行业动态与规模 - 私募行业优胜劣汰逐步显现，证券类私募基金规模维持5万亿元以上，年底有望重回6万亿元 [1] - 头部机构已开展全面的AI投入和布局，未来将赋能多类投研场景 [1] - 量化行业竞争激烈，需先投入聚集人才，再进行技术积累和策略迭代 [1] AI在金融领域的应用 - AI在FOF领域的发展前景广阔，金融科技将成为FOF机构的护城河 [1] - AI可用于基本面研究，通过财报数据叠加文本分析双重验证上市公司基本面走势 [2] - 量化FOF借助AI技术挖掘高频和中低频交易的联系方法 [4] - AI可作为算力加速器和工具，帮助FOF机构高效完成逻辑演绎 [5] - 量化投资与大模型技术底层逻辑相似，可通过工程学方式提高交易效率 [7] FOF投资挑战与方法论 - FOF行业面临高净值客户风险偏好降低、资产同质化等挑战 [4] - FOF行业关键问题在于投资方法论尚未成熟，仍处于构建专属框架阶段 [4] - 单一策略难以覆盖财富管理多元需求，需借助资产配置和FOF方法论 [5] 量化策略表现与市场环境 - 量化策略超额收益表现亮眼，得益于行业控规模和市场交投活跃度提升 [8] - A股市场呈现显著小市值效应，为量化模型提供阿尔法挖掘空间 [8] - 监管鼓励上市公司并购重组和成交量放大推动中小市值股票活跃 [8] AI黑箱问题解决方案 - 提升算力可更好识别因子，挖掘此前无法覆盖的角度 [9] - 需深入理解模型交易原因，构建历史交易的可追溯性和可复现性 [9] - AI从概念化演变为真正节省成本和优化算法的工具 [9]

一、国信金工主动量化策略表现跟踪 本周， 优秀基金业绩增强组合 绝对收益2.75%，相对偏股混合型基金指数超额收 益-0.31%。本年，优秀基金业绩增强组合绝对收益10.32%，相对偏股混合型基金 指数超额收益-2.13%。 今年以来，优秀基金业绩增强组合在主动股基中排名 45.63%分位点（1583/3469）。 本周， 超预期精选组合 绝对收益3.68%，相对偏股混合型基金指数超额收益 0.62%。本年，超预期精选组合绝对收益24.40%，相对偏股混合型基金指数超额 收益11.95%。 今年以来，超预期精选组合在主动股基中排名11.53%分位点 （400/3469）。 本周， 券商金股业绩增强组合 绝对收益1.91%，相对偏股混合型基金指数超额收 益-1.14%。本年，券商金股业绩增强组合绝对收益14.13%，相对偏股混合型基金 指数超额收益1.67%。 今年以来，券商金股业绩增强组合在主动股基中排名 31.39%分位点（1089/3469）。 本 周 ， 成 长 稳 健 组 合 绝 对 收 益 2.15% ， 相 对 偏 股 混 合 型 基 金 指 数 超 额 收 益-0.91%。本年，成长稳健组合绝对 ...

多位与会的量化私募研究员向记者感慨，如今他们感受到日益 严峻的"职业危机感"——量化研究员岗位正逐步被AI"替代"。 作者： 陈植 封图：图虫创意 这场研讨会，俨然变成一场量化策略研发人才"招聘会"。 记者注意到， 启林投资、明汯投资、 天演资本 、爱凡哲投资等量化私募机构纷纷设立展台招募 资深量化研究员。 叶芳向记者直言，随着量化策略市场竞争加剧，策略迭代能力正成为量化私募机构业绩能否持续脱 颖而出的关键竞争力。它的本质，是量化人才的较量。 金融阶创始人何子修透露，当前量化人才市场正呈现"两级分化"，一面是顶尖量化人才"供不应 求"，量化投资机构纷纷开出丰厚薪酬与福利待遇，另一面是初级量化人才面临一定程度的"内卷升 级"——他们需要具备ACM/ICPC奖牌、Kaggle竞赛排名前5%或顶尖行业刊物成果发表，才能赢得 量化行业头部机构的认可。 他表示，为了吸引顶尖量化研究员，中小量化投资机构被迫开出与头部机构相当的薪资福利待遇， 但由于这些机构在数据、算力等资源的不足，导致人才难以发挥价值，开始形成"高薪挖人—低效 产出—再次挖人"的恶性循环。 导读 壹 || 随着技术迭代加速与全栈能力要求提高，当前量化投资 ...

