公司发展历程与理念 - 公司成立于2020年9月，并于当年年底取得私募基金管理人牌照，2021年初发行首只产品，凭借亮眼业绩在2021年末管理规模快速突破百亿大关 [2] - 公司创始人邓剑拥有深厚学术背景，是业内开创性将人工智能技术应用于量化策略研发的先行者，其个人特质“严谨、创新、长期主义”深度融入企业文化 [2][3] - 公司秉持“科技赋能、稳健增值”的发展理念，以技术为矛、风控为盾，致力于成为量化投资领域的长期价值创造者 [1][18][19] 投研团队与组织建设 - 公司核心投研团队超80%成员拥有博士学位，均毕业于国内外顶尖学府，学科背景覆盖数学、计算机、物理、统计学等多个方向 [6] - 团队不仅包括知名量化机构背景的从业者，还吸纳了头部互联网企业的资深AI研究员与算法专家，为AI技术与量化投资深度融合提供人才支撑 [6] - 自公司成立以来，核心投研团队实现零离职，保证了策略研究的连续性和团队稳定性 [6] 投研体系与策略迭代 - 公司采用投资组合经理（PM）负责制，组建多个Alpha策略小组，并搭建覆盖七大核心环节的流水线式投研模式 [4] - 该体系深度融合PM制与流水线模式，并创新性融入AI应用与风险监测模块，实现每2-3周一次的策略快速迭代 [5] - 公司内部设立每季度超额收益实现一定比例提升的硬性目标，以推动团队持续创新和迭代优化，抵御策略衰减 [5] 人工智能（AI）技术应用 - 公司将AI视为核心竞争力，并实现全流程应用，例如利用大语言模型挖掘新闻舆情、财报等文本信息以提炼另类因子 [7] - AI技术被创造性地应用于风险监测，通过预测短期风格收益构建风险预警模型，实现全流程智能化风控 [7] - 公司持续加大在GPU集群、低延迟网络架构及云端算力调度效率上的投入，以保障策略迭代的速度与容量空间 [8] 策略优化与特色 - 公司进行了多体系投研思想融合，将BGI基本面因子、WorldQuant价量体系、AI因子研究体系等进行有机融合 [9] - 在实盘操作中，因子库合成的大类因子占比分别为：量价因子60%、基本面因子30%、另类因子10%，旨在提升策略长期稳健性并降低交易成本 [9] - 公司采用“双轨并行”研究模式，协同并重深度学习与传统多因子方法，实现优势互补 [9] - 策略迭代频率从最初的季频提速至月频，因子组合与组合优化能做到每2-3周迭代一个版本 [10] 风控体系与合规 - 公司搭建了一套自动化、精细化的风险控制体系，涵盖自研风险模型与盘中实时监控模型两大核心模块 [12] - 在2024年初小微盘股大幅调整的行情中，公司凭借自研风控模型精准预判并有效管控了旗下产品的超额回撤风险 [12] - 公司始终坚守合规为先、风控为本的经营理念，坚决杜绝短期投机博弈行为 [12] 产品线与策略矩阵 - 公司构建了“全谱系”策略产品线，依据风险收益偏好划分为三大类型：稳健型低波策略线、进取型中低波策略线、积极型中高波策略线 [13] - 进取型中低波动产品线是公司核心发力方向和关键差异点，内部定位为“20/20”策略架构，旨在让投资者无需频繁择时即可获得长期复利回报 [14] - 红利类指数增强策略是公司核心特色策略，已推出红利低波100指数增强和价值红利指数增强两款产品 [15] - 公司还推出了自由现金流指数增强策略和全气候量化宏观配置策略，后者通过跨资产类别分散配置与动态再平衡机制应对市场不确定性 [15][16] 行业趋势与公司战略 - 行业未来三大趋势：技术基础设施的底层硬核竞争全面拉开；数据与算法迈向深度融合创新；组织韧性与人才密度成为核心考量 [17][18] - 公司计划通过三大核心要素构建差异化竞争优势：持续强化技术护城河；构建“全谱系”策略矩阵；践行长期主义价值观并构建多层级风控体系 [18] - 公司立志成为中国长期主义量化复利资产的领航者，推动行业向专业化、透明化方向迈进 [19]

