量化私募行业规模与格局 - 截至2026年一季度末，量化“四大天王”（幻方量化、九坤投资、明汯投资、衍复投资）管理规模集体突破800亿元，进入800亿至900亿元区间，较2025年底的700亿至800亿区间显著抬升，距离千亿关口仅一步之遥 [1] - 国内百亿量化私募数量达到61家，相比2025年末增加9家，行业整体管理规模保守测算已突破1.8万亿元，较2025年四季度末大幅增长近3500亿元 [1][4] - 行业梯队全面上移，诚奇基金进入600亿至700亿元区间，黑翼资产、顽岩资产跨入500亿至600亿元区间，茂源量化、天演资本站上400亿至500亿元区间，进化论资产跻身300亿至400亿元梯队 [4] - 部分机构实现“跳级式”增长，例如鸣石基金从200亿至300亿元区间连跃三级，直接跨入500亿至600亿元队列 [4] - 产品发行端，明汯投资、平方和投资、黑翼资产、衍复投资、顽岩资产、龙旗科技、宽德投资等头部机构一季度备案产品均超过30只 [1] 业绩表现与核心挑战 - 2025年，有业绩展示的近千只指数增强策略产品平均收益率高达45.08%，平均超额收益率达16.75%，正超额产品占比接近九成 [7] - 在45家有业绩展示的百亿量化私募中，2025年平均收益率达37.61%，且全部实现正收益，其中7家机构收益率突破50% [7] - 2026年一季度，受中东冲突引发的全球金融市场剧烈震荡影响，部分头部量化机构的宏观策略出现近15%的回撤，部分产品年内甚至出现负超额收益 [1][8] - 在规模持续扩张下守住超额收益，是量化机构面临的核心考验，规模快速扩张后，超额收益衰减是大概率事件 [1][8] 行业竞争重心的演变 - 行业竞争正从早期的单点技术比拼（如更快的数据、更低的延迟、更强的单模型），逐步转向以AI为枢纽的系统性能力建设 [2] - 未来兼顾数据丰度与延迟容忍度的“中频区间”，将成为AI技术落地的主战场，推动量化核心竞争力重估 [2] - 当前核心竞争力在于能否借力AI，搭建起数据、模型、交易执行、风控闭环协同的系统，本质是比拼研究产能和系统自我进化能力 [10] - Alpha来源发生深层次结构变化，从传统的“技术Alpha”（基于价量数据与结构化财务指标）向“认知Alpha”（利用大语言模型与智能体技术“读懂”市场情绪与基本面）拓展，二者是增量叠加关系 [10] 规模扩张的驱动因素与未来趋势 - 一季度资金涌入呈现明显的机构化与多元化趋势，包括高净值客户及家族办公室、银行、私行、第三方代销渠道以及保险、券商资管等机构配置盘 [5] - 量化基金规模的快速增长，得益于投资者对稳健收益的需求以及量化策略在震荡市中的表现 [7] - 在新媒体环境下，信息传播与市场轮动提速，信号半衰期缩短，要求投研体系将顶尖的AI基建与量化机构深厚的数据资产、组合能力、风控能力深度绑定，以持续创造Alpha [11]

行业核心观点 - 量化投资行业竞争重心正从局部环节的单点技术优势（如速度、单模型）转向以AI为枢纽的系统性认知能力建设，行业处于向Quant 4.0时代演进的关键时期 [1][4][12] - 大语言模型（LLM）与多智能体（Multi-Agent）技术是驱动本轮变革的核心，它们正在重塑数据广度、模型深度和组织协作模式，赋予策略捕捉“认知Alpha”的能力 [1][5][48] - 未来，兼顾数据丰度与延迟容忍度的“中频区间”（分钟级至周度）将成为AI技术落地的主战场，而随着通用AI工具普及，平台与系统化能力将演变为行业基础设施，但可持续的超额收益最终将回归于机构独有的高质量数据、精细的组合管理及执行能力等深层积累 [9][25][51] 行业演进框架与阶段 - 行业演进可拆解为数据、模型与组织架构三条相互交织的主线 [13] - 从Quant 1.0到Quant 4.0的演进路径：Quant 