hjn 2025 年 11 月 03 日 证券研究报告 | 公募基金周报 ETF 策略指数跟踪周报 2025/11/3 分析师：卫以诺 分析师登记编码：S0890518120001 电话：021-20321014 邮箱：weiyinuo@cnhbstock.com 分析师登记编码：S0890522110001 电话：021-20321297 邮箱：chengbingzhe@cnhbstock.com 邮箱：zhangjunrui@cnhbstock.com 021-20515355 1、《风险因素缓解，海内外市场保持震荡 上行趋势—公募基金量化遴选类策略指 数跟踪周报（2025.10.26）》2025-10-28 2、《指数创新高，风格再均衡—公募基金 权 益 指 数 跟 踪 周 报 （2025.10.20-2025.10.24）》2025-10-27 3、《股债跷跷板效应再现，债市窄幅震荡 — 公 募 基 金 泛 固 收 指 数 跟 踪 周 报 （2025.10.20-2025.10.24）》2025-10-27 4 、《 ETF 策 略 指 数 跟 踪 周 报 — 2025/10/27》2025-10-2 ...

↑点击上面图片 加雪球核心交流群 ↑ 风险提示：本文所提到的观点仅代表个人的意见，所涉及标的不作推荐，据此买卖，风险自负。 作者： 极简投资人 来源：雪球 01 黄金最近10年收益风险比极高 " 黄金暴涨 ， 现在还能追吗 ？ 它的顶在哪里 ？ 是1000美元还是10000美元 ？ 黄金应该是最近几年最热的投资品种 我们以$黄金ETF(SH518880)$ 为例 ， 最近10年ETF只有两年下跌 年最大跌幅只有-7% 今年黄金上涨45% | 年份 | 华安黄金ETF | | --- | --- | | 2025 | 45.27% | | 2024 | 27.45% | | 2023 | 16.34% | | 2022 | 9.24% | | 2021 | -4.71% | | 2020 | 13.81% | | 2019 | 19.15% | | 2018 | 3.64% | | 2017 | 3.31% | | 2016 | 18.15% | | 2015 | 000-7.57% | 对于股票 、 债券这种有未来现金流的资产而言 ， 我们直接用未来现金流折现方法 ， 虽然对未来现 金流的估算及其不准确 ， ...

金 融 工 程 国内权益资产全线收涨，全球资产 BL 策 略本周涨幅 0.5% 大类资产配置模型周报第 39 期 本报告导读： 全球资产 BL 模型 1、全球资产 BL 模型 2、全球资产风险平价模型、国内资产风险 平价模型和国内资产 BL 模型 1 分录涨幅 0.54%、0.37%、0.22%、0.14%和 0.1%； 基于宏观因子的资产配置模型和国内资产 BL 模型 2 分录跌幅 0.25%和 0.01%。 投资要点： | | | | [Table_Authors] | | | --- | --- | | | 郑雅斌(分析师) | | | 021-23219395 | | | zhengyabin@gtht.com | | 登记编号 | S0880525040105 | | | 张雪杰(分析师) | | | 0755-23976751 | | | zhangxuejie@gtht.com | | 登记编号 | S0880522040001 | | | 朱惠东(分析师) | | | 0755-23976176 | | | zhuhuidong@gtht.com | | 登记编号 | S08805250700 ...

10月27日，三大股指高开，沪指涨近1%逼近4000点。中证2000增强ETF（159552）飘红，连续三日"揽 金"6600万。近期资金悄然布局小盘，什么信号？ 浙商证券分析指出，中小盘在11月跑赢万得全A的胜率全年居前，仅次于2月、5月、8月。随着三季报 落地，中小盘的上涨概率相较于10月将显著提升。 从近期表现来看，截至10月17日，中证2000增强ETF（159552）近一年收益达62.67%，同类33只产品中 排名第一（来源：银河证券基金研究中心）。 回顾三季度，中证2000指数涨幅14.31%，对比其他宽基指数，表现较为平淡。 基金经理邓童在基金三季报中分析，本季度市场风格差异明显，成长风格表现远好于价值风格，但成长 风格拉升的同时小盘风格并未维持强势，大盘风格出现了明显的反弹，大盘成长板块出现了快速上涨。 | 指数名称 | 三季度涨跌幅(%) | | --- | --- | | 创业板指 | 50.40 | | 科创综指 | 39.61 | | 中证500 | 25.31 | | 中证1000 | 19.17 | | 沪深300 | 17.90 | | 万得微盘股指数 | 16.24 | | 中 ...

