公司股东信息 - 截至2026年1月30日，公司股东总人数为42318户 [1]

捕捉小盘科技行情的机会 - 科技资产已成为全球资本市场核心配置方向之一 美股前十大巨头中科技板块个股占比显著提升 纳斯达克科技指数成分股市值占比由1990年的1.51%提升至2025年的52.20% 生成式AI周期下英伟达市值一度升至约4.5万亿美元 [1][4][6] - 小盘股是牛市行情的领头羊 在A股历轮牛市中中证1000中证2000等小盘指数涨幅显著领先宽基指数 本轮2024年“9·24”行情启动以来中证2000指数涨幅已超100% [1][10] - 小微盘股票交易活跃度高 以市值累加方式覆盖全市场10%市值权重的股票其成交额占比长期平均达到23.89%显著高于其市值占比 [14] - 宽松流动性为小微盘行情提供支撑 2025年12月M2同比增速升至8.5% 一年期同业拆借利率由2024年末的2.50%降至1.96% 利率中枢下移与风险偏好回升共同改善小盘资产交易环境 [1][16] 中证360互联网+大数据100指数投资价值分析 - 指数编制独特 是国内率先将实时搜索数据融入指数构建体系的主题量化指数 选取搜索因子与规模成长质量反转等因子综合评分最高的100只上市公司证券作为指数样本 采用等权配置 [1][18][20] - 指数具有鲜明的小盘风格 平均市值为51.66亿元低于同期中证2000 自2020年以来指数成份股中65%以上市值低于50亿元 [1][25] - 指数行业配置高度聚焦TMT板块 2020年以来指数在TMT（含家电）板块的平均权重为87.69% 其中计算机和电子行业平均占比分别为35.51%和25.15% [1][31] - 指数成分与新质生产力概念高度重合 在新质生产力综合指数的暴露度为89.90% 在专精特新小巨人主题的暴露度为31.39% 具备鲜明的“专精特新”属性 [34][36] - 指数长期业绩表现突出 自基期以来年化收益率达28.56% 显著高于中证2000的12.05% 年化夏普比0.94 历史最大回撤为52.48%低于中证2000的67.35% [1][37] 大成中证360互联网+大数据100基金投资价值分析 - 基金是市场上唯一跟踪中证360互联网+大数据100指数的被动指数型产品 具备显著稀缺性 成立于2016年2月3日 运作已满10年 年化收益率13.69% 是少数具备完整市场周期检验的“双十”基金之一 [1][42] - 基金规模与份额增长 截至2025Q4基金规模为17.28亿元 基金份额增长至5.38亿份 [44] - 基金以被动指数形态提供“类主动量化”收益特征 性价比突出 2019年以来年化收益率达25.35% 夏普比0.96 在同类主动量化产品中很有竞争力 管理费率0.80%低于常见主动量化基金1.20%的费率水平 [1][50] - 基金经理夏高先生管理经验丰富 具备14年证券从业经历 当前在管产品共6只 管理规模合计21.69亿元 [51][52] - 基金管理人大成基金是“老十家”基金公司之一 综合实力强 当前在管被动指数型基金规模合计151.86亿元 [53][54]

