核心观点 - 报告围绕AIEQ、ProPicks、QRFT三类代表性AI资管产品进行复盘，探讨AI能否为投资者带来超额收益[2] - 当前海外AI资管产品总体提质增效但不宜过度“神化”，AI更可靠的价值在于提升信息处理效率与投研流程标准化，而非保证持续战胜指数[2] - 判断AI资管产品是否可靠应优先关注三点：长期相对基准是否有净超额、费率与换手后收益是否仍成立、信号与业绩披露是否可复盘可验证[2] AI驱动型资产管理进展 - 投资决策机制正经历从传统量化投资到AI驱动型资产管理的根本性范式转移[3] - 传统量化模型面临非结构化数据爆炸式增长带来的维度灾难，而新一代AI选股策略采用深度学习、强化学习及自然语言处理技术[3][4] - 新一代AI系统具备从海量噪音中“涌现”新规则的能力，能够识别人类分析师无法察觉的非线性市场模式和微观相关性[4] AIEQ ETF案例剖析 - AIEQ是全球首只完全由人工智能系统主动管理的ETF，底层框架由EquBot开发并依托IBM Watson平台，每天处理数百万份非结构化文本以提取情绪信号[5] - 截至2025年11月，AIEQ年初至今回报率约9.38%，跑输标普500指数（SPY）约3个百分点；5年累计回报率33.85%，大幅落后于SPY的85.61%[10][13] - AIEQ年换手率达1159%，高频率交易导致成本严重侵蚀收益；管理费率为0.75%，是SPY（0.09%）的8.3倍；资产管理规模仅1.14亿至1.17亿美元，增长停滞[13][16][18][21] Investing ProPicks案例剖析 - ProPicks代表AI参与投资的SaaS模式，为用户提供每月选股名单，其Tech Titans策略自2023年10月上线至2025年11月累计回报率达98.7%，超越标普500指数55个百分点[21][25] - 该策略成功捕捉多只牛股，如Super Micro Computer（持有期收益+186%）、MicroStrategy（+95%）、ViaSat（+165%）[26][33] - 策略超额收益源于嵌入基本面约束的量化择时框架，自上而下贯穿“算力—能源—应用”配置链条；“理性止盈”机制贡献约40%的相对超额收益[34][35] - 订阅费年付优惠后约每月9–14美元，对小资金投资者成本较高；存在执行风险，信号与下单间的时间差可能导致5%–10%的滑点[36][37] QRFT ETF案例剖析 - QRFT核心是通过AI优化传统因子投资框架，利用贝叶斯神经网络动态评估质量、价值、动量等五个核心因子的有效性，每月调仓[38][39][43] - 截至2025年11月，QRFT五年年化收益约+14.9%，与标普500（+14.5%）接近；2025年至今收益率略优于标普500，但2024年跑输基准约4个百分点[45][47] - 产品年换手率达267%，管理费率0.75%；资产管理规模仅1000万至1500万美元，面临清盘风险；日均成交量约3000-4000股，流动性较差[47][48][49] AI资管产品综合对比 - AIEQ作为情绪流主动型ETF长期跑输SPY，受市场情绪波动大且高成本侵蚀收益[2][13][16] - ProPicks订阅型产品在科技顺风期收益突出，但对执行纪律与滑点高度敏感，实际复现难度高[2][25][37] - QRFT AI增强型ETF长期与标普500接近，阶段性强弱分化明显，更偏窄幅增强而非稳定高Alpha[2][45][47]