1.0为经典多因子线性模型阶段；Quant 2.0为技术进阶阶段，引入价量技术类因子；Quant 3.0为机器学习与另类数据大规模应用阶段，但各环节相对独立；Quant 4.0为以多智能体协作为核心的“认知型”投研基建升级时代 [15][16][17][19] - Quant 4.0的核心特征是通过多智能体协作将投研流程拆解为标准化、可编辑的模块，旨在提升研究产能、迭代效率及系统的可追溯性，而非替代传统的机器学习模型 [4][19] 信息处理：LLM与RAG的基建价值 - 大语言模型（LLM）正改变另类数据的处理方式，凭借零样本学习能力，能从上百页公告中精准提取关键信息，边际成本大幅降低，并能理解上下文语境以捕捉管理层措辞的细微变化和预期差 [5][28] - 针对LLM的幻觉问题，检索增强生成（RAG）技术通过“检索-引用-生成”流程，实现了策略留痕和有据可查，成为连接LLM与策略落地的关键可靠基础设施 [5][29] - LLM与RAG的结合标志着量化策略开始具备获取“认知Alpha”的能力，部分缩小了量化研究与基本面研究在深度认知上的差距 [5][48] 因子挖掘：从数据挖掘到逻辑生成 - 传统因子挖掘面临人工产能不足与遗传规划（GP）解释性差的两难困境 [6][31] - LLM与Multi-Agent技术（如FactorMAD框架）相结合，通过引入“提案者”与“批判者”的对抗辩论机制，实现了从盲目算力穷举到逻辑驱动生成的转变，产出具备清晰经济学逻辑且更稳定的因子 [6][34][36] - 这种基于辩论的Multi-Agent架构使因子挖掘实现了从暴力搜索到认知博弈的跨越，产出的因子经过了模拟逻辑辩论，而不仅仅是历史数据拟合 [31][36] 组织架构升级：从流水线到认知型系统 - 过去的量化投研多采用单向串联的流水线架构，存在失效难归因的问题；端到端模型则存在“黑盒”风险 [7][38] - Multi-Agent架构本质上是将系统升级为具备认知分工的组织，模拟真实资管机构的模块化分工（如数据、研究、风控团队），将隐性的团队协作显性化和代码化 [7][39] - 更务实的Quant 4.0落地形态是混合架构：AI智能体负责特征提取、市场状态识别、流程闭环等认知型工作，而具体的因子打分、组合优化等仍由基础机器学习模型完成，既保留传统收益基本盘，又加入认知信息增量 [41][48] AI技术的前沿应用与创新 - 在预测侧，时序基础模型（TSFM）正向金融领域深度特化，通过将K线数据转化为Token来克服低信噪比难题，提升模型应对市场状态切换时的样本外泛化能力 [8][44] - TSFM通过跨资产、跨频率的大规模预训练提炼通用时序表征，具备强大的零样本学习与迁移学习能力，能应对数据稀疏的新金融工具或市场 [44][45] - 在决策侧，强化学习模型（RL）擅长处理序列决策任务，采用端到端模式，更可能优先落地于交易执行（优化冲击成本、滑点）和动态风控与仓位管理等约束清晰、反馈闭环明确的子问题 [46][47] 未来竞争格局与能力重估 - 随着通用AI工具（如Claude Cowork、OpenClaw）的成熟和普及，智能体工作流正加速向全行业外溢，这将有效降低中小机构的投研流程建设成本，提升行业“生产率” [22][25] - 然而，通用工具的普及更容易带来研究路径与策略的同质化，单模型的预测优势将趋于收敛，AI-Agent投研平台将可能成为Quant 4.0时代的行业基础设施 [9][25][51] - 系统化平台本身不构成终极护城河，未来更可持续的Alpha将回归并沉淀于量化机构独有的高质量私有数据储备、精细的组合管理与执行能力以及风险管理等多维度的深厚积累上 [9][25][52]

