量化选股研究岗招聘 工作地点：上海、深圳、北京 简历截止日期：2026年4月30日 岗位职责： 1、负责金融工程策略模型的开发与跟踪，如因子选股、行业轮动、择时等量化策略。 任职要求： 1、硕士研究生（含）以上学历，数学类、统计类、计算机、物理类、金融工程等相关专业。 2、熟练掌握Python、Matlab等至少一种编程语言，熟练运用数据库及数据库语言，如oracle、sql server等，有良好的 编程能力与编程规范。 3、工作年限：五年以内。 岗位职责： 1、负责固收方向的策略开发与跟踪等，如国债、可转债等量化策略。 任职要求： 量化固收研究岗招聘 工作地点：上海、深圳、北京 简历截止日期：2026年4月30日 简历截止日期：2026年4月30日 岗位职责： 1、负责基金经理调研、基金优选及相关专题策略研究。 任职要求： 1、硕士研究生（含）以上学历，金融工程等相关专业。 2、熟练掌握Python、Matlab等至少一种编程语言，熟练运用数据库及数据库语言，如oracle、sql server等，有良好的 编程能力与编程规范。 1、硕士研究生（含）以上学历，数学类、统计类、计算机、物理类、金融工程等相关 ...

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]

公司核心事件 - 百亿私募启林投资创始合伙人沈显兵于2026年2月2日逝世，享年40岁 [1] - 公司管理层及全体员工对沈显兵的辞世表示沉痛哀悼，并对其重要贡献致以感谢 [1] - 沈显兵毕业于中国科学技术大学物理学专业，曾任职于科大讯飞等科技公司，自2015年起参与公司创建及运营管理，担任创始合伙人、副总经理 [1] 公司基本情况 - 启林投资成立于2015年5月28日，目前管理规模超过100亿元 [1] - 公司法定代表人、总经理王鸿勇同样毕业于中国科学技术大学物理学专业，与沈显兵及董成于2015年共同创立公司 [3] 公司业务与策略 - 公司构建了完整的量化策略开发流水线，将研究过程标准化、模块化，涵盖数据获取、因子研究、模型开发、组合优化、交易执行五大环节 [3] - 通过持续优化工具链与流程，公司实现了策略研发的标准化、模块化与高效化，形成“策略工厂” [3] - 量化选股策略聚焦中证2000指数，持仓多为小市值股票，这类股票定价效率相对较低、交易活跃度高，短周期信号预测具备天然优势 [3] - 通过对市场微观结构的深入研究，公司旨在捕捉短期价格波动中的alpha机会 [3][4]

公司核心事件 - 百亿量化私募启林投资创始合伙人沈显兵于2026年2月2日去世，享年40岁 [1] 公司背景与团队 - 公司创始团队具有中国科学技术大学背景，由王鸿勇、沈显兵、董成三位同窗于2015年联合创立 [3] - 公司名称“启林”源于《左传》，寓意创业艰辛与开拓精神 [3] 公司规模与业绩 - 截至2025年12月，公司管理规模达150亿元人民币，是国内领先的量化私募之一 [4] - 在2025年百强量化私募业绩排名中，启林投资位列第47名 [4] 公司策略与运营 - 公司构建了完整的策略开发流水线，将量化投资过程标准化、模块化，形成“策略工厂” [5] - 策略流水线主要包括五大环节：数据获取、因子研究、模型开发、组合优化、交易执行 [5] - 量化选股策略聚焦中证2000指数，持仓多为小市值股票，以捕捉短期价格波动中的alpha机会 [5][6] 行业格局与趋势 - 中国科学技术大学背景的团队已成为国内量化私募圈的重要力量 [7] - 截至2021年，已有启林投资、世纪前沿、宽德资本等至少四家中科大系量化私募管理规模超越百亿，在当时内地24家百亿量化私募中占据六分之一 [7] - 2023年，宽德资本在募资低潮期募资上百亿元，成为当年“募资王” [7] - 在2025年百强量化私募业绩排名中，中科大系的世纪前沿与宽德资本分别位列第17和第57位 [7] - 量化私募机构重视中科大人才资源，有上海机构在合肥中科大附近设立人工智能实验室以吸引人才 [7]