核心观点 - 报告围绕AIEQ、ProPicks、QRFT三类代表性AI资管产品开展复盘对照，探讨AI能否为投资者带来超额收益[2] - 当前海外AI资管产品总体提质增效但不宜过度“神化”，AI更可靠的价值在于提升信息处理效率与投研流程标准化，而非保证持续战胜指数[2] - 判断AI资管产品是否可靠应优先关注三点：长期相对基准是否有净超额、费率与换手后的收益是否仍成立、信号与业绩披露是否可复盘可验证[2] AI驱动型资产管理进展 - 投资决策机制正发生根本性范式转移，从传统量化投资转向AI驱动型资产管理[3] - 传统量化模型依赖人类预设因子库，面临非结构化数据爆炸带来的维度灾难[3] - 新一代AI选股策略采用深度学习、强化学习及自然语言处理技术，具备从海量噪音中“涌现”新规则的能力[4] AIEQ ETF案例剖析 - AIEQ是全球首只完全由AI主动管理的ETF，2017年10月17日成立，底层框架由EquBot开发并依托IBM Watson平台[5] - 模型每日处理数百万份非结构化文本，通过NLP识别情绪方向，动态优化30-200只股票组合[5] - 截至2025年11月，AIEQ累计回报率106.15%，自成立以来年化回报9.52%[8] - 2025年初至今回报率约9.38%，跑输标普500指数（SPY）约3个百分点；1年期回报+6.15%落后SPY的+11.00%；5年期累计回报+33.85%大幅落后SPY的+85.61%[10][13] - 年换手率高达1159%，管理费率0.75%远超SPY的0.09%，成本高出8.3倍[13][21] - 资产管理规模仅1.13亿美元，前十大持仓包含NVIDIA、Microsoft等科技巨头及非共识性股票如GE Vernova[20][21] Investing ProPicks案例剖析 - ProPicks采用SaaS模式，为用户提供AI生成的月度选股名单，用户拥有最终执行权[21] - Tech Titans策略自2023年10月上线至2025年11月累计回报率98.7%，超越标普500指数55个百分点[25] - 策略成功捕捉多只牛股：Super Micro Computer持有期收益+186%、MicroStrategy收益+95%、Vistra Energy收益+82%[26][33] - 采用等权重组合构建，有效弱化对超大市值龙头的被动拥挤交易，AI驱动的“理性止盈”机制贡献约40%超额收益[35] - 订阅年费约108-168美元，对小额投资者成本占比显著；执行层面存在滑点风险（高Beta标的价格延迟可达5%-10%）及投资者行为偏差[36][37] QRFT ETF案例剖析 - QRFT采用AI优化传统因子投资框架，基于质量、规模、价值、动量、低波动五因子动态调整组合[38][39] - 模型每月更新信号，年化换手率267%，采用“AI驱动、人工风控”制衡机制[43] - 截至2025年11月，2025年至今收益率略优于标普500；5年年化收益约+14.9%与标普500的+14.5%接近；自2019年成立以来年化回报与基准相似[45] - 风格灵活：2020年回报+40.1%跑赢SPY的+18.4%，2021年回报+21.8%落后SPY的+28.7%，2022年回撤-22.54%差于SPY的-18%至-19%[47] - 管理费率0.75%，净资产规模仅1000万至1500万美元，面临清盘风险[48] 产品对比与绩效总结 - AIEQ受市场情绪波动影响大，高费率与极高换手率导致成本侵蚀，长期跑输基准[2][13][16] - ProPicks在科技顺风期收益突出，但对执行纪律与滑点高度敏感，实际复现难度较高[2][37] - QRFT长期与标普500接近，阶段性强弱分化明显，更偏窄幅增强而非稳定高Alpha[2][45]

