以下文章来源于思想钢印 ，作者思想钢印 ↑点击上面图片 加雪球核心交流群 ↑ 风险提示：本文所提到的观点仅代表个人的意见，所涉及标的不作推荐，据此买卖，风险自负。 作者：思想钢印9999 思想钢印 . 雪球2020年度十大影响力用户，私募基金经理 去年是量化基金买爆了的一年 ， 高净值人士没投量化的 ， 感觉就是落伍了 ； 去年也是量化备受争议的一年 ， 市场一旦波动大一点 ， 就有人 抱怨又被量化割韭菜了 。 量化基金去年业绩真的很好吗 ？ 可以来看一看数据 。 量化的两大类 ， 量化选股策略和指数增强策略 ， 前者是用各种量化因子进行选股投资 ， 后者是针对某个指数做超额收益 。 来源：雪球 01 2025 ， 量化没那么神 2025年 ， 公募量化选股类基金的平均收益30.3% ， 虽然比中证全指有 5.7%的超额收益 ， 但相比885001 （ 万得偏股混合基金指数 ， 通常 代表主动管理基金的收益水平 ） 33.2%的年度收益 ， 实际上是略跑输的 。 再看指数增强型基金 ， 三大宽基300/500/1000增强指数基金年度超额收益分别为3.4%/2.0%/9.6% ， 其超额收益与主动量化基金也差 ...

报告行业投资评级 未提及 报告核心观点 报告聚焦量化基金市场表现，总结主要指数和量化基金业绩、不同类型公募量化基金整体和业绩分布，以及收益较优的量化基金供投资者参考 [1] 根据相关目录分别进行总结 主要指数和量化基金业绩表现 - 1月12日 - 1月16日A股小盘成长领涨，大盘价值下跌，量化基金正收益，指增超额分化 [2][6] - 主动量化平均上涨1.21%，沪深300指增、中证500指增、中证1000指增超额收益分别为0.63%、 - 0.34%、0.34%，其他指增平均超额0.25%，市场中性上涨0.16% [2][4][6] - A股指数涨跌不一，沪深300、中证500、中证1000本周收益率分别为 - 0.57%、2.18%、1.27% [3][6] 不同类型公募量化基金业绩表现 |基金类型|本周收益率（%）|近一月收益率（%）|近三月收益率（%）|近六月收益率（%）|近一年收益率（%）|今年以来收益率（%）| | ---- | ---- | ---- | ---- | ---- | ---- | ---- | |沪深300指数增强基金|0.06|5.98|4.49|18.97|28.26|2.82| |中证500指数增强基金|1.84|13.95|11.77|31.37|46.82|8.08| |中证1000指数增强基金|1.61|13.93|11.58|28.43|50.81|7.97| |其他指数增强基金|1.23|11.05|8.89|31.54|49.43|6.43| |主动量化基金|1.21|9.67|7.56|22.97|39.33|5.52| |市场中性基金|0.16|0.03| - 0.07|0.45|1.18|0.09|[14][15][16] 不同类型公募量化基金业绩分布 展示各类型公募量化近半年业绩走势，以及本周和近一年的业绩分布情况，指数增强型基金展示超额收益率表现 [17] 不同类型公募量化绩优基金 - 各类型公募量化基金列出本周业绩较优的五只基金，指数增强型按超额收益率展示，基金名单季度更新 [30] - 沪深300指数增强绩优基金如易方达沪深300精选增强等 [31] - 中证500指数增强绩优基金如博道中证500指数增强等 [32] - 中证1000指数增强绩优基金如华泰柏瑞中证1000增强策略ETF等 [33] - 其他指数增强绩优基金如易方达上证50增强策略ETF等 [34] - 主动量化绩优基金如汇安量化优选等 [35] - 市场中性绩优基金如中邮绝对收益策略等 [36]

私募量化基金经理是站在金融与科技交叉前沿的"策略科学家"和"资本管理者"。他们用算法解读市场，用代码执行交易，在充满不确定性的金融世界中， 寻求确定性更高的盈利模式。 私募排排网数据显示，截至2025年12月底，符合排名规则的量化产品数共1600只，合计规模约为1350.51亿元，2025年的收益均值为30.91%，显著跑赢同 年大盘。其中，百亿私募量化基金经理管理的386只量化产品，2025收益均值高达38.52%，收获13.59%的超额收益，明显表现最为优秀。 | 不同规模私募2025年量化业绩- | | | | | --- | --- | --- | --- | | 私募排排网 微信公众号 | 数据来源:私募管理人/托管人,整理自私募排排网,截至2025年12月 思。 | | | | 公司规模 | 符合排名规则的 量化产品数 | 2025年收益均值 | 2025年超额均值 | | 100亿以上 | 352 | 38.52% | 13.59% | | 50-100亿 | 168 | 27.69% | 9.08% | | 20-50亿 | 207 | 30.63% | 12.07% | | 10-20亿 | ...

