申万菱信智能生活量化选股混合型发起式A（016515）成立日期2023年3月17日，最新规模1953.03万。 今年以来收益30.57%，同类排名2983/8150；近一年收益41.12%，同类排名1705/8043；成立以来收益 54.24%。 申万菱信智能生活量化选股混合型发起式A（016515）基金经理为夏祥全。 截至发稿，夏祥全累计任职时间5年16天，现任基金资产总规模5.91亿元，任职期间最佳基金回报 26.96%， 任职期间最差基金回报-26.61%。 风险提示：市场有风险，投资需谨慎。本文为AI大模型自动发布，任何在本文出现的信息（包括但不 限于个股、评论、预测、图表、指标、理论、任何形式的表述等）均只作为参考，不构成个人投资建 议。 责任编辑：小浪快报 11月4日，汇成股份跌1.38%，截至发稿，报15.77元/股，成交4.62亿元，换手率3.35%，总市值135.30亿 元。汇成股份股价已经连续4天下跌，区间累计跌幅8.42%。 资料显示，合肥新汇成微电子股份有限公司位于安徽省合肥市新站区合肥综合保税区内项王路8号，成 立日期2015年12月18日，上市日期2022年8月18日，公司主营业务 ...

根据提供的研报内容，以下是关于量化模型和因子的总结。 量化模型与构建方式 1. **模型名称：成交量模型**[1][13] * **模型构建思路：** 基于市场成交量的变化来预测短期市场走势[13] * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程 2. **模型名称：特征成交量模型**[1][13] * **模型构建思路：** 通过分析具有特定特征的成交量来预测市场走势[1][13] * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程 3. **模型名称：特征龙虎榜机构模型**[1][13] * **模型构建思路：** 利用龙虎榜中机构投资者的交易行为特征来预测市场[1][13] * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程 4. **模型名称：智能算法模型**[1][13] * **模型构建思路：** 应用智能算法（如机器学习等）对市场数据进行学习以进行预测，针对不同宽基指数（如沪深300、中证500）有独立模型[1][13] * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程 5. **模型名称：涨跌停模型**[1][14] * **模型构建思路：** 通过分析市场中涨停和跌停股票的数量或比例来判断市场情绪和中期走势[1][14] * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程 6. **模型名称：月历效应模型**[1][14] * **模型构建思路：** 基于历史数据中存在的特定月份或时期的规律性表现来预测市场[1][14] * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程 7. **模型名称：长期动量模型**[1][15] * **模型构建思路：** 依据资产价格的长期趋势（动量）来预测未来走势[1][15] * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程 8. **模型名称：A股综合兵器V3模型**[1][16] * **模型构建思路：** 一个综合性的A股市场择时模型，整合了多个信号源[1][16] * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程 9. **模型名称：A股综合国证2000模型**[1][16] * **模型构建思路：** 专门针对国证2000指数的综合性择时模型[1][16] * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程 10. **模型名称：成交额倒波幅模型**[1][16] * **模型构建思路：** 结合成交额和波动率（倒波幅）来预测港股市场中期走势[1][16] * **模型具体构建过程：** 报告未提供该模型的具体构建公式和详细过程 11. **模型名称：杯柄形态识别模型**[43][45][47] * **模型构建思路：** 基于技术分析中的杯柄形态（Cup with Handle）来识别个股的潜在突破机会[43][45][47] * **模型具体构建过程：** 模型识别股价走势中的特定形态，该形态由A点（左杯沿）、B点（杯底）、C点（右杯沿/柄部起点）等关键点定义。