量化模型与构建方式 1. **模型名称：三维择时框架** - **模型构建思路**：通过分歧度、流动性和景气度三个维度对市场进行择时判断[7] - **模型具体构建过程**： 1. **分歧度指数**：衡量市场参与者观点的离散程度，反映市场情绪分化[12] 2. **流动性指数**：跟踪市场资金面松紧程度[22] 3. **景气度指数**：监测宏观经济和企业盈利状况[26] 将三个指标综合判断，当三者同步上行时给出看涨信号[14] - **模型评价**：历史表现显示该框架能有效捕捉市场趋势转折点[19] 2. **模型名称：ETF热点趋势策略** - **模型构建思路**：通过技术形态和资金流筛选短期热点ETF[31] - **模型具体构建过程**： 1. 筛选最高价与最低价同时呈上涨形态的ETF 2. 计算支撑阻力因子：$$ \text{斜率} = \frac{\text{最高价}_{20日回归系数}}{\text{最低价}_{20日回归系数}} $$ 3. 选择换手率提升明显的ETF：$$ \text{换手率比} = \frac{\text{近5日换手率}}{\text{近20日换手率}} $$ 4. 对筛选出的10只ETF构建风险平价组合[31] 3. **模型名称：资金流共振策略** - **模型构建思路**：结合两融资金与大单资金流向寻找行业配置机会[35] - **模型具体构建过程**： 1. 构建行业融资融券资金因子： $$ \text{融资因子} = \text{Barra市值中性化}(\text{融资净买入-融券净卖出})_{50日均值环比} $$ 2. 构建行业主动大单资金因子： $$ \text{大单因子} = \frac{\text{行业净流入}}{\text{年成交量时序中性化}} $$ 3. 在主动大单因子头部行业中剔除融资因子极端多头行业[35] - **模型评价**：2018年以来年化超额收益13.5%，IR达1.7[35] 模型的回测效果 1. **三维择时框架**： - 2025年8月给出震荡上涨信号[7] - 历史回测显示信号胜率68%[19] 2. **ETF热点趋势策略**： - 本周组合含金融(32.69%)、创新药(5.67%)等ETF[32] - 近一月资金净流入194.56亿元[32] 3. **资金流共振策略**： - 本周超额收益-1.7%(相对行业等权)[35] - 年化换手率450%[35] 量化因子与构建方式 1. **因子名称：风格因子群** - **因子构建思路**：采用Barra框架体系监测市场风格特征[43] - **因子具体构建过程**： - 动量因子：过去12个月收益率[43] - 流动性因子：$$ \text{Amihud非流动性指标} $$ - 估值因子：EP、BP等传统价值指标[43] 2. **因子名称：Alpha因子群** - **因子构建思路**：通过财务指标挖掘超额收益来源[45] - **因子具体构建过程**： - yoy_accpayable：$$ \frac{\text{应付账款}_t - \text{应付账款}_{t-12}}{\text{应付账款}_{t-12}} $$ - roe_q_delta_adv：$$ \text{ROE}_q - \text{ROE}_{q-4} $$ (含预告调整)[47] - cur_liab_yoy：流动负债同比增长率[47] 因子的回测效果 1. **风格因子**： - 动量因子周收益+2.05%[43] - 流动性因子周收益+3.38%[43] - 估值因子周收益-2.41%[43] 2. **Alpha因子**： - yoy_accpayable周超额3.51%[47] - roe_q_delta_adv在沪深300中超额8.58%[49] - cur_liab_yoy周超额3.37%[47]

