行业整体态势：规模与业绩显著背离 - 2026年一季度，中国量化私募行业管理规模（AUM）史无前例地逼近2万亿元，但超额收益却骤然“降温”，部分机构年内已出现负超额甚至亏损，呈现“冰火两重天”的局面 [1] - 规模与业绩的背离，正在将这一赛道推入新一轮分化周期 [2] 管理规模：持续狂飙，头部效应显著 - 截至一季度末，国内百亿量化私募数量增至61家，较2025年末增加9家，行业整体AUM保守估算已突破1.8万亿元，较去年四季度末增长近4000亿元，较去年同期大幅增长约8000亿元 [3] - 行业梯队分层清晰，量化“四大金刚”（幻方量化、九坤投资、明汯投资、衍复投资）规模已跨入800亿元—900亿元区间，头部优势巩固 [3] - 规模超过500亿元的量化机构数量达到12家，较去年同期实现翻倍增长，行业集中度持续提升 [4] - 量化私募规模扩张得益于过去几年稳定的超额收益吸引力、产品标准化便于渠道推广，以及AI技术与算力提升强化投研能力 [4] 业绩表现：普遍承压，超额收益分化 - 受3月中东局势升级冲击全球金融市场影响，A股主要指数大幅下跌，中证500、中证1000、中证2000指数3月跌幅分别达到12.02%、10.99%、10.70% [5] - 在此背景下，多数头部量化私募的指数增强及“空气指增”产品3月跌幅集中在9%至12% [5] - 年内量化产品的超额收益出现明显分化，部分机构产品出现负超额，侵蚀绝对收益 [5] 业绩归因：均值回归与策略拥挤 - 市场出现明显均值回归，原有因子收益衰减，导致策略表现回落 [6] - 超额收益挑战主要集中在中证500指数增强，因其成份股数量有限、选股空间窄、策略参与者集中导致拥挤；相比之下，中证1000、中证2000等指数因成份股更多、策略拥挤度较低，更容易获取丰厚超额收益 [6] - 随着行业规模膨胀，大量资金涌入相似策略与因子模型，导致交易信号趋同，“阿尔法”被稀释，集中调仓在剧烈波动中会放大冲击成本 [7] 行业展望：从规模竞赛走向能力比拼 - 行业竞争将从单纯的规模比拼，转向更深层次的能力较量，包括因子挖掘与模型迭代、交易执行与冲击成本控制、多策略与多资产配置、风控与回撤管理等能力 [9] - 头部机构凭借技术积累与资源优势或将继续巩固领先地位，而缺乏差异化能力的中小机构可能在竞争中出清 [10] - 有观点提出，量化管理人可借助基本面研究与AI技术，参与创造代表“新质生产力”等未来经济发展方向的优质指数，形成“优质指数+量化增强”的双层模式，以缓解策略拥挤并贴合经济转型长期方向 [10]

量化模型与因子总结 量化模型与构建方式 **注：** 报告主要对各类量化因子进行了测试和分析，未详细阐述具体的量化模型构建过程。报告内容集中于因子库的构成和单因子的表现[1][5][11]。 量化因子与构建方式 报告涵盖了深度学习因子、Level-2高频因子、分钟频因子和传统风格因子四大类[5][11][59]。以下为部分重点因子的构建思路与过程。 1. 深度学习因子 1. **因子名称**：`agru_dailyquote`[5][59] * **因子构建思路**：基于日度行情数据，使用注意力门控循环单元（Attention GRU）等深度学习模型提取能够预测未来收益的序列特征。 2. **因子名称**：`DL_1`[2][59] * **因子构建思路**：使用深度学习模型（具体网络结构未说明）从多维度数据中挖掘有效的Alpha信号。 3. **因子名称**：`fimage`[2][59] * **因子构建思路**：可能基于图像识别类深度学习模型，从金融图表（如K线图）中提取特征。 2. Level-2高频因子 (1) 重点时段因子 1. **因子名称**：`keyperiod_amount_top30pct`[59] * **因子构建思路**：捕捉在关键交易时段（如开盘、收盘）内，成交金额处于市场前30%的股票的强势特征。 2. **因子名称**：`keyperiod_amount_low50pct`[59] * **因子构建思路**：捕捉在关键交易时段内，成交金额处于市场后50%的股票的弱势特征，通常为负向因子。 (2) 大小单因子 1. **因子名称**：`integrated_bigsmall`[59] * **因子构建思路**：综合大小单买卖信息构建的复合因子，用以衡量大单与小单行为的净效应。 2. **因子名称**：`bigbuy_bigsell`[59] * **因子构建思路**：通过大单买入与大单卖出的对比关系来构建因子，反映大资金的主攻方向。 (3) 长短单因子 1. **因子名称**：`integrated_longshort`[59] * **因子构建思路**：综合长单（可能指挂单时间较长）和短单（可能指即时成交单）信息构建的复合因子。 2. **因子名称**：`longbuy_shortsell`[59] * **因子构建思路**：通过长单买入与短单卖出的对比关系构建因子。 (4) 大小长短单复合因子 1. **因子名称**：`integrated_bigsmall_longshort`[6][59] * **因子构建思路**：综合了**大小单**和**长短单**两类信息的复合因子，旨在更全面捕捉不同维度订单流的Alpha信号。 (5) 集合竞价因子 1. **因子名称**：`transaction_order_ratio_oa`[59] * **因子构建思路**：通过分析开盘集合竞价阶段的成交订单比例来构建因子。 (6) 市价单因子 1. **因子名称**：`marketorder_ratio`[59] * **因子构建思路**：衡量市价单在总订单中的比例，反映交易的急切程度。 3. 分钟频因子 (1) 日内价格相关因子 1. **因子名称**：`Amihud_illiq`[6][61] * **因子构建思路**：衡量股票的流动性，即单位成交金额引起的价格冲击。构建过程通常为： * **具体构建过程**：计算每日收益率绝对值与成交金额的比值，再在一段时间内取平均。 * **公式**：$$Illiq_{i,t} = \frac{1}{D_{i,t}} \sum_{d=1}^{D_{i,t}} \frac{|R_{i,d}|}{VOLD_{i,d}}$$ * **公式说明**：其中，$R_{i,d}$ 是股票 $i$ 在第 $d$ 日的收益率，$VOLD_{i,d}$ 是股票 $i$ 在第 $d$ 日的成交金额（通常以百万元计），$D_{i,t}$ 是股票 $i$ 在 $t$ 月内的有效交易日数。 2. **因子名称**：`real_var`[59] * **因子构建思路**：基于日内分钟收益率计算的已实现方差，衡量日内波动率。 3. **因子名称**：`ratio_realupvar`[59] * **因子构建思路**：可能为上行已实现方差与总已实现方差的比率，衡量波动的不对称性。 (2) 成交量相关因子 1. **因子名称**：`ratio_volumeH1`[61] * **因子构建思路**：衡量开盘后第一个小时（H1）的成交量与全天总成交量的比例，反映开盘时段的市场活跃度。 2. **因子名称**：`ratio_volumeH8`[61] * **因子构建思路**：衡量收盘前最后一个小时（H8）的成交量与全天总成交量的比例，反映收盘时段的市场活跃度。 (3) 盘前/开盘后/收盘前相关因子 1. **因子名称**：`ret_overnight`[61] * **因子构建思路**：隔夜收益率，即前一日收盘价至当日开盘价的收益率。 2. **因子名称**：`ret_open2AH1`[61] * **因子构建思路**：从开盘价到开盘后第一个小时内最高价的收益率。 3. **因子名称**：`ret_H1`[61] * **因子构建思路**：开盘后第一个小时的收益率。 4. 风格因子 报告测试了45个风格因子，覆盖盈利、成长、杠杆、流动、技术、规模、质量、估值八个大类[6][62][63]。 1. **盈利类因子**：如销售净利率、毛利率、ROE、ROA[62]。 2. **成长类因子**：如股东权益增长率、净利润增长率、主营业务收入增长率[62]。 3. **杠杆类因子**：如资产负债率、长期负债比率[62]。 4. **流动类因子**：如1个月成交金额、换手率[62]。 5. **技术类因子**：如一个月股价反转、三个月股价反转、最高点距离[62][63]。 