大会基本信息 - 活动全称为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 [1] - 活动将于2025年11月28日在上海徐汇西岸举行 [1] - 大会主题为“创新驱动·责任担当” [1] - 大会由中国证券报主办，华鑫证券、西岸集团联合承办，深圳数据经济研究院提供独家学术支持 [1] 大会核心议题与目标 - 大会将围绕AI技术应用、GPU算力升级、合规风控等前沿议题展开深度对话 [1] - 旨在探索证券行业发挥金融+技术优势、助力新质生产力发展的路径 [1] - 邀请顶尖量化机构、科技领军企业及权威学者，共同探讨证券行业如何破解发展难题，赋能实体产业 [1] - 目标是推动行业向规范化、专业化、可持续方向高质量发展 [2] 金牛奖评选与意义 - 金融科技·量化机构金牛奖是2025证券业金牛奖的重要组成部分 [2] - 评选坚持公开、公平、公正原则，采用定量与定性相结合的方法 [2] - 对不同类型参评机构差异化设置评价维度，确保评价科学、专业且贴合机构属性 [2] - 奖项类别包括五年期和三年期的指数增强策略、宏观量化策略、基本面量化策略等 [1] - 评选旨在服务国家金融战略，构建金融科技领域专业评价生态，并搭建高效交流合作平台 [2] - 通过展示优秀机构及其创新成果，彰显其在技术研发、策略迭代、合规运营和社会责任方面的实践 [2]

根据研报内容，长信量化团队的核心投资框架基于多因子Alpha模型，并结合风险模型与交易成本模型进行组合优化[17]。以下是对报告中涉及的模型和因子的总结。 量化模型与构建方式 1. **模型名称：多因子 Alpha 模型**[17] * **模型构建思路**：该模型是长信量化投资框架的核心，旨在通过综合运用多种量化因子，系统性地预测股票的超额收益[17]。 * **模型具体构建过程**：模型的构建是一个完整的投研闭环，主要包括以下环节[17]： 1. **因子构建**：根据投资逻辑，将各类数据（如基本面、技术面、另类数据）转化为定量的投资信号，构建多维度的因子库[17]。 2. **收益预测**：结合多种因子，通过量化模型对资产未来的预期收益进行综合预测和评估[17]。 3. **风险预测**：运用量化风险模型，系统性地评估和预测组合的行业暴露、风格暴露及个股特异性风险[17]。 4. **组合优化**：在设定的风险约束下，综合考量预期收益（Alpha 模型）、风险（风险模型）和交易成本，通过优化器构建和调整个股权重，以寻求收益最大化[17]。 * **模型评价**：该模型旨在提供具有系统性优势的、可解释、可复制、可持续的量化资产管理方案[17]。 2. **模型名称：风险模型**[17] * **模型构建思路**：用于对投资组合的整体风险进行系统性的评估和预测，确保风险可控[17]。 * **模型具体构建过程**：该模型会评估和预测组合的行业暴露、风格暴露及个股特异性风险等[17]。 3. **模型名称：交易成本模型**[17] * **模型构建思路**：在组合优化过程中，将交易成本纳入考量，以控制市场冲击成本[17]。 * **模型具体构建过程**：与算法交易系统结合，在优化器构建和调整权重时，综合考量交易成本[17]。 量化因子与构建方式 报告中提及了长信量化团队所使用的因子类别，并展示了代表产品的因子暴露情况，但未详细描述每个因子的具体构建公式[17][66]。 * **因子来源**：因子库涵盖基本面（如估值、成长、质量）、技术面以及另类数据等[17]。 * **因子类别**：根据对代表产品的因子敞口分析，涉及的因子主要包括以下几类[66]： 1. **基本面因子**：如成长因子、盈利因子、估值因子、分析师因子。这些因子在代表产品上保持了持续且稳定的正向暴露[66][70]。 2. **风险因子**：如波动性因子、流动性因子。产品在这些因子上普遍呈现负向暴露，以控制组合的整体回撤与波动风险[66][69]。 3. **技术面因子**：如长期动量因子、短期反转因子[66]。 4. **风格因子**：如市值因子。策略对市值因子的暴露保持在稳定区间[66][69]。 