当股价在形成“杯”状整理后，在柄部区域进行小幅回调，最终放量突破柄部上轨时，视为买入信号[47][54] 12. **模型名称：双底形态识别模型**[43][48][51] * **模型构建思路：** 基于技术分析中的双底形态（W底）来识别个股的潜在反转机会[43][48][51] * **模型具体构建过程：** 模型识别股价走势中的特定形态，该形态由A点（第一个底）、B点（颈线位）、C点（第二个底）等关键点定义。当股价第二次探底不破前低，并放量突破颈线位时，视为买入信号[51][53] 13. **模型名称：倒杯子形态识别模型**[58] * **模型构建思路：** 识别典型的负向技术形态，用于预警个股的下跌风险[58] * **模型具体构建过程：** 在一波下跌后，股价出现筑顶（A点），随后再次下跌并实现向下突破（E点），形态完成，预示股价可能延续下跌趋势[58] 模型的回测效果 *报告未提供明确的量化回测指标（如年化收益率、夏普比率等），主要展示了模型的最新信号和部分形态组合的阶段性表现。* 1. **杯柄形态组合**：截至报告期，自2020年12月31日以来累计上涨70.89%，同期上证综指上涨14.28%，跑赢56.61个百分点[43] 2. **双底形态组合**：截至报告期，自2020年12月31日以来累计上涨34.32%，同期上证综指上涨14.28%，跑赢20.03个百分点[43] 量化因子与构建方式 *本报告主要侧重于市场择时模型和技术形态识别，未详细阐述用于选股或阿尔法策略的底层量化因子及其构建方式。* 因子的回测效果 *报告未涉及量化因子的独立测试结果。*

根据研报内容，现对其中涉及的量化模型与因子总结如下： 量化模型与构建方式 1. **模型名称：竞争优势组合模型**[10] * **模型构建思路**：基于企业竞争壁垒分析框架，将行业分类并识别具有不同竞争特性的企业（如"壁垒护盾型"、"高效运营"型），从中选股构建组合[10] * **模型具体构建过程**：首先，使用竞争壁垒分析框架对行业进行细致分类，识别出四类行业："壁垒护盾型"、"竞争激烈型"、"稳中求进型"和"寻求突破型"[10]。然后，在"壁垒护盾型"行业中，筛选识别具有显著管理竞争优势的"唯一主导"企业，以及能够通过合作避免竞争、维持高利润率的"合作共赢"企业[10]。对于非"壁垒护盾型"行业，则发掘那些通过高效管理和成本控制实现优异运营表现的"高效运营"企业[10]。最后，将"壁垒护盾型"行业中的"唯一主导+合作共赢"组合与无壁垒保护行业中的"高效运营"组合结合，形成最终的"竞争优势"组合[11] 2. **模型名称：安全边际组合模型**[15] * **模型构建思路**：通过计算个股的盈利能力价值作为安全边际，在具有综合竞争优势的股票池中选择安全边际最大的标的，以捕捉企业内在价值与市场价值之间的差距[15] * **模型具体构建过程**：核心是计算企业的安全边际，即内在价值与市场价值的差距[15]。在企业经营稳健且不考虑增长的情况下，将盈利能力价值视为更可靠的企业实际价值反映[15]。具体步骤是，先计算个股的盈利能力价值作为其安全边际的度量，然后在综合竞争优势股票池内，选择安全边际最大的前50只标的，并采用股息率加权的方式以最大化组合的整体安全边际[15][17]。组合每年在5月1日、9月1日和11月1日进行换仓，每次持有50只股票[17] 3. **模型名称：红利低波季调组合模型**[21] * **模型构建思路**：优化传统红利策略，避免陷入"高股息陷阱"，通过预测股息率并结合负向清单（如剔除股价表现极端、负债率异常的标的）来筛选具有盈利可持续性和长期价值的公司[21] * **模型具体构建过程**：报告指出，"高股息陷阱"的本质是投资者单纯追逐高股息率而忽视了公司盈利可持续性和长期价值[21]。因此，该模型的构建一方面依赖于对股息率本身的预测，以规避陷阱；另一方面，则考虑设置负向清单制度，例如剔除股价表现极端、负债率异常等不符合条件的标的，从而确保所选公司具备稳健的基本面[21] 4. **模型名称：AEG估值潜力组合模型**[25][29] * **模型构建思路**：基于超额收益增长模型，投资于那些市场尚未充分认识到其增长潜力的公司，通过考量带息收益增长超过机会成本的部分（即AEG）来评估公司价值[25][29] * **模型具体构建过程**：模型的核心是超额收益增长模型[25]。收益来源分为资产本身生成的收益和利息再投资产生的收益，二者加总为带息收益或全收益[25]。AEG是指带息收益增长超过机会成本的部分，计算公式如下： $$A E G=Y_{t}-N_{t}=(E_{t}+r*D P S_{t-1})-(1+r)*E_{t-1}$$ 其中，\(Y_t\) 是第t期的带息收益，\(N_t\) 是第t期的正常收益，\(E_t\) 是第t期的盈利，\(r\) 是要求回报率，\(DPS_{t-1}\) 是第t-1期的每股股利[25]。