报告行业投资评级 报告未提及行业投资评级相关内容 报告的核心观点 - A股市场有效性提升为被动投资发展提供基础，2025年国内公募市场被动权益基金规模占比首超50%，且趋势延续 [5][9] - 主动型基金超额收益与指数有效性呈负相关，市场低效时基金超额收益相对较高 [5] - 随着Alpha获取难度加大，多元化Beta与权益端Smart Beta需求增加，配置重要性凸显 [5] - 被动基金影响股票定价效率，主被动基金规模占比有平衡点，大盘风格选ETF，中盘风格优选主动权益基金，小盘风格用量化基金配置较优 [5] 报告各部分内容总结 1 A股权益基金市场被动投资占比超过50% - 2025年国内被动权益基金规模首超主动权益基金，趋势延续，因主动基金超额收益难持续、A股市场有效性提升、国内投顾业务发展，低费率ETF深入人心 [9] 2 被动投资占比上升源于市场有效性提升 - 市场有效性提升使Alpha获取难，Beta投资兴起，给被动投资发展土壤 [14] - 被动投资分纯被动与基于因子策略的被动投资，主被动基金有平衡点，理想资产配置是有机组合 [14][15] 3 市场有效性和检验方法 3.1 有效市场理论的发源与内涵 - 市场有效性研究始于吉布森，后经巴切利尔、肯德尔、萨缪尔森等发展，尤金·法玛定义并完善有效市场理论，划分股票市场有效性为弱、半强、强三种 [18][19][20] 3.2 有效市场理论的检验方法 - 弱式检验通过检验价格序列残差是否为白噪声判断股价是否随机游走，可转化为白噪声检验，用Ljung - Box检验 [21][25][26] - 半强式检验用事件研究法，检验证券价格对公开信息反应速度 [29] - 强式检验研究专业投资者或内幕人士收益率，看其是否有未反映在价格中的内幕信息 [30] 4 A股、港股、美股市场有效性探索 4.1 横向看，A股权益市场有效性弱于港股、美股市场 - 2013年以来A股有效性略低于港美股，A股大盘指数无效年份数高于港、美股 [34] 4.2 小盘、科技股指数有效性弱于大盘股指数 - A股沪深300有效性强于中证全指，港股恒生指数、恒生综指、恒生科技指数有效性递减，美股道琼斯工业指数、标普500、纳斯达克指数有效性也依次降低 [38] 4.3 2018年后A股市场有效性快速增强 - 从无效成分股占比看，A股市场有效性整体上升，沪深300有效性略高于中证800 [40] 4.4 随市场有效性提升，A股Alpha获取难度增加 - 公募沪深300指增超额收益与指数有效性负相关，市场低效时超额收益高，2024年特殊情况致指增产品超额收益低 [43] 5 市场有效性提升背景下的基金投资选择 5.1 ETF：多资产ETF与权益Smart Beta并重 - 多元化Beta需求上升，资产配置重要性凸显，公募FOF持仓中ETF占比超20%且需求多样化 [47][50] - 策略ETF走势独立，为投资者提供差异化Beta来源，可分散权益端风险 [52] - 行业ETF多市值加权，收益主要来自大盘股，大盘股定价效率高，投资以配置为主 [55][56] 5.2 主动权益与量化投资：从中小盘股票中获取Alpha收益 - 主动权益基金对中证500、中证1000、港股成分股超配，风格与中证500接近，中盘股交易环境对主动管理型基金友好 [61][62] - 量化基金投资小盘股性价比高，可提升决策客观性与胜率，高效筛选标的，降低市场冲击，分散风险 [69][70][71]