文章核心观点 - 文章核心观点在于阐述，在看似相同的板块或市场环境下，不同投资标的或基金产品的表现差异巨大，其根本原因在于未能洞察资金（特别是大资金）的真实交易动向[1][3] - 文章认为，仅依赖股价走势、K线形态或市场新闻等传统方法进行投资决策容易“踩坑”，而量化大数据工具（如文中提到的“机构库存”指标）能够通过客观数据揭示大资金的活跃程度，帮助投资者穿透市场假象，理解交易本质，从而做出更理性的判断[5][8][13] 投资决策中的常见陷阱 - 投资者常因仅观察板块整体走势或个股K线形态而做出错误决策，例如：将震荡后的长阳线误判为突破信号而追高被套，或将无资金支持的反弹误判为见底信号而买入即套牢[4] - 这些陷阱的根源在于，股价的表面走势可能与背后大资金的真实参与度脱节，形成“假突破”或“假反弹”，仅凭肉眼观察难以识别[4][5][8] 量化大数据工具的应用与价值 - 量化工具（如“机构库存”）通过长期统计市场大资金的交易行为，提炼出反映其交易活跃程度的客观指标，该指标不关注买卖方向，仅监测参与积极性[8] - 该工具能有效区分市场现象的真伪：若股价波动期间“机构库存”持续活跃，表明大资金仍在积极参与，后续存在反转或延续可能；若“机构库存”逐渐消失，即使股价上涨，也缺乏持续动力，容易回落[8][10][12] - 量化数据的优势在于将复杂的交易行为数据化、直观化，帮助投资者（包括基金经理）摆脱主观臆断，用客观数据替代直觉判断，从而提前识别风险或机会[1][13] 具体案例与数据佐证 - 以黄金股板块为例，不同基金表现差异显著：某基金单日回撤接近8%，而另一同类基金仅下跌1.86%，关键在于后者基金经理可能通过量化思维提前洞察资金动向并调仓[1] - 提供的持仓数据表显示，某投资组合前十大重仓股（合计占股票市值74.13%）在特定区间内表现分化巨大，例如：天山铝业区间涨幅达41.66%，而立讯精密区间跌幅为-12.34%，同属材料行业的个股涨跌幅也从-1.12%到17.09%不等，凸显了即便在同一行业（如材料）内，个股表现也并非同涨同跌[2] - 案例进一步说明，个股走势与行业整体表现可能背离，例如德康农牧区间跌幅为-7.51%，而其所属的日常消费行业区间跌幅为-9.53%；华夏航空区间涨幅10.28%，而其所属的工业行业区间跌幅为-1.55%[2]

公司近期业务动态 - 公司于2026年2月3日中标中国出口信用保险公司深圳分公司采购项目，中标金额为363.33万元 [1][2] 公司财务与经营概况 - 2024年公司营业收入为43.21亿元，同比增长11.22%，归属母公司净利润为1.31亿元，同比增长15.90%，净资产收益率为6.30% [2][3] - 2025年上半年公司营业收入为23.15亿元，同比增长10.95%，但归属母公司净利润为0.58亿元，同比下滑21.85% [2][3] - 公司主营业务为数字化通用技术服务，2024年该业务收入占比为78.71%，数字化创新技术服务收入占比为20.5%，其他业务占比0.79% [2][3] 公司所属行业与产品 - 公司属于信息技术行业，主要产品类型为互联网服务 [2][3]

公司近期业务动态 - 广东九联科技股份有限公司于2026年2月3日公告中标宁波北仑广电网络有限公司机顶盒采购项目[1][2] - 中标金额为151.50万元[1][2] 公司财务与经营概况 - 2024年公司营业收入为25.08亿元，同比增长15.54%[2][3] - 2024年归属母公司净利润为-1.42亿元，净利润增长率为28.80%[2][3] - 2024年净资产收益率为-14.81%[2][3] - 2025年上半年公司营业收入为11.01亿元，同比增长-17.60%[2][3] - 2025年上半年归属母公司净利润为-1.23亿元，净利润增长率为-126.21%[2][3] - 2024年公司主营构成：智能终端占67.81%，通信模块及行业应用解决方案占15.57%，运营服务占14.37%，其他业务占2.25%[2][3] 公司行业与产品定位 - 公司属于信息技术行业[2][3] - 公司主要产品类型为通信系统与平台[2][3]

公司中标信息 - 四川久远银海软件股份有限公司于2026年2月3日公告中标贵州省医疗保障局的“医保智能辅助经办项目” [1] - 本次中标金额为160.00万元 [1] 公司财务表现 - 2024年全年营业收入为13.39亿元，较上年下降0.55% [1][2] - 2024年归属母公司净利润为0.73亿元，较上年大幅下降55.96% [1][2] - 2024年净资产收益率为4.44% [1][2] - 2025年上半年营业收入为4.39亿元，同比增长11.33% [1][2] - 2025年上半年归属母公司净利润为0.30亿元，同比大幅增长160.02% [1][2] 公司业务构成 - 公司属于信息技术行业 [1][2] - 公司主要产品类型为团体保险和专业咨询服务 [1][2] - 2024年报主营业务构成：软件开发占47.58%，运维服务占36.4%，系统集成占15.83%，其他业务占0.19% [1][2]