模型的回测效果 1. **多因子 Alpha 模型（应用于指增产品）** * **年度胜率**：主要指增产品自2020年以来年度胜率达92%（25个年度数据中有23次正超额）[27]。 * **区间收益率排名**：在2022/10/1-2025/9/30区间，主要指增产品区间收益率排名均位列同类前45%[28]。例如： * 长信量化价值驱动A：区间收益率35.76%，排名3/52[28] * 长信中证1000指数增强A：区间收益率45.56%，排名2/29[28] * 长信中证500指数增强A：区间收益率35.21%，排名24/54[28] * **夏普比率排名**：在2022/10/1-2025/9/30区间，主要指增产品区间夏普排名全部位于同类前45%[28]。例如： * 长信量化价值驱动A：区间夏普比率0.61，排名2/52[28] * 长信中证1000指数增强A：区间夏普比率0.71，排名3/29[28] * 长信中证500指数增强A：区间夏普比率0.53，排名23/54[28] 因子的回测效果 报告中未提供单个因子的独立测试结果（如IC值、IR值等）。因子效果间接体现在基于多因子模型构建的产品业绩和因子暴露分析中[66][70]。

"低位+风口+资金抱团，散户必备五星量化工具！""双12年终大促，218元用105天，盘前9:27分5000选6，精准捕捉牛股！"打开抖音，此类极具诱惑力的 直播宣传扑面而来。 近期，一批三方投顾公司掀起了售卖量化系统的热潮，直播间观看量动辄突破十万，低价秒杀、全额退款等营销手段轮番上阵，让不少股民心动下单。这 些被主播吹得神乎其神的"量化神器"，宣称依托大模型AI算法，能实时追踪主力资金动向、精准把握市场风口，甚至能让散户告别追涨杀跌，轻松实现稳 定收益。 然而，光鲜宣传背后，却是诸多令人费解的谜团：当投资者追问系统选股逻辑、模型核心指标等关键问题时，主播均以"商业机密"避而不答；所谓的"量 化系统"，本质是荐股工具，与宣传中的"智能辅助决策"相去甚远。 更值得警惕的是，直播间里高度同质化的"好评"多来自无头像、无作品的新号，而在小红书、知乎等平台，大量投资者纷纷吐槽"被量化荐股坑惨了"，不 少人已申请退款。 随着量化投资概念普及，这些一时风靡的量化荐股系统，究竟是散户的财富密码，还是精心设计的收割陷阱？ 低价量化系统成三方投顾公司直播新宠 "不用下载软件，不用安装指标，手机网页版直接使用，99元就能享受3 ...

市场表现与个股分化 - 三大指数集体上涨，创业板暴涨近3%，医药、科技、海南概念股活跃，超2800只个股上涨，66家涨停 [1] - 指数在6个月内上涨1000点，涨幅超过20%，但仅不到四成个股跑赢大盘，多数投资者面临相对收益落后的风险 [3] 机构资金行为分析 - 银行股自2022年起出现机构资金持续活跃（橙色柱体），尽管初期股价停滞，但随后三年大幅上涨 [6] - 白酒板块自2023年10月起“机构库存”数据消失，股价持续创新低，显示缺乏机构资金支持 [6] - AI板块受亚马逊500亿美元投资等消息影响，但关键需观察是否有真金白银持续流入 [8] - 海南自贸概念股表现分化，部分个股涨停由情绪驱动且“机构库存”无变化，部分个股呈现量价齐升 [10] 投资策略与方法 - 投资应避免依赖主观判断（如估值高低），市场走势独立于个人观点 [9] - 应寻找持续的资金共识，单日大涨可能为游资行为，持续资金流入更为关键 [11] - 需借助量化工具客观分析资金动向，例如通过“机构库存”等指标识别真实机会 [11] - 部分抗疫概念股（如广济药业、北大医药）的“机构库存”在利好消息公布前两周已稳步上升 [10]