6. **规模类因子**：如流通市值、总资产[63]。 7. **质量类因子**：如存货周转率、流动比率、净利润现金占比[63]。 8. **估值类因子**：如市销率（SP）、市净率（BP）、市盈率（EP），包括行业相对值和绝对值[63]。 因子的回测效果 **测试设置概述**：因子表现分析分别在**全市场**、**沪深300**、**中证A500**、**中证500**、**中证1000**、**创业板**等板块进行，并区分了**月度换仓**和**周度换仓**条件[5][8]。核心表现指标包括不同时间窗口的RankIC均值、历史胜率等[59]。指数增强测试在控制行业、市值等偏离，并考虑交易成本（双边千三）的条件下进行[13]。 以下为**全市场、月度换仓**条件下，部分重点因子的表现摘要[59][61][62][63]： | 因子类型 | 因子名称 | 近一周RankIC | 近一月RankIC | 近一年RankIC | 历史以来RankIC | 历史胜率 | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | **深度学习因子** | `agru_dailyquote` | 22.13% | 17.67% | 12.08% | 13.71% | 91.07% | | | `DL_1` | 20.50% | 18.19% | 15.35% | 13.80% | 87.11% | | | `fimage` | 8.31% | 9.08% | 3.90% | 5.14% | 77.99% | | **Level-2因子** | `integrated_bigsmall_longshort` | 23.09% | 18.63% | 10.22% | 10.79% | 74.90% | | | `keyperiod_amount_top30pct` | 12.67% | 12.55% | 12.53% | 11.09% | 86.11% | | | `longbuy_shortsell` | 24.36% | 15.91% | 8.49% | 9.09% | 70.07% | | **分钟频因子** | `Amihud_illiq` | 23.21% | 14.68% | 12.26% | 10.86% | 74.23% | | | `intraday_maxdrawdown` | 18.64% | 10.87% | 9.06% | 9.42% | 69.40% | | | `ratio_volumeH7` | 10.27% | 5.30% | 5.40% | 4.89% | 76.38% | | **风格因子** | `BP` (市净率) | 18.82% | 15.69% | 6.97% | 6.77% | 63.76% | | | `SP` (市销率) | 12.51% | 13.10% | 4.47% | 5.06% | 62.48% | | | `换手率` | -25.08% | -15.05% | -7.95% | -8.09% | 67.72% | | | `一个月股价反转` | 4.27% | 4.48% | -7.51% | -6.92% | 67.72% | **指数增强表现（2026年以来）**：在沪深300等板块，`DL_1`和`fimage`因子取得了正向超额收益。例如，`DL_1`因子在沪深300、中证A500、中证500、中证800、中证1000、创业板指的指数增强超额收益率分别为3.55%、2.51%、0.63%、3.90%、1.54%、1.06%[2]。

