根据研报内容，以下是关于量化模型与因子的总结： 量化因子与构建方式 1. **因子名称：动量因子**[60] * **因子构建思路**：基于股价的历史表现，筛选近期表现强势的股票，旨在捕捉趋势延续效应[60] * **因子具体构建过程**：以“长江动量”指数作为动量因子的表征。该指数的构建方法是，首先计算每只股票的动量指标，具体公式为：`最近一年股票收益率 - 最近一个月股票收益率（剔除涨停板）`。然后，根据此动量指标，在A股市场中选取动量特征强且流动性相对较高的前100只股票作为指数成分股[60] 2. **因子名称：反转因子**[60] * **因子构建思路**：基于股价的短期表现，筛选近期表现弱势的股票，旨在捕捉价格回归均值的反转效应[60] * **因子具体构建过程**：以“长江反转”指数作为反转因子的表征。该指数的构建方法是，以最近一个月股票收益率作为筛选指标，在A股市场中选取反转效应强、流动性较好的前100只股票作为指数成分股，并采用成分股近三个月日均成交量进行加权[60] 3. **因子名称：风格相对拥挤度**[125] * **因子构建思路**：通过比较不同风格指数（如成长vs红利）的换手率活跃程度，来衡量该风格交易的相对拥挤程度，以判断其配置风险或性价比[125] * **因子具体构建过程**：对于风格A和风格B，计算步骤如下： 1. 分别计算风格A指数和风格B指数的近252日平均换手率时间序列[125] 2. 将上述时间序列在2005年1月1日以来的历史数据上进行Z-score标准化，得到Z-score_A与Z-score_B[125] 3. 计算二者差值：$$Diff_{Zscore} = Zscore\_A - Zscore\_B$$ 4. 计算该差值（Diff_Zscore）的滚动6年历史分位数（若历史数据量满1年但不足6年，则以全部历史数据计算），此分位数即为风格A相对于风格B的相对拥挤度[125] 4. **因子名称：风格累计超额净值**[126] * **因子构建思路**：通过计算风格指数相对于市场基准（万得全A）的累计超额表现，来评估该风格的长期收益特征[126] * **因子具体构建过程**： 1. 以2020年1月4日为基准日，将各风格指数及万得全A指数的每日收盘点数除以基准日收盘点数，得到各自的累计净值[126] 2. 将各风格指数的累计净值除以同一交易日的万得全A指数累计净值，得到该风格指数相对于万得全A指数的累计超额净值[126] 5. **因子名称：机构调研活跃度**[127] * **因子构建思路**：通过计算板块或行业相对于市场的机构调研热度差异，并将其标准化为历史分位数，来捕捉机构投资者的关注度变化[127] * **因子具体构建过程**：对于特定板块（或指数、行业），计算其“机构调研活跃度”的滚动历史分位数。具体步骤为： 1. 计算该板块近n个交易日的“日均机构调研次数”[127] 2. 将该时间序列在滚动y年的历史数据上进行Z-score标准化[127] 3. 将上述结果与万得全A的同期Z-score标准化结果作差，得到“机构调研活跃度”[127] 4. 最后计算此“机构调研活跃度”的滚动y年历史分位数（历史数据量不足y年时，以全部历史数据计算）[127] * **参数设置**：长期口径：n=126（近半年），y=6年；短期口径：n=63（近一季度），y=3年[127] 6. **因子名称：股债风险溢价（ERP）**[48] * **因子构建思路**：通过比较股票市场市盈率的倒数与无风险利率（国债收益率）的差异，来衡量权益资产相对于债券资产的相对吸引力[48] * **因子具体构建过程**：对于特定指数，其ERP的计算公式为： $$ERP = \frac{1}{指数PE\_{TTM}} - 10年期中债国债到期收益率$$ 其中，PE_TTM为指数滚动市盈率[48] 因子的回测效果 1. **动量因子**：近一周收益-1.7%，近一月收益1.8%，年初至今收益34.8%[58] 