远期市盈率 \(V_0/E_1\) 可以通过以下公式计算： $${\frac{V_{0}}{E_{1}}}={\frac{1}{r}}+\frac{1}{r}*\frac{\left(\frac{A E G_{2}}{1+r}+\frac{A E G_{3}}{(1+r)^{2}}+\frac{A E G_{4}}{(1+r)^{3}}+\cdots\right)}{E_{1}}$$ 如果预测没有超额收益增长，则正常市盈率为 \(V_0/E_1 = 1/r\)[25]。在具体构建组合时，首先使用AEG_EP因子选取排名前100的股票，然后从中选择股利再投资/P比率高的前50只股票构成最终组合[29] 5. **模型名称：中证800内现金牛组合模型**[32][33][34] * **模型构建思路**：通过CFOR分析体系深入评估企业的盈利能力和资产的现金生成效率，补充传统杜邦分解的不足，筛选出高质量、现金流稳定的"现金牛"公司[32][34] * **模型具体构建过程**：引入自由现金流和自由现金流回报率作为关键分析维度[32]。CFOR体系通过拆解现金流量回报率，揭示企业如何将经营活动产生的现金流转化为净利润，包括自由现金利润比率和经营资产回报率等指标[32]。选股流程包括：确保自由现金利润比率的稳定性、经营资产回报率的稳定性、净利润率的稳定性、总资产周转率的稳定性，要求这些指标由高到低均位于中信一级行业40%分位数以上，从而得到非金融高质量股票池；同时，在全A非金融范围内，筛选金融板块内ROE位于40%分位数以上的高质量股票池；将两个股票池取并集，并进一步结合低波、低估值以及SUE因子，CFOR拆解和ROE拆解等分析，最终确定持仓[33]。本报告着重关注中证800内的现金牛组合[34] 6. **模型名称：困境反转组合模型**[39][41] * **模型构建思路**：利用库存周期刻画公司的困境反转，结合景气加速恢复和定价错误的估值回归，旨在捕捉估值提升的收益，作为景气度投资的有效补充[39][41] * **模型具体构建过程**：该策略旨在捕捉估值短期波动带来的收益[39]。核心是利用库存周期来识别和刻画公司的困境反转时机[39][41]。同时，模型还考虑公司景气的加速恢复情况以及因市场定价错误带来的低估机会[39][41]。具体操作上，将反映困境反转、景气加速恢复和估值回归的相关因子进行标准化处理，然后叠加这些因子的得分，最终选取综合得分最高的50只股票构建投资组合[39] 模型的回测效果 1. **竞争优势组合模型**：自2012年以来年化收益18.51%，夏普比率0.72，信息比率0.09，最大回撤-47.68%，卡玛比率0.39[2]；自2019年以来年化收益20.36%，夏普比率0.95，信息比率0.12，最大回撤-19.32%，卡玛比率1.05[14] 2. **安全边际组合模型**：自2012年以来年化收益23.36%，夏普比率1.06，信息比率0.21，最大回撤-35.10%，卡玛比率0.67[2]；自2019年以来年化收益23.37%，夏普比率1.17，信息比率0.13，最大回撤-16.89%，卡玛比率1.38[19] 3. **红利低波季调组合模型**：自2014年以来年化收益19.06%，夏普比率0.91，信息比率0.16，最大回撤-43.06%，卡玛比率0.44[2]；自2019年以来年化收益16.81%，夏普比率0.98，信息比率0.16，最大回撤-21.61%，卡玛比率0.78[22] 4. **AEG估值潜力组合模型**：自2014年以来年化收益29.28%，夏普比率1.15，信息比率0.22，卡玛比率0.66[2]；自2019年以来年化收益24.88%，夏普比率1.13，信息比率0.17，最大回撤-24.02%，卡玛比率1.04[31] 5. **中证800内现金牛组合模型**：自2019年以来年化收益14.15%，夏普比率0.71，信息比率0.10，最大回撤-19.80%，卡玛比率0.71[3][37] 6. **困境反转组合模型**：自2019年以来年化收益25.17%，夏普比率1.01，信息比率0.15，最大回撤-33.73%，卡玛比率0.75[3][41] 量化因子与构建方式 1. **因子名称：AEG_EP因子**[29] * **因子构建思路**：作为AEG估值潜力组合的初选因子，用于初步筛选具有超额收益增长潜力的股票[29] * **因子具体构建过程**：该因子应用于AEG估值潜力组合的构建过程中，首先使用此因子从全市场股票中选取排名前100的股票作为初选池[29] 2. **因子名称：股利再投资/P比率因子**[29] * **因子构建思路**：在AEG估值潜力组合中，用于从初选股票池中进一步筛选出市场可能尚未充分认识其增长潜力的公司[29] * **因子具体构建过程**：在通过AEG_EP因子筛选出TOP100股票后，计算这些股票的股利再投资/P比率，并选择该比率高的前50只股票构成最终组合[29] 因子的回测效果 （报告中未单独提供上述因子的回测效果指标）