三方投顾公司量化系统营销模式 - 抖音等平台直播间成为主要销售渠道，观看量动辄突破十万，通过低价秒杀、限时特惠等营销手段吸引投资者[2][3] - 定价策略普遍采用低价引流，如9.9元/月、99元/38天、218元/105天等档位，并承诺体验不佳可全额退款以降低决策门槛[4][7] - 直播内容通过循环播放股票分时图、涨幅数据（如标注“34日合计涨幅10.11%”）及高度同质化的用户好评营造火爆热销氛围，据观察部分直播间下单量累计超千单[2][7] 量化系统产品实质与功能 - 产品核心功能被揭露为每日盘前向用户推送固定数量（如6只）的推荐股票名单，缺乏专业分析报告，本质是荐股工具而非智能辅助决策系统[9] - 当被问及选股逻辑、模型核心指标等关键问题时，主播均以“商业机密”为由避而不答，无法解释其与普通选股软件的本质区别[2][9] - 与券商正规AI投顾工具存在本质差异：后者定位为专业投资辅助，提供个性化财富管理、账户诊断等服务，并有明确风险提示和合规备案，而非简单荐股[10] 市场反馈与潜在风险 - 直播间内声称“有收益”的账号多为无头像、无作品的新号，留言内容高度同质化，而小红书、知乎等平台有大量投资者吐槽被坑并申请退款[2][11] - 正规量化投资需专业模型、海量数据及严格风控，研发成本动辄数百万元，低价售卖（如9.9元、99元）的量化系统不符合行业规律[11] - 业内人士指出此类产品利用投资者对量化投资的陌生感和高收益追求实施营销，本质是骗局，并建议投资者核实资质、警惕噱头[11]

量化投资行业表现概述 - 量化产品是一种基于数学模型、算法和计算机技术的系统化投资方法，其超额收益和超额胜率是衡量模型有效性的关键指标 [2] - 百亿量化私募凭借AI技术、算力、人才、风控等优势，在模型迭代上越发精进，维持了持续输出超额收益的能力 [2] - 全市场1627只量化产品总规模达1334.15亿元，今年来收益均值为27.64%，超额收益均值为9.90%，超额胜率均值为55.86% [3] - 百亿私募量化产品表现突出，388只产品今年来收益均值达34.26%，超额收益高达10.87%，超额胜率均值达61.33%，在各规模私募中明显领先 [2][3] 不同规模私募量化产品表现对比 - 100亿以上规模私募：388只产品，规模534.06亿元，收益均值34.26%，超额收益10.87%，超额胜率61.33% [3] - 50-100亿规模私募：166只产品，规模172.39亿元，收益均值25.20%，超额收益8.14%，超额胜率56.48% [3] - 20-50亿规模私募：210只产品，规模220.57亿元，收益均值27.19%，超额收益10.77%，超额胜率55.91% [3] - 10-20亿规模私募：176只产品，规模126.74亿元，收益均值26.56%，超额收益8.95%，超额胜率54.63% [3] - 5-10亿规模私募：219只产品，规模116.78亿元，收益均值26.05%，超额收益8.99%，超额胜率53.59% [3] - 0-5亿规模私募：468只产品，规模163.60亿元，收益均值24.37%，超额收益10.11%，超额胜率52.63% [3] 沪深300指增策略表现 - 全市场沪深300指增产品今年来收益均值26.57%，超额收益均值7.32%，超额胜率均值62.59% [4] - 百亿私募旗下沪深300指增产品超额胜率均值达64.59% [4] - 超额胜率前三产品分别来自明汯投资、宁波幻方量化、宽德私募 [4] - 明汯投资旗下产品在1-10月的44个周度中有35周跑赢沪深300指数 [5] - 宁波幻方量化旗下产品在1-10月的44个周度中有33周跑赢沪深300指数 [6] 中证500指增策略表现 - 全市场中证500指增产品今年来收益均值42.55%，超额收益均值11.33%，超额胜率均值64.57% [7] - 百亿私募旗下中证500指增产品超额胜率均值高达67.28% [7] - 