直播活动安排 - 天天基金推出《下半年配置诊疗室》直播特别策划 包含6场主题直播覆盖AI、指数投资等热门话题[2][4] - 8月20日14:00场次聚焦消费分化加剧的下半年投资解读 主讲嘉宾为郭晓慧[4] - 8月21日10:30场次由李霈出席[6][7] 同日14:00场次讨论红利主题 嘉宾为杨正旺和李俊池[9] - 8月21日16:00场次探讨AI后市红利捕捉策略 主讲嘉宾为刘宇涛[12] - 8月22日10:00场次从量化视角分析投资机会 嘉宾为翟梓舰和雅琪[14] - 8月22日14:00场次聚焦AI板块下一波技术引爆点 嘉宾为程敏和马寅喜[17] 参与方式 - 观众可通过扫描二维码或点击阅读原文参与天天基金APP直播互动[4] - 每场直播均提供预约链接 参与互动可抽取充电宝、京东卡等礼品[4][23]

基金经理实盘表现 - 国金基金姚加红实盘总金额413.94万元，累计收益113.36万元，主要持仓为国金量化多因子股票A（金额276.34万元，持有收益75.76万元，收益率37.77%）和国金量化多策略灵活配置混合A（金额137.61万元，持有收益37.61万元，收益率37.61%）[3][4] - 国金基金马芳实盘总金额198.3万元，累计收益62.78万元，其中国金量化多因子股票A持仓122.66万元（收益38.6万元，收益率45.91%），国金量化多策略灵活配置混合A持仓71.68万元（收益21.68万元，收益率43.36%）[3][4] - 永赢基金任桀实盘金额29.54万元，累计收益15.74万元，组合成立以来收益率接近120%[3][4] - 国泰基金梁杏实盘金额137.99万元，累计收益33.68万元，持仓涵盖9只指数产品包括国泰中证沪港深创新药产业ETF联接A等国证航天军工指数LOF等[3][4] 行业趋势分析 - "晒实盘"现象反映公募行业透明度提升、投资者专业化需求升级与营销模式转型的共振，通过展示持仓和调仓逻辑打破信息不对称[1][6] - 晨星分析师指出实盘分享能强化投资者对策略有效性的认可，以"实战"替代"明星光环"，满足投资者对业绩实现路径的深层需求[6] - 实盘分享具有即时性和互动性优势，能快速触达年轻投资者，例如梁杏通过实盘定投同步解析指数新高背后的流动性驱动和政策发力因素[6][7] 市场观点 - 梁杏认为市场扭转两年悲观预期，经济结构中新经济占比提升将加速新旧动能转换，推动大盘指数震荡中枢上移[7] - 代景霞指出观察基金经理实盘操作可辅助判断其能力圈与策略执行力，同时帮助投资者匹配风险承受能力并减少盲目申赎[7]

根据提供的研报内容，以下是量化模型与因子的总结： 量化模型与构建方式 1. **沪深300指增模型** - 模型构建思路：基于沪深300指数的增强策略，旨在通过量化方法获取超越基准指数的收益[9][10] - 模型具体构建过程：采用日频数据计算超额收益，年化采用242个交易日几何年化方式，比较基准为沪深300全收益指数[30] 2. **中证500指增模型** - 模型构建思路：跟踪中证500指数并通过量化方法实现超额收益[9][10] - 模型具体构建过程：与沪深300指增类似，采用日频数据计算超额收益，年化采用242个交易日几何年化方式，比较基准为中证500全收益指数[30] 3. **中证1000指增模型** - 模型构建思路：跟踪中证1000指数并通过量化方法实现超额收益[9][10] - 模型具体构建过程：采用日频数据计算超额收益，年化采用242个交易日几何年化方式，比较基准为中证1000全收益指数[30] 4. **中证A500指增模型** - 模型构建思路：跟踪中证A500指数并通过量化方法实现超额收益[9][10] - 模型具体构建过程：采用日频数据计算超额收益，年化采用242个交易日几何年化方式，比较基准为中证A500全收益指数[30] 5. **主动量化模型** - 模型构建思路：通过量化方法主动选股获取绝对收益[9][10] - 模型具体构建过程：采用日频数据计算收益，年化采用242个交易日几何年化方式[30] 6. **股票市场中性模型** - 模型构建思路：通过量化方法构建市场中性组合获取稳定收益[9][10] - 模型具体构建过程：采用日频数据计算收益，年化采用242个交易日几何年化方式[30] 模型的回测效果 1. **沪深300指增模型** - 本周超额收益均值：-0.23%[10] - 