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]

根据研报内容，以下是涉及的量化模型与因子的总结： 量化模型与构建方式 1. **模型名称：成交量模型**[12] * **模型构建思路**：基于市场成交量的变化来判断市场短期趋势[12] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 2. **模型名称：低波动率模型**[12] * **模型构建思路**：利用市场波动率较低的特征进行择时判断[12] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 3. **模型名称：特征龙虎榜机构模型**[12] * **模型构建思路**：基于龙虎榜中机构投资者的交易行为特征进行市场判断[12] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 4. **模型名称：特征成交量模型**[12] * **模型构建思路**：分析成交量中的特定模式或特征来预测市场走势[12] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 5. **模型名称：智能算法模型**[12] * **模型构建思路**：应用智能算法对沪深300、中证500等宽基指数进行择时[12] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 6. **模型名称：涨跌停模型**[13] * **模型构建思路**：通过分析市场中涨跌停股票的数量和分布来判断中期市场情绪[13] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 7. **模型名称：月历效应模型**[13] * **模型构建思路**：基于历史数据的月度周期性规律进行中期市场判断[13] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 8. **模型名称：长期动量模型**[14] * **模型构建思路**：根据资产的长期价格动量趋势来判断市场方向[14] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 9. **模型名称：A股综合兵器V3模型**[15] * **模型构建思路**：综合多种信号和因子的复合模型，用于A股市场综合判断[15] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 10. **模型名称：A股综合国证2000模型**[15] * **模型构建思路**：专门针对国证2000指数构建的综合择时模型[15] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 11. **模型名称：成交额倒波幅模型**[16] * **模型构建思路**：结合成交额和波动率倒数的关系进行港股市场中期判断[16] * **模型具体构建过程**：报告未详细说明具体构建过程和公式 12. **模型名称：杯柄形态识别模型**[46][47][48] * **模型构建思路**：基于技术分析中的杯柄形态识别突破个股[46][47][48] * **模型具体构建过程**：通过识别股价走势中的A点（起点）、B点（杯柄高点）、C点（杯柄低点）来确认形态，当价格突破B点时视为买入信号[48] 13. **模型名称：双底形态识别模型**[46][50][52] * **模型构建思路**：识别技术分析中的双底形态来捕捉个股反弹机会[46][50][52] * **模型具体构建过程**：通过识别A点（第一底）、B点（反弹高点）、C点（第二底）来确认形态，当价格突破B点时视为买入信号[52] 14. **模型名称：倒杯子形态识别模型**[60][62] * **模型构建思路**：识别下跌趋势中的倒杯子形态来预警个股风险[60][62] * **模型具体构建过程**：在一波下跌后出现筑顶（A点），完成筑顶后再次下跌并实现突破（C点、E点），预示股价可能延续下跌趋势[60][62] 模型的回测效果 1. **双底形态模型**：截至2025年10月，组合累计上涨30.4%，跑赢上证综指16.61%[46] 2. **杯柄形态模型**：截至2025年10月，组合累计上涨68.02%，跑赢上证综指54.22%[46] 量化因子与构建方式 1. **因子名称：分析师预期调整因子**[21][22] * **因子构建思路**：基于分析师对个股盈利预期的上调或下调比例构建行业层面的情绪因子[21][22] * **因子具体构建过程**：统计行业内分析师上调盈利预测的个股比例和下调盈利预测的个股比例[21][22] 2. **因子名称：基金仓位因子**[23][26][27][31][32] * **因子构建思路**：通过监测股票型和混合型基金的行业仓位变化来捕捉机构资金流向[23][26][27][31][32] * **因子具体构建过程**：计算各行业在基金总仓位中的占比，以及相对于市场市值占比的超低配情况[26][27][31][32] 因子的回测效果 报告未提供具体因子的独立回测效果指标数值。