量化模型与构建方式 1. **模型名称**：中证360互联网+大数据100指数多因子选股模型[2][30][31] **模型构建思路**：该模型是一个量化策略指数编制模型，旨在通过引入独特的搜索因子，并结合传统的规模、成长、质量、反转因子，从“互联网+”概念股中综合筛选出评分最高的股票，以捕捉小盘科技股的投资机会[2][30][31]。 **模型具体构建过程**： * **样本空间**：以中证全指中属于“互联网+”概念的上市公司为样本，剔除ST股票和连续停牌超过5个交易日的股票[31]。 * **因子计算与评分**：对样本空间内的股票，分别计算以下五类因子，并对每个因子内的指标进行排序评分，然后取平均值得到该因子的最终评分[31]。 1. **规模因子**：选取总市值和流通市值，降序排列计算得分，两项评分取平均值为规模因子评分[31]。 2. **成长因子**：选取营业收入增长率、营业利润增长率、归属母公司的净利润增长率，升序排列计算得分，三项评分取平均值为成长因子评分[31]。 3. **质量因子**：选取BP因子（账面市值比）和ROE因子（净资产收益率），升序排列计算得分，两项评分取平均值为质量因子评分[31]。 4. **反转因子**：选取日涨跌幅偏度、日均换手率和涨跌幅因子，升序排列计算得分，三项因子评分取平均值为反转因子评分[31]。 5. **搜索因子**：分别计算长期和短期搜索因子评分，两项评分取平均值为搜索因子评分。其中，长期搜索因子采用过去一个月搜索量环比计算；短期搜索因子采用过去5日搜索量环比计算[31]。 * **综合评分与选样**：将各因子评分相加得到每只股票的综合评分，选取综合评分最高的前100只股票作为指数成份股[31]。 * **权重与调整**：指数采用等权重配置，每月审核并调整一次样本股[31]。 **模型评价**：该模型是国内率先将实时搜索数据融入指数构建体系的主题量化指数，其构建的指数在小盘股内部展现出较强的持续超额收益能力[2][30][49]。 量化因子与构建方式 1. **因子名称**：规模因子[31] **因子构建思路**：衡量公司的市值规模，通常小市值公司被认为具有更高的成长弹性和市场关注度[31]。 **因子具体构建过程**：选取总市值和流通市值两个指标，分别对股票进行降序排列并计算得分，然后将两项得分取平均值作为规模因子的最终评分[31]。 2. **因子名称**：成长因子[31] **因子构建思路**：衡量公司的盈利增长能力，高成长性的公司往往能获得市场溢价[31]。 **因子具体构建过程**：选取营业收入增长率、营业利润增长率、归属母公司的净利润增长率三个指标，分别对股票进行升序排列并计算得分，然后将三项得分取平均值作为成长因子的最终评分[31]。 3. **因子名称**：质量因子[31] **因子构建思路**：衡量公司的盈利质量和估值水平，通常结合估值与盈利能力指标[31]。 **因子具体构建过程**：选取BP因子（账面市值比，即市净率的倒数）和ROE因子（净资产收益率）两个指标，分别对股票进行升序排列并计算得分，然后将两项得分取平均值作为质量因子的最终评分[31]。 4. **因子名称**：反转因子[31] **因子构建思路**：捕捉股价的短期反转效应，即前期表现较差的股票在未来短期内可能反弹[31]。 **因子具体构建过程**：选取日涨跌幅偏度、日均换手率和涨跌幅因子三个指标，分别对股票进行升序排列并计算得分，然后将三项得分取平均值作为反转因子的最终评分[31]。 5. **因子名称**：搜索因子[31] **因子构建思路**：利用互联网搜索数据反映市场对上市公司的关注度变化，将用户行为数据转化为投资信号[31]。 **因子具体构建过程**：分别计算长期和短期搜索因子评分。长期搜索因子采用过去一个月搜索量的环比变化计算；短期搜索因子采用过去5日搜索量的环比变化计算。将长期和短期评分取平均值作为搜索因子的最终评分[31]。 6. **因子名称**：主题暴露度[45] **因子构建思路**：衡量指数或投资组合在特定市场概念或主题上的集中程度[45]。 **因子具体构建过程**：计算指数对第i个概念的暴露度，公式为： $$EXP_{i}=\sum_{j=1}^{N}k_{ij}\cdot w_{j}$$ 其中，$EXP_i$表示指数对第i个概念的暴露度；$j$表示指数中的第j只成份股，$N$为指数成份股数量；$w_j$为成份股$j$在指数中的权重；$k_{ij}$为指示变量，若成份股$j$属于概念$i$，则$k_{ij}=1$，否则$k_{ij}=0$[45]。 模型的回测效果 1. **中证360互联网+大数据100指数多因子选股模型**，年化收益率28.56%[3][47][53]，年化夏普比0.94[3][53]，年化波动率31.92%[53]，历史最大回撤52.48%[3][47][53] 因子的回测效果 1. **规模因子**，在TMT板块内多空测试中能够持续贡献正向超额收益[33][36] 2. **反转因子**，在TMT板块内多空测试中能够持续贡献正向超额收益[33][36] 3. **质量因子（PB_ROE）**，在TMT板块内多空测试中能够持续贡献正向超额收益[33][36] 4. **成长因子（归母净利润增长率）**，在TMT板块内多空测试中能够持续贡献正向超额收益[33][36]