Terraform Labs破产与诉讼事件 - Terraform Labs破产管理人于2024年2月23日对量化投资公司Jane Street Capital提起诉讼，指控其进行内幕交易并加速了该加密货币公司的崩溃 [1] - Terraform Labs由Do Kwon于2018年创立，曾是领先的加密货币公司之一，但其双代币TerraUSD和LUNA在2022年崩溃，导致投资者损失估计达400亿美元 [1] - 该公司于2024年1月在美国申请第11章破产保护，创始人Do Kwon被法院判处15年监禁 [2] 加密货币社区对市场模式的指控 - 加密货币社区普遍认为，比特币在美国东部时间上午10点市场开盘时面临沉重的抛售压力，形成了所谓的“上午10点抛售”叙事 [2] - 然而，本周比特币在美国交易时段开始时并未下跌，反而上涨，打破了这一常见模式 [3] - 加密货币分析师声称，比特币打破“上午10点抛售”模式，正是在Jane Street因内幕交易被起诉之后 [3] 对Jane Street Capital交易行为的详细指控 - 加密货币意见领袖Justin Bechler声称，若非Jane Street的操作，比特币目前价格至少应达到15万美元 [4] - 指控称，自2023年底开始，比特币每日上午10点的抛售与Jane Street持有高达7.9亿美元的BlackRock iShares比特币信托ETF份额有关 [4] - 据称，该公司定期在上午10点执行协调的算法抛售比特币，以折价买入IBIT ETF份额 [4] - 有观点指出，Jane Street可能运行算法，连续数月于每日上午10点抛售比特币，但在其被起诉后，该行为立即停止 [3] 关于市场头寸与信息披露的讨论 - 有分析认为，公众看到的可能是持仓积累，但其实际头寸可能是一个因当前披露规则而隐藏了对冲部分的巨大空头头寸 [5] - 当前的13F文件披露规则被比喻为仅展示了资产负债表的一面，外界无法看到交易的另一面 [5]

幻方量化业绩表现 - 2025年收益均值达56.55%，在中国管理规模超百亿的量化私募中位列第二[1] - 近三年收益均值为85.15%，近五年收益均值为114.35%[2] - 2025年管理规模已超700亿元人民币，稳居国内私募量化投资领域第一梯队[1][2] 公司收入与资金实力 - 据业内人士估算，基于1%管理费和20%业绩提成，幻方量化去年的强劲表现可能为其带来超过7亿美元的收入[4] - 公司创始团队从2008年开始使用机器学习等技术探索全自动量化交易，2017年全面应用深度学习技术进行交易[2] - 梁文锋持有公司多数股权，并已停止为基金引入外部资金，进一步积累了充裕的资金弹药[4] 对DeepSeek的资金支持 - 幻方量化的丰厚收益能反哺DeepSeek，为其大模型研发提供坚强的资金支持[1][2] - DeepSeek的研究经费来源于幻方量化的研发预算[3] - DeepSeek V3模型的总训练成本预算在557万美元[5] 公司技术背景与基础设施 - 策略和开发团队由奥林匹克数学、物理、信息学金银牌得主，ACM金牌得主，AI领域大牛和领军人物，各学科博士等组成[2] - 2019年投资建成“萤火一号”AI训练平台，2021年投资建成“萤火二号”AI训练平台[3] - 2016年10月21日，公司第一份由深度学习生成的交易仓位上线执行[2] DeepSeek发展与大模型进展 - 2023年7月，幻方量化孵化出杭州深度求索人工智能基础技术研究有限公司（DeepSeek），正式进军通用人工智能[3] - 计划在2月春节前后发布新一代AI模型DeepSeek V4，V4模型是V3模型的迭代版，具备强大的编程能力[5] - 内部初步测试显示，V4在编程能力上超过了目前市场上的其他顶级模型，如Anthropic的Claude和OpenAI的GPT系列[5] 行业研发投入对比 - 智谱截至2025年上半年累计研发投入约44亿元人民币[5] - MiniMax截至2025年第三季度累计研发开支约4.5亿美元（约31.6亿元人民币）[5]