公司量化投资体系建设 - 公司以全流程自动化管理为目标，量化系统从原始数据清洗到目标组合生成已实现高度自动化管理 [2][3] - 公司基于充足的GPU储备，已研发出两千多个阿尔法因子，并建立起模块化的量化管理体系 [2] - 团队采用交易所提供的最高频率量价数据，并对历史财务数据做进一步清洗，信息技术部门提供强大技术支持 [3] 量化策略核心与阿尔法因子挖掘 - 量化策略核心是阿尔法因子的挖掘，这是指数增强产品拉开超额收益差距的关键所在 [4] - 团队通过自研或参考卖方因子库、学术报告构建因子，并进行定期检验、优化和分级，高等级因子更可能被纳入模型 [4] - 团队持续迭代优化阿尔法因子，吸收业界最新机器学习模型，并在成长行情中深度研究卖方分析师预期因子 [4] - 公司在严格控制指数增强产品偏离风险的前提下，不断挖掘有效阿尔法因子并优化量化模型 [5] 指数增强产品布局与发展潜力 - 国内指数增强基金规模约为权益ETF规模的十分之一，显示出巨大的未来发展潜力 [7] - 公司旗下沪深300指数增强和中证800指数增强产品已凭借长期稳健业绩积累良好客户基础 [7] - 公司近一年陆续发行中证A500、中证沪港深300、中证沪港深500等指数增强产品，其中沪港深产品为全市场稀缺品种 [7] - 公司自行清洗港股原始数据、开发港股风险模型和因子库，积累了宝贵的港股量化投资经验 [7] - 公司近期推出中证500指数增强产品，该策略是团队运作最成熟的策略之一，未来将更积极发挥阿尔法因子超额收益能力 [7] 产品理念与未来规划 - 公司指数增强产品追求长期稳健表现，持仓基本来自标的指数成分股，并对行业与风格进行严格控制 [8] - 公司希望搭建完整的指数增强产品谱系，在已有的大盘、中盘、港股风格基础上，进一步探索质量、价值、成长等多种风格策略 [8]

