国金科创创业量化选股股票基金
搜索文档
国金基金马芳:主动量化投资策略赋能 掘金硬科技与新成长
中国证券报· 2025-12-01 08:43
文章核心观点 - 国金基金发行国金科创创业量化选股股票基金 旨在通过主动量化投资策略 聚焦科创板与创业板(“双创”板块) 挖掘“硬科技”与“新成长”领域的投资机会 分享经济增长和产业变革红利 [1] - “双创”板块聚焦新质生产力 科创板主攻“硬科技攻坚” 如半导体、创新药原研、高端装备 创业板覆盖“成长创新落地” 如新能源规模化、创新药量产、数字经济应用 [3] - “双创”板块聚集科技细分龙头和“专精特新”企业 高研发投入驱动高业绩增长 历史数据显示 万得双创指数在多个市场上行区间内的收益率、夏普比率、卡玛比率显著高于沪深300、中证500等主流宽基指数 [4] - 量化投资被视作应对“双创”板块信息爆炸、专业度高、波动性强等投资挑战的有效手段 通过系统化模型和严格风控 实现广泛选股、降低非系统性风险、追求平滑的长期超额表现 [5] - 国金基金量化团队具备资深经验和技术实力 自2013年起搭建量化投资体系 核心成员来自国内外知名高校 通过多维度信息挖掘、机器学习模型和特色因子提炼来驱动超额收益 [7] 基金产品与策略 - 国金科创创业量化选股股票基金于12月1日正式发行 投资于科创板、创业板资产的比例不低于非现金基金资产的80% [1] - 该基金关键优势在于不局限于任何单一指数 从而获得更充足的样本空间 实现跨板块、跨市值的分散配置 旨在优中选优 挖掘更多元的超额收益来源 [3] - 基金采用主动量化投资策略 与传统的主动管理型基金不同 其不依赖深度基本面研究和基金经理的风险控制能力 而是模型驱动、全市场覆盖 并通过纪律性约束管控组合风险 [5] - 量化团队力争在高成长性赛道运用机器学习算法优化组合 实现在较大范围内纪律性地精选个股 动态捕捉市场投资机会 [6] - 该基金是国金基金量化产品线的重要补充 进一步丰富了投资者的选择 [7] “双创”板块投资价值 - 科创板与创业板共同构建覆盖企业全生命周期的资本生态 是中国资本市场支持科技创新的主阵地 [1] - “双创”板块企业的高研发投入驱动了数倍于市场平均水平的高业绩增长 成为不同市场行情下的动力引擎 [4] - 以万得双创指数为例 截至2025年9月30日 2020年以来的多个市场上行区间内 其收益率、夏普比率、卡玛比率都显著高于沪深300、中证500等主流宽基指数 [4] - “双创”板块具有更高性价比 其特征是以承担可控的、阶段性的较高波动为代价 换取产业变革带来的长期增长空间 [4] - 对于希望分享中国经济转型红利、追求长期超额回报的投资者而言 “双创”板块是值得关注的投资选择 [4] 量化投资方法论 - 量化投资具备覆盖面广、纪律性强等优势 是应对“双创”投资挑战的重要手段 [1] - 针对“双创”板块信息爆炸、专业度高、波动性强的属性 量化投资通过系统化模型、严格风控体系进行赋能 [5] - 具体而言 量化投资首先通过技术模型广泛选股 提高捕捉优质成长股的概率 其次通过严格风控和优化组合降低非系统性风险 第三以配置型工具为目标 力争实现更平滑的长期超额表现 [5] - 技术层面 国金量化团队构建了多维度信息挖掘力、分层次策略适配力和全流程监控敏捷力作为核心支撑 [7] - 在数据广度上 整合研报、财报、交易数据等因子 覆盖基本面、情绪面、技术面 构建动态预测模型 在模型深度上 通过机器学习挖掘因子非线性关系 捕捉传统策略较难识别的市场机会 [7] 管理团队与公司实力 - 国金基金量化团队旗下产品业绩表现突出 其中国金量化多因子、国金量化多策略与国金量化精选基金等获得投资者青睐 [7] - 国金基金在量化投资领域深耕已久 将量化投资写入核心战略 自2013年起搭建量化投资体系 历经周期变迁 始终保持投入和建设力度 [7] - 目前公司拥有一支经验丰富的量化投研团队 团队核心成员均来自国内外知名高校 具备深厚的数理背景和丰富的投资经验 [7] - 依托公募研究平台提炼特色因子 持续提升策略锐度 [7] - 公司表示将继续深耕量化投资领域 不断优化投资策略和模型 力争为投资者提供更多优质的投资工具 [7]
国金基金马芳: 主动量化投资策略赋能 掘金硬科技与新成长
中国证券报· 2025-12-01 04:33
