2025年私募基金市场整体表现 - 截至2025年10月31日，全市场10969只私募基金中，91.33%的产品实现正收益，平均收益率达到24.32% [1] 各策略类型业绩表现 - 股票策略以29.52%的平均收益率领跑五大策略，正收益产品占比达92.73%，在6931只产品中有6427只实现盈利 [1] - 多资产策略以19.71%的平均收益率位列第二，正收益产品占比为91.61% [1] - 组合基金正收益产品占比高达96.85%，在476只产品中仅15只出现亏损，平均收益率为17.86% [1] - 债券策略平均收益率为8.77%，为五大策略中最低，但其正收益占比达90.09% [2] - 期货及衍生品策略平均收益率为13.02%，正收益产品占比82.43% [2] 股票策略细分表现 - 量化多头策略以36.76%的平均收益率和96.52%的正收益占比成为赢家 [2] - 主观多头策略平均收益率为29.72% [2] - 股票多空策略平均收益率为18.29% [2] - 市场中性策略平均收益率为9.22% [2] 量化多头策略表现突出的驱动因素 - AI算力、存储芯片等科技细分领域轮动加快，量化模型能通过高频交易及时捕捉板块切换机会 [3] - A股日均成交额维持高位，为量化交易提供了充足的成交对手方 [3] - 市场风格切换频繁，量化策略的动态调仓能力显著优于主观策略 [3] - AI技术提升海量数据处理效率，多因子模型实现风险分散与收益增强的平衡 [3]

公司动态与战略 - 欧洲稀土巨头索尔维与美国两家磁铁制造商签署供应协议 [1] - 索尔维计划扩建其法国工厂 [1] - 公司高管表示美国客户已准备好签署合同，显示市场需求强劲 [3] - 扩建决策基于量化模型对美国市场政策红利和需求曲线的分析 [12] 行业趋势与市场格局 - 全球供应链正处于重构背景之下 [1] - 稀土概念当前受到市场热炒 [4] - 机构资金流向可提前锁定投资机会 [4] - 美国市场存在政策红利和明确的需求曲线 [12] 投资行为分析 - 多数散户投资者关注短期大盘波动，而机构投资者关注更深层的资金流向和数据 [1][4] - 机构投资者利用量化数据和分析工具进行决策，形成对散户的认知维度优势 [4][12] - 机构库存数据能清晰反映机构的活动状态，例如一级区机构积极买入，二级区机构可能处于观望 [6][7] - 案例显示，股价下跌时机构未必离场，而缺乏机构参与的技术形态可能是虚假信号 [8][10][12]

量化模型与构建方式 1. 竞争优势组合 - **模型名称**：竞争优势组合 - **模型构建思路**：将企业竞争环境和战略因素纳入选股逻辑，基于竞争壁垒分析框架识别不同类型行业中的优质企业[12] - **模型具体构建过程**：首先将行业分类为"壁垒护盾型"、"竞争激烈型"、"稳中求进型"和"寻求突破型"四类。在"壁垒护盾型"行业中识别"唯一主导"企业和"合作共赢"企业，在非"壁垒护盾型"行业中发掘"高效运营"企业，最后将两类组合结合得到最终组合[12][13] 2. 安全边际组合 - **模型名称**：安全边际组合 - **模型构建思路**：基于企业内在价值与市场价值之间的安全边际进行选股，通过计算个股的盈利能力价值作为安全边际[17] - **模型具体构建过程**：通过ROIC分析企业创造价值的能力，计算个股的盈利能力价值作为安全边际指标，在综合竞争优势股票池内选择安全边际最大的前50标的并采用股息率加权的方式最大化组合安全边际[17] - **模型评价**：该方法强调企业内在价值与市场价值的差距，更可靠地反映企业实际价值[17] 3. 红利低波季调组合 - **模型名称**：红利低波季调组合 - **模型构建思路**：优化传统红利策略，避免"高股息陷阱"，通过股息率预测和负向清单制度筛选优质高股息股票[23] - **模型具体构建过程**：一方面通过股息率本身的预测规避高股息陷阱，另一方面考虑剔除股价表现极端、负债率异常的标的等负向清单制度[23] 4. AEG估值潜力组合 - **模型名称**：AEG估值潜力组合 - **模型构建思路**：基于超额收益增长模型(AEG)进行估值，投资于市场尚未充分认识到其增长潜力的公司[27][31] - **模型具体构建过程**：首先用AEG_EP因子选取TOP100股票，然后选择股利再投资/P比率高的TOP50股票。