2. **反转因子**：近一周收益1.6%，近一月收益0.0%，年初至今收益13.5%[58] 3. **成长vs红利风格相对收益**：近一周收益-1.5%，近一月收益-2.9%，年初至今收益26.4%[58] 4. **小盘vs大盘风格相对收益**：近一周收益-0.9%，近一月收益-2.3%，年初至今收益8.1%[58] 5. **微盘股vs基金重仓风格相对收益**：近一周收益3.7%，近一月收益9.8%，年初至今收益45.9%[58] 6. **动量vs反转风格相对收益**：近一周收益-3.3%，近一月收益1.8%，年初至今收益21.3%[58]

指数增强型基金业绩表现 - 近一年指数增强型基金平均回报高达27%，九成以上产品获得正收益 [1][3] - 中小盘产品表现尤为突出，招商中证2000增强策略ETF回报率达60.35%，多只产品回报超50% [3] - 业绩亮眼源于市场结构性机会与量化策略契合、风控框架优化及资金对“贝塔+阿尔法”双收益的追求 [1][3] 中小盘指数增强产品优势 - 中小盘指数成分股数量多于大盘指数，拓宽投资选择空间并增强策略灵活性 [4] - 中小盘股指期货存在明显贴水现象，为构建超额收益提供天然工具 [4] - 在流动性稳定环境下，量价因子与极短持股周期策略组合能发挥显著作用 [4] - 市场行情集中于中小盘宽基指数和科技股，流动性驱动催生高贝塔收益，增厚超额收益 [4] 人工智能技术的影响 - AI技术深度融入量化模型与投资策略，正为量化投资带来革命性变化 [1][5] - AI在数据收集挖掘、信号参数优化、选股方式等方面改变投资流程，使以往难以实现的操作成为可能 [5] - AI影响不限于特定产品，将改变资本市场对上市公司的资金配置方向与方式 [5] - 在数据采集与分析层面，AI有望在保持模型可解释性基础上催生更多主动型量化产品，丰富投资生态 [5]

量化市场跟踪：大类因子表现 - 全市场股票池中估值因子获取正收益0.40% [4] - 市值因子和非线性市值因子分别获取负收益-0.72%和-0.40% 显示市场为小市值风格 [4] - 动量因子和Beta因子分别获取负收益-0.79%和-0.43% 市场表现为反转效应 [4] 量化市场跟踪：单因子表现 - 沪深300股票池中表现较好的因子有市盈率TTM倒数(3.05%)、市盈率因子(2.30%)、市净率因子(2.06%) [5] - 沪深300股票池中表现较差的因子有总资产毛利率TTM(-2.11%)、总资产增长率(-1.80%)、单季度总资产毛利率(-1.58%) [5] - 中证500股票池中表现较好的因子有市盈率TTM倒数(2.71%)、市净率因子(2.07%)、市盈率因子(1.74%) [5] - 中证500股票池中表现较差的因子有总资产毛利率TTM(-2.13%)、单季度总资产毛利率(-2.02%)、单季度ROA同比(-1.50%) [5] - 流动性1500股票池中表现较好的因子有市盈率TTM倒数(1.74%)、市盈率因子(1.68%)、市净率因子(1.34%) [5] - 流动性1500股票池中表现较差的因子有早盘后收益因子(-3.00%)、毛利率TTM(-2.64%)、单季度总资产毛利率(-2.50%) [5] 量化市场跟踪：因子行业内表现 - 基本面因子在各行业表现分化 净资产增长率因子、净利润增长率因子、每股净资产因子、每股经营利润TTM因子在石油石化行业均获取正收益 [6] - 估值类因子中BP因子表现良好 在多数行业获取正收益 [6] - 残差波动率因子和流动性因子在综合行业正收益明显 [6] - 市值风格上本周多数行业小市值风格显著 [6] 投资组合跟踪：PB-ROE-50组合 - 本周PB-ROE-50组合在中证500和中证800股票池中获取正超额收益 [7] - 中证500股票池中获得超额收益1.00% [7] - 中证800股票池中获得超额收益0.48% [7] - 全市场股票池中获得超额收益-2.00% [7] 投资组合跟踪：机构调研组合 - 本周私募调研跟踪策略获取负超额收益 [8] - 公募调研选股策略相对中证800获得超额收益0.00% [8] - 私募调研跟踪策略相对中证800获得超额收益-1.96% [8] 投资组合跟踪：大宗交易组合 - 本周大宗交易组合相对中证全指获取正超额收益1.08% [9] 投资组合跟踪：定向增发组合 - 本周定向增发组合相对中证全指获取正超额收益1.93% [10]