量化模型与构建方式 1. **模型名称：中证360互联网+大数据100指数多因子选股模型**[30][31] * **模型构建思路**：该模型是一个多因子量化选股模型，旨在通过结合独特的搜索数据与传统财务、交易数据，从“互联网+”主题股票中筛选出具有潜力的标的，以构建一个兼具小盘风格和科技属性的投资组合[30][31]。 * **模型具体构建过程**： 1. **确定样本空间**：以中证全指中属于“互联网+”概念的上市公司为样本，剔除ST股票和连续停牌超过5个交易日的股票[31]。 2. **计算因子评分**：对样本空间内的股票，分别计算以下五大类因子的评分，每类因子内部子因子评分取平均得到该因子评分[31]： * **规模因子**：选取总市值和流通市值，降序排列计算得分，两项评分取平均[31]。 * **成长因子**：选取营业收入增长率、营业利润增长率、归属母公司的净利润增长率，升序排列计算得分，三项评分取平均[31]。 * **质量因子**：选取BP因子和ROE因子，升序排列计算得分，两项评分取平均[31]。 * **反转因子**：选取日涨跌幅偏度、日均换手率和涨跌幅因子，升序排列计算得分，三项评分取平均[31]。 * **搜索因子**：分别计算长期和短期搜索因子评分，两项评分取平均。其中，长期搜索因子采用过去一个月搜索量环比计算；短期搜索因子采用过去5日搜索量环比计算[31]。 3. **计算综合评分与选样**：将各因子评分相加得到每只股票的综合评分，选取综合评分最高的前100只股票作为指数成份股[31]。 4. **权重设置与调整**：成份股采用等权重配置。指数每月审核并调整一次样本股，实施时间为每月第三个周五[31]。 * **模型评价**：该模型是国内率先将实时搜索数据融入指数构建体系的主题量化指数，通过多因子综合评分，旨在在小盘股中持续获取超额收益[30][49]。 量化因子与构建方式 1. **因子名称：规模因子**[31] * **因子构建思路**：通过市值指标衡量公司规模，通常小市值公司被认为具有更高的成长弹性[31]。 * **因子具体构建过程**：选取总市值和流通市值两个指标，分别对样本内股票降序排列计算得分，然后将两项得分取平均值作为最终的规模因子评分[31]。 2. **因子名称：成长因子**[31] * **因子构建思路**：通过营收和利润的增长速度来识别具有高成长潜力的公司[31]。 * **因子具体构建过程**：选取营业收入增长率、营业利润增长率、归属母公司的净利润增长率三个指标，分别对样本内股票升序排列计算得分，然后将三项得分取平均值作为最终的成长因子评分[31]。 3. **因子名称：质量因子**[31] * **因子构建思路**：结合估值与盈利能力，筛选性价比高且盈利质量好的公司[31]。 * **因子具体构建过程**：选取BP因子（市净率的倒数，即Book-to-Price）和ROE因子（净资产收益率），分别对样本内股票升序排列计算得分，然后将两项得分取平均值作为最终的质量因子评分[31]。 4. **因子名称：反转因子**[31] * **因子构建思路**：基于市场交易行为，捕捉短期内可能出现价格反转的股票[31]。 * **因子具体构建过程**：选取日涨跌幅偏度、日均换手率和涨跌幅因子三个指标，分别对样本内股票升序排列计算得分，然后将三项得分取平均值作为最终的反转因子评分[31]。 5. **因子名称：搜索因子**[31] * **因子构建思路**：利用互联网搜索数据的热度变化，捕捉市场关注度的动态，作为前瞻性情绪指标[31]。 * **因子具体构建过程**：分别计算长期搜索因子和短期搜索因子评分，然后取平均。 * **长期搜索因子**：采用过去一个月搜索量的环比变化进行计算[31]。 * **短期搜索因子**：采用过去5日搜索量的环比变化进行计算[31]。 6. **因子名称：主题暴露度计算因子**[45][46] * **因子构建思路**：用于量化指数或投资组合在特定主题或概念上的覆盖程度[45]。 * **因子具体构建过程**：计算指数对第 i 个概念的暴露度，公式如下： $$EXP_{i}=\sum_{j=1}^{N}k_{i j}\cdot w_{j}$$ 其中，$EXP_i$ 表示指数对第 i 个概念的暴露度；$j$ 表示指数中的第 j 只成份股，$N$ 为指数成份股数量；$w_j$ 为成份股 $j$ 在指数中的权重；$k_{ij}$ 为指示变量，若成份股 $j$ 属于概念 $i$，则 $k_{ij}=1$，否则 $k_{ij}=0$[45][46]。 模型的回测效果 1. **中证360互联网+大数据100指数多因子选股模型**，年化收益率28.56%[47]，年化夏普比0.94[47]，年化波动率31.92%[53]，历史最大回撤52.48%[47]。 2. **大成中证360互联网+大数据100基金（A类）**，自2019年以来年化收益率25.35%[61]，夏普比率0.96[61]，净值波动27.36%[64]，最大回撤37.54%[64]，管理费率0.80%[64]。 因子的回测效果 1. **市值、反转、PB_ROE、归母净利润增长率因子**：报告展示了这些因子在TMT板块内的多空净值走势，显示其在测试期内能够持续贡献正向超额收益[33][36]。