本月超额收益均值：0.10%[10] - 本年超额收益均值：0.83%[10] - 近一年跟踪误差均值：3.52%[10] 2. **中证500指增模型** - 本周超额收益均值：-0.81%[10] - 本月超额收益均值：-0.55%[10] - 本年超额收益均值：1.58%[10] - 近一年跟踪误差均值：4.97%[10] 3. **中证1000指增模型** - 本周超额收益均值：-0.78%[10] - 本月超额收益均值：-0.75%[10] - 本年超额收益均值：5.10%[10] - 近一年跟踪误差均值：5.12%[10] 4. **中证A500指增模型** - 本周超额收益均值：-0.44%[10] - 本月超额收益均值：-0.04%[10] - 本年超额收益均值：2.99%[10] - 本年跟踪误差均值：6.47%[10] 5. **主动量化模型** - 本周收益均值：2.40%[10] - 本月收益均值：4.32%[10] - 本年收益均值：17.91%[10] - 近一年最大回撤均值：14.79%[10] 6. **股票市场中性模型** - 本周收益均值：-0.38%[10] - 本月收益均值：-0.04%[10] - 本年收益均值：1.00%[10] - 近一年最大回撤均值：4.18%[10] 量化因子与构建方式 （报告中未提及具体量化因子的构建，故跳过此部分） 因子的回测效果 （报告中未提及具体量化因子的回测效果，故跳过此部分）

量化因子与构建方式 1. **因子名称**：单季度总资产毛利率 - **因子构建思路**：衡量公司单季度的总资产毛利率，反映公司盈利能力[12] - **因子具体构建过程**：计算单季度毛利与总资产的比值 $$单季度总资产毛利率 = \frac{单季度毛利}{总资产}$$ - **因子评价**：正向因子，盈利能力强的公司表现更佳[13] 2. **因子名称**：单季度ROE - **因子构建思路**：衡量公司单季度的净资产收益率，反映股东权益的收益水平[12] - **因子具体构建过程**：计算单季度净利润与净资产的比值 $$单季度ROE = \frac{单季度净利润}{净资产}$$ - **因子评价**：正向因子，高ROE公司表现更优[13] 3. **因子名称**：总资产增长率 - **因子构建思路**：衡量公司总资产的增长情况，反映公司扩张能力[12] - **因子具体构建过程**：计算总资产的环比增长率 $$总资产增长率 = \frac{本期总资产 - 上期总资产}{上期总资产}$$ - **因子评价**：正向因子，资产增长快的公司表现更好[13] 4. **因子名称**：市净率因子 - **因子构建思路**：衡量公司市净率，反映估值水平[12] - **因子具体构建过程**：计算市值与净资产的比值 $$市净率因子 = \frac{市值}{净资产}$$ - **因子评价**：正向因子，但近期表现较差[13] 5. **因子名称**：下行波动率占比 - **因子构建思路**：衡量股价下行波动率占总波动率的比例，反映风险水平[12] - **因子具体构建过程**：计算下行波动率与总波动率的比值 $$下行波动率占比 = \frac{下行波动率}{总波动率}$$ - **因子评价**：负向因子，高下行波动率公司表现较差[13] 6. **因子名称**：beta因子 - **因子构建思路**：衡量股票与市场的相关性，反映系统性风险[20] - **因子具体构建过程**：通过回归计算股票收益率与市场收益率的beta值 $$beta = \frac{Cov(r_i, r_m)}{Var(r_m)}$$ - **因子评价**：正向因子，近期表现较好[20] 7. **因子名称**：规模因子 - **因子构建思路**：衡量公司市值大小，反映规模效应[20] - **因子具体构建过程**：计算公司市值的对数 $$规模因子 = log(市值)$$ - **因子评价**：正向因子，大市值公司近期表现突出[20] 8. **因子名称**：BP因子 - **因子构建思路**：衡量公司市净率的倒数，反映估值水平[20] - **因子具体构建过程**：计算净资产与市值的比值 $$BP因子 = \frac{净资产}{市值}$$ - **因子评价**：负向因子，近期表现较差[20] 9. **因子名称**：净资产增长率因子 - **因子构建思路**：衡量公司净资产的增长情况，反映股东权益的扩张能力[22] - **因子具体构建过程**：计算净资产的环比增长率 $$净资产增长率因子 = \frac{本期净资产 - 上期净资产}{上期净资产}$$ - **因子评价**：正向因子，在通信、建筑材料行业表现突出[22] 10. **因子名称**：净利润增长率因子 - **因子构建思路**：衡量公司净利润的增长情况，反映盈利能力的提升[22] - **因子具体构建过程**：计算净利润的环比增长率 $$净利润增长率因子 = \frac{本期净利润 - 上期净利润}{上期净利润}$$ - **因子评价**：正向因子，在通信行业表现较好[22] 11. **因子名称**：每股净资产因子 - **因子构建思路**：衡量公司每股净资产，反映股东权益的账面价值[22] - **因子具体构建过程**：计算净资产与总股本的比值 $$每股净资产因子 = \frac{净资产}{总股本}$$ - **因子评价**：正向因子，在电气设备行业表现较好[22] 12. **因子名称**：每股经营利润TTM因子 - **因子构建思路**：衡量公司每股经营利润，反映经营效率[22] - **因子具体构建过程**：计算过去12个月经营利润与总股本的比值 $$每股经营利润TTM因子 = \frac{过去12个月经营利润}{总股本}$$ - **因子评价**：正向因子，在通信、电气设备行业表现较好[22] 13. **因子名称**：5日动量因子 - **因子构建思路**：衡量股票5日内的价格动量，反映短期趋势[22] - **因子具体构建过程**：计算5日收益率 $$5日动量因子 = \frac{当前价格 - 5日前价格}{5日前价格}$$ - **因子评价**：动量效应在家用电器、房地产行业明显[22] 14. **因子名称**：1月动量因子 - **因子构建思路**：衡量股票1月内的价格动量，反映中期趋势[22] - **因子具体构建过程**：计算1月收益率 $$1月动量因子 = \frac{当前价格 - 1月前价格}{1月前价格}$$ - **因子评价**：动量效应在建筑材料、房地产、家用电器行业明显[22] 15. **因子名称**：对数市值因子 - **因子构建思路**：衡量公司市值大小，反映规模效应[22] - **因子具体构建过程**：计算公司市值的对数 $$对数市值因子 = log(市值)$$ - **因子评价**：负向因子，在建筑材料、通信、综合、电气设备行业表现较好[22] 16. **因子名称**：残差波动率因子 - **因子构建思路**：衡量股票残差波动率，反映特异性风险[22] - **因子具体构建过程**：通过回归计算股票残差的标准差 $$残差波动率因子 = \sqrt{\frac{\sum (r_i - \hat{r_i})^2}{n-1}}$$ - **因子评价**：负向因子，在家用电器行业表现较好[22] 17. **因子名称**：流动性因子 - **因子构建思路**：衡量股票流动性，反映交易活跃度[22] - **因子具体构建过程**：计算股票日均换手率 $$流动性因子 = \frac{日均成交量}{流通股本}$$ - **因子评价**：正向因子，在通信、计算机行业表现较好[22] 量化模型与构建方式 1. **模型名称**：PB-ROE-50组合 - **模型构建思路**：结合市净率(PB)和净资产收益率(ROE)选股，筛选估值合理且盈利能力强的公司[24] - **模型具体构建过程**： 1) 计算所有股票的PB和ROE 2) 按照PB和ROE进行排序 3) 选取PB较低且ROE较高的50只股票构建组合 4) 定期调仓（如月频）[24] - **模型评价**：长期表现稳定，近期在中证800和全市场股票池中超额收益明显[24] 2. **模型名称**：机构调研组合 - **模型构建思路**：跟踪机构调研行为，筛选被频繁调研的股票[27] - **模型具体构建过程**： 1) 统计公募和私募调研数据 2) 选取被调研频率较高的股票 3) 构建组合并定期调仓[27] - **模型评价**：近期表现欠佳，获取负超额收益[27] 3. **模型名称**：大宗交易组合 - **模型构建思路**：通过分析大宗交易数据，筛选具有超额收益潜力的股票[31] - **模型具体构建过程**： 1) 计算"大宗交易成交金额比率"和"6日成交金额波动率" 2) 按照"高成交、低波动"原则选股 3) 月频调仓构建组合[31] - **模型评价**：近期表现较好，超额收益显著[31] 4. **模型名称**：定向增发组合 - **模型构建思路**：利用定向增发事件效应，筛选具有投资价值的股票[37] - **模型具体构建过程**： 1) 以股东大会公告日为时间节点 2) 综合考虑市值因素和调仓周期 3) 构建组合并控制仓位[37] - **模型评价**：近期表现不佳，超额收益回撤[37] 因子的回测效果 1. **单季度总资产毛利率因子** - 最近1周收益：3.79% - 最近1个月收益：6.44% - 最近1年收益：7.94% - 最近10年收益：3.29%[13] 2. **单季度ROE因子** - 最近1周收益：3.44% - 最近1个月收益：5.70% - 最近1年收益：20.26% - 最近10年收益：60.00%[13] 3. **总资产增长率因子** - 最近1周收益：3.29% - 最近1个月收益：4.66% - 最近1年收益：19.30% - 最近10年收益：-6.55%[13] 4. **市净率因子** - 最近1周收益：-1.16% - 最近1个月收益：0.05% - 最近1年收益：-1.14% - 最近10年收益：34.84%[13] 5. **下行波动率占比因子** - 最近1周收益：-1.50% - 最近1个月收益：0.24% - 最近1年收益：-1.75% - 最近10年收益：40.54%[13] 6. **beta因子** - 最近1周收益：1.35%[20] 7. **规模因子** - 最近1周收益：1.34%[20] 8. **BP因子** - 最近1周收益：-0.16%[20] 模型的回测效果 1. **PB-ROE-50组合** - 中证500股票池： - 本周超越基准收益率：-0.44% - 今年以来超额收益率：2.74% - 本周绝对收益率：3.42% - 今年以来绝对收益率：17.87%[25] - 中证800股票池： - 本周超越基准收益率：1.12% - 今年以来超额收益率：11.48% - 本周绝对收益率：3.92% - 今年以来绝对收益率：21.31%[25] - 全市场股票池： - 本周超越基准收益率：1.23% - 今年以来超额收益率：13.13% - 本周绝对收益率：4.18% - 今年以来绝对收益率：28.87%[25] 2. **机构调研组合** - 公募调研选股策略： - 本周超越基准收益率：-2.45% - 今年以来超额收益率：7.37% - 本周绝对收益率：0.25% - 今年以来绝对收益率：16.83%[28] - 私募调研跟踪策略： - 本周超越基准收益率：-1.50% - 今年以来超额收益率：16.23% - 本周绝对收益率：1.23% - 今年以来绝对收益率：26.47%[28] 3. **大宗交易组合** - 本周超越基准收益率：1.69% - 今年以来超额收益率：35.82% - 本周绝对收益率：4.65% - 今年以来绝对收益率：54.72%[32] 4. **定向增发组合** - 本周超越基准收益率：-3.21% - 今年以来超额收益率：6.33% - 本周绝对收益率：-0.39% - 今年以来绝对收益率：21.13%[38]

