根据提供的研报内容，以下是关于量化因子与模型的总结。 量化因子与构建方式 1. **因子名称**：涨跌类因子 (KeyPeriod_ret) [7][25][26] - **因子构建思路**：基于分钟频因子构建逻辑的改进，采用逐笔订单数据，通过识别日内不同涨跌幅表现的重点时段（如横盘、下跌、上涨时段），并统计这些时段内的量价特征来构建因子[7][25] - **因子具体构建过程**：首先，根据分钟线的涨跌幅对交易日内的分钟时段进行分类，例如，将涨跌幅接近于零的时段定义为横盘时段 (ret_zero)，将涨跌幅处于最低5%的时段定义为下跌时段 (ret_low5pct)，将涨跌幅处于最高5%的时段定义为上涨时段 (ret_top5pct)。然后，在这些定义出的关键时段内，使用Level 2逐笔订单数据计算特定的量价指标。构建过程还包含了主买 (buy) 和主卖 (sell) 的区分，例如 KeyPeriod_ret_low5pct_buy 和 KeyPeriod_ret_low5pct_sell，分别代表在下跌时段内的主买和主卖相关特征[26][27][30] 2. **因子名称**：价格类因子 (KeyPeriod_price) [7][25][31] - **因子构建思路**：通过识别日内股价相对高低的关键时段，并统计这些时段内的量价特征来构建因子[7][25] - **因子具体构建过程**：根据分钟线的价格水平对交易日内的分钟时段进行分类，例如，将价格处于最低5%的时段定义为低价时段 (price_low5pct)，将价格处于最高5%的时段定义为高价时段 (price_top5pct)。然后，在这些关键时段内使用Level 2逐笔订单数据计算量价指标。同样包含主买 (buy) 和主卖 (sell) 的区分，例如 KeyPeriod_price_low5pct_buy 和 KeyPeriod_price_low5pct_sell[32] 3. **因子名称**：成交金额类因子 (KeyPeriod_amount) [7][25][34] - **因子构建思路**：通过识别日内成交金额相对大小的关键时段，并统计这些时段内的量价特征来构建因子[7][25] - **因子具体构建过程**：根据分钟线的成交金额对交易日内的分钟时段进行分类，例如，将成交金额处于最高30%的时段定义为大成交金额时段 (amount_top30pct)，将成交金额处于最低50%的时段定义为小成交金额时段 (amount_low50pct)。然后，在这些关键时段内使用Level 2逐笔订单数据计算量价指标。构建过程也包含了主买 (buy) 和主卖 (sell) 的区分，例如 KeyPeriod_amount_top30pct_buy 和 KeyPeriod_amount_top30pct_sell[35] 4. **因子名称**：量价协同类因子 (KeyPeriod_sync) [7][25][37] - **因子构建思路**：通过识别日内量价关系（协同或背离）的关键时段，并统计这些时段内的量价特征来构建因子[7][25] - **因子具体构建过程**：首先需要定义一个量价协同指标（具体公式未在提供内容中明确给出，但逻辑是衡量价格变动与成交量变动的一致性），然后根据该指标对交易日内的分钟时段进行分类，例如，将量价协同度处于最低50%的时段定义为量价背离时段 (sync_low50pct)，将量价协同度处于最高5%的时段定义为量价协同时段 (sync_top5pct)。接着，在这些关键时段内使用Level 2逐笔订单数据计算量价指标。构建过程同样包含主买 (buy) 和主卖 (sell) 的区分，例如 KeyPeriod_sync_low50pct_buy 和 KeyPeriod_sync_low50pct_sell[38] 因子的回测效果 1. **KeyPeriod_ret_zero 因子** (20日换仓，5日平滑因子)，RankIC均值: -5.36%，胜率: 85.1% [7][27] 2. **KeyPeriod_ret_low5pct 因子** (20日换仓，5日平滑因子)，RankIC均值: 5.47%，胜率: 84.1% [7][27] 3. **KeyPeriod_price_low5pct 因子** (20日换仓，5日平滑因子)，RankIC均值: 5.59%，胜率: 85.3% [7][32] 4. **KeyPeriod_amount_top30pct 因子** (20日换仓，5日平滑因子)，RankIC均值: 11.23%，胜率: 84.8% [7][35] 5. **KeyPeriod_amount_low50pct 因子** (20日换仓，5日平滑因子)，RankIC均值: -10.50%，胜率: 75.0% [7][35] 6. **KeyPeriod_sync_low50pct 因子** (20日换仓，5日平滑因子)，RankIC均值: 6.00%，胜率: 81.5% [7][38]