行业地位与规模 - 量化投资在中国公募基金市场已从小众策略崛起为重要组成部分，公募量化产品总规模突破4000亿元 [1] - 博道基金量化管理规模约达270亿元，跻身行业前三，成为中小基金公司借助量化业务突围的样本 [1] 量化投资进化历程 - 量化投资是与市场有效性的持续竞赛，博道基金量化业务始于私募时期，2013年启动实盘 [2] - 2014年凭借基于Barra风险模型的组合抵御市场冲击，2016年为应对股指期货受限探索量化CTA策略 [2] - 2017年市场风格转向价值投资时快速迭代，引入GP算法挖掘新因子并系统整合盈利因子大类 [2] - 2023年将AI方法论从局部应用扩展至全流程，形成传统框架与AI全流程框架并行的双核驱动模式，回测显示性能提升约30%至40% [2] - 量化投资方法在面对市场趋势性逆转时会面临阶段性不适，但其优势在于能够持续进化，模型体系已学习吸收多轮市场周期 [3] 核心投资模型：“双均衡” - “双均衡”多因子模型是产生持续超额收益的核心引擎，底层逻辑基于价格=每股收益×市盈率的经典公式 [4] - 第一个均衡是方法论的均衡，传统框架与AI全流程框架各占50%权重，形成互补以提升业绩稳定性 [4] - 第二个均衡是因子来源的均衡，因子权重一半用于预测每股收益趋势，另一半用于预测市盈率波动，因子权重基本保持动量反转各占一半 [4] 产品矩阵与市场定位 - 公司构建了层次清晰的“指数+”产品矩阵，涵盖标准指增、灵活指增和Smart Beta三大系列 [5] - 所有“指数+”产品都带有“增强”特色，以主动量化方式运作，旨在填补纯被动ETF与风格易漂移的主动权益基金之间的空白 [5] - A股市场存在可观超额收益空间，指数增强或主动量化产品因超额收益稳定性较高，更适合作为投资组合的底仓配置 [5] - 投资者正从单纯追求高弹性转向愈发重视超额收益的稳定性，这是一个漫长但不会逆转的趋势 [5]

指数增强型基金业绩表现 - 近一年指数增强型基金平均回报高达27%，其中九成以上产品获得正收益 [2] - 中小盘指增产品表现突出，招商中证2000增强策略ETF回报达60.35%，多只产品回报超50% [2] - 市场结构性机会与量化策略高度契合，中小盘风格主导环境下量化模型能有效捕捉细分行业龙头的高弹性机会 [3] 业绩亮眼驱动因素 - 主流增强ETF风控框架优化，日均跟踪误差控制在0.3%以内，通过AI算法动态调整行业暴露以规避单一风格风险 [3] - 资金偏好转向追求市场贝塔收益和主动阿尔法收益的双重收益目标 [3] - 中小盘指数成分股数量多，拓宽投资选择空间并增强策略灵活性，且其股指期货的贴水现象为构建超额收益提供天然工具 [3][4] 人工智能技术的影响 - AI技术深度融入量化模型与投资策略，正为量化投资带来革命性变化并有望重塑行业生态格局 [2][4] - AI在数据收集挖掘、信号参数优化、选股方式等方面与人共同参与策略，改变投资流程环节，使以往难以实现的操作成为可能 [4] - AI的影响不限于特定产品类型，将改变资本市场对上市公司的资金配置方向与方式，并有望在保持模型可解释性的基础上催生更多主动型量化产品 [4]