行业背景与公司定位 - 在当前市场波动加剧、投资难度攀升的背景下，量化投资凭借其系统化、纪律化的优势，成为应对复杂市场环境的重要选择 [2][29] - 上海启林投资管理有限公司是国内量化投资领域的先行者，凭借深厚的学术底蕴、强大的技术实力和严谨的风控体系，为投资者提供穿越市场周期的专业解决方案 [2][29] 公司概况与发展历程 - 公司成立于2015年5月28日，截至2025年10月，管理规模达150亿人民币，是国内管理规模领先的量化私募之一 [2][29] - 公司定位于基于数理视角和计算机应用进行股票交易的专业量化管理机构，十年来屡获业内权威奖项，如英华奖（2022、2021）、华耀奖（2022）等 [2][29] 创始人背景与团队构成 - 创始人王鸿勇博士拥有深厚的物理学学术背景，是中国科学技术大学物理学士，北京大学物理学硕士、博士，德国亥姆霍兹研究所博士后，并在物理学顶尖期刊Physical Review Letters上发表三篇权威论文，在其他SCI高水平杂志累计发表文章20余篇 [4][8][31][35] - 公司核心管理层稳定，具有7年以上可追溯历史业绩，拥有丰富的策略平台搭建和量化策略开发经验 [8][35] - 公司正式员工55人，其中投研和IT成员共计38人（投研14人，IT24人），均毕业于国内外知名高校，团队细分为数据采集组、特征因子组、建模团队组、组合优化组和交易系统组，实现流水线高效策略迭代 [8][35] 策略开发理念与体系 - 策略开发遵循两条“铁律”：没有永远有效的策略，以及新的有效策略会不断涌现 [10][37] - 公司将核心竞争力聚焦于高效且持续地开发新有效策略，并以工程化、工业化的方式构建策略研发流水线 [10][37] - 策略开发流水线主要包括五大环节：数据获取、因子研究、模型开发、组合优化、交易执行，实现了策略研发的标准化、模块化与高效化，形成“策略工厂” [10][11][37][38] - 公司从三个维度构建多策略体系以应对不同市场环境：频段差异（覆盖高频、中频、低频策略）、选股域差异（针对不同股票池）、数据维度差异（基于量价、基本面及另类数据） [11][20][38][48] 技术与基础设施 - 量化投资是技术驱动行业，公司在技术与算力建设上持续投入，于2022年投入约1亿元建立超算集群，搭建多卡并行的算力平台 [11][12][38][39] - 公司积极拥抱AI技术趋势，持续加大在AI算法和算力基础设施上的投入，以构建“算力级阿尔法” [12][39] - 公司保持技术平台的开放性与可拓展性，灵活吸收新技术以保持策略研发的前沿性 [12][13][39][40] - 公司自主研发并上线了低延时交易系统，显著提升了交易执行的效率与稳定性，以更有效地捕捉市场机会 [14][41] 量化选股策略核心亮点 - 公司的量化选股策略聚焦中证2000指数，持仓多为小市值股票，这类股票定价效率相对较低、交易活跃度高，使短周期信号预测具备天然优势 [16][44] - 中证2000指数包含2000只成分股，成分股平均市值约60亿元，90%以上成分股市值低于100亿元，前十大权重合计约2.6%，“专精特新”企业数量占比超过30% [18][19][46][47] - 策略设计以追求高夏普比率为目标，通过严格的风险控制和精细化的组合管理，实现超额收益的高确定性 [22][50] - 公司在控制风险时注重降低对Alpha的损耗，通过优化的风险模型和组合优化算法，在控制跟踪误差和风格暴露的同时，最大限度保留策略的Alpha收益 [23][51] - 公司拥有严谨的风控体系，严格把控成分股占比、行业/风格暴露、市值风格（>-0.1σ），防止风格漂移，防范尾部风险 [24][52] 发展前景与总结 - 随着中国资本市场不断发展和成熟，市场效率提升、投资者结构优化及技术进步，为量化投资提供了广阔的发展空间 [25][53] - 启林投资凭借其深厚的学术底蕴、强大的技术实力、严谨的风控体系和持续创新的精神，已在量化投资领域树立了专业的品牌形象 [25][53] - 公司将继续秉持长期主义，成为值得信赖的量化投资伙伴 [26][54]