量化基金凭借独有优势愈发受到关注，也逐渐成长为市场中不可忽视的力量 投资时间网、标点财经研究员 陈亭 在震荡结构性行情中，量化基金凭借其独有优势愈发受到关注——处理海量数据的能力叠加严明的纪律性和系统性，有助于规避个股风险、更好地控制产 品净值的波动和回撤、更敏锐地捕捉市场风格和宏观因子的变化。随着指数增强、主动量化等品类不断丰富，量化基金也逐渐成长为市场中不可忽视的力 量。 为了探寻企业界、金融界破局引路的标杆力量，"见未来·2025第八届金禧奖年度评选"如期而至。自标点财经研究院联合《投资时报》、投资时间网于 2018年首次举办"见未来"系列论坛以来，至2025年，"见未来"系列活动及金禧奖年度评选已进入第八届。据了解，"金禧奖"由标点财经研究院等第三方研 究机构对数千家企业大数据展开分析、比较后，客观评选出各领域最具竞争力的企业和机构，形成候选综合排名榜单，再经媒体记者、研究员团队集体调 研，由评审组最终审核确定。 多年来，诸多优秀企业与金融机构在活动中获得了表彰和肯定，极大地提升了企业的品牌价值和市场影响力。 经过数轮激烈的竞争与细致的遴选，这份荣誉的归属终于尘埃落定。最终，天弘基金管理有限公司、鹏华 ...

文章核心观点 - 量化交易的核心是将投资决策转化为明确、固定、可执行的规则并由机器严格执行 其本质优势在于系统一致性带来的长期复利效应 而非速度或模型先进性 [6][9] - 量化投资与主观投资并非对立 成熟的投资体系往往是“人设规则 机器执行”的结合 量化提供稳定执行 主观提供环境剧变时的灵活调整 [6][7][8] - 金融市场是人工智能早期且成功的工业应用场景 其作为高维、开放、不断演化的复杂系统 为AI模型提供了真实、即时、残酷的反馈和压力测试场 [9][10][13] 量化投资定义与本质 - 量化交易是将二级市场的买卖决策提前写成明确、固定、可执行的规则 交由机器严格执行 规则基于数据、数量和逻辑 不依赖感觉或临场判断 [6] - 量化交易的本质是提前完成决策并将执行交给机器 其核心竞争力并非交易速度或将服务器放在交易所 [6] - 与依赖人对市场综合理解形成“感觉”再做决策的主观投资相比 两者理论无本质区别 但实际差异在于规则是否稳定以及执行是否严格 [6] 量化与主观投资的对比 - 主观投资的规则易随情绪、压力和信息噪声变化 且人难以在连续亏损或极端行情中严格执行规则 [6] - 主观投资在环境发生剧烈变化或出现结构性信息时具备优势 可以快速修正规则 而量化基金通常需要时间适应 [7] - 真正成熟的投资体系是“人设规则 机器执行”的结合 而非在量化与主观之间二选一 [8] 量化投资的核心优势 - 量化投资最核心的优势是系统一致性 能确保长期、稳定、系统地执行一个在统计上正确的策略 从而通过复利效应获得优势 [9] - 其考验的是能否长期持续做同一件并不那么聪明但统计正确的事 而非依赖人的瞬时聪明才智 [9] - 一个极小的不对称优势 若能被长期、稳定、系统性地执行 就可以超越最优秀人类选手的直觉判断 [9] 量化投资与人工智能的关系 - 量化交易是人工智能在工业领域最早、最成功的应用场景之一 早期能赚钱的量化模型本质上是今天AI的早期形态 [9][10] - 金融市场只关心模型能否赚钱 其真实、即时、残酷的反馈机制使之成为AI模型最早的压力测试场 [10] - 金融市场可被抽象为一个类似游戏的系统 有状态、动作和真实金钱奖励 但其规则是开放、高维且不断演化的 复杂度远高于大多数游戏 [10][12][13] - 量化交易是人类首次在真实世界中将复杂目标函数交给机器并让其长期运行的实验 其深层意义在于展示了为目标函数不同的AGI或ASI所可能具备的力量 [17]