AEG模型的核心公式为： $$A E G=Y_{t}-N_{t}=(E_{t}+r*D P S_{t-1})-(1+r)*E_{t-1}$$ $$\frac{V_{0}}{E_{1}}=\frac{1}{r}+\frac{1}{r}*\frac{\left(\frac{A E G_{2}}{1+r}+\frac{A E G_{3}}{(1+r)^{2}}+\frac{A E G_{4}}{(1+r)^{3}}+\cdots\right)}{E_{1}}$$ 其中E₁是第一期的盈利，V₀是当下的市值，r是要求回报率[27] 5. 现金牛组合 - **模型名称**：中证800现金牛组合 - **模型构建思路**：通过CFOR分析体系深入评估企业的盈利能力和资产的现金生成效率，补充传统杜邦分解的不足[35] - **模型具体构建过程**：引入自由现金流(FCF)和自由现金流回报率(CFOR)作为关键分析维度，通过拆解现金流量回报率，评估企业如何将经营活动产生的现金流转化为净利润，包括自由现金利润比率和经营资产回报率[35] 6. 困境反转组合 - **模型名称**：困境反转组合 - **模型构建思路**：利用库存周期刻画公司的困境反转，结合景气加速恢复和定价错误的估值回归，捕捉估值提升收益[42] - **模型具体构建过程**：利用库存周期刻画困境反转，同时考虑景气加速恢复和低估，在三重投资模式下将相关因子标准化叠加后选取得分最高的50只股票[42] 模型的回测效果 1. 竞争优势组合 - 年化收益：16.63%(全区间)[1]，20.60%(2019年以来)[16] - 夏普比率：0.65(全区间)[1]，0.97(2019年以来)[16] - 信息比率(IR)：0.11(全区间)[1]，0.12(2019年以来)[16] - 最大回撤：-47.68%(全区间)[1]，-19.32%(2019年以来)[16] - 卡玛比率：0.35(全区间)[1]，1.07(2019年以来)[16] 2. 安全边际组合 - 年化收益：23.39%(全区间)[2]，23.45%(2019年以来)[22] - 夏普比率：1.06(全区间)[2]，1.17(2019年以来)[22] - 信息比率(IR)：0.21(全区间)[2]，0.16(2019年以来)[22] - 最大回撤：-35.10%(全区间)[2]，-16.89%(2019年以来)[22] - 卡玛比率：0.67(全区间)[2]，1.39(2019年以来)[22] 3. 红利低波季调组合 - 年化收益：19.29%(全区间)[2]，17.23%(2019年以来)[24] - 夏普比率：0.92(全区间)[2]，1.01(2019年以来)[24] - 信息比率(IR)：0.16(全区间)[2]，0.16(2019年以来)[24] - 最大回撤：-43.06%(全区间)[2]，-21.61%(2019年以来)[24] - 卡玛比率：0.45(全区间)[2]，0.80(2019年以来)[24] 4. AEG估值潜力组合 - 年化收益：29.40%(全区间)[3]，25.13%(2019年以来)[33] - 夏普比率：1.16(全区间)[3]，1.14(2019年以来)[33] - 信息比率(IR)：0.22(全区间)[3]，0.15(2019年以来)[33] - 最大回撤：未提供(全区间)，-24.02%(2019年以来)[33] - 卡玛比率：0.66(全区间)[3]，1.05(2019年以来)[33] 5. 中证800现金牛组合 - 年化收益：14.11%(2019年以来)[40] - 夏普比率：0.71(2019年以来)[40] - 信息比率(IR)：0.10(2019年以来)[40] - 最大回撤：-19.80%(2019年以来)[40] - 卡玛比率：0.71(2019年以来)[40] 6. 困境反转组合 - 年化收益：25.02%(2019年以来)[44] - 夏普比率：1.01(2019年以来)[44] - 信息比率(IR)：0.15(2019年以来)[44] - 最大回撤：-33.73%(2019年以来)[44] - 卡玛比率：0.74(2019年以来)[44]

