率仅为13.85%，管理规模在5亿元至10亿元区间的产品收益率为16.40% [2] - 大中型私募机构在数据积累、算力支持和团队配置上具备明显优势，能更灵活地适应市场风格变化 [2] 不同子策略的表现分化 - 其他指增策略产品以20.13%的年内平均超额收益率领跑，实现正超额的产品占比93% [3] - 作为主流策略的量化选股（空气指增）共331只产品，年内平均超额收益率为19.14% [3] - 中证1000指增策略产品年内平均超额收益率为17.53%，实现超额收益的产品占比96.41% [3] - 中证500指增策略产品年内平均超额收益率为14.14%，沪深300指增策略产品为8.20% [3] - 中小盘个股交易活跃、市场弹性较强的环境使得量化策略在中小盘赛道中更容易捕捉超额收益机会 [3]

文章核心观点 - 投资应聚焦于具备长期强劲内生价值增长能力的“好业务”和“好公司”，通过延长投资时间尺度来摊薄估值等扰动性变量的影响，从而确定性地穿越市场迷雾 [1][2][4] - 市场短期定价高度未知，但长期视角下，好业务好公司的未来可见度和回报确定性非常高 [1] - 内生价值增长是叠加性变量，对年化回报的影响不会随时间摊薄，而估值是扰动性变量，其影响会随时间延长而不断摊薄 [2] - 在10年时间框架下，即使遭遇市场极端情况（如估值腰斩），其对年化回报率的影响（上下浮动7-8个百分点）也远小于在10个月框架下的影响（可能造成当年收益率50个点的上下浮动） [4] 好业务的特征 - 好业务的核心特征是“高价值”、“强依赖”和“大成长” [6] - **高价值**：指业务能够大幅优于行业水平或当前标准，例如将原料药生产成本从行业平均50元/kg降至38元/kg，或将癌症疗法中位生存期从15个月大幅提升至26个月 [6][10] - **强依赖**：源于业务的不可替代性或高转换成本，能形成自锁定格局 [6][7] - 特许经营（如专利期内的创新药、中药保护品种）因法定垄断带来不可替代性 [7] - 高值耗材因产品永久植入体内和对质量的敏感，以及医生操作的学习曲线和习惯，形成高替换成本和强品牌忠诚度 [8] - **大成长**：在长视角下，足够大的成长空间是提供高投资回报的核心，对于高资本回报率公司尤其如此 [12] - 创新药与高值耗材的对比：创新药建立依赖快但瓦解也快（如专利到期），高值耗材建立依赖慢但一旦形成则关系稳固 [11] - 医药公司获得高成长的两大途径：收敛式发展（聚焦开发潜在大爆款）和发散式发展（构建平台化扩张能力），成功企业往往先聚焦打造爆款再稳步外扩 [13] - 创新药和创新高值耗材是当前值得优先关注的好业务领域，因其正经历颠覆性创新，容易孕育高价值新场景，且业务依赖性强，成长动力确定 [13][17] 好公司的特质 - 好公司需要主营业务具备获取强劲现金流的潜力（好业务），且管理层有能力充分挖掘和兑现这些潜力 [9] - 应优先关注在历史经营中体现出“坚韧进取、谦逊适变”特质的公司 [15] - **坚韧进取**：帮助公司闯过建立根据地业务前的“死亡之谷”，并在成功后勇于走出舒适区进行外延扩张 [18] - **谦逊适变**：避免在持久战中因自大而掉坑，并能适应医药行业加速的政策与技术变动，抓住机会、避开风险 [18] - 需关注企业文化和经营治理，警惕管理层将投资人视为博弈对手、内部凝聚力不足、战略分散盲目追逐热点、或过于冒进/保守无法适应行业变革等风险 [16] - 正面案例如国内某制药龙头，早在行业生态未成熟时就坚定布局“创新+国际化”，并重视文化建设；某医疗设备龙头通过“尖刀产品+综合解决方案”战略成功出海；某美股综合型医药公司业务分散但强调“与众不同且正确”，极其重视企业文化和员工培养，实现了稳健增长和高资本回报率 [21] - 筛选新兴公司时，应留意其战略是否符合长期主义与大局观，以及是否重视企业文化建设和凝聚力培养 [19] 提升投资效率与理解市场 - 通过寻找市场与自身研究的预期差来提升研究转化效率，例如2022年初某港股双抗药企的3年回报预期（500%多）与同行（150%-200%）存在剧烈差异，源于对产品定性（PD1双抗是否为划时代产品）的判断不同 [20] - 当前覆盖医药股的3年回报预期中位在50%-70%，但有2家港股高值耗材公司预期达200%左右，预期差可能源于对业务成长性及远端盈利水平的判断 [21][23] - 投资策略需适应医药行业与资本市场的“极端斯坦”特性（非线性分化、不对称剧烈波动） [22] - **横向**：应首选“时代徽章”或潜在的未来时代徽章型标的，抓住爆款机会 [22] - **纵向**：应适应极端情况，考虑在可能进入极端强势的标的中投顺向，或在已处极端弱势的标的中投逆向，并为“向下无底+向上无限”的开辟式创新标的留出“特招”通道 [22] - **关注周期与宏观**：投资需看“天气”，避免在暴风雨中急于赶路，无需着急接跌落的飞刀或硬刚时代洪流 [22] - **利用估值与股价信息**：横向估值比较可发现剧烈预期差，纵向股价变迁能显影市场视角切换痕迹，股价和估值是开源的信息富矿 [22] 行为经济学揭示的非理性陷阱 - 行为经济学研究真实世界中的普遍性行为偏差，与假设完全理性的经典金融学不同 [24] - **损失厌恶**：人们对损失的敏感度远高于对盈利的敏感（可达2倍），易导致过早卖出盈利股（处置效应）和持有亏损股的非理性行为 [25] - **锚定效应**：市场容易基于前期刻板印象给行业或公司贴标签，即使基本面已反转，成见仍难消除，例如siRNA领域和自身对某些港股医药股的误判 [25] - **简化偏差**：人们为节约神经资源，常依赖直觉快思考而非理性慢思考，导致以偏概全（线性外推、光环效应等）和从众（羊群效应）等陷阱 [25] - **叙事经济学**：资产泡沫是结构、心理和故事传播三重机制共振的结果，公共叙事能极大加速或破坏一个趋势，例如“互联网改变一切”、“AI叙事”或医药行业“内卷危机叙事” [25][26] - **禀赋效应**：人们会非理性高估自己已拥有的资产价值，并产生确认性偏差，不利于保持客观 [30] - **心理账户与交易效用**：人们将资金划入不同心理账户并区别对待（如本金保守、盈利部分激进），且交易时更在意是否“占便宜”（如因大幅回调带来的虚假划算感而抄底） [30] 多因子模型中的市场行为偏差 - 多因子模型揭示了市场长期存在的行为偏差规律 [27] - **市场因子与规模因子**：高波动资产和小市值公司长期跑赢，背后可能是风险厌恶导致其定价不足 [32] - **动量因子**：中期（如6-12个月）强势股未来继续强势的概率大，背后可能是从众心理导致的趋势自我强化 [29][32] - **盈利因子与投资因子**：高盈利公司和投资谨慎的公司长期跑赢，背后可能是锚定效应导致市场对其“好”的程度定价不足，低估了其与平庸公司的长期回报差异 [30][32] - 随着量化基金的发展，这些通过“收割”行为偏差获利的策略其超额回报可能逐渐弱化 [31] - 建立在“深度研究+精简投资”基础上的“长线为主+逆向为辅”策略，赚取的是长期价值判断的钱，不受量化基金挤兑分流影响，甚至可能因量化基金的存在而加速优质公司的价值兑现进程 [31][32]

量化模型与因子总结 量化模型与构建方式 1. Barra风格因子模型 **模型名称**：Barra风格因子模型[15] **模型构建思路**：基于多维度风险特征构建系统化的风格因子体系，用于描述股票收益的风险来源[15] **模型具体构建过程**：包含10个风格因子，每个因子都有具体的构建公式[15]： 1. **Beta因子**：历史beta值[15] 2. **市值因子**：总市值取自然对数[15] $$市值因子 = \ln(总市值)$$ 3. **动量因子**：历史超额收益率序列均值[15] 4. **波动因子**：综合波动率指标[15] $$波动因子 = 0.74 \times 历史超额收益率序列波动率 + 0.16 \times 累积超额收益率离差 + 0.1 \times 历史残差收益率序列波动率$$ 5. **非线性市值因子**：市值风格的三次方[15] $$非线性市值因子 = 市值^3$$ 6. **估值因子**：市净率倒数[15] $$估值因子 = \frac{1}{市净率}$$ 7. **流动性因子**：多期换手率加权平均[15] $$流动性因子 = 0.35 \times 月换手率 + 0.35 \times 季换手率 + 0.3 \times 年换手率$$ 8. **盈利因子**：多种盈利指标的综合[15] $$盈利因子 = 0.68 \times 分析师预测盈利价格比 + 0.21 \times 市现率倒数 + 0.11 \times 市盈率TTM倒数$$ 9. **成长因子**：增长类指标的综合[15] $$成长因子 = 0.18 \times 分析师预测长期盈利增长率 + 0.11 \times 分析师预测短期利率增长率 + 0.24 \times 盈利增长率 + 0.47 \times 营业收入增长率$$ 10. **杠杆因子**：多种杠杆指标的综合[15] $$杠杆因子 = 0.38 \times 市场杠杆率 + 0.35 \times 账面杠杆 + 0.27 \times 资产负债率$$ 2. GRU预测模型 **模型名称**：GRU多头预测模型[20][34] **模型构建思路**：使用门控循环单元神经网络预测股票未来价格走势，构建多头组合[20][34] **模型具体构建过程**：包含四种不同训练目标的GRU模型变体[20]： - **close1d模型**：预测未来一日close to close收益率[20] - **open1d模型**：预测未来一日open to open收益率[20] - **barra1d模型**：基于Barra因子预测未来一日收益率[20] - **barra5d模型**：基于Barra因子预测未来五日收益率[20] **模型评价**：barra5d模型今年以来表现较强[34] 3. 多因子组合模型 **模型名称**：多因子组合模型[34] **模型构建思路**：综合多个因子构建投资组合，实现风险分散和收益增强[34] **模型具体构建过程**：在选股池内按月调仓，控制风格偏离和行业偏离[33] 量化因子与构建方式 1. 基本面因子 **因子构建思路**：基于公司财务指标构建，反映公司基本面和价值特征[19][22][25][28] **具体因子类别**： - **静态财务因子**：市盈率、市净率、营业利润率等传统估值指标[19][22][25][28] - **增长类因子**：ROC增长、ROA增长、营业收入增长率等增长指标[19][22][25][28] - **超预期增长因子**：净利润超预期增长、ROE超预期增长等超预期指标[19][22][25][28] 2. 技术类因子 **因子构建思路**：基于价格和成交量数据构建，反映市场行为和技术特征[19][22][25][28] **具体因子类别**： - **动量因子**：20日动量、60日动量、120日动量等不同周期的动量指标[19][22][25][28] - **波动因子**：20日波动、60日波动、120日波动等波动率指标[19][22][25][28] - **其他技术因子**：中位数离差等技术指标[19][22][25][28] 模型的回测效果 测试参数设置 - **选股池**：万得全A，剔除ST、*ST、停牌不可交易、上市不满180日股票[33] - **业绩基准**：中证1000指数[33] - **调仓频率**：月度调仓[33] - **手续费**：双边千3[33] - **权重限制**：个股权重上限千2[33] - **风险控制**：风格偏离0.5标准差，行业偏离0.01[33] 具体表现数据 **GRU多头组合表现**[35]： - open1d模型：近一周-1.12%，近一月-0.40%，近三月0.62%，近六月-0.46%，今年以来5.99% - close1d模型：近一周-0.97%，近一月1.71%，近三月1.30%，近六月0.65%，今年以来5.21% - barra1d模型：近一周-0.54%，近一月-1.00%，近三月1.06%，近六月1.56%，今年以来4.62% - barra5d模型：近一周-0.62%，近一月2.29%，近三月1.80%，近六月2.08%，今年以来8.55% **多因子组合表现**[35]： - 近一周-0.47%，近一月-0.12%，近三月1.43%，近六月-0.53%，今年以来1.17% 因子的回测效果 风格因子多空收益表现[17] - 动量因子：最近一周-1.93%，最近一月-8.36%，最近半年-24.78%，今年以来19.89% - 