超额胜率位居前三的产品分别来自顽岩资产、磐松资产、天演资本 [7] - 顽岩资产旗下产品在1-10月的44个周度中有35周跑赢中证500指数 [9] - 九坤投资旗下产品在1-10月的44个周度中有32周跑赢中证500指数 [9] 中证1000指增策略表现 - 全市场中证1000指增产品今年来收益均值46.17%，超额收益均值16.01%，超额胜率均值68.77% [10] - 百亿私募旗下中证1000指增产品超额胜率均值高达76.17% [10] - 超额胜率位居前三的产品分别来自微观博易、蒙玺投资、衍复投资 [10] - 微观博易旗下产品在今年前10个月的周度行情中仅两周跑输中证1000指数 [11] 量化选股策略表现 - 全市场量化选股产品今年来收益均值40.45%，超额收益均值16.55%，超额胜率均值58.26% [13] - 百亿私募旗下量化选股产品超额胜率均值高达65.97% [13] - 超额胜率位居前三的产品分别来自九坤投资、天演资本、龙旗科技 [13] - 九坤投资旗下产品在1-10月的44个周度中有33周跑赢沪深300指数 [14] - 天演资本旗下产品自2016年5月成立以来年化收益表现亮眼 [15]

指数增强型ETF行业概况 - 指数增强型ETF是结合指数增强策略与ETF优势的创新产品，兼具持仓透明、费用低廉、交易便利和超额收益潜力 [2] - 全市场指数增强策略ETF持续扩容，截至2025年10月31日共有51只产品，总规模达95.73亿元 [1][68] - 产品跟踪指数以宽基为主，中小盘风格更受青睐，跟踪中证1000和中证A500的基金数量最多 [6] - 截至2025年10月31日，跟踪中证500的增强ETF规模为25.92亿元，跟踪沪深300的规模为15.21亿元 [6] - 规模前五的指数增强ETF分别跟踪中证500、科创50、沪深300、中证2000和中证1000指数，规模分别为18.30亿元、9.11亿元、7.20亿元、6.87亿元和6.80亿元 [7] 指数增强型ETF的竞争优势 - 资金使用效率高，指数增强ETF平均仓位约98%，基本满仓操作，而传统场外指数增强基金平均仓位在92%-94%之间 [8] - 交易灵活性更强，投资者可在二级市场实时交易，并可基于IOPV与实际交易价格的价差进行套利 [11] - 费率结构更具优势，管理费率介于主动偏股型基金、普通指数增强型基金和被动ETF之间，整体相对较低 [12] - 持仓透明度显著提升，ETF需每日披露申购赎回清单，投资者可及时观察行业和风格偏离，而场外基金仅定期披露重仓股且存在滞后 [14] 中证500指数特征 - 中证500指数由剔除沪深300成分股后总市值靠前的500只股票构成，反映A股市场中小市值公司表现 [16] - 指数行业分布分散，截至2025年10月31日，电子、医药、机械权重占比分别为17.43%、8.73%和7.37% [24] - 当前估值处于历史均值以下，市盈率为33.40，市净率为2.28，市盈率分位点为62.48%，市净率分位点为48.23% [18][20] - 长期收益表现突出，自基期以来年化收益率达10.43%，夏普比0.49，长期年化收益率与中证1000接近 [26][27] 中证500指数增强产品市场 - 中证500是公募量化产品主战场，截至2025年第三季度，中证500指数增强基金规模达493.46亿元，占全部增强型基金规模超五分之一 [31][70] - 中证500指数增强基金数量为73只，与沪深300指增基金数量并列首位，占总数421只的17.34% [30] - 增强型ETF整体表现优于场外指增基金，截至2025年10月31日，场内500指增ETF全样本期年化收益率14.56%，场外指增基金年化收益率10.88%，中证500指数年化收益率7.90% [35] 