公司业绩表现 - AQR资本管理的多策略产品在2025年实现了19.6%的回报，在行业动荡之年延续了回升势头 [1] - 公司旗下68亿美元的Apex策略在12月收益为3%，该策略整合了多种交易策略 [1] - 选股交易是Apex策略在2025年收益的最大推动力 [1] - 公司旗下63亿美元的市场中性Adaptive Equities Strategy在2025年实现了24.4%的收益 [1] 公司资产与增长 - 公司管理资产总额目前达到1890亿美元 [1] - 2025年公司资产增幅创纪录，增加了750亿美元 [1] - 2025年成为公司又一个资产增长和业绩超越同业的年份 [1] 公司策略与技术发展 - AQR传统上以学术研究支撑的策略闻名，例如股票因子 [1] - 近年来公司采用了更多自研和机器学习技术 [1]

公司业绩表现 - AQR资本管理的多策略产品在2025年实现了19.6%的回报，在行业动荡之年延续了回升势头 [1] - 该公司68亿美元的Apex策略在12月实现了3%的收益，该策略整合了公司的多种系统化交易策略 [1] - 选股交易是Apex策略在2025年收益的最大推动力，其中63亿美元的市场中性Adaptive Equities Strategy实现了24.4%的收益 [1] 行业背景 - 2025年被描述为量化投资行业的动荡之年 [1]

行业认知与进化 - 顶级量化机构已完成进化，其平台不再只是交易工具，而是一整套高度工业化、可持续运转的赚钱系统 [2][20] - 量化私募常被误认为依赖速度与算法的冰冷机器，难以与长期赚钱画等号，但实际获配结果与净值曲线证明了其进化 [2][20] 科创板打新案例与收益分析 - 以科创板新股摩尔线程为例，幻方量化获配6.13万股，对应金额约700.59万元，发行价114.28元/股 [3][21] - 该股盘中最高触及941元/股，按此计算单股浮盈约826.72元，总账面浮盈接近5068万元，是初始投入的7倍以上 [3][21] - 以更保守的700元/股测算，单股浮盈约585.72元，对应浮盈约3590万元，仍是一笔超过5倍回报的确定性收益 [4][22] - 对个人投资者而言，此类高收益类似偶然事件 [5][23] 量化机构在科创板打新的优势 - 科创板打新规则与量化体系高度适配，核心优势在于利用算法将规则效率压榨到极致 [6][24][26] - 多家头部机构动用大量产品参与申购：九坤投资超150只，幻方量化约160只，衍复投资250多只，灵均投资约70只 [6][24] - 最终获配结果显示，幻方量化以6.13万股居首，衍复投资和九坤投资紧随其后 [7][25] - 关键不仅是产品数量多，更在于算法能在极短时间内完成最优资金拆分，确保每个账户都能有效参与打新 [8][26] 幻方量化的近期动态与业绩 - 过去两年幻方量化表现低调，主动缩减管理规模，但其创始人关联公司DeepSeek在技术与资本领域活跃 [9][27] - 公司始终维持在百亿私募行列，只是不再参与规模竞赛 [11][29] - 今年以来，其代表产品净值曲线走出清晰稳定的上行趋势，在同类机构中表现突出 [12][30] 量化机构的自营投资 - 市场常忽视量化机构的自营投资，这部分资金更能体现真实实力 [13][31] - 顶级机构自营资金规模不小，享有更高策略优先级与更灵活风险预算，且无需应对申赎压力，是算法的真实试验场 [13][31] - 行业共识认为，真正拉开差距的不只是帮客户赚钱的能力，更在于机构是否将自有资金投入同一套系统 [14][32] 量化投资与前沿技术的结合 - 幻方量化关联的DeepSeek代表人工智能前沿的技术突破，与代表高度工程化、可复制系统能力的量化投资结合，形成强大实力信号 [15][16][33][34] - 这种组合意味着中国具备将复杂系统拆解、重组并长期稳定运行的能力 [17][35] - 幻方量化的价值不在于单次打新的惊人浮盈，而在于其系统化能力使高回报成为“正常”结果，标志着赚钱完成了工业化蜕变 [17][35]