波动因子：最近一周1.82%，最近一月-2.33%，最近半年16.17%，今年以来6.56% - beta因子：最近一周-1.54%，最近一月5.68%，最近半年0.60%，今年以来19.29% - 流动性因子：最近一周0.91%，最近一月42.89%，最近半年9.98%，今年以来12.24% - 估值因子：最近一周0.82%，最近一月0.46%，最近半年0.14%，今年以来3.77% - 成长因子：最近一周0.71%，最近一月2.28%，最近半年2.34%，今年以来3.16% - 杠杆因子：最近一周0.35%，最近一月2.37%，最近半年3.68%，今年以来15.17% - 盈利因子：最近一周0.49%，最近一月-0.64%，最近半年7.01%，今年以来14.10% - 非线性市值因子：最近一周4.22%，最近一月0.44%，最近半年3.16%，今年以来-32.83% - 市值因子：最近一周5.39%，最近一月0.59%，最近半年2.18%，今年以来-37.92% GRU因子多空表现[20] - barra1d：最近一周-1.04%，最近一月-2.69%，最近半年3.42%，今年以来-10.57% - open1d：最近一周-0.21%，最近一月-2.71%，最近半年-1.70%，今年以来3.30% - barra5d：最近一周-0.02%，最近一月3.42%，最近半年5.78%，今年以来7.74% - close1d：最近一周0.04%，最近一月6.10%，最近半年13.61%，今年以来26.47%

根据研报内容，总结如下： 量化模型与构建方式 1. **模型名称：券商金股业绩增强组合**[39][42] * **模型构建思路**：基于券商金股股票池能够较好地跟踪偏股混合型基金指数表现的特征，通过多因子模型在该股票池中进行优选，旨在构建一个能够稳定战胜偏股混合型基金指数的投资组合[12][42] * **模型具体构建过程**：模型以券商金股股票池为选股空间和约束基准，采用组合优化的方式控制组合与券商金股股票池在个股、风格上的偏离，并以全体公募基金的行业分布为行业配置基准，进行组合构建[42] 模型的回测效果 1. **券商金股业绩增强组合**：全样本区间（2018.1.2-2025.6.30）年化收益为19.34%，相对偏股混合型基金指数年化超额收益为14.38%[46]；2025年本月（20251009-20251031）绝对收益-0.77%，相对偏股混合型基金指数超额收益1.37%[5][41]；2025年本年（20250102-20251031）绝对收益35.08%，相对偏股混合型基金指数超额收益2.61%[5][41] 量化因子与构建方式 1. **因子名称：总市值**[3][29] * **因子表现**：最近一个月及今年以来在券商金股股票池中表现较好[3][29] 2. **因子名称：单季度超预期幅度**[3][29] * **因子表现**：最近一个月在券商金股股票池中表现较好[3][29] 3. **因子名称：波动率**[3][29] * **因子表现**：最近一个月在券商金股股票池中表现较好，但今年以来表现较差[3][29] 4. **因子名称：剥离涨停动量**[3][29] * **因子表现**：最近一个月在券商金股股票池中表现较差[3][29] 5. **因子名称：单季度ROE**[3][29] * **因子表现**：最近一个月在券商金股股票池中表现较差[3][29] 6. **因子名称：EPTTM**[3][29] * **因子表现**：最近一个月及今年以来在券商金股股票池中表现较差[3][29] 7. **因子名称：单季度营收增速**[3][29] * **因子表现**：今年以来在券商金股股票池中表现较好[3][29] 8. **因子名称：分析师净上调幅度**[3][29] * **因子表现**：今年以来在券商金股股票池中表现较好[3][29] 9. **因子名称：预期股息率**[3][29] * **因子表现**：今年以来在券商金股股票池中表现较差[3][29] 因子的回测效果 （报告中未提供具体因子分组的回测指标数值，仅提供了定性表现排序）