文章核心观点 - 文章深入剖析了三只量化基金（招商量化精选、国金量化多因子、中加专精特新）在投资风格、持仓偏好、业绩表现等方面的迥异特征，旨在揭示其不同的投资哲学与风险收益特征 [3] 投资风格 - 招商量化精选基金经理王平的投资理念注重稳健与均衡，通过多因子模型争取超额收益，同时严格控制行业和个股偏离以降低风险 [4] - 国金量化多因子基金经理马芳和姚加红的策略对市场风格变化高度敏感，收益来源多样化且持仓分散，模型更具进攻性和弹性 [4] - 中加专精特新基金经理林沐尘的策略聚焦“专精特新”主题，利用量化模型在中小盘股中挖掘超额收益，是“主题+量化”的结合 [5] - 招商量化精选规模从2023年底约34亿元增长至2025年三季末的63亿元，2025年业绩为41.93% [6] - 国金量化多因子规模从2023年三季度的超121亿元大幅缩水至2025年一季度的30亿元，后又于2025年三季度回升至63亿元，同年取得50.09%的年度收益 [6] - 中加专精特新规模从不足1亿元迅速增长至近5亿元，2025年以来业绩达63.12% [6] - 国金量化多因子的行业分散程度最高，前十大行业权重总和仅为17.48% [8] - 国金量化多因子A的换手率历年均在600%以上，招商量化精选换手率维持在300%-500%区间，中加专精特新2025年上半年换手率达493% [12] 持仓偏好 - 国金量化多因子的行业配置高度集中在有色金属和电力设备，细分领域能源金属和电池板块合计权重超过9.5% [16] - 招商量化精选的配置更偏向泛制造业，重仓机械设备、汽车和电力设备，行业分布均衡 [17] - 中加专精特新超配基础化工和环保，与其“专精特新”主题高度契合 [17] - 国金量化多因子在投资概念上极致专注新能源电池产业链，前五大重仓概念全部指向该领域 [19] - 中加专精特新第一大投资概念“节能环保”权重超过10% [20] - 招商量化精选的概念覆盖多元化，包括锂电池、英伟达概念、工业互联网和绿色电力等 [20] - 国金量化多因子前十大重仓股清一色为新能源电池产业链龙头，形成量化基金中罕见的“主题抱团”现象 [23] - 中加专精特新的重仓股均为市值较小的“专精特新”企业，策略独特性强 [23] - 招商量化精选是三者中风格最均衡、覆盖面最广的产品 [23] 业绩与风险评估 - 2024年招商量化精选获得15.27%的正收益，而国金量化多因子遭遇-32.77%的巨大回撤，亏损-3.29% [25] - 2025年中加专精特新以63.12%的收益领跑，国金量化多因子收益为50.09%，招商量化精选收益为41.93% [25][26] - 国金量化多因子的波动性最大，招商量化精选的回撤控制相对更平稳，中加专精特新2025年回撤达-12.77% [26] - 2025年中加专精特新的夏普比率为2.73，卡玛比率为4.94；国金量化多因子夏普比率为2.64，卡玛比率高达5.79；招商量化精选夏普比率为1.94，卡玛比率为2.61 [28][29][30] - 在牛市和震荡市中，招商量化精选的适应性更强；国金量化多因子在特定风格顺风时弹性更大 [31][32] - 2025年第三季度，招商量化精选单季度收益为23.87%，国金量化多因子为20.77%，中加专精特新为12.70% [33] 收益归因 - 2023年为招商量化精选贡献收益最多的股票是剑桥科技，单一个股贡献了2.04%的绝对收益 [34] - 2024年山推股份和移远通信成为招商量化精选新的收益贡献主力，收益来源非常分散 [35] - 招商量化精选的选股能力体现在“广”和“准”，能精准捕捉不同时期的牛股并通过分散持仓控制风险 [35] 总结 - 国金量化多因子被定性为极致的行业主题轮动者，在量化分散的外衣下对特定赛道进行极致押注，净值弹性高 [36] - 招商量化精选被定性为稳健的量化策略集大成者，追求极致的均衡与分散，力求在各市场环境下获得稳健超额收益 [36] - 中加专精特新被定性为专注小盘成长的“特种兵”，策略纯粹，深度聚焦“专精特新”主题，在中小盘行情中爆发力强 [36]