量化模型与因子总结 量化因子与构建方式 1. **因子名称**：超预期因子大类[7] * **因子构建思路**：基于PEAD效应，利用公司实际发布的财务数据与分析师一致预期之间的差异来构建选股因子，认为业绩超预期的公司未来股价有更好表现[7]。 * **因子具体构建过程**：报告未详细描述具体构建公式，但指出其详细介绍参见系列报告《基于PEAD效应的超预期因子选股效果如何》[7]。报告中列出的具体因子均进行了标准化和市值行业中性化处理[32]。 2. **因子名称**：高频分钟因子大类[7] * **因子构建思路**：基于分钟级别的高频行情数据，捕捉市场微观结构特征和交易行为信息，用于选股[7]。 * **因子具体构建过程**：报告未详细描述具体构建公式，但指出其详细介绍参见系列报告《基于分钟数据的高频因子选股效果研究》[7]。报告中列出的具体因子均进行了标准化和市值行业中性化处理[32]。 3. **因子名称**：基本因子大类[7] * **因子构建思路**：从估值、盈利、成长、公司治理、价量等多种传统投资逻辑出发构建常用因子库[32]。 * **因子具体构建过程**：报告未详细描述每个基本因子的具体计算公式。报告中列出的所有单因子在具体使用前，均会进行统一的预处理和中性化处理，具体步骤如下[32]： 1. **原始值计算**：根据各因子的投资逻辑初步计算得到因子原始值。 2. **去极值**：采用绝对中位数法对因子原始值进行去极值处理。 3. **标准化**：对去极值后的数据进行Z-Score标准化。 4. **市值行业中性化**：以每个股票标准化后的因子值作为因变量，以对数市值和中信一级行业虚拟变量作为自变量，进行横截面回归。将回归后的残差作为每个股票的最终因子值。 公式说明：此过程旨在消除市值和行业对因子选股效果的影响，使因子更纯粹地反映其背后的投资逻辑[32]。 4. **因子名称**：单季度营业收入同比增长率[33][37][39] * **因子构建思路**：属于成长类因子，衡量公司最近一个季度营业收入的同比增长情况，增长率越高代表成长性越强[39]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 5. **因子名称**：单季度归母ROE[33][39][40] * **因子构建思路**：属于盈利类因子，衡量公司最近一个季度归属于母公司股东的净资产收益率，值越高代表盈利能力越强[39][40]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 6. **因子名称**：单季度归母ROA变动[33][39] * **因子构建思路**：属于成长类因子，衡量公司最近一个季度归母ROA相对于之前时期的变化，变动越大可能表示盈利能力的改善趋势越强[39]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 7. **因子名称**：分析师预测净利润增长率FY3[34][39] * **因子构建思路**：属于分析师类因子，采用分析师对公司未来第三年净利润增长率的预测共识，增长率越高代表未来成长预期越好[39]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 8. **因子名称**：分析师预测营收增长率-FY3[34][37][39] * **因子构建思路**：属于分析师类因子，采用分析师对公司未来第三年营业收入增长率的预测共识，增长率越高代表未来成长预期越好[39]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 9. **因子名称**：分析师预测营收FY3的120日变动[34][39] * **因子构建思路**：属于分析师类因子，衡量分析师对公司未来第三年营收预测共识在过去120日内的变动，向上修正可能代表基本面预期好转[39]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 10. **因子名称**：标准化预期外单季度归母ROE-带漂移项[35][39] * **因子构建思路**：属于超预期类因子，衡量公司单季度实际归母ROE与分析师预期之间的差异，并经过带漂移项的标准化处理，值越大表示业绩超预期幅度越大[39]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 11. **因子名称**：分析师预测ROE-FY3的120变动[35][37][39] * **因子构建思路**：属于分析师类因子，衡量分析师对公司未来第三年ROE预测共识在过去120日内的变动，向上修正可能代表盈利能力预期提升[39]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 12. **因子名称**：标准化预期外单季度归母净利润-带漂移项[35][39] * **因子构建思路**：属于超预期类因子，衡量公司单季度实际归母净利润与分析师预期之间的差异，并经过带漂移项的标准化处理，值越大表示业绩超预期幅度越大[39]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 13. **因子名称**：过去90日报告上调比例[36][39] * **因子构建思路**：属于分析师超预期类因子，统计过去90天内分析师发布的研究报告中上调评级或盈利预测的比例，比例越高代表市场对公司看法越积极[39]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 