根据提供的量化分析报告内容，以下是关于量化模型和因子的详细总结： 量化模型与构建方式 1. **模型名称**：小盘风格因子三标尺模型 **模型构建思路**：通过因子赔率、因子动量和因子拥挤度三个维度对小盘风格进行择时判断[20][23] **模型具体构建过程**： - 因子赔率：计算多空两组的估值价差，即因子多空两组BP中位数的比率 - 因子动量：计算因子过去12个月的ICIR - 因子拥挤度：计算多空两组的换手率比率、波动率比率和beta比率的等权平均 - 得分标准化：采用滚动六年窗口，λ=0.995的衰减系数加权构建均值和标准差 - 最终打分：将指标得分划分为-2/-1/0/+1/+2五档，三个标尺得分加总为最终打分[23] **模型评价**：该模型能够有效预警小盘风格的系统性风险，如2023年底的综合负分准确预警了后续回撤[21][24] 2. **模型名称**：T-M模型（Treynor-Mazuy模型） **模型构建思路**：用于分析基金的选股和择时能力[65] **模型具体构建过程**： $$R_{p}-R_{f}=\alpha+\beta_{1}\big(R_{m}-R_{f}\big)+\beta_{2}\big(R_{m}-R_{f}\big)^{2}+\varepsilon_{p}$$ 其中α衡量选股能力，β₂衡量择时能力，β₁衡量系统风险，市场基准采用万得全A等权指数[65][66] **模型评价**：该模型能够有效区分基金的选股能力和市场时机把握能力[66] 量化因子与构建方式 1. **因子名称**：小盘风格因子 **因子构建思路**：捕捉小盘股相对于大盘股的长期定价误差带来的超额收益[7][30] **因子具体构建过程**： - 通过中证1000/沪深300的相对收益构建多空组合 - 结合GK模型拆解小盘股的收益来源（估值变化贡献年化19.1%）[7][8] - 验证其在信用扩张阶段（阶段1）的弹性优势（年化收益达40%+）[19][22] **因子评价**：小盘因子在流动性宽松环境下表现突出，但需警惕拥挤度风险[24][26] 2. **因子名称**：量化交易活跃度因子 **因子构建思路**：利用量化交易在小盘股中的信息优势捕捉Alpha[11][13] **因子具体构建过程**： - 按量化交易参与度将股票分为5组（QT1-QT5） - QT5组（最高活跃度）未来两周超额收益显著（见图表3）[13][14] **因子评价**：该因子在小盘股中效果更显著，验证了量化策略的信息优势[11] 模型的回测效果 1. **小盘风格因子三标尺模型**： - 2023年底预警时赔率-1.0σ/趋势1.1σ/拥挤度1.4σ[21] - 当前（2025/7/4）赔率-0.6σ/趋势1.1σ/拥挤度0.6σ[24] 2. **T-M模型**： - 易方达易百智能量化策略A选股能力年化9.02%[67] - 系统风险系数0.91[67] 因子的回测效果 1. **小盘风格因子**： - 中证1000指增产品年化超额11.51%（300指增仅3.61%）[30][31] - 信用扩张阶段年化收益超40%[22] 2. **量化交易活跃度因子**： - QT5组相对基准周度超额0.82%（统计显著）[13] 注：报告未提供部分因子的具体计算公式和完整参数，已根据可获取信息最大限度还原模型架构[1][5]

上半年，量化策略表现更突出。好买基金研究中心数据显示，量化多头、主观多头、宏观策 略、多空仓和市场中性分别上涨了15.19%、8.06%、6.68%、6.22%和5.01%。 新方程量化投研总监张锦升称，以新方程跟踪池来看，截至6月30日，中证1000指增平均超 额收益约14%，中证500指增平均超额收益约11%，受益于超额端的强势和对冲端基差的扩 散，市场中性策略收益率为5%。 【 导读 】 年内私募股票策略收益率为10%，量化策略大幅跑赢主观多头 中国基金报记者 任子青 吴君 近期，证券私募五大策略上半年业绩出炉，整体收益率为8.32%，其中，股票策略以10%的 收益率领跑。值得注意的是，量化多头策略收益率为15.42%，远超主观多头策略9.23%的收 益率。 股票策略平均收益率为10% 私募排排网数据显示，截至6月30日，有业绩记录的10041只私募证券产品，上半年平均收益 率达8.32%，超八成实现正收益。分策略来看，上半年有业绩记录的6495只股票策略产品， 平均收益率为10%；多资产策略表现紧随其后，平均收益率为7.28%；组合基金、债券策 略、期货及衍生品策略平均收益率分别为6.05%、3.83 ...