根据研报内容，总结其中涉及的量化模型与因子如下： 量化因子与构建方式 1. **因子名称：A股市值/GDP比值（巴菲特指标）**[16] * **因子构建思路**：通过衡量股市总市值与国民生产总值（GDP）的比值，来判断市场整体估值相对于经济基本面的高低[16] * **因子具体构建过程**：直接计算A股总市值与GDP的比值，公式为： $$巴菲特指标 = \frac{A股总市值}{GDP}$$[16] 2. **因子名称：居民存款与股市总市值之比**[21] * **因子构建思路**：通过比较居民存款（场外资金）与股市总市值（场内资产）的规模，来衡量场外资金对场内资产的相对充裕程度[21] * **因子具体构建过程**：直接计算居民存款与A股总市值的比值，公式为： $$居民存款与股市总市值之比 = \frac{居民存款}{A股总市值}$$[21] 3. **因子名称：融资余额/全A流通市值占比（杠杆资金活跃度）**[25] * **因子构建思路**：通过衡量融资余额（投资者借入资金买入股票的总量）占A股流通市值的比例，来观察市场杠杆交易的活跃度及投资者风险偏好[25] * **因子具体构建过程**：直接计算融资余额与A股流通市值的比值，公式为： $$杠杆资金活跃度 = \frac{融资余额}{A股流通市值}$$[25] 4. **因子名称：股债投资性价比**[29] * **因子构建思路**：通过计算股票预期收益率与债券到期收益率的差值（股债利差），来衡量股票资产相对于债券资产的风险溢价和投资吸引力[29] * **因子具体构建过程**：计算股债利差，公式为： $$股债利差 = 股票市场的预期收益率 - 债券市场的到期收益率$$[29] 5. **因子名称：市场整体估值**[33] * **因子构建思路**：使用市场整体的估值水平（如市盈率）来判断资产价格的昂贵程度和市场情绪[33] * **因子具体构建过程**：报告中使用的是万得全A的市盈率（PE）[34] 6. **因子名称：市场低价股比例**[37] * **因子构建思路**：通过统计市场中低价股的数量占比，来观察市场的投机氛围和炒作情绪[37] * **因子具体构建过程**：报告中将低价股定义为价格低于5元的股票，并计算其数量占全A股票数量的比例[37] 7. **因子名称：股东减持**[41] * **因子构建思路**：通过分析产业资本（上市公司股东）的净减持行为，来判断其对当前股价和公司前景的看法[41] * **因子具体构建过程**：筛选减持变动数量占流通股本比例超过0.1%的增减持事件，在月度频率上对每个股票的增减持事件进行聚合，然后计算月度净减持比例，公式为： $$月度净减持比例 = \frac{\sum(减持事件 - 增持事件)}{当月股票数量}$$[41] 8. **因子名称：小额成交**[45] * **因子构建思路**：通过分析小单净主动买入量来衡量散户情绪的变化[45] * **因子具体构建过程**： 1. 计算周度频率下，每个股票的小单净主动买入量占总成交量的比例[45] 2. 每周选取上述比例最高的前10%的股票[45] 3. 计算这些股票的比例均值[45] 4. 对该均值序列进行150周窗口的Z-Score标准化[45] 9. **因子名称：沪深300成交占比**[49] * **因子构建思路**：通过计算沪深300指数成分股成交额占全市场成交额的比例，来追踪主流资金（“聪明钱”）的流向和市场风格[49] * **因子具体构建过程**：计算沪深300成交额与全A成交额的比值，并取5日移动平均，公式为： $$沪深300成交占比 = MA_5(\frac{沪深300成交额}{全A成交额})$$[50] 10. **因子名称：偏股基金发行规模占比**[54] * **因子构建思路**：通过衡量偏股型基金新发行规模占A股自由流通市值的比例，来观察市场情绪和增量资金情况[54] * **因子具体构建过程**：计算每月偏股基金新发行规模与A股自由流通市值的比值[54] 