量化模型与构建方式 1 PB-ROE-50 组合 - **模型名称**：PB-ROE-50 组合[23] - **模型构建思路**：基于市净率（PB）和净资产收益率（ROE）两个基本面指标进行选股，旨在挑选出估值合理且盈利能力强的股票[23] - **模型具体构建过程**：该组合的具体构建过程未在报告中详细阐述，但明确指出其核心是结合PB和ROE指标进行选股[23] 2 机构调研组合 - **模型名称**：机构调研组合[25] - **模型构建思路**：根据公募基金和私募基金的调研活动来构建选股策略，跟踪机构调研行为以挖掘潜在投资机会[25] - **模型具体构建过程**：报告提及了公募调研选股策略和私募调研跟踪策略，但未详细说明其具体的构建步骤和规则[25] 3 大宗交易组合 - **模型名称**：大宗交易组合[29] - **模型构建思路**：基于“高成交、低波动”原则，通过分析大宗交易数据来构建选股组合，认为大宗交易背后蕴含超额信息[29] - **模型具体构建过程**：组合根据“大宗交易成交金额比率”越高、“6日成交金额波动率”越低的准则进行月频调仓[29] 具体构建方法可参考2023年8月5日的报告《提炼大宗交易背后蕴含的超额信息——量化选股系列报告之十一》[29] 4 定向增发组合 - **模型名称**：定向增发组合[35] - **模型构建思路**：以定向增发事件作为驱动，在再融资政策收紧的背景下，分析定增事件效应并构建投资组合[35] - **模型具体构建过程**：以股东大会公告日为时间节点，综合考虑市值因素、调仓周期以及仓位控制来构造组合[35] 具体方法详见2023年11月26日报告《多角度解析定向增发中的投资机会——量化选股系列报告之十二》[35] 模型的回测效果 1 PB-ROE-50 组合业绩表现 - **中证500股票池**：本周超越基准收益率1.00%，今年以来超额收益率3.16%，本周绝对收益率0.96%，今年以来绝对收益率32.03%[24] - **中证800股票池**：本周超越基准收益率0.48%，今年以来超额收益率16.96%，本周绝对收益率1.07%，今年以来绝对收益率41.77%[24] - **全市场股票池**：本周超越基准收益率-2.00%，今年以来超额收益率19.87%，本周绝对收益率-1.38%，今年以来绝对收益率48.96%[24] 2 机构调研组合业绩表现 - **公募调研选股策略**：本周超越基准收益率0.00%，今年以来超额收益率12.56%，本周绝对收益率0.58%，今年以来绝对收益率36.44%[26] - **私募调研跟踪策略**：本周超越基准收益率-1.96%，今年以来超额收益率15.09%，本周绝对收益率-1.38%，今年以来绝对收益率39.50%[26] 3 大宗交易组合业绩表现 - **大宗交易组合**：本周超越基准收益率1.08%，今年以来超额收益率36.00%，本周绝对收益率1.71%，今年以来绝对收益率69.00%[30] 4 定向增发组合业绩表现 - **定向增发组合**：本周超越基准收益率1.93%，今年以来超额收益率-2.27%，本周绝对收益率2.57%，今年以来绝对收益率21.45%[36] 量化因子与构建方式 1 大类因子 - **估值因子**：本周在全市场股票池中获取正收益0.40%[18] - **市值因子**：本周在全市场股票池中获取负收益-0.72%，市场表现为小市值风格[18] - **非线性市值因子**：本周在全市场股票池中获取负收益-0.40%[18] - **动量因子**：本周在全市场股票池中获取负收益-0.79%，市场表现为反转效应[18] - **Beta因子**：本周在全市场股票池中获取负收益-0.43%[18] 2 单因子（列举部分） 报告在沪深300、中证500和流动性1500股票池中跟踪了大量单因子的表现[12][14][16] 因子方向包括正向和负向，收益为剔除行业与市值影响后多头组合相对于基准指数的超额收益[12] 例如市盈率TTM倒数、市净率因子、总资产毛利率TTM等[13][15][17] 