核心观点 - 报告构建了一个用于预测A股隔夜收益率的复合因子，并据此设计隔夜交易策略，该策略能产生稳健的超额收益，可单独用于增强指数复制，也可叠加在现有指数增强策略上，实现超额收益的进一步提升 [8][12] 隔夜收益率与单因子表现 - A股市场长期存在“日内收益为正，隔夜收益为负”的现象，以沪深300和中证2000指数为例，在2015年至2025年期间，其隔夜收益率累计分别为-14.25%和-29.00% [15][16][19] - T+1交易机制是造成隔夜负收益的直接原因，因为昨日收盘买入较今日开盘买入多了一个当日卖出的权利，该权利具有成本，导致昨收通常高于今开 [19] - 报告测试了多个单因子对隔夜收益率的预测能力，其中成交量冲击、振幅、成交额等因子表现较好，与隔夜收益率呈显著负相关，Rank IC分别为-0.116、-0.121和-0.107 [27][42][46][49] - 市值、日收益率、日内收益率等因子的预测能力较弱，Rank IC分别为-0.011、-0.030和-0.056，单调性较差 [31][34][36][37][39][41] 因子合成 - 将表现较好的成交量冲击、日内收益率、振幅、成交额等因子进行合成，其中采用IC（信息系数）加权合成的方法效果最优 [56][57][61] - IC加权合成因子与隔夜收益率呈显著负相关，在全市场股池中Rank IC达到-0.1687，在沪深300、中证500、中证1000、中证2000等不同股池中，Rank IC分别为-0.147、-0.152、-0.161和-0.197 [61][63][64][68][69][70] - 该合成因子在多头端和空头端均表现出色，例如在全市场股池中，因子值最小的组合（D10）相较于平均值（AVG）的年化收益率高出42.17% [58] 被动指数增强策略 - 在单纯复制指数的基础上叠加隔夜交易策略，可以在不同宽基指数上获得显著的超额收益 [12] - 具体操作：在每个交易日收盘时，卖出因子值最大（即预期隔夜收益最差）的10%且当日收益率为负的成分股，并于次日开盘买回 [74][77][80][83] - 回测结果显示（2019.01.01-2025.11.21），该策略在考虑交易费用后，对沪深300、中证500、中证1000和中证2000指数的年化超额收益率分别为4.66%、4.43%、4.93%和7.97%，同时跟踪误差较小，约为1.2%左右 [73][76][79][82] - 策略的超额最大回撤控制良好，在上述四个指数上分别为0.49%、0.39%、0.31%和0.93% [73][76][79][82] 增强指数增强 - 将隔夜交易策略叠加在已有的“严约束”和“宽约束”指数增强模型上，可以进一步提升其超额收益 [12][85] - 对于沪深300指数，隔夜策略使严约束和宽约束模型的年化超额收益率分别提升了1.64%和3.02% [86][87] - 对于中证500指数，隔夜策略使严约束和宽约束模型的年化超额收益率分别提升了3.15%和4.10% [89][90] - 对于中证1000指数，隔夜策略使严约束和宽约束模型的年化超额收益率分别提升了4.13%和5.30% [92][93] - 在考虑了使用盘中数据计算因子、采用VWAP（成交量加权平均价）成交等更严格的交易限制后，策略的超额收益虽有轻微下降但仍保持稳健，表明策略具备较强的实用性 [95][96][98][99][101][102]

文章核心观点 - 中国内地私募证券基金管理人正加速出海布局 持有香港9号牌照的机构数量创历史新高 全球资金增配中国资产的意愿增强 驱动了这一趋势[1] - 私募出海不仅是业务扩展 更是顺应全球资本版图重构 并被视为中国私募积聚力量、迈向全球舞台的重要进程[1] - 行业在出海过程中 正从单纯追求收益向全面提升机构化水平迈进 旨在打造获得全球投资者认可的对冲基金[6] 私募出海现状与趋势 - 截至2026年2月9日 持有香港9号牌照的内地私募证券投资基金管理人已达135家 为历史最高数字 较去年同期增加41家[2] - 规模在50亿元人民币以上的私募有62家 是出海的主力军[2] - 多家私募已在香港、新加坡等地设立办公室 作为面向境外合格投资者的桥头堡 并发行投资中国资产的产品[2] - 券商积极推出“一站式出海服务”以助力私募 例如招商证券相关服务业务规模已突破百亿元人民币[3] 外资对中国资产的配置意愿 - 海外机构配置中国资产的意愿出现边际回暖迹象 2026年增配中国资产有望成为新趋势[4] - 外资“审慎回归”的驱动因素包括：国内政策释放积极信号 以及在全球分散配置的需求上升（因美股降息预期升温及美元资产估值相对较高）[4] - 当中国资产持续跑赢基准时 外资很难过度低配中国资产[4] - 具体行动上 