公司概况 - 幻方量化成立于2015年，实控人为梁文锋，旗下拥有宁波幻方量化和九章资产两家私募机构 [4] - 2019年管理规模突破百亿，2021年一度达到千亿规模，后主动调整至约600亿以优化风险控制和业绩表现 [4] - 在2025上半年私募排排网百亿私募榜单中，公司在上半年、近一年、近三年收益排名均进入前十 [4] - 公司发展历程显示：2008-2014年建立AI团队探索自动化交易，2015年创立后持续进行AI技术突破，2019年建立智算中心，2023年成立通用人工智能实验室并孵化DeepSeek项目 [8] - 核心投资理念为依靠人工智能技术进行量化投资，专注数学与计算机科学应用，持续投入团队与软硬件建设 [9] 核心投研团队 - 创始人梁文锋具有传奇经历：17岁考入浙大，23岁探索量化交易，31岁创办幻方量化，38岁进军AI领域，40岁登顶新财富500富人榜前十 [15] - 核心成员包括： - 徐进（技术总监/基金经理）：浙大博士，研究方向为机器学习与机器人导航，旗下产品近半年收益排名第一 [30][32] - 陈哲（首席策略官）：金融数学博士，曾任广发证券资管量化策略研究员 [33] - 陆政哲（基金经理）：浙大及伦敦政经毕业，曾任职招商银行资管部衍生品投资 [34] - 团队优势：由奥数/物理/信息学金牌得主、ACM冠军、AI领域专家及多学科博士组成，具备跨学科解决深度学习、大数据建模等难题的能力 [38] 投资策略与产品线 - 主要产品为中证500/1000指数增强系列，代表产品包括： - 九章幻方中证500量化多策略1号（成立8.5年，年化收益未披露） [44] - 幻方量化500指数专享系列、中证1000指增系列等 [46] - 策略特点： - 通过AI技术灵活配置资产，综合评估股票/期货/债券的波动性、流动性和相关性 [45] - 指数增强产品旨在获取超额收益，降低投资心理压力，在熊市抵消β损失，牛市获取α+β双重收益 [42] 核心优势 - AI量化引领者：2008年启动自动化交易研究，2016年上线首个深度学习生成仓位，2017年全面应用深度学习技术 [47][48] - 自研"萤火二号"训练平台：搭载高性能硬件，支持多节点并行训练，3年研发周期实现策略快速验证与优化 [49] - 多策略融合：结合人工智能技术开发多周期投资模式，实现收益叠加 [50] 行业地位与荣誉 - 2025年位列百亿私募收益排名前五 [8] - 多次获得行业奖项： - 2018-2021年连续四年获中国私募金牛奖"三年期金牛私募管理公司" [51][53] - 2019-2022年入选中国基金报"英华奖中国私募基金50强" [51][53] 社会责任 - 2021年成立公益工作组，2022年公司捐赠2.2138亿元，员工个人捐赠1.38亿元，支持23个公益项目 [54]

市场环境与交易策略背景 - A股创2021年12月17日以来新高 每日成交额持续超万亿 市场交易热情高涨[3] - 权益市场普涨趋势下 投资者可通过捕捉日内波动进一步增厚收益[5][6] - T0交易策略为利用底仓实现日内回转交易 具有高胜率、低赔率特点 通过微小价差积累收益[8] T0交易策略操作分类 - 正向T0操作：股价冲高时卖出部分底仓 收盘前低点买回相同数量 赚取差价[9] - 反向T0操作：股价走低时买入部分仓位 反弹后卖出赚取差价 最终保持底仓不变[9][10] T0策略周期与技术差异 - 短周期T0策略：Tick级或秒级交易 基于逐笔委托数据捕捉瞬时价差 需顶级硬件与超低延迟网络支持 策略容量较小[11] - 中长周期T0策略：分钟或小时级交易 结合Level2数据与技术指标捕捉价格波段 对技术要求较低 资金容量更大[11] - 短周期策略风控需内嵌于交易引擎 中长周期策略可辅以人工监控并设置止损阈值[12] 量化机构T0策略优势 - 数据处理优势：实时处理Level2/Level3数据 识别订单流与大单冲击模式[12] - 低延迟决策：程序化交易实现毫秒级响应 避免滑点损失[12] - 全市场机会扫描：无间断监控全市场股票 扩大策略容量[16] - 高纪律性执行：克服人为干扰 严格遵循风控规则[16] 量化股多T0策略实例 - 通过非线性模型构建约1000只股票底仓 每日调仓20%-30%[14] - 选取10%仓位流动性好的个股进行分钟级T0交易 贡献基准相对收益的10%[14] - 策略年内收益率44.93% 