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]

量化CTA策略近期表现 - 11月17日至11月21日，私募策略量化CTA平均收益为0.43%，是多个策略中唯一正收益，再现“危机阿尔法”特点 [1] - 近1月量化CTA策略平均收益为2.01%，在各策略中居于首位 [1] - 今年以来至11月21日，量化CTA策略平均收益约为11%，同期量化选股策略平均收益为42.71% [2] - 量化CTA策略今年业绩分化，趋势跟踪策略表现较好，有管理人1-2倍杠杆产品收益超10%，10月以来优秀管理人趋势策略收益可达3%以上，截面多空策略有管理人3-4倍杠杆产品收益超5% [2] 量化CTA的“危机阿尔法”特性 - 量化CTA主要交易商品期货品种，与股票、债券等传统资产相关性较低，且可分散交易多个品种并双向操作（做多/做空） [1] - 该特性在上周（11月17-21日）和4月7日特朗普宣布对等关税导致全球资产调整时均有所体现，产品仅微跌 [1] 量化CTA策略表现驱动因素 - 策略表现依赖波动率与趋势性，今年表现较2024年好 [3] - 趋势度方面，贵金属指数在1季度和3季度有明显上行趋势，能化指数1月下旬开始长时间下跌，5、6月回升，8月后下跌且10月加速，南华黑色指数2-5月明显下跌，7月因反内卷明显上涨 [3] - 波动率方面，年化波动率15%以上对量化CTA友好，2020年5交易日波动率中枢在15%，2025年波动率多在10%左右，细分指数间差异化加大 [4] 未来市场环境与配置价值 - 股票市场或震荡居多，11月24至27日A股反弹势头较缓，Wind全A平均成交额1.77万亿元，环比下降5%，机构存在止盈需求，可能更倾向布局春季行情 [6] - 债市因赎回新规调整，10年期国债到期收益率上行3.3BP，地产债因万科债务展期和商品房销售不及预期存在较大不确定性 [6] - 通胀环境利于大宗商品，10月CPI同比回升至0.2%，核心CPI同比连续6个月上行至1.2%，PPI环比年内首次转正（+0.1%），同比降幅收窄至-2.1%，“十五五”规划强调经济建设和消费拉动，国内通胀或温和提升 [6] - 招商期货建议CTA逐步增配，以趋势策略为主，当前市场流动性高，短周期CTA策略盈利环境较优，震荡中可增配中长周期策略 [7] - 量化CTA策略年度胜率较高但波动较大，宜在波动率较低时买入，多家管理人表示当前是布局良机 [7] 量化CTA产品选择建议 - 趋势跟踪、截面多空或基本面量化策略各有适合的市场环境，管理人因规模或因子迭代会表现分化 [8] - 建议通过配置多周期、多策略的FOF产品进行投资，以筛选产品、跟踪业绩归因并及时调整仓位，实现稳健配置价值 [8]