量化基金经理行业概况 - 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，全球范围内对量化人才需求旺盛，引发“人才争夺战” [1] - 量化私募对高学历人才更为青睐，在有学历记录的1839位量化私募基金经理中，硕博学历占比高达69.11%，而主观私募的8593位基金经理中该比例为56.42% [1] - 截至11月底，符合排名规则的1637只量化产品合计规模约为1351.14亿元，今年1-11月收益均值为27.29%，显著跑赢同期大盘 [1] - 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 [1] 不同规模量化私募业绩表现 - **100亿以上规模**：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% [2] - **50-100亿规模**：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% [2] - **20-50亿规模**：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% [2] - **10-20亿规模**：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% [2] - **5-10亿规模**：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% [2] - **0-5亿规模**：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% [2] - **总计**：1637只产品合计规模1351.14亿元，今年来收益均值27.29%，超额收益均值11.74% [2] 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 [3] - 百亿私募量化基金经理中拥有博士学历的共16位，包括宁波幻方量化徐进、九坤投资王琛、龙旗科技朱晓康、稳博投资殷陶等 [3] - 排名前十的基金经理包括灵均投资马志宇、宁波幻方量化徐进、陆政哲、九坤投资王琛、稳博投资殷陶、进化论资产王一平、诚奇私募何文奇、鸣石基金王晓晗、天演资本谢晓阳、千衍私募吴晶 [4] - 宁波幻方量化徐进管理的3只产品合计规模约为8.02亿元，陆政哲管理的8只产品合计规模约为15.82亿元 [4] - 幻方量化创始人梁文锋入选英国《自然》杂志网站2025年度十大科学人物榜单，其AI技术反哺量化投资优化，公司产品业绩位于百亿私募前列 [5] - 九坤投资王琛管理的16只量化产品合计规模约为7.74亿元，王琛拥有清华大学数学物理学士、理论计算机博士学位，曾供职于美国千禧年投资 [5] 其他规模量化私募基金经理表现 - **50-100亿规模**：165只量化产品今年1-11月收益均值约为25.23%，正收益产品160只（占比96.97%），正超额产品117只（占比70.91%） [7] - 该规模段收益前三的基金经理为云起量化施恩、大岩资本黄铂、千朔投资黄辉 [7] - 云起量化施恩管理的3只产品合计规模约为4.70亿元，施恩拥有伯克利金融工程、卡耐基梅隆计算机工程双硕士学位 [8][9] - 大岩资本黄铂管理的6只产品合计规模约为3.09亿元，黄铂拥有北京大学数学学士、密歇根州立大学数学统计双硕士、哥伦比亚大学运筹学博士学位 [8][9] - **20-50亿规模**：220只量化产品今年1-11月收益均值约为26.62%，正收益产品216只（占比98.18%），正超额产品166只（占比75.45%） [10] - 该规模段收益前三的基金经理为鹿秀投资么博、翰荣投资聂守华和贺杰、广州守正用奇牟鹏和徐晗潇 [10] - 鹿秀投资么博管理的4只产品合计规模约为2.69亿元，么博毕业于北京大学 [11] - 翰荣投资聂守华和贺杰共同管理的3只产品合计规模为11.57亿元 [11] - **10-20亿规模**：176只量化产品今年1-11月收益均值约为25.37%，正收益产品176只（占比100%），正超额产品145只（占比82.39%） [12] - 该规模段收益前三的基金经理为龙吟虎啸吴胤彤、中闽汇金王江明、上海元涞私募袁涛 [12] - 龙吟虎啸吴胤彤管理的3只产品合计规模约为5.69亿元 [13] - 长鲸九州(北京)私募李爽管理的4只产品合计规模约为1.46亿元，李爽是中国科学技术大学博士 [14] - **5-10亿规模**：224只量化产品今年1-11月收益均值约为25.75%，正收益产品210只（占比93.75%），正超额产品156只（占比69.64%） [14] - 该规模段收益前三的基金经理为华澄私募颜学阶、上海紫杰私募曾书良、巨量均衡基金程志田 [14] - 华澄私募颜学阶管理的3只产品合计规模约为2.08亿元，颜学阶自2010年专注于量化投资 [15] - **0-5亿规模**：466只量化产品今年1-11月收益均值约为23.88%，正收益产品433只（占比92.92%），正超额产品333只（占比71.46%） [16] - 该规模段收益前三的基金经理为京盈智投谢黎博、嘉信融成杨竑和蒋文浩、广州天钲瀚胡勤天 [16] - 京盈智投谢黎博管理的3只产品合计规模约为4.02亿元，谢黎博拥有北京大学物理学士与卡内基梅隆大学统计学博士学位 [17] 量化基金经理背景与学历 - 启林投资王鸿勇是上榜的唯一一位博士后量化基金经理，为北京大学物理学博士、德国亥姆霍兹研究所博士后，曾在Physical Review Letters上发表三篇论文 [6] - 量化基金经理普遍拥有顶尖学术背景，多位来自清华大学、北京大学、中国科学技术大学等知名学府，并拥有海外名校硕士或博士学位 [5][6][9][11][17]

行业整体表现 - 截至今年9月底，231只有业绩记录的百亿量化私募指增产品年内平均收益达43.82%，平均超额收益为14.89% [2] - 在市场震荡与风格快速轮动的背景下，百亿量化私募管理人依托精细化因子挖掘与严控回撤的风控体系，持续扩大领先优势 [2] - 明汯投资、蒙玺投资、鸣石基金、龙旗科技、世纪前沿等百亿量化私募管理人同时上榜多个指数增强策略榜单，展现出较强的超额收益获取能力 [4][5] 中证500指数增强策略 - 中证500指增产品覆盖剔除沪深300后的500只中小市值龙头，行业分布均衡，成长性与稳定性兼具，且成分股数量多、流动性好，量化模型易于实施 [6] - 有业绩披露的百亿量化中证500指增产品为79只，数量领先于其他策略，其年内平均收益43.32%，平均超额10.71%，平均回撤低于4.44% [6] - 入围百亿500指增十强的私募包括顽岩资产、千衍私募、鸣石基金、世纪前沿、盛泉恒元、进化论资产、明汯投资、宁波幻方量化、金戈量锐、玄元投资 [6] - 顽岩资产的“顽岩中证500指数增强1号A类份额”年内超额收益为榜单第一名，公司管理规模超200亿，已完成全交易品种覆盖 [7] 中证1000指数增强策略 - 百亿量化中证1000指增产品年内平均超额达15.47%，仅次于量化选股产品，其平均回撤仅2.77% [10] - 