根据研报内容，现总结如下： 量化模型与构建方式 1. **模型名称**：Black-Litterman模型（BL模型）[12] * **模型构建思路**：该模型是对传统均值-方差模型的改进，采用贝叶斯理论将投资者的主观观点与量化配置模型有机结合起来，通过投资者对市场的分析预测资产收益，进而优化资产配置权重[12] * **模型具体构建过程**：模型有效解决了均值-方差模型对于预期收益敏感的问题，同时相较纯主观投资具有更高的容错性[12] 报告中提及了两种应用：针对全球资产构建了两种BL配置模型，投资标的包括沪深300、恒生指数、标普500、中债-国债总财富指数、中债-企业债总财富指数与南华商品指数[13]；针对国内资产也构建了两种BL配置策略，投资标的包括沪深300、中证1000、恒生指数、中债-国债总财富指数、中债-企业债总财富指数、中证转债、南华商品指数和SHFE黄金[13] * **模型评价**：为投资者持续提供高效的资产配置方案[12] 2. **模型名称**：风险平价模型[17] * **模型构建思路**：该模型是传统均值-方差模型的改进，其核心思想是把投资组合的整体风险分摊到每类资产（因子）中去，使得每类资产（因子）对投资组合整体风险的贡献相等[17] * **模型具体构建过程**：模型构建分为三步：第一步，选择合适的底层资产；第二步，计算资产对组合的风险贡献；第三步，求解优化问题计算持仓权重[18] 具体应用上，基于沪深300指数、标普500指数、恒生指数、中债-企业债总财富指数、南华商品指数和COMEX黄金构建了全球资产风险平价模型[18]；针对国内资产，选取沪深300、中证1000、恒生指数、中债-国债总财富指数、中债-企业债总财富指数、中证转债、南华商品指数和SHFE黄金作为投资标的，构建了国内资产风险平价策略[18] 3. **模型名称**：基于宏观因子的资产配置模型[21] * **模型构建思路**：构造涵盖增长、通胀、利率、信用、汇率和流动性六大风险的宏观因子体系，并基于此建立一个通用性的宏观因子资产配置框架，将宏观研究的主观观点进行资产层面的落地[21] * **模型具体构建过程**：通过Factor Mimicking Portfolio方法构造六大宏观风险的高频宏观因子[22] 以前文提到的8类国内资产作为资产池，按以下四步构建策略：第一步，每月末计算资产的因子暴露水平；第二步，以资产的风险平价组合作为基准，计算出基准因子暴露；第三步，根据对宏观未来一个月的判断给定主观因子偏离值，结合基准因子暴露，得到资产组合的因子暴露目标；第四步，带入模型反解得到下个月的各个资产配置权重[22] 主观因子偏离值每月给出，例如在2025年08月底，为增长、通胀、利率、信用、汇率和流动性设置的偏离值分别为0, 0, -1, 0, 1, 0[24] 模型的回测效果 1. **国内资产BL模型1**：上周收益-0.11%，9月份收益-0.14%，2025年收益3.23%，年化波动2.19%，最大回撤1.31%[14] 2. **国内资产BL模型2**：上周收益-0.11%，9月份收益-0.13%，2025年收益2.84%，年化波动1.99%，最大回撤1.06%[14] 3. **全球资产BL模型1**：上周收益0.04%，9月份收益0.11%，2025年收益0.84%，年化波动1.99%，最大回撤1.64%[14] 4. **全球资产BL模型2**：上周收益0.0%，9月份收益0.03%，2025年收益1.84%，年化波动1.63%，最大回撤1.28%[14] 5. **国内资产风险平价模型**：上周收益-0.06%，9月份收益0.05%，2025年收益2.99%，年化波动1.35%，最大回撤0.76%[20] 6. **全球资产风险平价模型**：上周收益-0.07%，9月份收益0.13%，2025年收益2.50%，年化波动1.48%，最大回撤1.20%[20] 7. **基于宏观因子的资产配置模型**：上周收益0.04%，9月份收益0.26%，2025年收益3.29%，年化波动1.32%，最大回撤0.64%[26] 量化因子与构建方式 1. **因子名称**：宏观因子（增长、通胀、利率、信用、汇率、流动性）[21] * **因子的构建思路**：构建涵盖六大风险的宏观因子体系，作为宏观因子资产配置框架的基础[21] * **因子具体构建过程**：通过Factor Mimicking Portfolio方法构造了增长、通胀等六大宏观风险的高频宏观因子[22]

报告行业投资评级 未提及 报告的核心观点 报告给出几个借助ETF构建的策略指数，并以周度为频率对指数的绩效和持仓进行跟踪，各指数有不同构建方法和收益表现 [12] 各策略指数总结 华宝研究大小盘轮动ETF策略指数 - 利用多维度技术指标因子，用机器学习模型预测申万大小盘指数收益差，周度输出信号决定持仓获取超额回报 [4][14] - 截至2025/9/26，2024年以来超额收益18.78%，近一月-0.34%，近一周0.05%；上周指数收益1.09%，基准（中证800）1.05% [4][13] - 持仓为沪深300ETF，权重100% [19] 华宝研究SmartBeta增强ETF策略指数 - 用量价类指标对自建barra因子择时，依ETF在9大barra因子暴露度映射择时信号，选主流宽基及风格、策略ETF获取超额收益 [4][19] - 截至2025/9/26，2024年以来超额收益17.37%，近一月0.49%，近一周-0.02%；上周指数收益1.03%，基准（中证800）1.05% [4][13] - 持仓包括创业板成长ETF等多只ETF [23] 华宝研究量化风火轮ETF策略指数 - 从多因子角度，把握中长期基本面、跟踪短期趋势、分析参与者行为，用估值与拥挤度信号提示风险，挖掘潜力板块获超额收益 [5][23] - 截至2025/9/26，2024年以来超额收益26.78%，近一月6.01%，近一周1.19%；上周指数收益2.24%，基准（中证800）1.05% [5][13] - 持仓有新能源ETF等多只ETF [27] 华宝研究量化平衡术ETF策略指数 - 采用多因子体系，构建量化择时系统研判权益市场趋势，建大小盘风格预测模型调整仓位分布，综合择时和轮动获超额收益 [5][27] - 截至2025/9/26，2024年以来超额收益-10.28%，近一月-0.99%，近一周-0.67%；上周指数收益0.40%，基准（沪深300）1.07% [5][13] - 持仓包括十年国债ETF等多只ETF [32] 华宝研究热点跟踪ETF策略指数 - 根据市场情绪、行业事件、投资者情绪、政策法规及历史演绎等策略，跟踪挖掘热点指数标的构建ETF组合，提供短期趋势参考 [6][33] - 截至2025/9/26，近一月超额收益1.15%，近一周-0.29%；上周指数收益-0.09%，基准（中证全指）0.21% [6][13] - 持仓有有色50ETF等多只ETF [37] 华宝研究债券ETF久期策略指数 - 用债券市场流动性和量价指标筛选择时因子，机器学习预测收益率，低于阈值减少长久期仓位提升收益和控制回撤 [6][37] - 截至2025/9/26，近一月超额收益0.53%，近一周0.23%；上周指数收益-0.02%，基准（中债 - 总指数）-0.25% [6][13] - 持仓包括短融ETF等多只ETF [41]