因子的回测效果 1 沪深300股票池因子表现（部分因子） - **市盈率TTM倒数**：最近1周收益3.05%，最近1月收益8.84%，最近1年收益5.38%，最近10年收益58.36%[13] - **市盈率因子**：最近1周收益2.30%，最近1月收益6.90%，最近1年收益-5.53%，最近10年收益18.98%[13] - **市净率因子**：最近1周收益2.06%，最近1月收益5.65%，最近1年收益-4.89%，最近10年收益34.98%[13] - **总资产毛利率TTM**：最近1周收益-2.11%，最近1月收益-5.93%，最近1年收益7.00%，最近10年收益-15.93%[13] 2 中证500股票池因子表现（部分因子） - **市盈率TTM倒数**：最近1周收益2.71%，最近1月收益7.16%，最近1年收益-0.03%，最近10年收益45.90%[15] - **市净率因子**：最近1周收益2.07%，最近1月收益4.41%，最近1年收益-6.49%，最近10年收益48.83%[15] - **市盈率因子**：最近1周收益1.74%，最近1月收益5.59%，最近1年收益-2.56%，最近10年收益25.32%[15] - **总资产毛利率TTM**：最近1周收益-2.13%，最近1月收益-4.89%，最近1年收益0.13%，最近10年收益17.65%[15] 3 流动性1500股票池因子表现（部分因子） - **市盈率TTM倒数**：最近1周收益1.74%，最近1月收益3.82%，最近1年收益-0.37%，最近10年收益59.73%[17] - **市盈率因子**：最近1周收益1.68%，最近1月收益3.19%，最近1年收益-3.03%，最近10年收益41.51%[17] - **市净率因子**：最近1周收益1.34%，最近1月收益4.18%，最近1年收益-4.58%，最近10年收益77.40%[17] - **早盘后收益因子**：最近1周收益-3.00%，最近1月收益-1.10%，最近1年收益12.49%，最近10年收益69.92%[17]

根据研报内容，本报告主要对各类公募量化基金（如指数增强基金、主动量化基金、市场中性基金）的业绩进行统计和展示，并未涉及具体的量化模型或量化因子的构建、测试与评价。报告的核心是基金产品的业绩回顾与分析[1][2][3][9][10][11][13][14][16][18][19][20][21][24][26][27][28][29][30]。 因此，报告中**没有**涉及以下内容： * 量化模型或量化因子的名称 * 量化模型或量化因子的构建思路与具体过程 * 量化模型或量化因子的评价 * 量化模型或量化因子的测试结果（如IC、IR、多空收益等） 报告内容集中于公募量化基金的整体业绩表现，包括不同时间窗口下的收益、超额收益、跟踪误差、最大回撤等指标的统计分布和净值走势图[10]。

私募产品备案整体表现 - 2025年10月全市场完成备案的私募证券产品数量达994只，较9月全月的1038只环比小幅下降4.24%，但较9月同期的829只环比增长19.90% [2] - 与去年10月的325只相比，同比增幅飙升至205.85%，印证了私募证券产品市场延续今年以来的火热态势 [2] - 备案热度上升是多方因素共同推动的结果，包括沪指突破4000点后市场结构性机会凸显、私募产品今年收益表现亮眼、第三方销售机构营销发力、北向资金稳步流入以及资金面保持宽松 [3] 备案产品策略分布 - 股票策略产品占据备案主力地位，10月共有679只相关产品完成备案，在全月备案总量中占比高达68.31% [4] - 多资产策略产品成为备案榜单中的亮点，备案数量达122只，占比攀升至12.27%，位列第二 [7] - 期货及衍生品策略以84只的备案数量位居第三，占比为8.45% [7] - 债券策略与组合基金分别备案49只和36只产品，占比依次为4.93%和3.62% [7] 