私募证券投资基金备案情况 - 6月共有1100只私募证券投资基金产品完成备案，创下年内月度数据次新高，环比增长26.44% [1] - 上半年新备案私募证券投资基金数量高达5461只，同比增长53.61%，环比增幅高达100.48% [1] 私募基金策略分布 - 股票策略成为上半年私募备案的主力军，新备案产品数量高达3458只，占备案产品总量的63.32% [3] - 量化策略产品持续占据市场主流地位，上半年备案量化策略私募产品达2448只，其中股票量化策略备案产品为1715只，占比70.06% [3] - 指数增强策略最受市场青睐，备案产品1061只，占股票量化策略产品数量的61.87% [3] - 股票市场中性策略备案产品571只，占比33.29% [3] 私募基金业绩表现 - 上半年证券类私募业绩表现亮眼，量化策略领跑 [3] - 收益率排名前三的策略分别为探普1000指增私募指数（+15.87%）、探普主观成长私募指数（+12.80%）、探普500指增私募指数（+10.66%） [3] 量化私募机构表现 - 上半年在备案产品数量不少于20只的33家私募机构中，量化私募机构占据27席 [3] - 其中18家为百亿元级的量化机构 [3] 私募机构下半年展望 - 私募机构普遍持乐观态度，科技、消费、创新药和红利资产等仍是聚焦方向 [4] - 6月共有751家私募证券管理人参与A股上市公司调研，覆盖28个申万一级行业中的387只个股，合计调研次数达1769次 [4] - 共有46只个股获得私募机构的高度关注，调研频次均不少于10次 [4]

私募证券投资产品销售升温 - 理财收益率持续下调叠加资本市场回暖推动私募证券投资产品销售逐步升温 [1] - 6月私募证券投资基金备案数量达1100只 创年内月度次新高 环比增长26.44% [3] - 上半年新备案私募证券投资基金5461只 同比增长53.61% 环比增幅达100.48% [3] 股票策略主导市场 - 股票策略是上半年私募备案主力军 新备案产品3458只 占总量的63.32% [3] - 股票量化策略产品备案1715只 占量化策略产品的70.06% [3] - 指数增强策略最受青睐 备案1061只 占股票量化策略的61.87% [3] - 股票市场中性策略备案571只 占比33.29% [3] 量化指增策略表现突出 - 上半年存款利率下行推动私募产品发行规模增长 1年期定期存款利率普遍降至1%以下 [5] - 量化策略领跑市场 探普1000指增私募指数收益率达+15.87% 探普主观成长私募指数+12.80% 探普500指增私募指数+10.66% [5] - 百亿级量化机构成为市场赢家 在备案产品不少于20只的33家私募机构中 量化私募占27席 其中18家为百亿级量化机构 [5] 私募产品收益率向上 - 6月有2010只私募产品净值创历史新高 占比约45.68% [6] 私募机构下半年展望 - 私募机构普遍乐观 聚焦科技、消费、创新药和红利资产等方向 [8] - 清和泉资本预计国内政策将更积极 流动性环境保持宽松 系统性风险概率较小 配置方向包括AI应用、上游资源、新消费、创新药、优质红利资产等 [8] - 6月751家私募证券管理人参与A股上市公司调研 覆盖387只个股 合计调研1769次 [8] - 望正资产提出"坚持核心（科技蓝筹）+卫星（创新成长）"布局思路 聚焦互联网、电子、汽车等行业低估优质公司及高赔率创新成长方向 [8]