中证1000指增兼具“β弹性+α潜力”，成分股数量多、机构覆盖度低，定价效率不高，量化策略更容易挖掘错误定价机会 [10] - 入围百亿1000指增十强的私募包括明汯投资、蒙玺投资、千衍私募、鸣石基金、聚宽投资、金戈量锐、九坤投资、玄元投资、阿巴马投资、黑翼资产 [10] - 明汯投资的“明汯量化中小盘增强1号B类份额”是榜单第一名，公司管理规模位居行业前列，并成为国内较早一批管理规模突破500亿元的量化私募管理人 [11] - 蒙玺投资的“蒙玺中证1000指数量化5号A类份额”是榜单第二名，公司投研团队超60人，最新管理规模超150亿元 [12] 量化选股策略 - 量化选股产品平均超额收益达23.63%，大幅领跑于其他指增策略，其年内平均收益49.43%，平均回撤6.91% [14] - 量化选股也被称为“空气指数增强”，组合基本不配或只配极少比例标的指数成分股，收益主要来源于选股阿尔法，净值波动高于传统指增 [14] - 入围百亿量化选股十强的私募包括龙旗科技、念觉私募、灵均投资、明汯投资、玄元投资、鸣石基金、世纪前沿、久期投资、黑翼资产、量派投资 [14] - 龙旗科技的“龙旗科技创新精选1号C类份额”是百亿量化选股产品前三季度超额收益的第一名，公司于2011年创立，2014年获得AMAC私募基金管理人牌照 [16] 其他指数增强策略 - 其他指增产品（如中证2000指增、国证2000指增等）平均超额收益为14.92%，平均回撤3.90% [17] - 入围百亿其他指增十强的私募包括聚宽投资、信弘天禾、进化论资产、龙旗科技、金戈量锐、微观博易、量派投资、蒙玺投资、衍复投资、黑翼资产 [17] - 微观博易的“微观博易-宝途指增七号B类份额”成功入围榜单前十，公司是一家专业从事低延迟程序化交易的私募基金公司 [18][19]

北京地区量化私募行业概况 - 截至2025年6月底北京地区量化私募共147家较2024年底减少2家其中百亿量化私募达10家包括灵均投资九坤投资因诺资产等[2] - 百亿量化私募较2024年底扩容3家分别为微观博易聚宽投资北京正定私募其中北京正定私募于2025年3月跃升百亿聚宽投资于5月重回百亿微观博易在6月底至7月初破百亿[2] - 北京地区私募产品共620只合计规模43430亿元上半年收益均值980%其中253只量化产品收益均值1075%表现领先[2] 量化私募策略与结构 - 股票策略量化私募占79家期货及衍生品策略占35家多资产策略占25家员工数超20人的有24家前三为灵均投资157人九坤投资155人因诺资产110人[3] - 成立最早的量化私募为惠隆量化1995年蓝涛投资1996年中江融新投资2001年均为0-5亿规模近三年无新成立量化私募最近三家为乐水私募2022年哲源海南私募2022年云程量化2022年[3] 百亿量化私募榜单 - 百亿量化私募前十包括灵均投资九坤投资因诺资产乾象投资卓识投资北京正定私募微观博易信弘天禾聚宽投资博润银泰投资[5] - 信弘天禾以旗下6只产品170亿元规模上半年收益夺冠天算量化平方和投资两家准百亿50-100亿私募分列第二第三旗下产品规模分别为119亿元448亿元[8] 细分策略产品表现 - 量化多头产品118只上半年收益均值1620%前五产品来自鹿秀投资堡利特资管信弘天禾北京光华私募融伟投资基金[10] - 量化CTA产品53只上半年收益均值525%前五来自瑞鑫天算信弘天禾航景星和资产水木长量华澄私募瑞鑫天算98号A类份额以断崖式领先收益夺冠[13][15] 头部私募背景与特色 - 信弘天禾创立于2012年以数理统计深度学习为基础策略覆盖量化选股指数增强中性对冲CTA等[8] - 天算量化核心团队含麻省理工清华北大等顶尖院校奥赛金牌得者平方和投资团队来自国际投行对冲基金人均从业近10年[8] - 华澄私募专注场内衍生品如商品期货股指期货期权等旗下3只产品规模955096万元上半年收益居第五[9]