14. **因子名称**：标准化预期外单季度扣非净利润-带漂移项[36][39] * **因子构建思路**：属于超预期类因子，衡量公司单季度实际扣非净利润与分析师预期之间的差异，并经过带漂移项的标准化处理，值越大表示业绩超预期幅度越大[39]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 15. **因子名称**：5分钟成交量偏度[36][40] * **因子构建思路**：属于高频分钟类因子，基于5分钟数据计算成交量分布的偏度，捕捉异常交易行为[40]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 16. **因子名称**：分析师预测ROA-FY3的120变动[37][39] * **因子构建思路**：属于分析师类因子，衡量分析师对公司未来第三年ROA预测共识在过去120日内的变动[39]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 17. **因子名称**：EPS120日变动FY3[37][39] * **因子构建思路**：属于分析师类因子，衡量分析师对公司未来第三年每股收益预测共识在过去120日内的变动[39]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 18. **因子名称**：分析师预测净利润FY3的120日变动[37][39] * **因子构建思路**：属于分析师类因子，衡量分析师对公司未来第三年净利润预测共识在过去120日内的变动[39]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 19. **因子名称**：60日特异度[33][34][35][36][37][40] * **因子构建思路**：属于价量类因子，可能衡量股票收益率与市场收益率之间的特异性或残差波动，值越小可能表示与市场关联度越低或特质风险越小[40]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 20. **因子名称**：成交量方差比率[34][35][36][40] * **因子构建思路**：属于价量或高频类因子，可能衡量不同时间尺度成交量波动的比率，用于探测交易行为的持续性或周期性[40]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 21. **因子名称**：1分钟下行波动率占比[33][40] * **因子构建思路**：属于高频分钟类因子，基于1分钟数据计算下行波动率在总波动率中的占比，捕捉下跌时的波动风险[40]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 22. **因子名称**：20日日均交易金额[33][40] * **因子构建思路**：属于价量类因子，衡量股票近20日的平均交易金额，通常作为流动性或关注度的指标[40]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 23. **因子名称**：EBIT2EV[34][40] * **因子构建思路**：属于估值类因子，即企业价值倍数，衡量公司息税前利润与企业价值的比率，值越大可能代表估值越低或盈利能力越强[40]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 24. **因子名称**：3个月换手率标准差[34][40] * **因子构建思路**：属于价量类因子，衡量过去3个月换手率的波动情况，标准差小可能表示交易活跃度稳定[40]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 25. **因子名称**：净经营资产收益率[35][40] * **因子构建思路**：属于盈利类因子，衡量公司经营资产创造净利润的效率[40]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 26. **因子名称**：股息率[36][40] * **因子构建思路**：属于估值类因子，衡量公司现金分红与股价的比率，是红利投资策略的核心指标[40]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 27. **因子名称**：单季度归母净利润[36][40] * **因子构建思路**：属于盈利类因子，衡量公司最近一个季度的净利润规模[40]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 28. **因子名称**：单季度归母ROA[36][40] * **因子构建思路**：属于盈利类因子，衡量公司最近一个季度归属于母公司股东的总资产收益率[40]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 29. **因子名称**：尾盘成交量波动率[37][40] * **因子构建思路**：属于高频分钟类因子，衡量尾盘时段成交量的波动情况[40]。 * **因子具体构建过程**：报告未给出具体计算公式。构建完成后，会经过上述统一的去极值、标准化和市值行业中性化处理流程[32]。 因子的回测效果 （注：以下所有因子取值均基于“单因子组合优化”测试，超额收益为因子多头组合相对于基准指数的收益。时间区间为“上周”（2025-11-24至2025-11-28）和“本年”（截至2025-11-28）。数据来源于报告中的单因子表现表[39][40]） 1. **标准化预期外单季度扣非净利润因子**，上周超额收益（沪深300）0.22%，上周超额收益（中证500）0.33%，上周超额收益（中证1000）1.06%，上周超额收益（中证2000）0.20%，上周超额收益（中证全指）0.97%；本年超额收益（沪深300）8.45%，本年超额收益（中证500）4.68%，本年超额收益（中证1000）4.29%，本年超额收益（中证2000）20.71%，本年超额收益（中证全指）6.63%[39] 2. **标准化预期外单季度扣非净利润-带漂移项因子**，上周超额收益（沪深300）-0.10%，上周超额收益（中证500）0.21%，上周超额收益（中证1000）1.61%，上周超额收益（中证2000）-0.36%，上周超额收益（中证全指）0.96%；本年超额收益（沪深300）9.93%，本年超额收益（中证500）4.86%，本年超额收益（中证1000）18.34%，本年超额收益（中证2000）22.18%，本年超额收益（中证全指）12.48%[39] 3. **标准化预期外单季度归母净利润-带漂移项因子**，上周超额收益（沪深300）-0.10%，上周超额收益（中证500）0.21%，上周超额收益（中证1000）1.61%，上周超额收益（中证2000）-0.36%，上周超额收益（中证全指）0.96%；本年超额收益（沪深300）9.93%，本年超额收益（中证500）4.86%，本年超额收益（中证1000）18.34%，本年超额收益（中证2000）22.18%，本年超额收益（中证全指）12.48%[39] 4. **标准化预期外单季度营业收入-带漂移项因子**，上周超额收益（沪深300）0.32%，上周超额收益（中证500）0.37%，上周超额收益（中证1000）1.61%，上周超额收益（中证2000）-0.57%，上周超额收益（中证全指）1.20%；本年超额收益（沪深300）12.12%，本年超额收益（中证500）6.89%，本年超额收益（中证1000）11.95%，本年超额收益（中证2000）20.81%，本年超额收益（中证全指）11.06%[39] 5. **标准化预期外单季度归母净利润因子**，上周超额收益（沪深300）-0.17%，上周超额收益（中证500）0.25%，上周超额收益（中证1000）1.36%，上周超额收益（中证2000）-0.15%，上周超额收益（中证全指）0.67%；本年超额收益（沪深300）14.15%，本年超额收益（中证500）3.76%，本年超额收益（中证1000）14.66%，本年超额收益（中证2000）21.60%，本年超额收益（中证全指）11.00%[39] 6. **标准化预期外单季度营业收入因子**，上周超额收益（沪深300）0.26%，上周超额收益（中证500）0.01%，上周超额收益（中证1000）1.37%，上周超额收益（中证2000）-0.50%，上周超额收益（中证全指）0.87%；本年超额收益（沪深300）13.90%，本年超额收益（中证500）0.65%，本年超额收益（中证1000）11.02%，本年超额收益（中证2000）19.43%，本年超额收益（中证全指）6.38%[39] 7. **标准化预期外单季度GPOA因子**，上周超额收益（沪深300）0.48%，上周超额收益（中证500）0.52%，上周超额收益（中证1000）0.86%，上周超额收益（中证2000）-0.02%，上周超额收益（中证全指）0.40%；本年超额收益（沪深300）12.44%，本年超额收益（中证500）2.49%，本年超额收益（中证1000）6.55%，本年超额收益（中证2000）11.75%，本年超额收益（中证全指）6.68%[39] 8. **标准化预期外单季度归母ROA因子**，上周超额收益（沪深300）0.01%，上周超额收益（中证500）0.40%，上周超额收益（中证1000）1.