基金基本信息 - 基金名称为苏新睿见量化选股股票型证券投资基金，分为A类（代码025404）和C类（代码025405）份额 [21] - 基金类别为股票型证券投资基金，运作方式为契约型开放式，存续期限为不定期 [21] - 投资目标是在合理控制风险前提下追求超越业绩比较基准的投资回报，实现基金资产稳健增值 [21] 募集安排 - 募集期为2025年10月15日至2025年10月31日，募集期限不超过3个月 [2][30] - 募集对象包括符合法规的个人投资者、机构投资者、合格境外投资者及其他允许投资人 [2][25] - 基金募集需满足份额总额不少于2亿份、募集金额不少于2亿元人民币且认购人数不少于200人的条件 [2][31] 投资策略与范围 - 基金投资于股票及存托凭证的比例为基金资产的80%-95% [24] - 投资范围包括股票、存托凭证、债券、资产支持证券、债券回购、股指期货等金融工具 [22][23] - 采用量化策略进行投资管理，依赖宏观经济、行业经济、交易行情等数据库 [9] 销售渠道 - 直销机构为苏新基金管理有限公司，销售机构包括苏州银行、浦发银行、国泰海通证券等六家机构 [27][28][65] - 投资者在直销中心首笔认购最低金额为10,000元人民币，追加认购最低金额为1,000元 [3][40] 认购方式与计算 - 认购采取金额认购方式，A类份额收取认购费用，C类份额不收取认购费用 [35][36] - A类份额认购费用计算公式为认购金额减去认购金额除以（1+认购费率），例：投资10,000元认购A类份额，认购费率1.2%，认购费用为118.58元，净认购金额为9,881.42元 [37] - C类份额认购份额计算公式为认购金额加上认购利息除以基金份额面值，例：投资10,000元认购C类份额，利息5.00元，可得到10,005.00份 [38][39] 基金设立与费用 - 基金管理人为苏新基金管理有限公司，注册资本30,000万元人民币，基金托管人为上海浦东发展银行股份有限公司 [64][65] - 基金募集期间发生的律师费、会计师费等费用不得从基金财产中列支 [61][63]

会议概况 - 中信期货2025年秋季策略会以“潮汐涌动 破卷立新”为主题 采用线上会议形式举行 通过7大论坛对四季度及2026年大宗商品 权益 汇率等期货及衍生品领域进行剖析 [1] 宏观与贵金属 - 四季度宏观和大类资产基调为“稳中求进” 政策与基本面对冲效应使宏观环境偏“稳” 资产配置策略偏“进” [2] - 国内稳增长政策聚焦三大方向：5000亿元政策性金融工具 货币政策大概率实施降准 “十五五”规划前瞻 [2] - 海外美国经济动能趋疲 但政策“再校准”将提供支撑 未来1-2个季度全球宽松流动性与财政杠杆带动的复苏预期将为风险资产提供支撑 [2] - 四季度黄金震荡偏强 是长期战略配置窗口 美国实际利率下行周期中黄金上涨从未缺席 长期看美国债务超发及逆全球化将推动美元信用下行 黄金价格中枢稳步上移 [2] 金融 - 四季度权益类资产有望延续积极表现 受增量资金和政策预期推动 趋势策略首选配置IM多单 [3] - 四季度IC IM当季合约的年化贴水率预计分别为8% 10% 可关注T0和指增策略 [3] - 金融期权市场波动率溢价水平及期限价差较高 可关注空波动率策略 正Delta类策略如多头替代或牛市价差组合 [3] - 全市场量化选股今年收益仍遥遥领先 建议关注风控严格的量选策略 配置角度可考虑低位布局CTA策略和中性策略 [3] - 四季度债市或从偏弱格局有所转变 多头情绪或有所修复 10Y国债收益率波动区间或在1.65%-1.95%附近 前期空头套保 后期关注多头替代及正套和曲线走陡策略 [3] 能源化工 - 四季度能化品供需略偏弱 原油价格受地缘和供需双方面驱动 乌克兰袭击俄罗斯能源基础设施导致其原油出口终端短期受阻 炼厂加工量和成品油出口量持续显著下滑 推动原油价格短期偏强震荡 [4] - 后期若地缘局势缓和 原油市场将重回供大于求格局 期价将逐步回落 供应增加来自OPEC+及挪威 圭亚那 阿根廷 巴西等产量创新高国家 [4] - 化工产业四季度遭遇压力 主要来自产能增长 PVC三季度产能增长6% 四季度仍有新装置投产 苯乙烯四季度产能增长约6% EG新增产能3% 聚烯烃产能扩张延续2025年一整年 PX MA PF等品种新产能稍有停歇 [4] 有色金属 - 美联储重启降息且中国政府潜在增量政策可期 宏观预期较为正面 基本金属中铜铝锡等品种供应扰动仍在 尤其铜 [5] - 四季度美联储9月重启降息后 中国等其他央行可能跟随 对改善经济和需求有帮助 国内汽车和光伏组件排产好于预期 海外终端有望改善 有色多数品种原料延续偏紧格局如铜 锡和铅 [5] - 新能源金属走势取决于供应端政策 工业硅和碳酸锂偏过剩 四季度基本金属整体重心可能上移 看好铜铝锡多头机会 新能源金属中工业硅和碳酸锂可能承压回落 多晶硅受益于供给端收缩政策 [5][6] - 四季度有色板块由强到弱依次为铜 铝 锡 铝合金 铅 多晶硅 不锈钢 工业硅 镍 氧化铝 碳酸锂和锌 贵金属中铂钯受益于贵金属整体金融属性增强 看好铂金 相对看弱钯金 [6] 农产品 - 四季度农产品处于新旧作物交替期 旧作库存与新作上市节奏博弈 国际贸易关系变化及国内反内卷政策对板块产生重要影响 [7] - 油脂油料方面 豆系市场多空并存 美豆单产存在下调预期 中期国内大豆总供应充裕 价格维持底部区间震荡 棕油四季度进入减产季 海外生柴需求增加且美联储降息 关注做多机会 [7] - 饲料养殖方面 玉米25/26年度结转库存有望进一步趋紧 但集中收获时期需解决收获压力 供需结构前松后紧 策略建议反套 生猪母猪产能依旧过剩 但反内卷政策进行减产调控 四季度仍存供应压力 关注近空远多机会 [7] - 软商品方面 橡胶价格反映四季度偏空预期 盘面对供应端变化敏感 关注旺产季出现预期差后的偏多机会 棉花核心矛盾在于新棉收购初期短期支撑与中长期增产压力博弈 价格走势前高后低 关注逢高布空机会 白糖新榨季供应预期宽松 短期价格阶段性触底 大方向反弹空为主 林浆纸供应充裕需求不振 驱动向下但空间有限 价格以震荡为主 [7] 黑色金属 - 四季度钢价或呈现先扬后抑走势 短期宏观环境偏暖 成本支撑走强 钢价具备向上反弹驱动 中长期随着钢材库存同比压力渐显 炉料冬储交易结束 钢价或将弱势调整 [8] - 铁矿基本面矛盾有限 参照2023和2022年铁水走势 累库压力不突出 价格预计宽幅震荡 [8] - 旺季铁水产量高位 上游低库存环境下煤焦价格有望偏强运行 政策约束下焦煤供应基调偏稳 年底铁水产量季节性回落 煤焦库存水位抬升 价格上方压力增加 四季度煤焦价格或将先扬后抑 [8] - 合金产量升至高位 市场供需趋向宽松 后市去库难度趋增 若厂家控产力度有限 淡季钢材产量季节性下滑 合金估值将逐渐回落至成本附近 关注原料价格及用电成本下调幅度 [8] - 玻璃纯碱仍处于周期底部 供应短期扰动及中下游补库动作引领行情短期波动 但最终价格中枢不断下移 [8] 创新与能源 - 化石能源仍面临宽松压力 预期原油 天然气 电力 煤炭 且光伏装机增速放缓 新能源过剩或边际好转 间接支撑电力 但碳价或受配额结转政策而承压 [9] - 全球光伏装机增速预期放缓或压制硅料反弹 关注年底履约前的反弹 化石能源整体承压 原油关注地缘和宏观 天然气旺季或温和回升 [9] - 整体四季度新能源需求或稳中增长 整体能源端或逐步触底 新能源过剩压力或缓解 油轮航运市场在增产和制裁双重驱动下偏强运行 [9] - 煤炭关注供应收紧预期支撑 新能源车和储能增速向好或支撑碳酸锂 集运关注美国是否开启补库及欧线挺价力度 预计较9月下旬整体反弹 [9]

量化选股型基金市场概况 - 截至2025年二季末，全市场量化选股型基金数量达277只，合计管理规模903.20亿元[3][12] - 此类基金不受指数成分股比例和跟踪误差约束，投资范围更广且风格暴露自由度更高，业绩弹性显著[3][12] - 策略环境宽松允许基金经理构建差异化投资框架，但投资者面临策略认知不清晰的挑战[3][13] 基金经理策略框架分析 冯玺祥（信达澳亚基金） - 采用多因子线性模型与机器学习动态加权模型分仓运作，中证1000对标产品中两类模型等权配置，中证2000对标产品中机器学习模型占比60%-70%[4][16][23] - 因子库包含1000多个因子（70%基本面因子+30%量价因子），采用大类因子等权合成方式[14][22] - 代表产品信澳星耀智选任职以来累计收益40.66%，年化超额15.37%；信澳星亮智选累计收益74.91%，年化超额19.75%[17][21] - 风险控制采用Barra模型，小市值产品风格暴露控制在0.3倍标准差，行业偏离度控制在2%-3%[14][24] 高崇南（国泰基金） - 聚焦高股息、质量、成长三类风格配置，2025年配置比例为20%高股息+25%成长+50%质量[14][43] - 采用树模型合成约100多个选股因子，分仓运作维持20%年化波动率目标[4][14][35] - 代表产品国泰量化策略收益2024年以来年化收益14.89%，2025年以来年化收益28.72%[36][41] - 持仓高度分散，成分股外权重达48%，行业偏离度控制在1.10%以内[45][48] 