行业背景与峰会概况 - 中国资管行业正站在“逻辑重塑”的十字路口，背景是全球宏观格局演变、AI重构投研逻辑及新质生产力重塑产业格局 [2] - 第十九届HED中国峰会将于2026年1月15日在深圳举行，预计超过400位海内外金融机构负责人、投资人与专家参会 [2] 主论坛：新周期下的资产配置策略 - 截至2025年三季度末，中国资管行业总规模达179.33万亿元，较上年末增长8.21% [3] - 细分领域表现：银行理财规模创32.13万亿元历史新高，公募基金规模突破36.74万亿元，保险资金运用余额稳步增长 [3] - 行业面临“低利率”环境压缩传统收益空间，同时AI技术、地缘政治与产业升级正从底层重构资产配置逻辑 [3] - 主论坛主题为“低利率、强监管与新行为周期下的资产配置”，将邀请德意志银行、吉林银行、香港大华银行等机构领袖分享全球资本配置趋势、本土财富管理实践及跨境市场机遇 [3] 分论坛：中国量化策略的下一增长曲线 - 中国量化行业呈现“量质齐升”与“竞争加剧”并行的格局，百亿级量化私募数量已历史性超越主观多头同行 [4] - 量化私募超额收益能力日益稳健，2025年跑赢业绩基准的比例显著高于市场均值 [4] - 行业面临赛道拥挤、AI技术竞赛加剧等挑战，出海寻求第二增长曲线成为头部机构的共同选择 [4] - 分论坛将集结千朔投资、广金美好、大岩资本、优美利投资等机构负责人，探讨量化股票策略创新、前沿趋势及中资海外基金生态构建 [4] - 峰会设置机构对接环节，定向邀请银行理财子、保险资金、FOF、家办等机构投资者与领先私募管理人进行精准对接 [4] 保险投资闭门论坛：长期资本的配置之道 - 2025年是“中长期资金加速入市”的关键一年，监管政策旨在降低险资资本占用、培育“耐心资本” [5] - 截至2025年三季度末，险资股票投资余额达3.62万亿元，规模与占比均稳步提升 [5] - 闭门论坛将邀请大型保险资管公司CIO、银行理财子长期资金投资负责人、主权基金或养老金投资人及头部券商FICC研究负责人，探讨长期资本配置新范式与保险资金的未来 [5] 介甫奖颁奖典礼 - 峰会同期举办“第十九届介甫荣耀之夜”颁奖典礼，“介甫奖”旨在激励行业创新与致敬卓越，已成为中国金融资管行业发展的重要标杆 [6] - 2025年奖项评审由学术与实务界权威专家组成，从多维度对资产管理、保险业与银行业参评者进行综合审视 [7]

量化私募行业概况 - 量化基金经理通过数学模型、算法和大数据分析管理投资组合，在AI发展背景下，全球量化人才竞争激烈 [2] - 量化私募对高学历人才更为青睐，在有学历记录的1839位量化基金经理中，硕博学历占比高达69.11%，显著高于主观私募的56.42% [2] - 截至11月底，符合排名规则的量化产品共1637只，合计规模约1351.14亿元，今年1-11月收益均值为27.29%，显著跑赢同期大盘 [2] - 百亿私募量化基金经理表现尤为突出，99位基金经理管理的386只产品，今年来收益均值高达34.42%，获得14.04%的超额收益 [2] 不同规模量化私募业绩表现 - **100亿以上**：386只产品合计规模538.08亿元，今年来收益均值34.42%，超额收益均值14.04% [3] - **50-100亿**：165只产品合计规模174.88亿元，今年来收益均值25.23%，超额收益均值10.31% [3] - **20-50亿**：220只产品合计规模225.55亿元，今年来收益均值26.62%，超额收益均值12.21% [3] - **10-20亿**：176只产品合计规模125.97亿元，今年来收益均值25.37%，超额收益均值10.10% [3] - **5-10亿**：224只产品合计规模121.46亿元，今年来收益均值25.75%，超额收益均值10.84% [3] - **0-5亿**：466只产品合计规模165.21亿元，今年来收益均值23.88%，超额收益均值11.19% [3] 百亿以上量化私募基金经理表现 - 百亿私募旗下符合排名规则的50位量化基金经理今年来全部实现正收益，其中收益均值在30%以上的有31位 [4] - 前三季度量化收益均值位居前三的基金经理分别是：灵均投资马志宇、宁波幻方量化徐进、宁波幻方量化陆政哲 [5] - 宁波幻方量化徐进管理的3只产品合计规模约8.02亿元，1-11月收益均值位居第二；陆政哲管理的8只产品合计规模约15.82亿元，收益均值位居第三 [6] - 九坤投资王琛管理的16只量化产品合计规模约7.74亿元，今年1-11月收益均值位居前列，王琛为清华大学理论计算机博士，曾供职于美国千禧年投资 [6] - 启林投资王鸿勇是上榜的唯一一位博士后量化基金经理，管理的4只产品今年1-11月实现正收益，其为北京大学物理学博士、德国亥姆霍兹研究所博士后 [7] 50-100亿规模量化私募基金经理表现 - 该规模区间165只量化产品今年1-11月收益均值约25.23%，其中正收益产品160只（占比96.97%），正超额产品117只（占比70.91%） [8] - 收益均值位居前三的基金经理分别是：云起量化施恩、大岩资本黄铂、千朔投资黄辉 [8] - 云起量化施恩管理的3只产品合计规模约4.70亿元，今年1-11月收益均值位居前列，其拥有伯克利金融工程和卡耐基梅隆计算机工程双硕士学位 [9] - 大岩资本黄铂管理的6只产品合计规模约3.09亿元，收益均值位居第二，其毕业于北京大学数学学士、哥伦比亚大学运筹学博士，曾共同创立Arxis Capital [10] 20-50亿规模量化私募基金经理表现 - 该规模区间220只量化产品今年1-11月收益均值约26.62%，其中正收益产品216只（占比98.18%），正超额产品166只（占比75.45%） [11] - 收益均值位居前三的基金经理/团队分别是：鹿秀投资么博、翰荣投资聂守华和贺杰、广州守正用奇牟鹏和徐晗潇 [11] - 鹿秀投资么博管理的4只产品合计规模约2.69亿元，收益均值位居前列，其毕业于北京大学，拥有管理与经济学学位 [12] - 翰荣投资聂守华和贺杰共同管理的3只产品合计规模11.57亿元，收益均值位居第二 [13] 10-20亿规模量化私募基金经理表现 - 该规模区间176只量化产品今年1-11月收益均值约25.37%，其中正收益产品176只（占比100%），正超额产品145只（占比82.39%） [14] - 收益均值位居前三的基金经理分别是：龙吟虎啸吴胤彤、中闽汇金王江明、上海元涞私募袁涛 [14] - 龙吟虎啸吴胤彤管理的3只产品合计规模约5.69亿元，收益均值领衔，公司成立于2021年，专注于权益和固收市场的基本面量化策略 [15] - 长鲸九州（北京）私募李爽管理的4只产品合计规模约1.46亿元，收益均值上榜，其为中国科学技术大学博士，在股票Alpha策略方面经验丰富 [16] 5-10亿规模量化私募基金经理表现 - 该规模区间224只量化产品今年1-11月收益均值约25.75%，其中正收益产品210只（占比93.75%），正超额产品156只（占比69.64%） [17] - 收益均值位居前三的基金经理分别是：华澄私募颜学阶、上海紫杰私募曾书良、巨量均衡基金程志田 [17] - 华澄私募颜学阶管理的3只产品合计规模约2.08亿元，收益均值领衔，其自2010年专注于量化投资，拥有超过10年的实盘投资经验 [18] 0-5亿规模量化私募基金经理表现 - 该规模区间466只量化产品今年1-11月收益均值约23.88%，其中正收益产品433只（占比92.92%），正超额产品333只（占比71.46%） [19] - 收益均值位居前三的基金经理/团队分别是：京盈智投谢黎博、嘉信融成杨竑和蒋文浩、广州天钲瀚胡勤天 [19] - 京盈智投谢黎博管理的3只产品合计规模约4.02亿元，收益均值领衔，其拥有北京大学物理学士与卡内基梅隆大学统计学博士背景，曾任职于Jump Trading、中信证券 [20]