公司概况与荣誉 - 上海蝶威私募基金管理有限公司（蝶威量化）在“2025量化行业高质量发展大会暨金融科技·量化机构金牛奖颁奖典礼”上荣获“三年期金牛量化机构（指数增强策略）”奖项 [1] - 公司成立于2018年，是一家专注于量化投资的私募证券基金管理人 [1] - 公司核心团队具备深厚的跨学科背景，是业内较早将人工智能与机器学习方法应用于金融市场实践的专业量化投资团队 [1] - 目前公司投研与IT团队超过20人，形成了一支以数据科学、人工智能为核心，深度融合投资逻辑的专业队伍 [1] 核心技术与投研框架 - 公司核心优势在于构建了一套端到端强化学习驱动的投研框架，将信号生成、仓位决策、组合优化与风险控制整合进一个闭环系统 [1] - 该框架使模型直接对最终的投资组合表现负责，学习目标是“投资人真正在意的净值曲线”，在追求收益的同时更贴近真实的投资体验 [1] - 公司通过多阶组合优化技术，系统化地生产并筛选大量风格各异的子策略，以增强整体组合抵御波动的能力 [2] 数据挖掘与策略构建 - 公司因子库涵盖传统财务与量价数据，并深度融合非结构化信息，通过自研文本处理体系与大型模型对公司公告、行业政策、事件驱动等另类数据进行“读懂、打标、量化”，转化为有效的预测信号 [2] - 团队深入研究盘口与成交数据，分析订单流背后的微观博弈行为，构建了理解市场短期资金动向的独特能力 [2] - 这种“基本面+另类+微观”的多维数据挖掘，构成了其策略多样性与阿尔法来源的基础 [2] 风险管理体系 - 公司坚持风险“提前规划、实时调节”，在投研体系内置了动态风险预算与风险平价框架，能根据市场波动与策略状态实时调整风险分配 [2] - 风控举措和强化学习策略、组合优化器、交易执行模块整合在同一个闭环系统中，实现了风控与投研交易的深度协同 [2] 未来发展规划 - 公司未来将继续聚焦于端到端强化学习、多源数据挖掘与多阶组合优化的主航道，持续加大技术投入 [3] - 公司致力于为专业机构与高净值投资者提供经得起时间检验、体验更稳健的量化投资解决方案，在不确定性中寻找可持续的确定性 [3]

私募产品备案市场概况 - 11月私募市场共计有1285只私募证券产品完成备案，环比大增29.28%，创下年内月度备案量的次高 [1] - 11月有备案产品的私募机构达719家，其中备案数量不少于5只的私募机构共有49家 [2] 备案产品的策略分布 - 股票策略产品是绝对主力，11月备案849只，占比高达66.07% [1] - 多资产策略备案产品193只，占比15.02% [1] - 量化私募产品表现亮眼，11月共计备案565只，占比为43.97% [2] 量化私募产品的策略与机构特征 - 在量化产品中，股票策略是核心布局领域，备案产品数量达402只 [2] - 期货及衍生品策略的量化产品备案80只，占到该策略备案产品总量的66.12% [2] - 头部量化机构表现突出，百亿量化私募成为备案主力军，共有23家百亿量化私募机构备案产品数量居前 [2] - 百亿级私募机构是备案主力，在49家备案居前的机构中，管理规模100亿以上的达30家 [2] 领先的备案机构情况 - 世纪前沿（百亿量化私募）以20只的产品备案数量位居榜首 [2] - 星石投资（主观多头头部私募）备案产品15只，位列第二 [2] - 明汯投资、上海孝庸私募和天算量化均备案12只产品，并列第三 [2] 市场环境与机构观点 - 近期A股有所调整，沪指围绕3900点震荡 [3] - 百亿私募淡水泉认为，本轮调整并未改变A股中长期向好趋势，政策与流动性环境对市场风险偏好仍有较强支撑 [3] - 企业盈利正逐步企稳，科技及先进制造板块在外需拉动与技术升级驱动下，展现出较强的增长动能 [3]

公司规模与业绩表现 - 正瀛资产管理规模在2025年9月成功突破百亿，而2024年底其管理规模为20-50亿元，实现了显著跃升 [2] - 公司旗下产品“正瀛骐骥指数增强1号”在中证1000指增策略中，位列百亿量化私募今年来超额胜率榜十强 [2] - 公司另一产品“正瀛骐骥指数增强17号”（中证2000指增策略）自2025年3月至2025年11月已连续9个月实现正超额，今年来取得接近***%的超额收益，在百亿规模私募同类产品中排名第7 [17] 投资策略与业务发展 - 公司采用主观投资与量化结合的投资模式，并是国内较早参与场内期权市场的机构，在期权波动率交易领域有深厚经验 [4] - 公司于2021年开始布局股票业务并引入股票高频策略团队，股票高频T0策略规模在4年内实现从0到80亿元的增长 [5] - 当前股票中性T0策略产品线规模约40亿元，股票指增T0策略产品线规模约40亿元，股票T0策略总容量约为200亿元；期权套利策略产品线规模约20亿元 [7] - 公司的指数增强策略通过全复制指数成分股每日做T获取超额收益，致力于最小化跟踪误差，无行业、风格和多空敞口暴露 [20][22] - 指增产品交易频率为中高频，平均年化双边换手率为200-300倍，平均持仓周期为30-60分钟，通过预测分钟或小时级别价格走势进行日内交易 [23] - 与市场主流T0策略依赖盘口数据预测秒级波动不同，公司的T0策略预测周期更长（分钟或小时级），对盘口交易量依赖性较低，过往盈亏比较高 [23] 核心竞争优势 - 公司具备超强算力，通过大规模建设算力来丰富模型、因子和策略储备，缩短策略迭代周期 [8] - 公司在软硬件方面投入大量精力进行研究和优化，提升系统兼容性、运行效率和稳定性 [9] - 公司拥有低延迟交易系统，通过持续优化行情和交易链路来缩短交易延迟 [10] - 公司实行精细化的产品和资金运营管理，以提升运作效率 [11] - 高频策略团队成员来自上海交大、中科大、北大等知名高校，核心成员拥有超过5年的海外期货高频交易经验，最大管理规模超10亿美元 [5] 风险管理体系 - 公司风控遵循“事前防范、事中控制、事后评估”的程序，有专人负责风险控制 [13] - 事前进行科学深入的研究分析，评估投资策略的风险收益特征 [14] - 事中通过完善的系统对持仓进行实时监控和盈亏统计，并实时推送新闻舆情和重大事件 [15] - 事后对策略盈亏进行归因分析，跟踪评价策略表现，并制定极端行情风险预案 [16]