核心观点 - 上周（2025-09-15至2025-09-19）受国内权益资产震荡影响，多数资产配置策略录得小幅下跌，但全球资产风险平价模型实现正收益 [1][4] - 报告跟踪的多种量化配置模型在2025年均实现了正收益，其中基于宏观因子的资产配置模型年内收益达3.25% [4] - 预计伴随市场新主线的选择与确立，后续动量模型仍有超额表现空间 [4] 大类资产表现跟踪 - 上周全球主要资产表现分化：标普500指数上涨1.37%，恒生指数上涨0.89%，南华商品指数上涨0.24%，中证1000指数上涨0.21%，企业债总财富指数微涨0.02% [4][7] - 部分资产出现下跌：中证转债指数下跌1.55%，SHFE黄金下跌0.77%，沪深300指数下跌0.44%，国债总财富指数微跌0.01% [4][7] 大类资产配置策略跟踪 - 量化配置团队针对全球与国内市场，开发了Black-Litterman模型、风险平价模型和基于宏观因子的资产配置模型三类基础模型 [10] BL模型策略跟踪 - BL模型是传统均值-方差模型的改进，采用贝叶斯理论将主观观点与量化配置结合，解决了对预期收益敏感的问题 [12] - 国内资产BL模型1上周收益为-0.04%，2025年以来收益为3.35%，年化波动2.19%，最大回撤1.31% [4][15] - 国内资产BL模型2上周收益为-0.04%，2025年以来收益为2.95%，年化波动1.98%，最大回撤1.06% [4][15] - 全球资产BL模型1上周收益为-0.01%，2025年以来收益为0.80%，年化波动1.99%，最大回撤1.64% [4][15] - 全球资产BL模型2上周收益为-0.03%，2025年以来收益为1.84%，年化波动1.65%，最大回撤1.28% [4][15] 风险平价模型策略跟踪 - 风险平价模型核心思想是使每类资产对投资组合的整体风险贡献相等 [18] - 国内资产风险平价模型上周收益为-0.02%，2025年以来收益为3.05%，年化波动1.36%，最大回撤0.76% [4][21] - 全球资产风险平价模型上周收益为0.05%，是报告中唯一上周实现正收益的策略，2025年以来收益为2.57%，年化波动1.50%，最大回撤1.20% [4][21] 基于宏观因子的资产配置策略 - 该策略构建了涵盖增长、通胀、利率、信用、汇率和流动性六大风险的宏观因子体系，将宏观主观观点进行资产层面落地 [22] - 在2025年08月底，对增长、通胀、利率、信用、汇率和流动性设置的偏离值分别为0、0、-1、0、1和0 [25] - 基于宏观因子的资产配置模型上周收益为-0.10%，2025年以来收益为3.25%，年化波动1.33%，最大回撤0.64% [4][27]