核心观点 - 报告基于深度学习框架构建了AI体系下的低频指数增强策略，该策略通过组合优化勾连深度学习alpha信号与风险信号，构建了针对沪深300、中证500和中证1000的指数增强组合 [3][15] 本周市场指数表现 - 截至2025-10-17当周，主要市场指数普遍下跌：上证指数下跌1.47%，深证成指下跌4.99%，沪深300指数下跌2.22%，中证红利指数逆势上涨0.67% [5][8][9] - 行业表现分化显著：银行、煤炭、食品饮料行业表现较好，周收益率分别为4.89%、4.17%、0.86%；电子、传媒、汽车行业表现较差，周收益率分别为-7.14%、-6.27%、-5.99% [9] - 今年以来（截至2025-10-17）主要宽基指数均录得上涨：沪深300上涨14.72%，中证500上涨22.54%，中证1000上涨20.61% [9] 指数增强基金绩效 - 截至2025-10-17当周，不同基准的指数增强基金超额收益中位数表现：沪深300指增基金为0.12%，中证500指增基金为0.74%，中证1000指增基金为0.60% [5][12] - 今年以来（截至2025-10-17）指数增强基金超额收益中位数表现：沪深300指增基金为1.55%，中证500指增基金为2.30%，中证1000指增基金为8.00% [13] 跟踪组合表现（AI指数增强策略） - 策略核心方法：利用深度学习框架构建alpha和风险模型，alpha维度通过多源特征集合和堆叠多模型策略生成信号，风险维度利用神经网络寻找长期IC均值为0且高R方的风险信号，组合周度调仓并约束周单边换手率10% [15] 沪深300指数增强组合 - 截至2025-10-17，该组合今年以来上涨23.7%，对比基准指数14.7%的涨幅，获得9.0%的超额收益；当周组合下跌1.8%，对比基准指数2.2%的跌幅，获得0.5%的超额收益 [5][19] - 历史表现回溯（全样本期）：组合年化收益19.7%，对比基准指数6.0%的收益，超额收益达13.7%，月度胜率为77.8% [20] 中证500指数增强组合 - 截至2025-10-17，该组合今年以来上涨29.3%，对比基准指数22.5%的涨幅，获得6.8%的超额收益；当周组合下跌3.9%，对比基准指数5.2%的跌幅，获得1.3%的超额收益 [5][24] - 历史表现回溯（全样本期）：组合年化收益24.7%，对比基准指数7.8%的收益，超额收益达16.9%，月度胜率为79.0% [25] 中证1000指数增强组合 - 截至2025-10-17，该组合今年以来上涨34.0%，对比基准指数20.6%的涨幅，获得13.4%的超额收益；当周组合下跌3.3%，对比基准指数4.6%的跌幅，获得1.3%的超额收益 [5][30] - 历史表现回溯（全样本期）：组合年化收益31.1%，对比基准指数7.1%的收益，超额收益高达24.0%，月度胜率为86.4% [31]

量化策略近期表现分析 - 量化超额收益在8月中旬出现显著下滑，特别是市值下沉的量化选股策略在8月15日当周出现近3个点的负超额（以全指为基准）[8] - 市场风格切换导致中小盘资金流向中大盘股，量化模型适应速度滞后，叠加权重股拉升指数但成分股涨幅中位数偏低，分散持股进一步摊薄收益[10][11] - 300指增和500指增策略在近期绝对收益表现领先，而此前领先的量化选股策略回落至末位[10] 中证500指增策略表现（8.18-8.22） - 周度收益率最高达4.10%，超额收益0.23%，近一年收益率91.51%，超额收益42.77%[4] - 成立时长6.2年的管理人年化收益率达26.13%，今年以来收益率38.47%[4] - 部分管理人周度超额收益为负，最低为-0.89%，分化明显[4] 中证1000指增策略表现（8.18-8.22） - 周度收益率最高达4.13%，超额收益0.68%，近一年收益率127.57%，超额收益65.68%[4] - 成立时长2.7年的管理人年化收益率达37.65%，今年以来收益率51.80%[4] - 部分管理人近一年超额收益为负（-12.40%），表现分化显著[4] 量化策略有效性评估 - 市场成交额突破3万亿元，流动性充裕，波动率处于高位，支撑量化策略长期有效性[11] - 策略失效风险较低，因核心盈利逻辑（流动性与波动率）未发生根本变化[11] - 短期调整属阶段性现象，建议持有或配置低股票相关性策略[11] 风控严格型量化指增策略 - 行业约束严格，成分股比例高，微盘股暴露少，适应风格切换能力强[14][16] - 量价因子为主（占比40-45%），辅以基本面和另类因子，人工挖掘为主，机器学习为辅[16] - 全频段覆盖模型，中短周期因子增强风格切换适应能力，长周期因子提升选股多样性[16] 极致量价驱动型量化选股 - 采用端到端非线性预测模型，直接输出信号，无中间因子环节，技术壁垒高[17][19] - 100%依赖微观量价数据，预测周期短（最长1天），年化双边换手率达150倍，高流动性下可达200倍[19] - 规模较小管理人调仓灵活，对市场变化响应迅速，近期表现领先[19] 因子均衡型量化选股 - 量价与基本面/另类因子各占50%，收益贡献均衡，降低单一因子失效风险[20][22][23] - 人工挖掘因子，注重质量，严格评估IC、IR及相关性指标[22] - 全流程可追溯模型增强策略归因精准性，近期受风格切换影响较小[22][23] 全指指增策略优势 - 跟踪中证全指，覆盖大、中、小市值股票，风格均衡，无显著偏向[24][26] - 上周收益率3.9%，今年以来收益率18.3%，优于上证综指（14.1%）和沪深300（11.3%）[28][30] - 成分结构：沪深300占46%，中证500占17%，中证1000占16%，其他21%，确保各类市场环境下收益确定性[30][31] 因子组合优化方法 - 线性组合以夏普最优为目标，通过凸优化调整因子权重[29] - 非线性组合以因子预测效果最优化为目标，充分发挥因子预测能力[29]