涉及的行业或公司 * 量化投资行业与主动权益（主观）投资行业 [1] * 公募基金、外资、保险公司等市场主要机构投资者 [1][6] 核心观点与论据 * **量化与主观投资的相对表现具有周期性，与市场模式高度相关** * 分歧行情（行业轮动频繁）利于量化投资，共识行情（行业集中度高）利于主观投资 [1][3] * 2013年至2017年，量化投资大幅跑赢主动权益，主要得益于小市值因子表现 [3] * 2017年至2021年，量化投资大幅跑输主动权益，期间市场经历了“漂亮50”和新能源、半导体等抱团现象 [3] * 2022年至今（2025年），量化投资再次战胜主观投资 [1][3] * **资金集中度是判断市场模式（共识/分歧）的关键指标** * 资金集中度高对应共识行情，认知型阿尔法（如产业趋势预判）占优 [1][4] * 资金集中度低对应分歧行情，交易型阿尔法（如捕捉行为偏差）占优 [1][4] * 公募基金持股集中度从2016年底至2021年持续上升，2022年至今有所下降 [1][4] * 近期三季报显示该指标开始反弹，与2025年8月量化策略表现不佳相对应 [1][4] * 预计未来一段时间内，该指标可能会继续波动 [4][5] * **对2026年市场展望：结构性行情，量化仍具优势** * 预计2026年将呈现结构性行情，量化投资仍有较大概率战胜主观投资 [1][6][8] * 2025年第三、四季度，市场已从历史低位向中枢回归，由AI等科技板块带动资金集中度提升 [6] * 在估值相对较高后，新进资金可能导致抱团效应减弱 [1][6] * 不同机构配置差异明显：公募基金偏好科技板块，外资和保险公司更倾向于红利价值板块 [1][6] * 预计市场热点将在科技成长与传统行业复苏之间切换 [1][6] * **对股市中期走势乐观，短期推荐小盘价值风格** * 对股市中期走势保持乐观态度 [1][7] * 自2025年9月以来，投资风格从成长切换至价值 [1][7] * 当前（2025年12月）整体大小盘风格均衡，但略偏向小盘价值 [1][7] * 历史数据显示，推荐风格的狭义胜率约为40%，广义胜率约为80% [1][7] * 短期内推荐小盘价值风格，并建议长期关注模型和策略表现 [2][7] 其他重要内容 * **整体观点总结**：在结构性行情背景下，预计2026年量化投资仍能战胜主观投资并获取阿尔法，对明年股市持乐观态度，建议关注短期资产及风格推荐 [8][9]

招聘岗位与职责 - 公司招聘金融工程组实习生，工作地点为深圳、上海、北京，要求线下实习 [1] - 实习时间要求每周至少3天，总时长不少于3个月，实习考核优秀者有留用机会 [1] - 岗位职责包括数据处理、分析、统计，协助完成量化投资课题研究 [2] - 岗位职责包括协助进行金融工程策略模型的开发与跟踪 [2] 候选人基本要求 - 专业要求为数学、统计、物理、计算机、信息工程等理工科或金融工程相关专业 [3] - 学历要求为硕士或博士在读，特别优秀的大四保研生亦可，要求非应届（2027年及之后毕业） [3] - 技能要求熟练掌握Python等编程语言，熟悉SQL数据库，具备优秀编程能力与规范 [3] - 能力要求包括责任心强、自我驱动，并具备良好的信息搜集、逻辑思维、分析判断及沟通表达能力 [3] 候选人优先考虑项 - 具备扎实的金融市场基础知识，熟悉股票、债券、期货、指数及基金等核心概念 [4] - 数学基础好，有科研项目经历及SCI或EI收录的学术论文 [4] - 熟悉Wind、Bloomberg、天软等金融终端 [4] - 熟悉机器学习、深度学习，熟悉PyTorch、Linux，有GPU服务器使用及项目开发经验 [4] - 有其他机构量化投研相关实习经历 [4] 申请流程与方式 - 简历投递截止日期为2025年12月31日 [1] - 简历需投递至指定邮箱，邮件标题需按“【金融工程组】-【姓名】-【毕业学校】-【专业】”格式命名 [5] - 简历需以PDF格式发送，未按要求命名的邮件将被视作垃圾邮件处理 [5] - 简历收集截止后，公司将尽快为合格候选人安排笔试和面试 [5]

文章核心观点 - DeepSeek及其创始人梁文锋的资金实力和运行方式引发外界关注，其背后关键的“现金流制造机”是早年创立的量化私募机构幻方量化，该机构在2025年实现了显著的业绩回归，这为理解DeepSeek提供了新的认知视角 [1] 幻方量化2025年业绩表现 - 幻方量化股票多头策略在2025年前十一个月的收益大体维持在**50%** 左右，同期中证1000与中证500指数大致在**20%** 出头，幻方超额达到**30个百分点**，这是过去几年来其对外募集产品业绩最显赫的一个阶段 [2] - 幻方在2025年实现了业绩大举回归，其相对稳健的表现让人想起其盛年之时的状况 [2][4] - 与2024年相比，2025年是幻方几年来超额最多的年份，2024年同类策略整体收益大致处于个位数到十几个百分点之间，绝对收益和相对收益与2025年的幅度不可同日而语 [5] - 回溯2022年和2023年，以幻方中证500代表产品为例，年度净值收益分别为**-4.00%** 和**3.19%**，在量化资管圈内并不具备竞争力 [5] 幻方量化业绩回归的背景与原因 - 幻方业绩回归的背景之一是，其收益率暴增的中证1000指增和中证500指增是当前私募量化机构最拥挤、市场容量最大的市场，这很可能意味着曾经被规模压垮的经典因子，在历经周期和技术迭代后重新轮回 [5] - 本轮指增业绩回归同时出现在多个量化多头产品身上，第三方平台统计显示，当前量化规模第一梯队的明汯、衍复、灵均、宽德的同期业绩均在类似水平线附近，不相上下 [5] - 幻方量化的发展遵循“先自营、后资管”的模式，与中国第一代量化机构的普遍模式高度一致，自营盘业绩曲线是其与渠道合作、设立对外资管产品时最关键的底层依据 [12] 幻方量化的规模变化与行业格局 - 幻方量化曾以量化四大天王领头羊的身份，率先冲破**千亿规模**，但又很快遭遇业绩和规模的双双缩水 [3] - 自2023年起，幻方缩减规模的消息在行业内流传，彼时有说法称其资管规模可能降至**200亿元**附近，这里的“规模”主要指对外管理的资金（资管业务体量） [7] - 随着幻方“瘦身”消息传开，市场对其关注度下降，讨论重心逐渐转向规模在**500亿元**以上的头部管理人，这些机构在近三年成为外部募资的主要承接者 [8] - 近三年来，宽德投资、黑翼资产、诚奇资产、世纪前沿资产陆续成为市场募资的“热门”，同时九坤投资、明汯投资、衍复投资等一线机构在业绩端保持稳定表现，强化了市场对头部量化的关注度 [9] 幻方量化的“自营盘”业务 - 在幻方“静音”的三年里，一项低调存在的内部底仓（自营盘）始终在为其业务提供实际支撑 [10] - “自营盘”指的是量化投研团队使用自有资金进行策略交易，资金决策链条更短，也不需要考虑外部投资者的申赎节奏，是量化公司最能体现模型真实能力的部分，也是维持内部收益、平衡资源配置的核心力量 [13][14] - 从量化行业的通行逻辑看，外部资管产品的年内表现通常能为判断自营盘的大致走势提供参照，如果一套模型在真实外部资金下能稳定跑出来，自有资金的表现不会偏离太远 [15][16] - 2025年幻方量化的资管产品收益大体保持在**50%** 左右，走势平稳，策略结构以量化多头与指数增强为主，具有较高可复制性，据此推断自营盘整体方向大概率与资管端保持一致，也不排除更高收益率的可能性 [16]

核心观点 - 2025年11月市场整体呈震荡态势，中证偏股基金指数收益率为-2.71%，但多数量化基金类别表现优于该基准，特别是对冲量化基金和部分Smart Beta类基金实现了正收益或较小的跌幅 [12][13][17] - 主动量化基金和指数增强基金在宽基、行业主题及Smart Beta等细分策略中均产生显著超额收益，显示量化策略在11月市场环境下整体有效 [2][3][12] - 量化基金市场持续扩张，截至2025年11月30日全市场量化基金总数达681只，当月新成立24只，募资规模合计158.31亿元，指数增强基金是数量最多、占比达55.51%的主力产品 [63][64] 量化基金概况 - 量化基金产品按交易策略分为主动量化基金、指数增强量化基金和对冲量化基金三类 [9] - 2025年11月除跟踪行业主题的主动量化基金、跟踪中证500和行业主题的指增基金外，其他各类量化基金收益率中位数均高于中证偏股基金指数（-2.71%） [12][13] - 从绝对收益中位数看，表现最好的五类基金分别为对冲量化（0.19%）、跟踪Smart Beta的指增（-1.02%）、跟踪Smart Beta的主动量化（-1.03%）、跟踪沪深300的主动量化（-1.87%）和跟踪其他宽基的主动量化（-1.98%） [17] 主动量化基金 宽基类主动量化基金 - 213只宽基类主动量化基金跟踪17种指数，跟踪沪深300、中证500和中证800的基金数量最多，分别为70只、55只和37只 [18] - 跟踪沪深300的主动量化基金11月超额收益均值为0.5%，净值波动率和最大回撤均值均低于2025年初至今水平 [26] - 跟踪中证500的主动量化基金11月超额收益均值为2.1%，波动率和最大回撤均值也低于年初至今水平 [27] - 其他宽基类基金中，跟踪创业板指、中证全指和创业板指的基金11月超额收益排名前三，例如金信量化精选A相对创业板指超额达9.1% [32][36] 行业主题类主动量化基金 - 跟踪数字经济、恒生A股专精特新企业指数、新兴成指指数的主动量化基金11月超额收益位列前三 [37] Smart Beta类主动量化基金 - 跟踪中证沪港深高股息指数的平安港股通红利优选A在11月Smart Beta类主动量化基金中超额收益排名第一 [38] 指数增强基金 宽基类指数增强基金 - 362只宽基类指增基金跟踪29种指数，跟踪中证500、沪深300和中证A500的基金数量居前，分别为65只、67只和64只 [39] - 跟踪中证500的指增基金11月超额收益均值为0.6%，波动率均值低于年初至今，但跟踪误差均值4.5%高于年初至今 [42] - 跟踪沪深300的指增基金11月超额收益均值为0.3%，波动率和跟踪误差（3.0%）均值均低于年初至今水平 [48] - 其他宽基指增基金中，跟踪中证1000、国证2000和中证A500的基金超额收益排名前三，太平中证1000指数增强A超额达3.3% [52] 行业主题类指数增强基金 - 跟踪全指医药、芯片产业、中华半导体芯片指数的指增基金11月超额收益排名前三，银华中证全指医药卫生增强超额收益为2.2% [54] Smart Beta类指数增强基金 - 跟踪中证红利指数的富国中证红利指数增强A在11月Smart Beta类指增基金中超额收益排名第一，为0.3% [57] 对冲量化基金 - 2025年11月对冲量化基金绝对收益率平均为0.31%，净值波动率和最大回撤均值均低于2025年初至今水平 [4][58] - 大成绝对收益A以2.7%的月绝对收益在同类基金中排名第一 [62] 量化基金新成立情况 - 截至2025年11月30日，全市场量化基金总数681只，指增基金378只，占比55.51% [63] - 2025年11月新成立24只量化基金，较上月增加16只，合计募资158.31亿元，其中17只为指数增强基金 [64]

A股市场与私募基金表现 - 自2024年9月24日行情以来A股市场持续震荡上扬，截至2025年11月底近1年上证成指涨幅为16.90%，深证成指涨幅约为22.36%，创业板指涨幅约为37.26% [2] - 股票多头私募基金收益表现亮眼，量化投资热度逐步攀升 [2] - 截至2025年11月底近1年有业绩展示的量化多头产品共785只，产品规模合计约为603.93亿元，近1年平均收益达38.48%，领先主观多头策略35.16%的平均收益，在私募二级策略中位居榜首 [2] 私募二级策略收益排名 - 量化多头策略近1年平均收益38.48%位列第一，主观多头策略以35.16%位列第二，其他衍生品策略以31.15%位列第三 [3] - 复合策略收益26.75%，主观CTA收益26.04%，宏观策略收益26.01%，转债交易策略收益21.36% [3] - FOF策略收益18.36%，量化CTA收益17.84%，股票多空策略收益15.30%，期权策略收益13.96% [3] - 套利策略收益11.17%，债券复合策略收益10.92%，股票市场中性策略收益10.09%，债券增强策略收益9.54%，纯债策略收益7.55% [3] - 全部策略总计4991只产品，规模合计3994.81亿元，近1年收益均值为28.84% [3] 量化多头策略细分领域 - 量化多头策略可细分为量化选股、中证500指增、中证1000指增、沪深300指增等策略 [3] - 量化选股产品有307只，中证500指增产品有191只，合计在量化多头产品中占比超60% [3] 量化选股策略私募排名 - 截至2025年11月28日符合排名规则的量化选股产品私募共27家，产品98只，规模合计约119.15亿元 [5] - 灵均投资位列第一，产品规模合计约2.77亿元，公司规模100亿以上 [5] - 明汯投资位列第二，产品规模合计约9.41亿元，公司规模100亿以上 [5] - 龙吟虎啸位列第三，产品规模合计约5.69亿元，公司规模10-20亿 [5] - 稳博投资位列第四，产品4只，规模合计约3.01亿元，公司规模100亿以上 [5] - 云起量化位列第五，产品规模合计约4.70亿元，公司规模50-100亿 [5] - 海南盛丰私募位列第六，产品4只，规模合计约13.32亿元，公司规模50-100亿 [5] - 衍合投资位列第七，产品规模合计约1.65亿元，公司规模20-50亿 [5] - 黑翼资产位列第八，产品6只，规模合计约11.61亿元，公司规模100亿以上 [5] - 广州守正用奇位列第九，产品规模合计约9.81亿元，公司规模20-50亿 [5] - 杭州塞帕思位列第十，产品规模合计约1.42亿元，公司规模0-5亿 [5] 重点量化私募分析 - 明汯投资成立于2014年，是国内较早将人工智能技术应用于金融市场的私募机构，管理规模突破500亿元，2025年三季度末管理规模进入700-800亿元区间，与幻方量化、九坤投资、衍复投资并称为"量化四大天王" [6] - 2025年11月明汯投资人气排名由10月第5名上升至第1名 [6] - 稳博投资成立于2014年，投研团队逾70人，独创量化投资模型研发高频量化策略、趋势策略、波段策略、套利策略等多元化投资方式 [7] - 海南盛丰私募成立于2022年，核心投研团队毕业于清华、北大、人大等高校，利用AI技术构建指数增强、市场中性、量化选股等策略库 [7] 中证500指增策略私募排名 - 截至2025年11月28日符合排名规则的中证500指增产品私募共12家，产品62只，规模合计约66.84亿元 [8] - 宁波幻方量化位列第一，产品6只，规模合计约12.60亿元 [9] - 千衍私募位列第二，世纪前沿位列第三，产品4只，规模合计约4.58亿元 [8][9] - 幻方量化近期发布DeepSeek-V3.2与DeepSeek-V3.2-Speciale两个正式版模型 [9] - 世纪前沿成立于2015年，投研人员占比70%以上，2025年三季度管理规模突破500亿元 [9][10] - 鸿通投资规模0-5亿，巨量均衡基金规模5-10亿，旗下中证500指增产品3只，规模合计约1.04亿元 [11]