2026年以来外资机构积极参与港股市场：年内机构参与港股新股基石投资总额超300亿港元 摩根大通等机构在1月初增持多家上市公司股份 累计投入资金超10亿港元[5] 私募出海面临的挑战与提升方向 - 出海不仅是获取牌照 更是一场追赶全球对冲基金巨头、全面提升机构化水平的征途[6] - 中国量化机构在AI应用、超算投入、数据处理速度等方面已不逊于海外同行 但在多资产跨市场联动、衍生品工具深度、ESG整合等方面仍需迭代提升[6] - 外资更强调风险调整后的收益质量 关注收益的可持续性、风险的可度量性及策略的可复制性 并进行严格的投研与运营尽调[6] - 外资尤其关注私募的跨境运营能力 认为“中后台”体系直接影响策略容量、执行效率与风险控制[6] - 私募走向全球舞台是投资能力与运营体系的双重机构化比拼[6]

大类资产配置观点 - 大类资产配置继续看多A股、商品和黄金，预期变化利好风险资产[7] - 海外市场围绕“美国经济下行，政策宽松”方向交易，风险资产仍占优[7][28] - 人民币走强预期或推动A股延续强势[7][26] A股市场表现与风格 - 上周（2025年12月22日-26日）A股领涨权益资产，中证500指数周涨幅达4.03%[11][12] - A股投资风险偏好从两端走向中端，中盘蓝筹风格占优[7][43] - 继续关注有色金属、基础化工、通信、电子、电力设备、机械设备等行业机会[7][45] 全球宏观与市场预期 - 美国2025年第三季度GDP季调环比年率为4.3%，大幅高于预期的3.3%[19] - 离岸人民币对美元汇率升破7.00关口，为2024年9月以来首次[23] - 芝商所上调金属期货保证金，黄金期货保证金上调10%，引发价格短期波动[27] 多策略表现 - 上周CTA策略在商品趋势转强背景下表现偏强，私募量化CTA周度收益中位数为0.79%[15] - 指数增强策略超额收益出现分化，公募指增（中证500）周度超额收益中位数约为-0.73%[15] - 继续关注A股权益相关的指数增强策略以及商品相关的CTA策略[7][54]

事件概述 - 不法分子假冒上海量派投资管理有限公司创始人、CEO孙林及其他员工身份，虚构信息，诱导投资者下载名为“脉达”的APP进行非法荐股等活动，并进一步诱导下载冒用公司名义的虚假APP“量派阿尔法”实施诈骗 [1] - 相关非法行为严重侵害投资者合法权益，使投资者面临经济损失风险，并严重影响公司及员工声誉，公司已就此向公安机关报警 [1] 公司声明与澄清 - 公司为中国证券投资基金业协会登记的私募基金管理人，经营范围仅为私募证券投资基金管理服务，所有产品均可在基金业协会官网查询备案信息 [4] - 公司及员工从未组织或进行过任何培训活动、直播教学等非法活动，任何假冒公司名义以荐股、提供内幕消息等方式邀请入会、收费、承诺收益的行为均为诈骗 [4] - 公司从未开发或发行过任何交易软件或交易程序，全网与“上海量派投资管理有限公司”及“量派阿尔法”相关的交易软件均与公司无关，系不法分子冒名创建的诈骗工具 [5] 公司背景与业务 - 公司于2019年成立，于2020年9月取得私募基金管理人牌照后全面转型资管业务 [5] - 公司产品线包括“指数增强策略”、“中性策略”、“CTA策略”等，其管理规模于2024年10月突破百亿 [5] 对投资者的建议 - 投资者参与私募基金投资，应通过拥有基金销售资格的正规渠道了解和购买产品，并对销售人员的基金从业资格进行审慎识别 [5]

公司战略与人才布局 - 公司近期作为赞助商参与全球顶级AI学术会议NeurIPS 2025，旨在直接触达全球顶尖AI人才，以人才作为量化投资的底层驱动力 [2] - 公司近期入职的投研和技术同事背景多为AI方向，包括前沿课题研究者和ACM-ICPC等技术竞赛优胜者 [2] - 公司未来考虑持续参与此类AI学术会议，以接触前沿技术突破 [2] AI驱动投研的探索与实践 - 公司将“探索AI自主驱动投研”作为核心聚焦方向，主要从吸引顶尖AI人才、构建自主可控的全生命周期投研系统、高强度投入基础算力三方面持续投入 [3] - 为支持深度AI应用，公司构建了全链路自主可控的技术新引擎，包括超过40万核CPU和超过200P GPU的高性能算力池作为基座 [3] - 该技术引擎驱动全自研的云原生分布式投研平台，旨在高效完成从数据分析到模型构建的策略生产全流程 [3] - 在因子挖掘方面，来自AI方法论的因子占比从2024年初的约20%显著提升至目前的约60%以上，预计未来应用比例还将提升 [3] 量化选股策略与指数增强策略的差异 - 公司的量化选股策略与指数增强策略使用同一套预测模型 [4] - 主要区别在于量化选股策略不设定对标特定指数的风格约束，旨在更充分释放模型能力 [4] - 在交易活跃的牛市行情中，量化选股策略的进攻性和爆发力或更强，但伴随的代价是波动性和短期回撤也可能更大 [4] 推出量化选股策略的战略考量 - 推出量化选股策略旨在动态适应市场环境，解决指数增强策略在赛道选择和切换上的难题 [5] - 公司用比喻解释策略差异：指数增强策略类似定点垂钓，量化选股策略类似装载声呐的渔船，可主动寻找超额收益（鱼群）更丰富的水域 [5] - 策略会随市场变化而动态调整，例如在2021-2022年其表现更接近中证1000指增，而当前可能更接近中证2000指增，未来可能继续适应新的市场环境 [5]

根据提供的文档内容，无法完成对新闻的总结分析 文档仅包含标题“04财富视野”和标识符，缺乏具体的新闻正文、数据、事件描述等关键信息[1]

指数化投资新趋势交流论坛 - 旭诺资本联合期货日报等机构举办"'赋能交易 共筑生态'——指数化投资新趋势交流论坛暨'交易高手俱乐部'启动仪式"，汇聚行业精英探讨指数化投资新趋势与交易策略 [1] - "交易高手俱乐部"由旭诺资本发起成立，旨在打破信息孤岛、促进知识共享、培养新生代投资人才、帮助年轻群体建立系统化交易思维 [1] - 鸿凯投资董事长林军认为俱乐部应打破传统资管机构边界，促进不同流派互补共生，为交易者提供思维碰撞和价值沉淀的生态平台 [1] 交易高手俱乐部的赋能与支持 - 期货日报将从资源、平台、生态三个维度赋能俱乐部，帮助其将信息传播优势转化为实战赋能平台 [2] - 俱乐部未来将定期举办活动和研讨会，持续为会员提供专业支持和优质服务 [4] 宏观经济与市场趋势 - 康楷数据首席经济学家杨敬昊指出当前全球经济处于技术周期衰退阶段，中美宏观经济政策迎来顺周期阶段，人民币资产具备相对确定性 [2] - 资产轮动为A股带来配置机会，建议重点关注后续消费、投资、资本市场等方面的政策落地情况 [2] CTA策略与股指期货 - 旭诺资本投资经理王亚运表示股指CTA策略正成为投资者应对复杂市场环境的"利器"，因其可多空双向交易并获取市场波动绝对收益 [2] - 全球CTA策略基金投资者中超过80%为机构投资者，包括养老金、主权财富基金等专业投资机构 [3] - CTA策略基金优势包括多空交易机会、与股市债市低相关性、不受牛熊周期限制等 [3] - 2025年以来股指期货和商品相关性走低，长周期策略在等权配置后净值显著提升，股指CTA策略与指数增强策略叠加效果更显著 [3] 行业参与与交流 - 会议特邀伊洛基金、靖升金属、九洲集团、同舟棉业、博华糖业等多家公司高管参与，带来丰富专业视角 [3] - 多位实盘交易专家参与分享实战经验与智慧 [3]

量化投资在中国的发展 - 量化投资已从小众尝试演变为资本市场重要组成部分 [1] - 中国市场量化渗透率仍远低于海外成熟市场，未来有较大发展空间 [4] 杨岩泽团队的投资策略 - 采用多策略架构和科学研究方法，打造穿越周期的稳定收益 [1] - 策略核心在于系统性、纪律性和持续优化，服务不同风险偏好投资人 [1] - 2023年在指数增强、市场中性、融券T0、个股多空等策略线上实现正收益 [1] - 最关注策略的长期超额和绝对收益，避免主观押注，依托历史数据和大数法则 [4] 策略类型与调整 - 从高频逐步转向中低频策略，因后者在稳定性和交易效率上表现更好 [4] - 坚持专注量价策略，分散持仓，以科学方法应对市场不确定性 [4] 团队管理与流程 - 将伦敦经验融入量化投研流程，从策略验证到实盘执行贯彻严密制度 [4] - 强调团队协作能力，不依赖个人，注重公司系统化建设 [4] 投资理念 - 专注量价策略，赚取市场波动的利润 [4] - 低调耕耘，通过体系化、可复制的策略模型积累稳定收益 [4]