文章核心观点 本次中资海外基金高峰论坛汇聚了超过200家机构，共同探讨了在全球地缘政治格局深刻调整与资本市场波动加剧背景下，中资海外基金行业面临的挑战与机遇。论坛围绕全球资本配置新路径，通过四场主题圆桌论坛，深入讨论了资产配置范式转移、信息迷雾中的价值定价、低相关性阿尔法策略狩猎以及后稀缺时代的资本使命等核心议题，旨在为行业提供突围布局的洞见与方向[1]。 全球资本配置新范式 - **港股通与ETF成为核心配置工具**：港股通累计净流入超5.3万亿港元，港股ETF规模从年初2900亿港元扩张至7100亿港元，增幅达2.4倍，23只港股通ETF占香港ETF市场份额超70%[2] - **华人资本出海进入新阶段**：从代工出口转向品牌化运营，离岸资产配置需求激增，香港过去三年新增200余家单一家族办公室，在稳健收益、行业修复及新经济布局上凸显优势[2] - **A股配置价值凸显**：沪深300估值仅13–15倍，叠加2025年人民币逆势升值4%，推动资金再平衡，中资高净值客户减持美股转向A股及港股，海外资金通过被动指数工具增配中国[3] - **量化基金成为A股配置首选**：在全球资产“高估值、低回报”背景下，量化基金在贝塔回撤中仍能保持正收益，趋势行情超额收益显著[3] - **资管出海需分步推进**：面临托管地、注册地、税务结构等难点，建议优先以香港为试点，借助中资券商出海经验，拓展欧美市场时联合本地分销渠道[3] 市场迷雾中的投资策略 - **多元策略锚定价值**：在复杂市场环境中，机构核心聚焦中资城投债，凭借信用风险接近政府信用、银行持有提供额外保障、境外债偿债意愿强及境内外利差收益等优势实现稳定回报[5] - **微观研究与策略优化至关重要**：通过挖掘优质企业核心价值、对冲科技股泡沫（做多港股优质科技股、做空高估值美股科技公司）并动态调整细分策略斩获收益[5] - **黄金作为终极避险资产**：基于美元降息周期、地缘不确定性及央行增持趋势，运用AI量化模型交易相关资产实现超额回报[6] - **降息周期下的布局**：中资城投离岸债将显著受益于降息周期，政策严控新增发行、境内债置换境外债导致供给收缩，叠加资金涌入推升需求，预计收益率向境内标准债收敛[6] - **产品端追求确定性**：把握境外债结构性机会，借量化工具参与波段交易，为投资者提供低波动稳定收益资产[6] 低相关性阿尔法策略 - **波动是机遇而非风险**：以黄金交易为例，收益核心在于高流动性与高波动性创造的机会，衍生品交易更聚焦市场活动本身[7] - **降息周期催生三大阿尔法机会**：一是曲线交易，捕捉“牛陡”形态下的期限利差；二是信用挖掘，中低评级信用债利差压缩空间优于高评级债；三是汇率套利，借美元贬值预期开展掉期交易，配置高息资产增厚收益[8] - **构建低相关性组合**：通过策略分层（宏观趋势、量化、基本面）适配不同客群需求，聚焦策略间低相关性而非单纯追求绝对收益[8] - **深耕中国资产，辅以全球配置**：依托本土优势深耕中国资产，结合全球市场配置形成差异化竞争力，实现“1+1>2”的组合效应[8] - **AI工具的应用与局限**：AI大幅提升信息处理与参数优化效率，但无法预测历史外新情况，不能替代对市场本质的深度思考，需警惕样本外风险[8] 后稀缺时代的资本配置 - **后稀缺时代的核心特征**：物质与信息的传统稀缺性持续弱化，而时间、线下信任、不可复制体验等无法批量生产的元素价值愈发凸显，社会核心矛盾从“物质匮乏”转向“意义追寻”[9][10] - **资本配置以“人”为核心**：建议按50%投于人、30%投于前沿技术、20%投于底层基础设施的比例进行投资，长期主义视角下所有价值创造的源头都是人[10] - **AI重新定义人的价值**：AI并未替代人，而是替代重复性工作，将人的精力集中于复杂创造与决策，在基本面研究中80%的贡献集中于信息收集处理，使人能聚焦20%的决策[11] - **未来的投资焦点**：当下应聚焦全球领先的AI技术、算力以及利用AI实现效率颠覆的传统行业；长远来看，娱乐与医药因具备无限需求潜力，AI将加速其个性化创新[11]