文章核心观点 - 基于AQR Capital Management对美股标普500指数长达60年的数据回测，传统的“逢低买入”策略在风险调整后收益和创造超额收益方面，长期表现均显著逊于简单的“买入并持有”策略，甚至不如“趋势跟踪”策略 [6][11][15] - 抄底策略失败的核心原因在于其本质是逆势操作，试图在由“动量”因子主导的短期下跌趋势中，进行基于“价值”因子的交易，往往导致投资者“抄在半山腰” [21][26][28] - 在熊市或危机时刻，“趋势跟踪”策略通过识别并跟随市场方向，能够提供显著的保护甚至正收益，而“可移植Alpha”组合策略（如100%股票敞口叠加65%趋势策略）被证明能有效兼顾牛市收益与熊市保护 [31][35][41] 抄底策略的实证表现 - AQR回测了1965年1月至2025年9月共60年的标普500数据，测试了196种不同的抄底策略组合（涵盖不同回撤深度、时间和持有期）[10] - 所有抄底策略的平均夏普比率比简单的买入并持有策略低0.04，风险调整后回报缩水16%；在1989年10月至2025年9月期间，缩水幅度更高达47% [11] - 抄底策略平均年化Alpha仅为0.5%，且仅有不到8%的策略显示出统计上显著的Alpha，表明其无法可靠创造超额收益 [15] - 长期持有（如5年）的抄底策略收益主要来源于市场长期上涨的Beta，而非择时带来的Alpha [19] 抄底策略失效的逻辑分析 - 金融市场存在“价值”和“动量”两大核心因子，价值回归通常需要数年，而动量主导周/月级别的趋势 [23][24][25] - 抄底行为是在动量主导的下跌趋势中赌立即反转，但市场下跌时具有惯性，导致投资者经常在下跌中继点买入 [26][27] - 数据表明，抄底策略与趋势跟踪策略的相关性为-0.14，证实其本质是逆势操作 [28] 趋势跟踪策略的对比优势 - 趋势跟踪策略在1989年10月至2025年9月期间，平均年化Alpha达到4.7%，远高于抄底策略的0.3% [31] - 在美股几次重大熊市中，趋势跟踪策略（以SG Trend Index为代表）表现出色：2007-2009年金融危机期间收益31.7%，2000-2002年互联网泡沫破裂期间收益51.4%，2022年熊市期间收益33.9% [35] - 在上述几次熊市的平均表现中，标普500下跌40.2%，抄底策略平均下跌18.4%，而趋势跟踪策略取得了28.6%的平均正收益 [35] - 趋势策略在2020年3月闪崩中亏损2.4%，主因是下跌过快趋势未形成，但此类短期波动对长期投资者并非致命威胁 [37] 优化投资组合的构建方案 - AQR提出“可移植Alpha”方案，构建一个组合：100%持有美股大盘（获取Beta收益），并叠加65%仓位的趋势跟踪策略（获取危机Alpha）[41] - 回测2000-2025年数据，该组合年化超额收益达5.0%，夏普比率为0.50，优于传统的全球60/40股债组合（年化超额收益4.2%，夏普比率0.45）[41][42] - 该组合中，趋势策略与股票市场长期相关性极低甚至负相关，两者形成对冲，能在股票大跌时提供保护 [44][45] 对投资者的建议 - 应戒除精准抄底的惯性，历史回测表明即使对过去十年表现卓越的“七巨头”股票使用抄底策略，也跑输了买入持有 [49][50] - 建议在投资组合中配置趋势跟踪类策略，其核心作用是在类似2008年或2022年的长期熊市中提供保护 [53] - 长期投资的本质在于持续在场，频繁择时交易往往以高难度换取极低甚至为负的超额收益 [54]