林景艺（信达澳亚基金） - 采用"基金优选→持仓还原→指数增强"三步法，复制万得偏股混基金指数并叠加多类阿尔法模型[5][62] - 港股配置采用多因子线性体系，因子库包含100-200个以基本面为主的因子[14][63] - 代表产品信澳宁隽智选任职以来累计收益36.59%，年化超额6.52%，年化跟踪误差6.74%[53][60] - 持股数量达350-450只，2024年下半年换手率升至10.28倍，风格暴露控制在0.4-0.5倍标准差[66][64] 时赟超（鹏华基金） - 多因子线性模型（40%）与机器学习非线性模型（60%）融合，预测周期缩短至周频[5][74][83] - 因子库涵盖10大类因子，包括另类数据（ESG、舆情等），线性模型中基本面因子占比50%-55%[14][81] - 代表产品鹏华量化先锋2024年以来年化超额10.28%，2025年以来年化超额19.99%[75][80] - 风险控制侧重波动率和市值因子偏离，持仓分散至700只，半年换手率达6.27倍[74][84] 翟梓舰（西部利得基金） - 采用"核心+卫星"策略，核心AI策略包含神经网络+树模型中长期预测和RNN高频量价因子[6][92] - 西部利得量化优选AI策略与主动量化各占50%，中证1000指增产品采用70%AI策略+30%多因子线性模型[6][14] - 代表产品西部利得中证1000指增任职以来年化超额5.67%，2025年以来年化超额约12%[93] - 指增产品设置行业偏离不超过3%、风格暴露0.3倍标准差硬约束[14] 团队与产品线特征 - 信达澳亚量化团队10人，统一采用HI+AI框架，产品线覆盖11只量化选股型和2只量化固收+产品[32][71] - 鹏华量化团队22人（13人策略+9人指数），产品线覆盖主流宽基指数增强和主动量化品种[14][91] - 西部利得量化团队7人，专注AI算法开发与基本面量化策略结合[14]

融资余额与市场活跃度 - 两市融资余额突破2.3万亿元 刷新2015年以来历史新高 反映流动性宽松和投资者风险偏好提升 [2] - 私募基金投资者数量和认购份额显著上升 新进投资者偏好配置量化多头策略以获取可持续收益 [2] 量化多头策略对微盘股的暴露程度 - 量化多头产品内部对微盘股暴露存在分化 但微盘股宽基指数显著跑赢中大盘股 [4] - IC/IM股指期货加权贴水率居高不下且三季度持续扩大 间接证明量化管理人对微盘股暴露幅度增加 [4] - 私募量化选股管理人持仓显示：一季度在2000指数及以下个股持仓占比约20-40% 三季度可能升至50%以上 [8] - 公募微盘股基金中报统计显示：2025年Q2机构加仓微盘股 相关性最高的50支基金总规模增加69.71亿元 连续三个季度增长 [8] 微盘股暴露的原因 - 小盘股长期年化Beta收益高于大盘股 且散户与游资参与度高 为量化策略提供超额收益机会 [9] - 小微盘股研究覆盖率低 错误定价概率高 量化模型可通过数据挖掘发现低估标的 [9] - 量化多头策略分散持股（通常持仓数百至上千只） 可在小市值股票中寻找机会且规避流动性问题 [9] - 2025年流动性充裕推动微盘股股价走高 二季度市场重心转向主题炒作 散户风险偏好抬升且动量因子贡献高收益 [9] 投资者应对微盘股聚集风险的策略 - 微盘股风格强势期间 量化多头产品持仓占比维持高位是大概率事件 否则可能踏空牛市导致超额收益落后 [10] - A股大级别牛市行情罕见 短期调整可能表现为震荡而非快速下跌 [10] - 量化多头策略不单纯对标微盘股风格 而是通过识别强势股、行业和风格动态调整敞口 风格回撤不必然导致全行业超额普跌 [10] - 未来需关注PPI/CPI回升、市场成交量维持高位、监管态度变化等信号 投资者可配置红利指增或沪深300指增对冲风险 [16] 量化产品超额收益表现 - 2025年8月部分百亿量化管理人产品逆市获得正超额收益 包括念觉、明汯、蒙玺等机构 [10][13]

以下是华创证券金工周报（20250825-20250829）中涉及的量化模型与因子的总结： 量化模型与构建方式 1. **模型名称**：成交量模型[12] **模型构建思路**：基于价量关系进行市场择时判断[10] **模型具体构建过程**：通过分析宽基指数的成交量变化，判断市场短期走势。