文章核心观点 - 过去20年沪深300与标普500年化收益率相近（均在8%-9%左右），但投资者体验差异巨大，源于A股波动剧烈、收益分布不均，对择时要求高，而择时本身对普通投资者极为困难[3][7][9][15][16] - 应对择时难题的最佳方式是构建一个收益分布长期均匀平稳、无需择时的投资组合，其关键在于通过多资产、多策略的多元化配置来平滑收益曲线，改善持有体验，从而克服人性弱点并实现长期复利[30][32][33][39][42][43] A股与美股市场特征对比 - 美股走势相对平稳，熊市通常短暂，长期缓慢上行，对择时要求不高[7] - A股波动大，收益集中在短期爆发，大部分时间为震荡或阴跌[9] - 过去20年沪深300的三轮大牛市均在短期内快速冲高，随后进入漫长回调[10] - A股大涨时间约占全部交易日的7%，收益分布极不均衡[11] - 若错过短暂的上涨窗口（“闪电牛”），则难以获得收益[13] 择时的困难与挑战 - 市场短期波动无法预测，突发事件、情绪、政策都可能突然改变走势[19] - 择时操作反人性，需在跌得最狠时买入，涨得最猛时卖出，对心态考验极大[21] - 即使专业投资者如索罗斯也会失误，例如在1987年美股暴跌中于市场底部附近平仓止损[23][25] - 普通投资者在择时上相较于机构投资者处于全面劣势[28] - 机构在信息、研究、工具及金融层面均具优势，能更早察觉风险并行动，而普通投资者往往后知后觉[28] 构建无需择时组合的方法与优势 - 关键在于寻找收益分布长期均匀平稳的产品或策略，使得在任何时点买入都大概率赚钱[32][33] - 多策略配置（如示例中的黄色曲线）能满足收益平稳的要求[35] - 单一资产或策略必然有失效期，难以获得平滑收益曲线[37] - 资产和策略的多元化能确保组合在任何市场环境下总有部分资产或策略有效，从而获得相对平稳的收益曲线[39] - 例如，股票下跌时债券可提供收益，无趋势市场中期权套利可捕捉交易机会[40] - 平稳的组合能极大改善持有体验，帮助投资者克服在恐慌低点割肉、在狂热高点追涨的人性弱点[42] - 长期而言，这种方式的复利收益有望超越大部分追涨杀跌的单一资产投资者[43] 多资产多策略配置理念示例 - 雪球三分法体现了多资产多策略配置理念[47] - 在资产选择上，不押注单一资产，而是通过股票、债券、商品等进行分散，以降低波动、改善持有体验，从而长期持有上涨资产[47] - 在策略层面，搭配多种不同策略的基金（如指数基金、量化基金、价值与成长风格基金等），不押注单一策略，以应对市场风格切换，实现“旱涝保收”[47]

量化基金概述 - 量化基金在基金投资领域逐渐受到关注，其投资逻辑基于数学模型和计算机算法，通过分析大量历史数据寻找市场规律和投资机会 [2] - 与传统基金依赖基金经理主观判断不同，量化基金更注重数据和模型的客观性 [2] 量化基金的优势 - 投资决策基于数据和模型，减少了人为情绪干扰，能在市场波动时保持投资策略的一致性 [3] - 可同时分析多个市场和大量股票，覆盖范围更广，可能发现被普通投资者忽视的投资机会 [3] 量化基金的局限性 - 量化模型基于历史数据构建，而市场不断变化，存在模型失效的风险 [5] - 投资策略较为复杂，普通投资者可能难以理解其背后原理，从而难以判断其投资风险和收益特征 [5] 对普通投资者的适用性 - 投资者需综合考虑自身投资目标、风险承受能力和投资经验 [6] - 对于具备一定金融知识、风险承受能力并希望通过多元化策略获取收益的投资者，量化基金可作为投资组合的一部分 [6] - 对复杂策略感到困惑或风险承受能力较低的投资者，传统基金可能更为适合 [6]

事件核心 - “国产GPU第一股”摩尔线程在科创板上市 首日股价一度暴涨超过500% [1] - 幻方量化是此次打新获配金额最高的私募机构 获配6.13万股 投入资金超过700万元 [1] - 以发行价114.28元和开盘价650元计算 幻方量化此笔投资账面浮盈超过3200万元 [1] 公司表现 - 幻方量化旗下基金今年收益据传已超过50% 大幅跑赢同期中证500和1000指数约23%的涨幅 [1] - 公司旗下多只量化基金长期业绩突出 例如“九章幻方沪深300量化多策略1号”累计收益达430.62% “九章幻方中证500量化多策略1号”累计收益达542.52% [2] 行业模式 - 量化投资公司的研究员是程序员 策略由代码实现 交易员是服务器 可实现7x24小时不间断交易 [3] - 量化交易以“毫秒”甚至“微秒”为单位 一秒钟可执行成千上万次交易 [3] - 量化策略基于数据和速度进行博弈 决策与公司基本面关联度可能较低 [3] 市场影响 - 大量相似量化策略同时行动可能导致市场短期剧烈波动 例如个股突然直线拉升或“闪崩” [3] - 量化基金提升了市场效率 但也加剧了市场波动 [4] - 量化交易模式对基于公司基本面做决策的传统投资者构成挑战 投资难度增加 [3] - 量化策略之间的竞争激烈 比拼的是模型、速度和信息获取速度 [4]