因子的回测效果（当前数值或状态） 1. **A股市值/GDP比值（巴菲特指标）**：当前比值约为88%[17] 2. **居民存款与股市总市值之比**：当前比值约为47.35%[24] 3. **融资余额/全A流通市值占比（杠杆资金活跃度）**：当前比值约为2.5%[28] 4. **股债投资性价比**：当前股债收益差约为3.96%，处于股票略优、可平衡配置的区间[32] 5. **市场整体估值**：万得全A市盈率（PE）当前约为17.33倍[36] 6. **市场低价股比例**：当前低价股比例约为0.49%，处于历史分位数51%的水平[40] 7. **股东减持**：当前净减持指标未突破历史极值，且呈掉头向下趋势[44] 8. **小额成交**：当前Z-Score标准化后的指标处于正常区间，未超过2倍标准差[48] 9. **沪深300成交占比**：当前5日平均占比约为26%，近期高点在30%附近，已回落[53] 10. **偏股基金发行规模占比**：当前占比处于较低水平，近半年发行规模总体上升但未达顶峰[57]

百亿量化私募格局变化 - 截至2025年10月底，百亿量化私募数量达到55家，较9月底新增10家，为年内单月最多增幅 [2] - 当月新晋百亿量化私募有6家，分别为纽达投资、平方和投资、超量子基金、上海孝庸私募、大道投资、喜岳投资 [2] - 另有磐松资产、宽投资产、赫富投资、梅山保税港区凌顶投资4家私募机构重新回归百亿规模阵营 [2] 头部量化私募地域与团队特征 - 从地域分布看，上海地区聚集了28家百亿量化私募，占比超过50%，北京地区以11家位居其次 [6] - 团队规模方面，有13家私募员工人数超过100人，其中九坤投资等2家机构员工人数超过150人 [6] - 业务国际化趋势明显，共有九坤投资、佳期私募、宽德私募、因诺资产等21家量化私募持有香港9号牌照 [6] 百亿量化私募业绩表现 - 旗下至少有3只产品符合排名规则的百亿量化私募共37家，今年来平均收益达到***% [6] - 收益位列前10的机构包括宁波幻方量化、稳博投资、诚奇资产、进化论资产、天演资本等 [6] - 宁波幻方量化1-10月收益排名第2，与1-9月排名保持一致，旗下11只产品平均收益为***%，管理规模在三季度增长至700-800亿区间 [10] - 新晋百亿私募中超量子基金收益最高，位列第7，旗下3只产品今年来平均收益为***% [10] 其他规模梯队量化私募表现 - 50-100亿规模梯队中，云起量化、天算量化、安子基金3家机构在10月实现规模跃升，年内收益前3分别为云起量化、千朔投资、天算量化 [11] - 20-50亿规模梯队中，翰荣投资、衍合投资、量创投资、玄信资产4家机构在10月规模跃升，年内收益前3分别为翰荣投资、橡木资产、广州守正用奇 [14] - 10-20亿规模梯队中，仅龙吟虎啸1家在10月规模有所跃升，年内收益前3分别为龙吟虎啸、无量资本、弈倍投资 [18] - 5-10亿规模梯队中，华澄私募、智信融科、探针投资3家机构规模较9月底有所跃升，年内收益前3分别为华澄私募、智信融科、巨量均衡基金 [22] - 0-5亿规模梯队中，年内收益前3分别为京盈智投、锦望投资、全成基金，其中京盈智投以显著优势夺冠 [26] 新晋百亿私募成功因素分析 - 新晋百亿私募主要依靠持续吸引优秀人才，在新技术和硬件上不断投入，保持策略有效性和业绩持续性 [5] - 在新一轮行情中抓住市场机会，为客户创造价值，赢得投资者信赖，实现规模增长 [5] - 面对变化的市场环境，管理人需要保持投研团队实力，不断完善投资策略以适应市场 [5]