近一年收益率88.84% 换手率提升至年化200倍 最大回撤约10%[17] 市场中性T0策略实例 - 对标中证1000指数构建500-700只股票底仓 使用IM对冲实现市场中性[18] - 40%底仓进行分钟级T0交易 胜率达96% 空头端需同步调整并严格风控[18][19] - 行业偏离控制在3%以内 风格偏离控制在0.3倍标准差[19] - 策略年内收益率7.42% 近一年收益率14.09% T0贡献40%-50%收益 覆盖部分对冲成本[21] - 2023年4月以来最大回撤5.64% 主因基差异常升水导致对冲浮亏[21] 策略协同与收益互补 - 市场中性策略结合T0交易后换手率达年化150倍 平滑波动[25] - 股票量化提供选股收益 T0策略提供交易端收益 两者形成互补[26][27] - 基差管理通过灵活使用远近月合约平抑空头端波动[25]

研究背景与数据介绍 - 研究基于Level 2数据构建股价跳跃相关因子，检测波动率、跳跃振幅、跳跃成交活跃度等因子的选股效果[1][3] - Level 2数据相比Level 1数据频率更高、信息更丰富，包含10档买卖价量、逐笔订单等详细信息[5][6] - 逐笔订单数据是行情数据的根源，包含精确到毫秒的订单时间、价格、数量等关键信息[5] 跳跃因子构建 - 跳跃因子分为波动率、累计值、成交额关联三类，考虑价格变动方向和跳跃大小进行分类刻画[18][21][23][25] - 波动率因子区分原始波动率和相对值，考虑正负方向和大小值影响，对比是否剔除无实质价格变动订单[21][22] - 累计值因子基于泰勒展开式构建，同样考虑价格变动方向和跳跃大小[23][24] - 成交额关联因子统计有跳跃订单成交额占比，结合跳跃大小信息[25][26] 实证回测结果 - 月度换仓下，RRJV因子RANK_IC为7.50%，JSR2_drop因子RANK_IC达9.89%[28][35] - 周频换仓下，RRJV因子多空年化收益40.7%，多头费后年化收益28.2%[32][37] - 收益累计值类因子中JSR2_drop表现突出，月度换仓RANK_IC达9.77%[29][35] - 波动类因子相对值归一化后表现有边际提升，如RRJV因子ICIR为0.68[28] 因子绩效分析 - RRJV因子2021年收益率39.8%，夏普比1.86；2023年收益率25.8%，夏普比2.07[54] - JPR因子2021年收益率29.4%，夏普比1.61；2025年收益率15.4%，夏普比2.10[61] - 周频换仓下RRJV因子2021年收益率34.0%，夏普比1.75；2025年收益率31.1%，夏普比3.25[98] - JSR2_drop因子周频换仓2021年收益率28.2%，夏普比1.87；2025年收益率16.8%，夏普比2.51[116] 相关性分析 - 收益累计值类跳跃因子与市值风格和PB估值呈现一定相关性[127] - 波动类因子内部相关性较高，相对值归一化后与原始因子相关性边际下滑[127][134] - JNR因子与RJVP因子相关性达-0.99，JSR2因子与RJV因子相关性达-1.00[134][135]

公司概况 - 大岩资本成立于2013年，是国内最早量化投资机构之一，核心投研团队零流失率，团队规模40余人，分布深圳、上海、香港 [2] - 公司主张通过逻辑推理和定量分析挖掘市场无效性，深耕量化资管超10年，海外投资者包括世界知名资管、美国量化对冲FOF基金、国家主权基金 [2] - 截至2025年7月底，公司旗下产品收益均值为***%，位列准百亿量化私募收益榜第3名及股票策略收益Top10 [2] 股权结构 - 总经理兼法人黄铂通过个人、平潭冉腾科技有限公司和深圳大岩智投有限公司合计持有公司65.62943%股权 [7] 发展历程 - 2013-2016年：作为国内首批量化机构，奠定基本面与价量均衡发展基础，获香港4、9号牌照 [7] - 2017-2021年：获OFII资格，成为SBAI对冲基金国际标准委员会成员，首家通过ISAE3402国际鉴证标准 [7] - 