谁都不会想到，那个无数人用来种草护肤品、寻找旅游攻略的小红书，竟会埋藏着一桩惊天金融案的导火索。 2023年的某一天，时年34岁的清华学霸吴舰，在平台上发布了一篇看似普通的炫耀帖——"不敢发朋友圈，自己心 态还是太年轻，想找个没人认识的地方偷偷炫耀下……" 轻描淡写的几句话背后，是一张令人瞠目结舌的薪酬截图：2350万美元，折合人民币约1.67亿元。 这个数字是什么概念？ 甚至相当于顶级对冲基金高管年薪的数倍，或超过了知名投资银行CEO的薪酬水平。 相比吴舰往年的收入水平，2022年的这笔报酬出现了难以解释的倍数级增长。在量化投资这个讲究平稳回报的行 业，这样的薪酬波动就是一个巨大的警报。 很快，这篇帖子在量化金融圈内流传。 业内人士的疑惑与质疑声渐起。 它相当于一个普通北上广深白领工作上千年的总收入；足以买下一整栋豪华公寓楼；甚至超过了某些上市公司一 整年的净利润。 即便在遍地富豪的华尔街，这也是一个令人侧目的数字。 一个年仅34岁的量化研究员，即便再优秀，何以能获得如此惊人的报酬？ 是做出了革命性的模型突破？还是管理了异常成功的基金产品？ 抑或是……另有隐情？ 这些疑问后来终是传到了Two Sigma高管 ...

桥水全天候策略产品市场表现 - 桥水全天候策略产品在8月份上架即售罄 认购火爆导致头部券商开启白名单制并大幅抬高申购门槛 仅对高净值客户开放 [7] - 过去几年产品表现优异 最差年收益率在10%到14%之间 平均收益率约16% 实现跨越牛熊周期的长期收益 [8] - 策略依托风险平价模型 通过多元化资产配置平衡组合 降低周期性波动 股市下跌时债市上涨 货币贬值时抗通胀资产上涨 [9] 经典复刻全天候策略配置 - 策略采用量化宏观方法 复刻全天候四象限风险平价模型 宏观环境驱动资产配比 收益风险比较高 [10] - 70%配置于beta模型 基于四个经济象限的风险平价构建宏观风险动态均衡组合 控制大类资产配置比例 避免单一资产仓位过重 [10][11] - 30%配置于alpha模型 包含四个子策略 通过基金经理因子库和量化模型预测短周期时序趋势 涵盖CTA 宏观多因子 基本面多因子和尾部风险模型 [10][12] - alpha部分动量因子模型权重占60% 其余为宏观和基本面因子模型 beta部分只做多 alpha部分按信号出多空信号 策略整体年化换手15-20倍 alpha部分年化双边换手50倍 [14] 全天候增强型宏观对冲策略 - 策略结合量化beta和主观alpha 量化模型构建多资产风险平衡组合 实现跨市场跨资产系统性风险对冲 [16] - 量化beta部分根据风险预算分配资产敞口 设定资产风险预算以确定仓位配置 盘中实时跟踪资产波动率和相关性 监控风险贡献 维持多空平衡 [18] - alpha增强部分基于经济周期判断进行主观操作和分析 挖掘细分资产超额机会 在模型比例基础上调整以把握中短期投资机会 [19] - 量化beta和主观alpha叠加 追求长期收益同时把握中短期收益机会 [20] 纯量化驱动宏观配置策略 - 策略以宏观逻辑构建量化表达 利用经济运行规律捕捉资产价格涨跌 根据模型信号配置股债商期货资产 [21] - 策略包含五个部分 经济周期策略 情绪周期策略 多因子定价模型 经典趋势策略和风险预警模型 从宏观到微观捕捉长中短周期价格信号 [21] - 子策略根据波动率线性组合 优化配置比例 前四个模型相对独立 风险预警针对宏观突发风险事件 相关性较低 [21][23] - 投资品种覆盖金融 国债和商品期货流动性较好品种 权益占比30% 债占比30% 黄金15% 其他商品25% 整体波动控制在8%以内 [24] - 整体保证金占用10%-15% 杠杆1倍左右 [25] 宏观策略核心优势 - 宏观策略通过识别不同资产估值差和预期差 实现对大类资产的超配或低配 [26] - 依托再平衡和动态轮动机制 捕捉资产赚钱机会 同时降低风险暴露 优化组合风险收益比 实现跨越市场周期的稳健回报 [27]