私募基金行业备案热潮 - 2025年上半年A股市场持续回暖带动私募基金行业备案热潮 共有1775家私募证券投资基金管理人完成5461只产品备案 备案数量同比增长53 61% 较去年下半年环比增长逾100% [1] - 股票策略以3458只备案产品 63 32%的占比稳居榜首 反映出市场对权益资产的配置热情 [1] - 多资产策略和期货及衍生品策略分别以802只和633只备案产品位居第二和第三名 占比依次为14 69%和11 59% 反映投资者在低利率环境下对多元化配置需求提升 [1] 股票策略私募产品备案驱动因素 - 科技创新政策红利持续释放与产业升级预期强化背景下 A股市场呈现结构性回暖特征 人工智能等核心赛道表现抢眼 提振市场风险偏好和投资者情绪 [1] - 私募证券产品整体业绩稳健 量化策略产品凭借稳定超额收益能力获得资金青睐 [1] - 监管部门持续完善制度供给 为市场健康发展提供良好政策环境 增强投资者信心 [1] 量化私募机构表现 - 百亿元级量化私募机构在备案潮中表现突出 在备案产品数量不少于20只的33家私募机构中 量化私募机构占据27席 其中18家为百亿元级量化机构 [2] - 上半年量化策略私募产品备案达2448只 股票量化策略占据主导地位 备案产品为1715只 占比70 06% [2] - 指数增强策略最受市场青睐 备案1061只产品 占股票量化策略产品的61 87% 股票市场中性策略以571只备案量紧随其后 占比33 29% [2] 量化投资行业趋势 - 百亿元级量化私募机构前瞻性布局 智慧选股(SmartBeta)策略聚焦服务长期机构资金 在长期主义与工具化理念之间寻找结合点 [2] - 传统宽基指数赛道竞争加剧 策略趋同 超额收益被摊薄 主流机构资金配置较少的小微盘领域有望成为量化策略超额收益的蓝海 [3]

核心观点 - 国信金工主动量化策略以公募主动股基为业绩基准，目标是战胜主动股基中位数，包含优秀基金业绩增强、超预期精选、券商金股业绩增强和成长稳健组合，报告对这些策略业绩表现进行跟踪供投资者参考 [12] 国信金工主动量化策略跟踪 组合近期表现一览 - 本周优秀基金业绩增强组合绝对收益 0.21%，相对偏股混合型基金指数超额收益 -1.05%，本年绝对收益 6.35%，超额收益 -1.86%，今年以来在主动股基中排名 46.53%分位点（1614/3469） [1][13] - 本周超预期精选组合绝对收益 2.46%，相对偏股混合型基金指数超额收益 1.20%，本年绝对收益 17.50%，超额收益 9.30%，今年以来在主动股基中排名 12.42%分位点（431/3469） [1][13] - 本周券商金股业绩增强组合绝对收益 1.07%，相对偏股混合型基金指数超额收益 -0.18%，本年绝对收益 10.21%，超额收益 2.00%，今年以来在主动股基中排名 29.98%分位点（1040/3469） [1][13] - 本周成长稳健组合绝对收益 2.00%，相对偏股混合型基金指数超额收益 0.74%，本年绝对收益 24.13%，超额收益 15.92%，今年以来在主动股基中排名 6.00%分位点（208/3469） [2][13] - 本周股票收益中位数 0.24%，53%的股票上涨，47%的股票下跌；主动股基中位数 1.21%，84%的基金上涨，16%的基金下跌。本年股票收益中位数 9.64%，70%的股票上涨，30%的股票下跌；主动股基中位数 5.79%，83%的基金上涨，17%的基金下跌 [2] 优秀基金业绩增强组合 - 构建时从对标宽基指数转变为对标主动股基，借鉴优秀基金持仓用量化方法增强，优中选优，组合收益计算考虑仓位及手续费影响，本期仓位 90% [3][17] - 2012.1.4 - 2025.6.30 区间内，考虑仓位及交易费用后，组合年化收益 20.31%，相较偏股混合型基金指数年化超额 11.83%，2012 年以来大部分年度业绩排名在股基前 30% [52] 超预期精选组合 - 以研报标题超预期与分析师全线上调净利润筛选超预期事件股票池，从基本面和技术面精选，构建组合，组合仓位 90% [4][25] - 2010.1.4 - 2025.6.30 区间内，满仓考虑交易费用后组合年化收益 33.10%，相对中证 500 指数超额收益 31.23%，考虑仓位及交易费用后年化收益 28.85%，相较偏股混合型基金指数年化超额 22.98%，2010 年以来每年业绩排名基本在股基前 30% [57] 券商金股业绩增强组合 - 以券商金股股票池为选股空间和约束基准，用组合优化方式控制组合与券商金股股票池在个股、风格上的偏离，构建组合，组合仓位 90% [5][34] - 2018.1.2 - 2025.6.30 区间内，考虑仓位及交易费用后，组合年化收益 19.34%，相对偏股混合型基金指数年化超额 14.38%，2018 - 2025 年期间每年业绩排名在主动股基前 30% [62] 成长稳健组合 - 采用“先时序、后截面”方式构建成长股二维评价体系，以研报标题超预期及业绩大增筛选成长股股票池，按距离正式财报预约披露日间隔天数分档，优先选距离近的股票，样本多则用多因子打分精选，还引入多种机制构建组合，组合仓位 90% [6][41] - 2012.1.4 - 2025.6.30 区间段内，满仓考虑交易费用后组合年化收益 39.59%，相对中证 500 指数超额收益 34.73%，考虑仓位及交易费用后年化收益 35.51%，相较偏股混合型基金指数年化超额 26.88%，2012 年以来各年度业绩排名基本在股基前 30% [67] 公募基金表现监控 - 展示全部 A 股股票（剔除上市不满半年的新股及 ST 股）、主动股基在本周及本年的收益率分布图，描述不同分位点下的资产收益率 [46] - 本周股票最小值 -21.72%，最大值 51.55%，中位数 0.24%；股票及偏股型基金最小值 -4.26%，最大值 17.05%，中位数 1.21%。本年股票最小值 -41.97%，最大值 505.67%，中位数 9.64%；股票及偏股型基金最小值 -23.20%，最大值 82.87%，中位数 5.79% [49]