量化产品备案情况 - 2025年10月全市场备案的量化产品达432只，占全市场私募产品总量的43.46% [8] - 在量化策略产品中，股票策略量化产品以333只的数量占据绝对优势，占比达77.08% [10] - 股票量化多头策略表现尤为亮眼，当月备案数量达241只，在全部量化产品中占比达55.79% [9][10] - 期货及衍生品策略是量化投资的第二大战场，相关产品有50只，占比11.57%，其中量化CTA产品达49只，占比11.34% [9][10] 私募机构规模与备案特征 - 10月完成备案的994只产品共由622家私募机构贡献，0-5亿规模的小规模私募机构数量达319家，备案产品357只，占比35.92% [11] - 百亿规模私募虽仅59家，但备案了272只产品，占比27.36%，平均备案量约4.6只，远超其他规模梯队 [11] - 当月绝大多数私募机构仅备案1只产品，备案产品数量不少于10只的“高产”私募机构仅11家，且均为百亿量化私募 [11] - 百亿量化私募茂源量化以23只的备案量位居榜首，所有产品均为股票量化多头策略，世纪前沿备案21只产品，明汯投资、因诺资产等机构备案产品均不少于10只 [12][13]

CTA策略概述与市场表现 - CTA策略全称为商品交易顾问策略，主要通过趋势跟踪、基本面分析和价差套利等方法在商品、股指及国债期货市场获取收益，其与传统股票、债券资产相关性较低，并可通过期货、期权工具进行双向交易[2] - 2025年10月，主观多头私募产品近1月收益均值为-1.33%，量化多头产品近1月收益均值为0.94%，而主观CTA和量化CTA策略同期收益均值分别达到2.84%和1.77%，在私募二级策略中表现突出[2] - 截至2025年10月底，主观CTA策略产品近6月收益均值为14.92%，量化CTA策略产品近6月收益均值为10.74%，在私募二级策略收益排行榜中分别位列第7和第4位[3] 不同规模私募CTA策略业绩排名（20亿以上规模组） - 20亿以上规模私募近半年旗下CTA产品合计125只，10月收益均值为2.11%，近半年收益均值为9.42%[4] - 该规模组前十强上榜门槛为特定百分比，其中量化私募占8家，主观与混合型私募各占1家，50-100亿规模私募占6家，百亿级私募无一入围[4] - 洛书投资以50-100亿规模位列第一，旗下3只CTA产品规模合计2.28亿元，采用量化投资模式，实控人为谢冬[5] - 东航私募位列第二，采用主观+量化混合模式，规模20-50亿，旗下5只产品规模合计2.79亿元[5] - 双隆投资位列第三，采用量化模式，规模20-50亿，旗下产品规模合计4.39亿元[5] 不同规模私募CTA策略业绩排名（5-20亿规模组） - 5-20亿规模私募近半年旗下CTA产品合计133只，10月收益均值为2.56%，近半年收益均值为14.30%[6] - 该规模组前十强中主观私募占5家，量化私募仅2家，上榜门槛为特定百分比[6] - 华澄私募位列第一，规模5-10亿，采用量化模式，旗下3只产品规模合计1.78亿元，基金经理颜学阶拥有10年量化实盘投资经验[6] - 易持资产位列第二，采用主观+量化混合模式，规模5-10亿[6] - 明睿(北京)私募位列第三，规模10-20亿，采用主观模式，旗下6只产品规模合计1.83亿元，专注于大宗商品现货基本面研究[7] 不同规模私募CTA策略业绩排名（0-5亿规模组） - 0-5亿规模私募近半年旗下CTA产品合计273只，10月收益均值为1.82%，近半年收益均值为12.47%[8] - 该规模组前十强中"主观+量化"混合型私募占4家，量化和主观私募各占3家，上榜门槛为特定百分比[8] - 系综(上海)私募位列第一，采用量化模式，旗下4只产品规模合计2.63亿元，均由基金经理黄新徽管理[9] - 旭冕投资位列第二，采用主观模式[9] - 嘉信融成位列第三，采用主观+量化混合模式[9]