公司概况与运营 - 截至2025年12月，公司管理规模为470亿元人民币 [1][43] - 公司曾于2022年底达到500亿元人民币的规模高点 [3][46] - 公司当前规模未触及策略容量上限，在约2万亿元人民币的日均成交环境下运作舒适，内部设定若未来规模接近700亿元人民币将启动封盘或参数调整机制 [3][46] - 公司员工总数超过80人，其中投研和IT人员占比超过80% [8][51] - 截至2025年12月初，中基协登记显示公司员工数为36人，其中高管3人，正在运作产品313个，延期清算0个，提前清算104个，正常清算6个 [3][46] - 公司股权结构为何文奇占比50.5089%，张万成占比49.4911%，两人合计绝对控股 [4][47] - 公司计划将部分股权用于激励平均年龄30岁出头的核心投研队伍 [4][47] - 公司是国内早期从事量化投资的机构之一，从2014年开始发行阳光化私募量化对冲产品，2018年以前以自营资金为主，2018年后开始与银行合作代销 [4][47] 投研团队与背景 - 创始人/实控人何文奇是实战派，在A股量化投资初期就开始实盘交易，拥有超过10年的长期实战经验 [7][50] - 何文奇曾于2010年股指期货上市首日在千禧年基金担任高级研究员并参与A股对冲交易，履历包括清华大学学士、东京工业大学硕士，2008年起历任千禧年高级研究员等职，2013年9月创立公司 [7][50] - 投资总监/合伙人张万成博士，拥有北京大学物理学学士和中国科学院微电子学博士学历，2009年起历任世坤投资高级研究员、基金经理、中国区总经理、全球研究总监、首席研究官等职，曾带领全球超过300人的研发团队 [7][50] - 张万成于2020年正式加入公司并担任投资总监，带来了国际前沿的量化研究和大规模管理经验 [8][51] - 何文奇与张万成优势互补，何文奇负责交易、IT系统与对外关系，张万成主导投研全流程 [8][51] 投研技术迭代与策略框架 - 2022年以前，公司策略以传统多因子和统计套利为主，采用线性模型并辅以人工经验判断 [12][52] - 自2023年起，公司逐步转向以机器学习为核心的非线性建模框架 [1][12][43][52] - 目前模型库内常用模型约五六百个，实盘使用两三百个，涵盖深度学习乃至Transformer等复杂结构 [12][52] - 公司控制单一模型的最高占比不超过4%，整体模型占比不超过3%，采用多频段、多策略融合的方式 [12][52] - 硬件投入逐年递增，现已达上亿元人民币级别，强调按需配置、高效利用，在关键节点不惜成本采购高端显卡等紧缺设备 [12][52] - 策略体系呈现“双轨并行”特征：量价类信号基本由机器自动挖掘，而中低频基本面与另类数据则继续依赖人工构建因子 [12][52] - 预测周期覆盖广泛，包括日内策略和日间策略，回看窗口周期短至20个交易日用于高频预测，长至12年历史数据用于中长期模型训练 [12][52] - 风控层面，自2024年2月事件后新增硬性要求，所有新上线策略必须在中证1800指数范围内验证超额稳定性，尤其关注中大市值股票表现，防止过度依赖小微盘 [15][55] 产品策略与业绩表现 - 公司追求纯粹的Alpha收益，股票持仓数目是全市场最多的一家，持股高度分散，通过相对中高频的换手获取短期微小统计型获利机会累积Alpha [17][56] - 中证500指数增强策略自2021年7月21日建仓以来，在2022、2023、2024及2025年均取得正向超额收益 [17][56] - 2023年该策略表现相对平淡，主要受小票行情与公司内部机器学习策略转型的双重影响 [17][56] - 从2024年起，随着机器学习权重加大和技术迭代完成，策略超额能力明显回升，重回市场中上游水平，近两年超额排名稳定在头部管理人前三分之一 [19][58] - 在2024年2月小票崩盘期间，同业500指增策略平均超额回撤8%至10%以上，而公司产品的超额回撤仅为6.2%，随后在两周内修复60%以上，并于两个月内创出新高 [20][58] - 在2024年9月“924”行情期间，指数快速上涨27%，策略产生约2%的超额回撤，但在2024年11月实现单月7%的超额反弹 [20][58] - 