AI技术重塑投研行业格局 - AI技术正在重塑投研行业格局 例如中信建投推出的"AI智问"可以一键生成研报摘要和拆解财务指标 有效提升投研效率 金融从业者拥抱AI已成为必然趋势 [1] - AI和Python的结合能够高效处理海量金融数据 并融入投研 风控 量化等核心场景 [1] 数据获取与处理 - 通过巨潮资讯网 数据接口和Python爬虫技术 可以高效获取上市公司财报和行情数据等关键信息 [1] - 利用Python的requests库和Selenium库可以轻松爬取网页数据 并通过正则表达式和BS库进行解析 为后续分析提供精准数据支持 [1] 财务分析与估值建模 - AI工具可以快速提取和分析财务数据 从单个公司到多企业对比 轻松完成 [2] - 结合Python的Pandas库 可以深入分析企业关键指标 [2] - 利用AI和Python构建的DCF估值模型等 可以更准确评估企业价值 为投资决策提供依据 [2] 报告编写与可视化呈现 - AI能够快速生成高质量的金融报告 结合花火数图 思维导图等工具 将复杂金融数据以直观图表形式呈现 [3] - Python的Matplotlib和Pyecharts库等 可以实现数据的动态可视化 让报告更具说服力和吸引力 [3] 流程自动化与智能应用 - AI和Python的结合使得金融财务流程自动化成为可能 如批量生成文件 自动化审计等 有效提升工作效率 [4] - 通过打造专属AI智能体 可以构建个性化投研支持系统 [4] 量化投资策略开发 - 在量化投资领域 AI和Python的应用前景广阔 从K线图绘制到经典投资策略的开发与回测 提供了强大的技术支持 [5] - 通过Python开发的量化策略回测平台 投资者可以轻松测试和优化自己的投资策略 提高投资收益 [5] 课程亮点与内容 - 课程包含86节精讲课 总时长32.5小时 系统覆盖AI+Python金融投研全流程知识点与实战技巧 [7] - 课程涵盖海量上市公司实战案例 深度剖析数据获取 分析 建模 可视化到报告生成等核心金融场景 [7] - 课程配套赠送素材包 工作场景提示词模板 PPT模板等资料包 拿来即用 效率倍增 [7] 课程大纲 - 第一章聚焦AI大模型在金融投研的应用 包括设计提示词 从真实财报中精准提取信息 优化分析报告 以及DCF建模等场景的应用 [8] - 第二章讲解Python在金融中的实战技能 覆盖数据处理 自动抓取数据 工具开发到基础量化策略的实用场景 [9][10] 主讲嘉宾背景 - 主讲嘉宾王老师已出版多本Python金融相关书籍 包括《Python金融大数据挖掘与分析全流程详解》等 [15] - 王老师在金融机构做过多年金融科技工作 主导过不少用AI和Python做金融投资研究的项目 经验丰富 [18]