当成交量放大时看多，缩量时看空或中性[12] 2. **模型名称**：低波动率模型[12] **模型构建思路**：利用市场波动率特征进行择时[10] **模型具体构建过程**：计算指数的波动率指标，当波动率处于低位时模型信号为中性或看空，波动率升高时可能转为看多[12] 3. **模型名称**：特征龙虎榜机构模型[12] **模型构建思路**：基于龙虎榜机构资金流向进行择时判断[10] **模型具体构建过程**：跟踪龙虎榜上机构资金的买卖情况，机构净买入时看多，净卖出时看空[12] 4. **模型名称**：特征成交量模型[12] **模型构建思路**：结合特殊成交量特征进行择时[10] **模型具体构建过程**：分析异常成交量 patterns，如放量突破等，作为看多信号[12] 5. **模型名称**：智能算法沪深300模型[12] **模型构建思路**：应用智能算法对沪深300指数进行择时[10] **模型具体构建过程**：使用机器学习等智能算法分析多因子数据，生成择时信号[12] 6. **模型名称**：智能算法中证500模型[12] **模型构建思路**：应用智能算法对中证500指数进行择时[10] **模型具体构建过程**：使用机器学习等智能算法分析多因子数据，生成择时信号[12] 7. **模型名称**：涨跌停模型[13] **模型构建思路**：通过涨跌停板数量变化进行中期择时[10] **模型具体构建过程**：监控市场涨跌停个股数量比例，涨停增多时看多，跌停增多时看空[13] 8. **模型名称**：月历效应模型[13] **模型构建思路**：利用月份效应进行择时[10] **模型具体构建过程**：基于历史月份收益率规律，在不同月份给出看多或看空信号[13] 9. **模型名称**：长期动量模型[14] **模型构建思路**：基于长期动量效应进行择时[10] **模型具体构建过程**：计算指数的长期动量指标，动量向上时看多，向下时看空[14] 10. **模型名称**：A股综合兵器V3模型[15] **模型构建思路**：综合多周期多策略的耦合模型[10] **模型具体构建过程**：将短期、中期、长期不同模型的信号进行加权耦合，形成综合择时观点[15] 11. **模型名称**：A股综合国证2000模型[15] **模型构建思路**：针对国证2000指数的综合择时模型[10] **模型具体构建过程**：专门针对国证2000指数特点，综合多种择时信号[15] 12. **模型名称**：成交额倒波幅模型[16] **模型构建思路**：基于成交额与波动率关系进行港股择时[10] **模型具体构建过程**：分析港股成交额与波动率的倒置关系，作为择时信号[16] 13. **模型名称**：形态学监控模型[41] **模型构建思路**：基于技术形态识别进行择时和选股[41] **模型具体构建过程**：识别杯柄形态、双底形态等技术形态，在形态突破时产生交易信号[41][44][48] 模型的回测效果 1. 双底形态组合，累计收益率49.44%，相对上证综指超额收益38.36%[41] 2. 杯柄形态组合，累计收益率63.34%，相对上证综指超额收益52.26%[41] 3. 上周杯柄形态突破个股，平均超额收益-0.8%[42] 4. 上周双底形态突破个股，平均超额收益-5.28%[46] 量化因子与构建方式 1. **因子名称**：龙虎榜机构资金流向因子[12] **因子构建思路**：基于龙虎榜机构买卖净额构建[12] **因子具体构建过程**：计算龙虎榜上机构买入金额与卖出金额的差值，作为资金流向指标[12] 2. **因子名称**：成交量异常因子[12] **因子构建思路**：识别异常成交量 patterns[12] **因子具体构建过程**：计算当前成交量与历史平均成交量的偏离度，识别异常放量或缩量[12] 3. **因子名称**：波动率因子[12] **因子构建思路**：衡量市场波动程度[12] **因子具体构建过程**：计算指数收益率的标准差，作为波动率指标$$ \sigma = \sqrt{\frac{1}{N-1}\sum_{i=1}^{N}(r_i - \bar{r})^2} $$[12] 4. **因子名称**：动量因子[14] **因子构建思路**：捕捉价格趋势效应[14] **因子具体构建过程**：计算过去一段时间内的累计收益率，作为动量指标$$ Momentum = \frac{P_t}{P_{t-n}} - 1 $$[14] 5. **因子名称**：涨跌停因子[13] **因子构建思路**：反映市场极端情绪[13] **因子具体构建过程**：计算涨停个股数量与跌停个股数量的比例或差值[13] 6. **因子名称**：月历效应因子[13] **因子构建思路**：捕捉月份周期性 patterns[13] **因子具体构建过程**：基于历史数据计算各月份的平均收益率，构建月份虚拟变量[13] 7. **因子名称**：成交额波幅关系因子[16] **因子构建思路**：分析成交额与波动率的相关性[16] **因子具体构建过程**：计算成交额与波动率的比值或相关性指标[16] 8. **因子名称**：形态识别因子[41] **因子构建思路**：识别特定技术形态[41] **因子具体构建过程**：通过价格走势 pattern 识别杯柄形态、双底形态等，在形态确认时产生信号[41] 因子的回测效果 （报告中未提供具体因子的单独回测结果）