公司概况与市场地位 - 天演资本成立于2014年，由谢晓阳和张森联合创立，两位创始人均具备十余年行业经验[2] - 公司为百亿量化私募，其名称“天演”源于《天演论》，体现了拥抱变化、持续迭代的文化基因[2] - 截至2025年9月底，公司今年来及近1年业绩均位列百亿量化私募前10，近3年收益位列第1，旗下11只产品合计规模约21亿元，近3年收益均值表现突出[3][4] 核心策略与产品业绩 - 公司策略体系以多因子模型为中心，进行全市场量化选股，在较宽松约束下以低成本获取较高阿尔法收益[8] - 截至2025年9月底，公司有业绩展示的9只量化选股产品今年来收益均实现显著正增长，超额收益也均在较高水平[8] - 旗舰产品“天演赛能”成立于2016年5月，是市场上成立时间最长的量化选股策略之一，成立以来收益和年化收益表现优异，近1年最大回撤控制良好[10] - 产品“天演神州机遇2号A类份额”自2021年市场高位成立以来，截至9月底也取得了可观收益[10] 投研文化与团队建设 - 公司投研团队超一半以上为理工科博士，来自剑桥、清华、北大等知名学府[12] - 公司秉承自由探索的投研文化，短期不设固化KPI，鼓励研究员完成“提出想法→模型构造→数据验证”的全链路探索；长期注重基础性积累与核心方向明确[12] 规模管理与未来发展 - 公司注重规模与长期业绩的平衡，在产品线设计之初即考虑满足大多数投资人的大规模需求，选择可承载规模的扎实投研方法[13] - 公司在2021年规模迅速增长后坚决封盘，直至2023年末才恢复募集，体现了不盲目追求规模增长、遵循资管行业铁律的理念[14] - 针对中小盘股行情，公司不进行静态预测，而是通过定量模型实时判断，专注于数据挖掘和模型优化[15] - 公司于2021年获得香港9号牌照，客户主要为国外大型主权基金或养老金，在服务海外资本配置中国资产方面已发展成为国际机构认可的量化资管公司[16]

报告行业投资评级 未提及 报告的核心观点 根据华泰商品多因子模型 本周建议多配铜、白银、豆油、黄金、鲜苹果 少配玻璃、氧化铝、纯碱、鸡蛋、苯乙烯[4][51] 根据相关目录分别进行总结 板块流动性 - 本周基本金属板块成交17843.54亿元 较上周变动104.21% 保证金507.24亿元 较上周变动 - 33.30亿元[1] - 能源化工板块成交16411.53亿元 较上周变动148.50% 保证金365.00亿元 较上周变动1.98亿元[1] - 农产品板块成交12221.84亿元 较上周变动88.30% 保证金418.53亿元 较上周变动18.64亿元[1] - 贵金属板块成交51723.17亿元 较上周变动271.03% 保证金763.38亿元 较上周变动49.60亿元[1] - 黑色建材成交10133.42亿元 较上周变动161.66% 保证金333.53亿元 较上周变动19.48亿元[1] - 股指期货板块成交39218.50亿元 较上周变动133.22% 保证金1549.17亿元 较上周变动 - 106.72亿元[1] - 国债期货板块成交15928.95亿元 较上周变动132.22% 保证金160.84亿元 较上周变动11.45亿元[1] 市场与板块风格 - 今年以来 万得商品指数涨跌幅33.76% 有色指数涨跌幅2.25% 能源指数涨跌幅 - 22.63% 化工指数涨跌幅 - 17.92% 油脂油料指数涨跌幅4.47% 贵金属指数涨跌幅48.17% 煤焦钢矿指数涨跌幅0.64%[2] - 华泰商品长周期动量指数涨跌幅18.76% 短周期动量指数涨跌幅0.20% 偏度指数涨跌幅12.23% 期限结构指数涨跌幅3.39%[2] - 股指期权最新VIX指标情况 上证50股指期权19.26% 沪深300股指期权20.98% 中证1000股指期权26.67%[2] 板块升贴水结构 - 股指期货最新基差情况 IH7.47点 IF - 17.27点 IC - 143.47点 IM - 159.17点 年化基差率情况 IH1.46% IF - 2.22% IC - 11.85% IM - 12.83%[3] - 国债期货最新基差情况 TS - 0.02元 TF - 0.05元 T0.10元 TL - 0.29元 最新净基差情况 TS - 0.01元 TF - 0.04元 T - 0.08元 TL - 0.51元[3] 策略 - 根据华泰商品多因子模型 本周建议多配铜、白银、豆油、黄金、鲜苹果 建议少配玻璃、氧化铝、纯碱、鸡蛋、苯乙烯[4][51]