文章核心观点 - 国金基金发行国金科创创业量化选股股票基金 旨在通过主动量化投资策略 聚焦科创板与创业板(“双创”板块) 挖掘“硬科技”与“新成长”领域的投资机会 分享经济增长和产业变革红利 [1] “双创”板块定位与特征 - 科创板与创业板是中国资本市场支持科技创新的主阵地 共同构建覆盖企业全生命周期的资本生态 [1] - 科创板聚焦“硬科技攻坚” 主打半导体、创新药原研、高端装备等底层技术突破领域 [2] - 创业板覆盖“成长创新落地” 聚焦新能源规模化、创新药量产、数字经济应用等商业化扩张领域 [2] - “双创”板块科技细分龙头聚集 “专精特新”含量高 企业高研发投入驱动了数倍于市场平均水平的高业绩增长 [2] - 以万得双创指数为例 截至2025年9月30日 2020年以来的多个市场上行区间内 其收益率、夏普比率、卡玛比率都显著高于沪深300、中证500等主流宽基指数 [2] - “双创”板块具有高成长、高波动、高弹性的特征 以承担可控的阶段性较高波动为代价 换取产业变革带来的长期增长空间 [3][5] 基金产品策略与优势 - 基金投资于科创板、创业板资产的比例不低于非现金基金资产的80% [2] - 关键优势在于不局限于任何单一指数 获得更充足的样本空间 实现跨板块、跨市值的分散配置 旨在优中选优 [2] - 采用主动量化投资策略 通过系统化模型和严格风控体系应对“双创”板块信息爆炸、专业度高、波动性强的挑战 [1][4] - 量化投资通过技术模型广泛选股提高捕捉优质成长股概率 通过严格风控降低非系统性风险 以配置型工具为目标力争实现更平滑的长期超额表现 [4] - 与主动管理基金不同 量化基金不依赖深度基本面研究而是模型驱动、全市场覆盖 不依赖基金经理风险控制能力而是通过纪律性约束管控组合风险 [4] - 量化团队力争在高成长性赛道运用机器学习算法优化组合 实现在较大范围内纪律性地精选个股 动态捕捉市场机会 [5] 基金管理人实力 - 国金基金在量化投资领域深耕已久 自2013年起搭建量化投资体系 将量化投资写入核心战略 [7] - 公司拥有一支经验丰富的量化投研团队 核心成员均来自国内外知名高校 具备深厚的数理背景和丰富的投资经验 [7] - 技术层面构建多维度信息挖掘力、分层次策略适配力和全流程监控敏捷力 整合研报、财报、交易数据等因子构建动态预测模型 [7] - 通过机器学习挖掘因子非线性关系捕捉传统策略较难识别的市场机会 并依托公募研究平台提炼特色因子持续提升策略锐度 [7] - 国金基金量化团队旗下产品如国金量化多因子、国金量化多策略与国金量化精选基金等业绩表现突出 获得投资者青睐 [7] - 此次推出的基金是国金基金量化产品线的重要补充 进一步丰富了投资者的选择 [7]
主动量化投资策略赋能 掘金硬科技与新成长
中国证券报· 2025-12-01 04:21
文章核心观点 - 国金基金发行国金科创创业量化选股股票基金 旨在通过主动量化投资策略 聚焦科创板与创业板 掘金“硬科技”与“新成长” 分享经济增长和产业变革红利 [1] - “双创”板块(科创板与创业板)是支持科技创新的主阵地 聚焦“硬科技攻坚”与“成长创新落地” 构建新质生产力主题矩阵 板块内科技细分龙头聚集 “专精特新”含量高 高研发投入驱动高业绩增长 [1][2] - 量化投资凭借系统化模型、严格风控和广泛覆盖等优势 被认为是应对“双创”板块信息爆炸、专业度高、波动性强等投资挑战的有效手段 [1][3] 基金产品策略与定位 - 基金投资于科创板、创业板资产的比例不低于非现金基金资产的80% [1] - 关键优势在于不局限于任何单一指数 从而获得更充足的样本空间 实现跨板块、跨市值的分散配置 旨在优中选优 挖掘更多元的超额收益来源 [1] - 基金采用主动量化投资策略 与传统的主动管理型基金不同 其不依赖深度基本面研究和基金经理的风险控制能力 而是模型驱动、全市场覆盖 并通过纪律性约束管控组合风险 [3] “双创”板块投资价值分析 - 科创板聚焦“硬科技攻坚” 主打半导体、创新药原研、高端装备等底层技术突破领域 [2] - 创业板覆盖“成长创新落地” 聚焦新能源规模化、创新药量产、数字经济应用等商业化扩张领域 [2] - 以万得双创指数为例 截至2025年9月30日 2020年以来的多个市场上行区间内 其收益率、夏普比率、卡玛比率都显著高于沪深300、中证500等主流宽基指数 [2] - “双创”板块以承担可控的、阶段性的较高波动为代价 换取产业变革带来的长期增长空间 对于希望分享中国经济转型红利、追求长期超额回报的投资者而言是值得关注的投资选择 [2] 量化投资方法论 - 量化投资通过技术模型广泛选股 提高捕捉优质成长股的概率 [3] - 通过严格风控和优化组合 降低非系统性风险 [3] - 以配置型工具为目标 力争实现更平滑的长期超额表现 帮助投资者追求更好的投资体验 [3] - 国金量化团队力争在高成长性赛道运用机器学习算法优化组合 实现在较大范围内纪律性地精选个股 动态捕捉市场投资机会 [3] 基金管理人实力 - 国金基金在量化投资领域深耕已久 自2013年起搭建量化投资体系 [4] - 公司拥有一支经验丰富的量化投研团队 核心成员均来自国内外知名高校 具备深厚的数理背景和丰富的投资经验 [4] - 技术层面构建了多维度信息挖掘力、分层次策略适配力和全流程监控敏捷力 数据广度上整合研报、财报、交易数据等因子 覆盖基本面、情绪面、技术面 构建动态预测模型 [4] - 模型深度层面 通过机器学习挖掘因子非线性关系 捕捉传统策略较难识别的市场机会 并依托公募研究平台提炼特色因子 持续提升策略锐度 [4][5]