该策略与目标中证500指数的相关性高达95.8%，在同类产品中位列第一或第二 [20][58] - 从长期持有视角看，无论投资者在哪个月份买入并持有满12个月，其超额收益均为正 [20][59] - 净值端最大回撤发生在2023年4月至2024年2月期间，幅度显著低于同期中证500指数-39%的回撤水平，且仅用18个月即完成修复，远快于指数所需的46个月 [20][59] - 空气指增策略是公司旗下进攻性最强的多头产品，无需严格对标单一指数，旨在通过灵活选股与动态调仓捕捉市场风格轮动红利 [21][60] - 空气指增策略以夏普比率或卡玛比率最优化为目标，在控制波动的前提下争取更高复合回报 [23][61] - 空气指增策略持仓灵活，例如2025年10月底持仓中证1800成分股占比约55%至60%，中证2000及更小市值股票占比40%；而在2024年大票行情好时，中证1800成分股占比可达70%甚至80% [24][26][62][63] 市场环境与行业观点 - 当前A股市场对量化策略极为有利，上市公司数量从2015年的不足3000家增至目前逾5000家，A股市值突破百万亿级 [28][65] - 市场流动性空前充裕，2025年多个月份日均成交额突破1.5万亿元人民币，9月曾达2.4万亿元人民币，远超2015年牛市峰值时的1.7万亿元人民币 [28][65] - 宏观利率环境进入长期下行通道，十年期国债收益率处于约1%左右的历史低位，推动资金向权益市场转移 [29][66] - 当前行情估值分化，沪深300市盈率约14倍、中证500为32倍、中证1000为46倍，真正泡沫集中于中证2000等微盘股 [30][67] - 监管态度趋于理性，2025年7月7日程序化交易新规落地，明确定义高频交易边界，合规压力减轻 [30][67] - 量化策略的核心价值在于持续获取稳定阿尔法，即使贝塔震荡，年化十几个点的超额收益通过复利积累亦具强大吸引力 [31][68] - 对于微盘股，由于头部管理人体量较大，持有比例通常很低，因超额贡献占比太低且需承担下行风险，性价比不高 [34][35][71][72] - 公司认为量化能力不止于算力，而是算力、算法、数据三方面的有机结合，不建议“唯算力论” [37][39][74][77] - 国内量化策略存在一定程度的趋同性，且量化产品第一名与最后一名的业绩差距比主观产品要小很多 [39][77] - 在2025年市场日均成交额达两三万亿元人民币的环境下，量化成交占比对市场的同频共振影响比较小 [42]

文章核心观点 - 人工智能正重塑量化投资行业 突破对传统经验的依赖并重构研究范式 [1][2] - 公司在策略研发中采用增量式创新路径 强调在稳健体系上引入AI技术以实现风险可控的Alpha [3] - 行业面临策略同质化、模型可解释性弱及极端行情适应性不足等挑战 [4] - 人机协同是未来趋势 AI作为工具提升效率但需与人类经验结合以实现更优资源配置 [5] AI对量化投资的底层重塑 - 人工智能标志性突破为2016年谷歌AlphaGo 推动新技术在投资领域应用 [2] - AI发展历经几度沉浮 最终因硬件算法升级及数据量扩大而颠覆认知 [2] - AI应用降低行业对稀缺经验型人才的依赖 降低门槛并重新定义研究范式 [2] - 新模式并非万能 科学应用仍需人类经验参与和控制 [2] AI在Alpha生成中的落地实践 - 公司在因子挖掘、信号预测、组合构造、交易执行等多环节使用深度学习模型 [3] - 模型从线性发展为线性非线性混合 产生良好应用效果 [3] - 公司采用严密验证流程 包括长周期回测、少量实盘、循序放量以降低风险 [3] - 技术创新需与稳健风控平衡 形成模型研发、回测、风控与交易执行的闭环 [3] AI落地过程中的核心挑战 - 量化市场策略同质化严重 AI模型易陷入拥挤交易 超额收益获取难度加大 [4] - AI模型存在可解释性弱、过拟合风险高的缺陷 难以精准匹配市场规律 [4] - 极端行情下模型适应性不足 常规数据训练的策略易在黑天鹅事件中失效 [4] - 挑战本质是技术潜力与投资本质的适配问题 [4] 人机协同的未来趋势 - 金融数据噪音大且变化 预测困难 AI模型并非完美 [5] - 投资不应偏科 电脑代表的AI策略与人脑代表的人工策略需兼容并包 [5] - AI作为工具可大幅提高投资效率 但人机结合才是资源配置的更优解 [5]