2022年至今：策略与IT升级，AI专家加盟，因子数量扩充至4000+，产品线多元化，境内外总规模突破70亿 [7] 核心团队 - 投研团队26人，超90%成员毕业于清北复交及常青藤名校，核心成员零流失率，平均在职时间超7年 [8] - 团队背景涵盖数学、统计学、物理、人工智能、会计等领域，包括奥赛获奖者及来自百亿私募、千禧年等机构的资深研究员 [8] - 黄铂为北京大学数学学士，密歇根州立大学数学统计双硕士，哥伦比亚大学运筹学博士，曾在谷歌、美林证券量化交易部工作，并共同创立量化对冲公司Arxis Capital [9][11] 核心优势 - 优势一：丰富的A股量化实战经验，获境内外大型资管机构青睐，多次荣获金牛奖、英华奖等权威奖项 [12] - 优势二：基本面与价量均衡配置，注重数据与经济可解释性，与纯价量策略相关度低，配置价值高 [13] - 优势三：严格风控追求低波动高夏普，业绩在市场震荡中保持稳定 [14] - 优势四：中频赛道策略换手率平均80倍，监管政策利好中低频管理人，策略容量上限高 [15] 产品线 - 市场中性策略：通过多头端选股和空头端对冲工具（如股指期货、融券）剥离市场Beta风险，收益来源为超额Alpha收益减对冲成本，代表产品"大岩市场中性2号"成立于2019年3月18日 [16][17] - 指数增强策略：通过基本面、价量策略多策略动态配置满仓对标指数，收益来源为超额Alpha收益加指数Beta收益，代表产品"大岩超越500"成立于2017年12月13日 [17][18] - 量化选股策略：不对标宽基指数，行业和风格灵活，通过量化模型选股释放选股能力，代表产品"大岩量化选股1号"成立于2022年8月29日 [18][19] 所获荣誉 - 2024年获证券时报"卓越风控私募基金产品（三年期）"及中国基金报"成长示范机构" [20] - 2022年获中国基金报"中性策略产品奖" [20] - 2021年获每日经济新闻"最受投资者认可量化对冲私募公司" [20] - 2017年获每日经济新闻"金鼎奖最具人气私募基金"及中国证券报"三年期金牛券商集合资管计划" [20] - 2016年获中国基金报"两年期股票多空对冲最佳产品"及"两年期市场中性策略最佳产品"，中国证券报"股票策略类一年期基金经理奖"和"对冲策略类金牛私募管理公司" [22] 社会责任 - 2015年联合专业机构成立"大岩新生命儿童基金"，致力于救助贫病儿童，已救助超百位儿童 [25]

基金产品概况 - 华商基金推出华商沪深300指数增强基金 A类代码024313 C类代码024314 募集截止日期为8月15日 [1] - 该基金采用核心资产贝塔加主动阿尔法的双轮驱动策略 锚定沪深300指数进行投资 [1] - 基金首募规模上限为80亿元 若超限将采取末日比例确认方式控制规模 [4] 标的指数特征 - 沪深300指数涵盖沪深两市市值大、流动性好的300家龙头企业 前三大行业为金融、工业、信息技术 [1] - 指数具有周期+防御+成长的多元组合特征 既能把握传统行业估值修复机会 又能参与新兴产业发展红利 [1] - 沪深300指数被定位为中国经济增长的"核心载体"和资产配置组合中的"压舱石" [1] 投资策略与绩效 - 基金融合主动管理经验与量化投资技术 追求"指数β+量化α"的双重收益潜力 [1] - 数据显示沪深300指数增强产品年化超额收益普遍在3%～8%区间 [1] - 指数增强产品的波动率中位数低于对应ETF 提供更优的风险收益比 [1] 基金管理团队 - 基金由邓默博士和艾定飞博士共同管理 邓默为量化投资总监 拥有14.1年证券从业经历 其中9.8年证券投资经历 [2][3] - 邓默投资风格偏向均衡配置 擅长在不同价格场景下使用不同选股逻辑 [2] - 艾定飞拥有10.9年证券从业经历 其中6.6年证券投资经历 曾任职高盛集团 擅长将AI算法与量化模型结合 [2][3] 市场定位与投资价值 - 通过量化增强策略配置沪深300指数可同时把握经济转型升级红利和主动管理超额收益 [2] - 中国核心资产投资价值日益凸显 该产品被视为当前市场环境下性价比较高的配置选择 [2]