量化多头策略整体表现 - 10月以来A股市场震荡轮动，量化产品收益出现显著修复，在有收益展示的825只量化多头产品中，今年来平均收益达41.02%，平均超额收益为14.36% [2] - 量化多头产品10月表现突出，平均收益为0.93%，在所有股票策略产品中最高，平均超额收益为1.5% [2] - 从今年整体表现看，量化多头策略（平均收益41.02%）优于主观多头（平均收益36.11%）和其他主要策略 [3] 各策略类别业绩对比 - 在统计的5189只产品中，股票策略（含量化和主观）今年来平均收益领先，宏观策略（27.17%）、复合策略（25.66%）分列二三位 [3] - 10月单月表现中，其他衍生品策略平均收益最高达4.45%，主观CTA（3.01%）、量化CTA（1.69%）等也录得正收益，而主观多头策略平均收益为-1.35% [3] 量化多头细分策略分析 - 按三级策略划分，其他指增策略今年来超额收益最为亮眼，达到18.52%，年内收益为43.55% [4] - 中证1000指增策略今年来收益最高，达45.51%，超额收益为15.48%；量化选股策略收益为39.25%，超额收益为15.56% [4] - 10月单月，中证500指增超额收益领跑，达到1.76%，但其单月收益（0.64%）低于其他指增（1.57%）和沪深300指增（1.07%） [4] 领先产品及管理人特征 - 中证1000指增产品前十强中，百亿私募旗下产品占据一半，收益前三的产品分别由今通投资钱伟强、鹿秀投资么博等、蒙玺投资李骧管理 [5][7] - 量化选股策略前十强中，百亿私募产品仅龙旗科技一家，其他产品所属公司规模均在50亿以下，显示中小型私募在该策略上更具优势 [10][11] - 中证500指增前十强中，头部私募（规模50亿以上）旗下产品有4只；沪深300指增前十强中，头部私募占据一半 [13][17]

活动概况 - 国信证券于2025年11月20日至21日在深圳福田香格里拉大酒店举办2026年度投资策略会 [1] - 金融工程论坛主题为“新周期·新常态·新范式”，于11月20日13:30-17:00在2楼大宴会厅2举行 [2] 论坛议题 - 议题一：启发式分域视角下的多策略增强组合，由金融工程联席首席分析师张宇主讲 [2] - 议题二：风险模型全攻略一恪守、衍进与实践，由金融工程首席分析师张欣慰主讲 [2] - 议题三：隐性风险视角下的选基因子统一改进框架，由金融工程分析师胡志超主讲 [2] - 议题四：追求可持续Alpha的风险管理，由天弘基金指数与数量投资部总经理杨超主讲 [3] - 议题五：资产配置:ETF的角色与机遇，由大成基金指数与期货投资部执行总监孙雨主讲 [3] - 圆桌论坛主题为“问道2026”，由国信证券金融创新总部总经理陈晓斌主持 [3] 参会嘉宾背景 - 华夏基金数量投资部行政负责人具有12年公募基金管理经验，管理规模超3000亿元，管理产品包括华夏上证50ETF、科创创业50ETF等 [3] - 华泰柏瑞基金副总经理、指数投资部总监拥有24年证券和基金从业经历，超过16年ETF管理经验，截至2025年3季度末管理资产规模超过5000亿元 [4] - 南方基金指数投资部总经理拥有超过19年指数投资和量化研究经验，曾任职于摩根士丹利投资银行(纽约)，管理总规模近2000亿元 [6] - 嘉实基金指数与量化投资首席投资官刘斌具有19年基金从业经验、16年基金投资管理经验，全面负责公司指数与量化投资业务 [7] - 博时基金指数与量化投资部总经理赵云阳在基金行业有二十多年从业经验，管理产品覆盖股票、债券、商品等大类资产基金产品 [8] - 天弘基金指数与数量投资部总经理杨超拥有15年证券从业经验，其管理的指数增强产品规模逾70亿元，多只产品为首批入选个人养老金账户的指数增强基金 [9] - 大成基金指数与期货投资部执行总监孙雨拥有11年工作经历，曾任职于深圳证券交易所、申万菱信基金、国泰海通证券等 [10]

量化策略优势持续性分析框架 - 构建分析框架认为A股市场模式在"共识行情"与"分歧行情"间周期性切换，决定主动与量化策略相对有效性[2] - 市场模式切换引发超额收益来源结构性演变，在侧重深度基本面预判的"认知型Alpha"与侧重捕捉短期定价偏差的"交易型Alpha"之间转变[2] - 引入"机构持仓集中度"作为核心指标连接宏观市场模式与微观Alpha来源，集中度提升预示"共识行情"压缩"交易型Alpha"空间，集中度下降则对应"分歧行情"有利量化策略[2] 市场模式历史回顾与特征 - "共识行情"特征为存在强大产业趋势驱动的清晰主线，如2017年"漂亮50"及2019-2021年新能源半导体主题，此阶段有效性取决于研究"深度"更利主动策略[6] - "分歧行情"特征为经济存量博弈缺乏整体共识主线，如2022年至2025上半年资金高频切换轮动，此阶段有效性取决于"广度"和"纪律性"使量化策略表现出优势[7] - 自2025年下半年以来AI等新兴主题形成新投资主线，策略重心可能再次从捕捉轮动"广度"向挖掘主线"深度"倾斜[11] Alpha来源演变与验证 - "交易型Alpha"适应分歧行情，侧重捕捉市场短期无效性，来源包括行为偏差Alpha和微观结构Alpha[18] - "认知型Alpha"适应共识行情，侧重对未来基本面正确预判，来源包括产业趋势预判、核心标的挖掘及通过另类数据实现的另类Alpha[19] - 数据验证显示2022年前共识行情下认知型Alpha预测能力更强，2022年以来分歧行情中交易型Alpha收益预测能力更强[25] 市场集中度指标构建与作用 - 市场集中度是连接宏观模式与微观Alpha来源的关键指标，高集中度对应共识行情奖励"深度"，低集中度对应分歧行情奖励"广度"[26][27][28] - 基于公募基金季度前十大重仓股数据构建集中度指数，数值越高代表机构持仓越集中头部股票市场共识越强[30][31] - 历史数据显示集中度是判断因子有效性的关键，集中度下行区间市值反转等传统因子更优，上行区间这些因子可能失效[31] 2026年市场集中度与量化策略展望 - 判断2026年市场集中度将进入"中枢抬升的平台期"，中枢高于2022-2024年但低于历史高点并震荡[38] - "中枢抬升"动力来自市场机构化长期趋势未逆转，ETF等增量资金对龙头公司偏好构成底部支撑[39] - "平台震荡"约束来自估值性价比抑制，当前大小盘估值分位数均处于历史高位（滚动5年市盈率分位数80%以上），缺乏风格洼地抑制资金形成单边共识[40] - 复杂主线行情下量化策略仍具优势，需结合理解主线的"深度"与捕捉轮动的"广度"，平均表现可能仍优于主动权益基金[41][42] 2026年A股市场整体观点 - 对2026年A股市场维持中期乐观判断，综合估值情绪资金等指标显示市场未处极端过热状态，风险溢价具吸引力[43][44] - 宏观预期差模型显示PPI超预期、社融规模连续两月超预期、CPI连续两月不及预期、人民币贷款连续三月不及预期，整体对股票市场影响偏中性[44] - 风格判断短期价值占优，四象限风格轮动模型显示综合得分由偏小盘转向均衡，成长价值维度转向价值[45]

文章核心观点 - 石婧的职业生涯完整穿越中国资管行业多个周期，其经验体现了行业从草莽走向精细、从个人英雄主义走向团队化与工具化并重的时代更迭 [2] - 其职业经历中积累的量化研究、体系搭建、团队管理和风险控制经验，成为当前在管FOF产品获取稳健业绩的依仗 [2][9][11][17] - FOF产品的天然定位是稳健，通过多元资产配置和精细化、动态化的基金研究来熨平波动，是行业主流发展方向 [19][22][24][26] 从"挖掘"有效策略起步 - 2007年入行于牛市之巅，在合资公募产品岗位使用量化思维挖掘策略超额收益，包括写代码测试策略回报、风险、敏感性 [1][7][9] - 早期工作为公司挖掘和储备长期策略方向，为后续FOF管理的资产配置、组合构建、选择基金经理打下扎实量化研究基础 [9] - 当前在富国基金团队仍大量使用量化因子并结合主观调研来选基和动态调整，与早期研究方法一脉相承 [9] 重视体系搭建 - 早期合资公募经历使其亲身经历海外成熟的产品设计、投研流程和风控体系 [10] - 随着A股市场发展壮大和波动提升，体系化思维对保障投资理念落实的重要性日益凸显 [10] - 在其后续资管生涯中，始终重视团队体系、规章、流程的完备设计 [10] 转战投资一线 - 2009年转战头部保险资管公司，管理几万亿资金，完成从研究到投资的转型 [11] - 在资产配置部门担任投资经理助理，并作为团队B角替补权益、固收投资岗位，直接管理账户资金 [11] - 经历团队考核机制，锻炼投资管理能力并深刻体会团队合作分工的重要性 [11] "人"是最关键的因素之一 - 