行业竞争格局与核心壁垒 - 量化行业准入门槛因算力成本下降、编程工具普及和数据获取便利而降低，策略同质化问题凸显[1] - 行业策略分化为两类：一类是规模大、参与者众、模型因子高度拥挤导致边际收益下降的多因子模型“红海”格局；另一类是以专业金融认知为底座、更具独特性与穿越周期能力的小众策略[1] - 量化行业正形成“工具驱动”与“认知驱动”两条不同发展路径，核心竞争壁垒在于对市场风格、经济周期、资金行为等多维度的专业理解，而非可复制的模型工具[1][2] - AI技术普及将加剧分化，预计八成的传统量化基金经理和依赖工具型策略的量化机构可能被AI取代，但基于深度专业认知的策略难以被取代[2] 公司差异化战略与策略理念 - 公司成立10年，在规模发展上保持克制，选择以风格择时为核心策略的差异化投资路径[1] - 公司核心理念为“守正用奇”：守持续稳健的正收益，用基于专业认知开发的AI量化策略[2] - 策略关注点从追求阿尔法（超额收益）转向捕捉因子的贝塔（系统收益），通过“风格估值-动量-有效资金流”三维框架识别市场内在规律[1][2] - 强调以长期有效的专业认知把握真正可持续的AI量化策略，认为未来竞争壁垒在于专业而非工具[1] 核心策略框架与风控能力 - 特色策略为风格择时指增策略，通过识别风格趋势构建稳健的指数增强体系[3] - 模型使用三类关键指标：风格估值（核心，判断不同风格相对性价比）、动量指标（捕捉趋势变化速度与方向）、定价者的有效资金流（关注对价格产生决定性影响的核心资金行为）[3] - 模型结合三类指标，可在日频到周频的不同时间维度上预测风格变化，预测周期最短一天半，最长可达数月[3] - 风控能力体现在极端行情中提前识别风险并迅速调整，例如在2024年初小微盘流动性困境时，通过将因子暴露调至均衡状态，使策略回撤幅度明显低于同类模型并在反弹阶段实现较快修复[3] 市场展望与投资观点 - 认为当前市场上涨趋势远未结束，未来仍有较大上行空间，市场处于多年难得的流动性宽裕阶段，是“流动性充分配合的最好时刻”[3] - 建议普通投资者关注风格的相对估值，避免一味追求热点，热点板块估值抬升后性价比下降应适当回避，可转向红利等具备更长期价值的板块寻找机会[4] - 认为科技板块内部存在轮动，细分方向性价比会围绕中枢波动，可进行高低切换，从长期看很多科技细分方向的需求规模和未来成长空间非常巨大[4]

公司获奖与荣誉 - 广州守正用奇在2025年11月28日荣获“2025年度三年期金牛量化机构（宏观量化策略）奖” [1] - 该奖项由中国证券报主办，是证券业金牛奖的重要组成部分，采用定量与定性相结合的评选方法，旨在遴选能为投资者带来长期稳健回报的专业资产管理人 [1] - 金融科技金牛奖是证券业金牛奖中极具时代感和前瞻性的重要奖项，旨在表彰金融科技量化领域在技术研发、策略迭代、风险防控和社会责任等方面的卓越机构 [1] 行业观点与讨论 - 在“AI重塑量化投资”圆桌论坛上，行业嘉宾就技术前沿、策略重塑、行业边界等内容进行了讨论 [1] - 公司董事长何荣天博士认为大模型无法天然具备因果逻辑，强调“相关性不能预测未来，因果律才是投资的核心” [2] - 何荣天博士提出未来五年“AI+量化”的发展方向是“收益持续守正，量化AI用奇”，主张在稳健基础上探索技术创新，运用AI提升决策质量而非替代决策本身 [2] 市场与投资策略展望 - 何荣天博士表示当前A股行情远未结束，是市场多年来流动性充分配合的最佳时刻，上半场尚未过半，下半场还有更大空间 [2] - 公司当前最关注风格的相对估值指标，建议投资者不应一味追求热点，需在估值高企或性价比低时适当回避，转向具有长期价值的股票 [2] - 科技股中的AI、新能源、储能等细分领域存在轮动，但从长期角度看，这些领域未来成长空间巨大 [2]