公司经营与财务表现 - 公司聚焦主业 [2] - 2025年前三季度核心子公司新华三营业收入保持强劲增长 [2] - 公司短期利润主要受产品收入结构以及收购产生的财务费用等阶段性因素影响 [2] 业务发展与战略投入 - 公司在智算中心、高速交换机等领域持续投入以巩固长期竞争力 [2]

构建多层次陪护体系与产业发展 - 上海市政协委员建议构建“多层次、参与化、付费的”陪护体系以解决住院老人陪护难题[1] - 建议将陪护市场培育为介于护理和护工之间的新产业 采用类似“滴滴专车”模式 形成潜力巨大的新兴产业以吸引专业人才并创造就业[3] 人工智能与医疗健康深度结合 - 建议上海大力推动人工智能与医疗健康等民生领域深度结合 赋能人工智能大数据训练与产业发展[3] - 强调上海应构建高质量医疗语料库 并指出国家医保局推出的“个人医保云”是构建全国性个人健康档案基础 助推本地人工智能产业发展的重要机遇[3] 创新养老支付模式与服务供给 - 针对医保部门 建议探索创新支付模式 融合商业保险、个人支付与医保支付以提高服务可及性[3] - 针对卫生部门 建议为老年人提供更多差异化服务 例如为瘫痪老人提供一对一专业陪护[3] - 针对人社部门 建议建立陪护人员专业资格认证与职业晋升通道以关注队伍建设[3] 发放服务型养老消费券以刺激经济 - 有政协委员建言应从发放产品消费券转向发放服务型消费券 特别是泛养老消费券服务 其带动效应非常明显[5] - 测算显示 若财政投入3亿元 预计可带动80亿元的销售 因其销售粘性非常强 并能实现消费、养老、就业一举三得[5]