博时中证500增强策略ETF产品分析 - 博时中证500增强策略ETF（159678.SZ）成立于2023年2月13日，上市于2023年2月27日，由刘钊和杨振建共同管理 [38][39] - 产品超额收益稳健，自上市以来连续三年取得正超额收益，年化超额收益7.76%，年化跟踪误差仅3.84% [40][44] - 2023年、2024年、2025年（截至10月31日）超额收益分别为3.63%、7.64%和9.42%，信息比率1.79，月度胜率65.63% [44] - 持仓严格控制偏离，各月末截面中证500成分股权重占比平均84.64%，89.40%的个股偏离绝对值不超过0.5% [45][48] - 行业上超配电子、机械、汽车等行业，Brinson归因显示超额收益主要来源于行业内选股能力，在计算机、电子、电力设备及新能源等行业选择能力较强 [53][54] - 风格偏好高成长、高盈利个股，在成长、长期动量、盈利能力等因子上有正向暴露 [58] 博时基金及管理团队 - 博时基金指数增强产品线覆盖沪深300、中证500、中证800、中证1000、中证A500、上证综指及双创板块，截至2025年第三季度在管规模合计82.85亿元 [65][66] - 基金经理刘钊具备19年证券从业经验，13年投资管理经验，目前在管5只指数增强基金和ETF产品，规模合计46.43亿元 [61] - 基金经理杨振建目前在管11只指数增强基金和ETF产品，规模合计136.21亿元，所管理产品长期超额回报稳健 [62] - 机构投资者对博时中证500增强策略ETF关注度提升，截至2025年中报，机构持仓占比为29.80% [60]

彭博投资管理论坛核心观点 - 论坛聚焦宏观量化情景分析、风险预算、多资产因子模型及风险管理实践等热门话题，探讨量化投研策略如何重塑资产管理行业[1] - 彭博凭借前瞻视野、高质量数据、先进技术，持续开发数据与分析工具以支持投资者决策[1][3] 宏观量化情景分析 - 彭博研发基于因子的宏观量化情景分析模型，将宏观变量与主要驱动因素和因子模型连接，利用3000×3000的因子协方差矩阵每日更新，精细刻画资产间相关性与风险传导[4] - 用户可自由设定宏观变量冲击幅度及驱动因素分配权重，灵活模拟不同经济环境下投资组合表现[6] 风险预算在股票配置中的应用 - 风险预算策略利用A股低相关性和波动差异，系统性调整配置，减少对高波动、高相关性板块的暴露，从而在波动中有效帮助减少损失[7] - 在风险预算策略中加入限制条件可有效降低跟踪误差及换手率，使每个资产对组合风险贡献均衡而非仅看权重[9] 多资产策略与风险管理实践 - 多资产策略创新更多为启发投资者、降低风险，而非单纯追求收益，机构核心竞争力在于交易执行能力、宏观研究与交易工具选择[10] - 全球资管公司最佳实践包括以优化器构建资产组合、风险监控与情景分析，定期进行绩效归因与分析，并持续优化与再平衡[12] - 风险控制和管理在投资决策中非常重要，由风险角度出发的策略对捕捉alpha帮助很大，风险预测更稳定且易于量化，采用风险平价等方法可提升组合稳健性[13] 彭博组合管理和因子模型方案 - 客户可通过彭博PORT Enterprise一站式获得组合配置分析、绩效归因、风险分析、压力测试等服务，或选用风险模型数据包将多资产风险数据接入内部系统[15] - 两种方案均搭载彭博独有的跨资产风险模型，覆盖中国及全球股票、债券、大宗商品、另类资产等多个类别[17] 因子投资与另类数据 - 利用另类数据和机器学习应对因子动物园挑战，基于彭博供应链数据开发出集中度风险因子、支配力评分因子等创新因子[17] - 使用NeuralBeta深度学习模型动态估算Beta来预测未来波动率和方差，其表现显著优于传统OLS等方法[19]