行业趋势与变革 - 人工智能将取代传统的量化投资基金经理，未来3到5年内不采用AI技术的量化机构可能被淘汰 [1][2] - 量化投资正迎来结构性重塑，新范式的大门已经打开 [1] - AI作为强大的建模工具，其应用类似于数十年前计算机在华尔街量化投资中的早期采用 [2] - 随着算力、数据和模型能力提升，机器在市场学习与模式识别方面的优势将愈发明显 [2] AI量化投资模式 - AI量化投资与AI围棋有相似之处，AI的出现为投资策略开辟了更多可能性，改变了传统模式 [2] - 传统量化投研流程可被AI端到端建模取代，该技术路线预计在未来几年成为主流 [3] - 利用人工智能技术端到端地进行建模是可行的，能整合因子、信号、模型与策略等环节 [3] - AI能通过大量数据更高质量地挖掘因子，其目的在于取代专家经验 [3] 新型人才需求 - AI投资时代需要复合型人才，即既懂投研任务又能将其转化为AI问题并解决的工程师型基金经理 [2] - 从业者的精力将从传统投研转向维护和开发更先进的人工智能系统 [2] - 所需人才数量可能更少，但对人工智能技术的理解能力要求更高 [2] 公司战略与竞争优势 - 公司团队全部由工程背景人员构成，包括计算机科学家和算法竞赛金牌选手，没有金融背景员工 [3] - 公司竞争优势源于三方面：头部的人工智能人才密度、比国内任何大学都更充沛的算力储备、行业前列的数据采购体量 [3] - 公司自主研发了专为实时建模与交易任务设计的AI实验平台，提升研究员实验与迭代效率 [3] - 公司定位并非传统量化私募，而是一家AI原生的计算公司 [3] 公司发展目标 - 公司中期目标是成为全球交易的量化管理人，长期目标是成为一个伟大的计算公司 [3] - 公司内核是AI原生，希望最终成长为智能计算公司，认为量化投资和AI应用是一种新型计算方式 [3] - 预计下一个十年中国基金管理人将走向全球，在国际舞台上与华尔街老牌机构竞技 [3]

行业趋势与变革 - 人工智能将取代传统的量化投资基金经理 [1] - 不采用人工智能技术的量化机构在未来3到5年可能会被淘汰 [1] - 量化投资正迎来结构性重塑，新范式的大门已经打开 [1] - 随着算力、数据与模型能力提升，机器在市场学习与模式识别方面的优势将愈发明显 [1] 新型人才需求 - AI投资时代需要复合型人才，既懂投研任务，又能将其转化为人工智能问题并用AI解决 [2] - 人的精力将从传统投研任务转为维护和开发更先进的人工智能系统 [2] - 所需人员可能更少，但对人工智能技术的理解能力要求更高 [2] - 未来需要工程师型基金经理，作为背后给机器不断升级的工程师 [1][2] AI量化投资方法论 - 传统量化投研流程拆分为因子、信号、模型与策略四条线，依赖大量专家经验 [2] - AI量化视四件事为同一件事，本质皆为机器学习，利用人工智能技术端到端地进行建模 [2] - 利用AI端到端建模的路线是可行的，并预测未来几年将成为主流技术路线 [2] - 只要给机器足够多的数据，AI能比人类更好地挖掘因子，且质量更高，目的是取代专家经验 [3] 公司战略与竞争优势 - 公司竞争优势源于对AI的深度投入，具体体现在三方面：人工智能人才密度处于国内外头部、算力储备比国内任何一所大学都更充沛、自主研发专为实时建模与交易任务设计的AI实验平台 [3] - 公司员工几乎清一色是工程背景，由计算机科学家和算法竞赛金牌选手组成，没有一名金融背景员工 [2] - 公司希望构建的不是传统意义上的量化私募，而是一家AI原生的计算公司 [3] - 公司中期目标是成为全球交易的量化管理人，长期目标是成为一个伟大的计算公司 [3]