核心观点 - 预测成长型因子（一致预测营收及净利润2年复合增长率）在2022年前相对沪深300的超额收益不明显，2022年后出现分化，营收及净利润增速（0-15%）组合表现最优 [1] - 引入PEG因子优化组合后，营收及净利润（50%+）超高增速组中PEG（1-3）组合表现最优，避免因短期高增长预期支付过高溢价 [2][3] - 一致预测营收（50%+）PEG（1-3）组合2014/07/01-2025/7/25累计收益率275.45%，超额收益率184.83%，年化收益率12.68% [3] - 一致预测净利润（50%+）PEG（1-3）组合同期累计收益率296.87%，超额收益率206.25%，年化收益率13.24% [3] 预测成长型因子及初步回测 - 选用Wind一致预测营收/净利润2年复合增长率作为成长因子，基于分析师对个股未来成长性预期构建 [8] - 2014-2025年个股一致预测营收增速分布显示，50%+超高增速组占比最低，0-15%增速组占比最高 [11] - 营收增速分组回测显示，2022年后0-15%增速组表现最优，推测因市场风格转向价值型及高增速组估值偏高 [14] - 净利润增速分组回测结果与营收增速相似，0-15%增速组在2022年后表现最优 [19] 引入估值因子PEG进一步优化组合 - PEG（PE/净利润增长率×100）适用于成长股分析，合理水平需结合利率环境及公司增长特性 [20] - 实证显示美股估值与利率呈反向关系，PEG水平随利率环境变化调整，高成长企业应获更高PEG估值 [21] - 营收增速（0-15%）组在PEG（0-1）区间表现最优，累计收益率249.25%，年化收益率11.95% [24][26] - 营收增速（15%-30%）组在PEG（1-3）范围表现最优，累计收益率221.02%，年化收益率11.10% [28][31] - 营收增速（50%+）组在PEG（1-3）表现最优，累计收益率275.45%，年化收益率12.68% [34][36] - 净利润增速（0-15%）组在PEG（0-1）区间表现最优，累计收益率241.79%，年化收益率11.73% [37][40] - 净利润增速（15%-30%）组在PEG（0-1）区间表现最优，累计收益率274.66%，年化收益率12.66% [41][44] - 净利润增速（50%+）组在PEG（1-3）表现最优，累计收益率296.87%，年化收益率13.24% [45][49] 结论 - PEG（1-3）因子在超高增速组（50%+）表现最优，平衡估值与成长性 [50] - 营收及净利润超高增速组采用PEG（1-3）筛选可显著提升组合收益，年化收益率超12% [3][50]