2009至2015年，选基体系重点分析基金经理投资体系的先进性、系统性及业绩可持续性 [13] - 为满足巨大资金配置需求，团队早期即布局独树一帜的投资明星并挖掘有潜力的特色基金经理 [14] - 投资思维转变：不追求"全天候"明星，而是因地因时挑选基金进行组合投资以穿越周期 [14] 投资要能适应"高波动" - 2015年市场经历牛熊切换和流动性考验，铸就其投资组合必须能渡过高波动的风控意识 [16][17] - 经历后认识到投资智慧体现在投资端和风控端，平时严谨风控关键时才能留存实力 [17] - 市场随之进入相对低波动、注重公司质量的新时代，中大型资管机构收紧风控和流动性管理要求 [17] FOF产品天然定位是稳健 - 2016年参与筹组养老和FOF团队，"从零开始"搭建FOF投研体系、规则和流程 [19] - 团队选择着重FOF稳健产品特点，追求丰富且相对稳健的产品布局，注重投资分散度和均衡度，该方向日后成为行业主流 [19] - FOF产品天然倾向稳健，在高风险高收益与低风险中收益之间必然选择后者 [20] 投资"新时期" - 当前富国FOF投研体系依托量化和人工智能工具，实现对全市场基金的日频"穿透式"跟踪，提升组合管理和风险管理能力 [22] - 研究颗粒度大大加强，对权益基金有300多个跟踪指标，对债券基金有100多个指标，通过量化与人工配合每日给基金做"体检" [22][23] - 动态跟踪基金策略变化，日频跟踪与定期报告相结合，有体系地调整以达到对标的的"准确定义" [23][24] - FOF投资广度大大增加，需在全球各地区股票基金、不同信用级别债券基金、黄金、REITs等多元资产中做选择，配置可选择度大大提升 [24] 新团队、新产品 - 富国FOF团队已搭建分工科学、梯队完整的投研团队，包括4位基金经理和若干研究员，按资产类别专业分工 [26] - 推出新产品如富国智恒稳健90天持有期混合型FOF，面向稳健投资人追求低波，投资布局涵盖国内外股票、固收基金、REITs、黄金等大类资产 [26] - 历史回溯显示，更多元资产配置能大大熨平波动，使组合业绩相比单市场更稳健，体现FOF产品天然魅力 [26]

市场观点与机构行为 - 瑞银报告基于AI技术突破、企业盈利增长和美联储降息预期，预测标普500指数将达7500点历史高位[1] - 量化系统监测到在科技股股价攀升的同时，对冲基金的多空仓位比创下三年新低，显示机构行为与市场表面观点存在背离[1] - 机构策略看似矛盾，如调高标普目标价10%却建议增持中国资产，实则反映其追求性价比最优的资金配置，而非具体点位[1] 资金流向与市场风格 - 市场风格切换是不同属性资金角力的结果，配置型资金与交易型资金的界限正在模糊化[4] - 程序化交易实际成为市场稳定器，而公募基金的交易频率高于游资，颠覆传统认知[4] - 新能源板块的表面反弹由政策催化，但量化数据显示实质是社保基金在悄悄建仓[4] 量化分析与投资决策 - 普通投资者易出现认知错位，将高频博弈误认为价值投资，或错过长线布局机会[4] - 机构使用资金行为预判价格，而普通投资者习惯用价格变化倒推逻辑，导致焦虑[11] - 量化系统对机构资金动向的预判准确率达91.7%，强调数据细节的重要性[12] 板块与资产配置动向 - AI板块狂欢中，部分龙头股的“机构库存”已在悄然下降，暗示行情或进入后期阶段[11] - 消费板块正迎来三年来最持续的机构资金流入，与投行普遍唱多科技股形成背离，预示重大风格切换可能[12] - 国际资本配置逻辑生变，“China+1”策略下的资本流动沿产业链进行梯度转移，而非简单撤离中国[11] 未来投资认知框架 - 投资应放弃对具体点位的执念，转而关注哪些板块能持续获得“机构库存”加持[13] - 现代机构采用多空对冲、跨市场套利等立体战法，而非单边做多[13] - 当基本面分析可能失效时，量化思维和数据分析显得更为可靠[13] 中国资产与宏观环境 - 外资看重A股低估值背景下，隐含波动率降至历史低位所带来的套利空间[13] - 相较于美联储降息预期已打满，中国央行保留的政策空间成为稀缺资源[13] - 在东南亚崛起的产业链重构中，中国高端制造企业可能成为真正的赢家[13]