报告行业投资评级 未提及 报告的核心观点 报告给出几个借助ETF构建的策略指数，并以周度为频率对指数的绩效和持仓进行跟踪，各指数有不同构建方法和收益表现 [12] 各策略指数总结 华宝研究大小盘轮动ETF策略指数 - 利用多维度技术指标因子，用机器学习模型预测申万大小盘指数收益差，周度输出信号决定持仓获取超额回报 [4][14] - 截至2025/9/26，2024年以来超额收益18.78%，近一月-0.34%，近一周0.05%；上周指数收益1.09%，基准（中证800）1.05% [4][13] - 持仓为沪深300ETF，权重100% [19] 华宝研究SmartBeta增强ETF策略指数 - 用量价类指标对自建barra因子择时，依ETF在9大barra因子暴露度映射择时信号，选主流宽基及风格、策略ETF获取超额收益 [4][19] - 截至2025/9/26，2024年以来超额收益17.37%，近一月0.49%，近一周-0.02%；上周指数收益1.03%，基准（中证800）1.05% [4][13] - 持仓包括创业板成长ETF等多只ETF [23] 华宝研究量化风火轮ETF策略指数 - 从多因子角度，把握中长期基本面、跟踪短期趋势、分析参与者行为，用估值与拥挤度信号提示风险，挖掘潜力板块获超额收益 [5][23] - 截至2025/9/26，2024年以来超额收益26.78%，近一月6.01%，近一周1.19%；上周指数收益2.24%，基准（中证800）1.05% [5][13] - 持仓有新能源ETF等多只ETF [27] 华宝研究量化平衡术ETF策略指数 - 采用多因子体系，构建量化择时系统研判权益市场趋势，建大小盘风格预测模型调整仓位分布，综合择时和轮动获超额收益 [5][27] - 截至2025/9/26，2024年以来超额收益-10.28%，近一月-0.99%，近一周-0.67%；上周指数收益0.40%，基准（沪深300）1.07% [5][13] - 持仓包括十年国债ETF等多只ETF [32] 华宝研究热点跟踪ETF策略指数 - 根据市场情绪、行业事件、投资者情绪、政策法规及历史演绎等策略，跟踪挖掘热点指数标的构建ETF组合，提供短期趋势参考 [6][33] - 截至2025/9/26，近一月超额收益1.15%，近一周-0.29%；上周指数收益-0.09%，基准（中证全指）0.21% [6][13] - 持仓有有色50ETF等多只ETF [37] 华宝研究债券ETF久期策略指数 - 用债券市场流动性和量价指标筛选择时因子，机器学习预测收益率，低于阈值减少长久期仓位提升收益和控制回撤 [6][37] - 截至2025/9/26，近一月超额收益0.53%，近一周0.23%；上周指数收益-0.02%，基准（中债 - 总指数）-0.25% [6][13] - 持仓包括短融ETF等多只ETF [41]

核心观点 - 上周（2025-09-15至2025-09-19）受国内权益资产震荡影响，多数资产配置策略录得小幅下跌，但全球资产风险平价模型实现正收益 [1][4] - 报告跟踪的多种量化配置模型在2025年均实现了正收益，其中基于宏观因子的资产配置模型年内收益达3.25% [4] - 预计伴随市场新主线的选择与确立，后续动量模型仍有超额表现空间 [4] 大类资产表现跟踪 - 上周全球主要资产表现分化：标普500指数上涨1.37%，恒生指数上涨0.89%，南华商品指数上涨0.24%，中证1000指数上涨0.21%，企业债总财富指数微涨0.02% [4][7] - 部分资产出现下跌：中证转债指数下跌1.55%，SHFE黄金下跌0.77%，沪深300指数下跌0.44%，国债总财富指数微跌0.01% [4][7] 大类资产配置策略跟踪 - 量化配置团队针对全球与国内市场，开发了Black-Litterman模型、风险平价模型和基于宏观因子的资产配置模型三类基础模型 [10] BL模型策略跟踪 - BL模型是传统均值-方差模型的改进，采用贝叶斯理论将主观观点与量化配置结合，解决了对预期收益敏感的问题 [12] - 国内资产BL模型1上周收益为-0.04%，2025年以来收益为3.35%，年化波动2.19%，最大回撤1.31% [4][15] - 国内资产BL模型2上周收益为-0.04%，2025年以来收益为2.95%，年化波动1.98%，最大回撤1.06% [4][15] - 全球资产BL模型1上周收益为-0.01%，2025年以来收益为0.80%，年化波动1.99%，最大回撤1.64% [4][15] - 全球资产BL模型2上周收益为-0.03%，2025年以来收益为1.84%，年化波动1.65%，最大回撤1.28% [4][15] 风险平价模型策略跟踪 - 风险平价模型核心思想是使每类资产对投资组合的整体风险贡献相等 [18] - 国内资产风险平价模型上周收益为-0.02%，2025年以来收益为3.05%，年化波动1.36%，最大回撤0.76% [4][21] - 全球资产风险平价模型上周收益为0.05%，是报告中唯一上周实现正收益的策略，2025年以来收益为2.57%，年化波动1.50%，最大回撤1.20% [4][21] 基于宏观因子的资产配置策略 - 该策略构建了涵盖增长、通胀、利率、信用、汇率和流动性六大风险的宏观因子体系，将宏观主观观点进行资产层面落地 [22] - 在2025年08月底，对增长、通胀、利率、信用、汇率和流动性设置的偏离值分别为0、0、-1、0、1和0 [25] - 基于宏观因子的资产配置模型上周收益为-0.10%，2025年以来收益为3.25%，年化波动1.33%，最大回撤0.64% [4][27]

事件概述 - 前Two Sigma高级副总裁吴舰因在小红书平台炫耀其2350万美元（约合人民币1.67亿元）的年薪而引发内部调查，最终被指控涉及重大金融欺诈案 [1][2][13] - 其薪酬水平远超行业标准，相当于顶级对冲基金高管年薪的数倍，甚至超过知名投资银行CEO的薪酬水平 [7][8] - 相比其往年收入，2022年的报酬出现难以解释的倍数级增长，在量化投资这一讲究平稳回报的行业中显得极不寻常 [9] 当事人背景 - 吴舰拥有清华大学工学学士学位和美国康奈尔大学哲学博士学位，具备顶级的数理基础和工程思维 [16][18][20] - 其职业轨迹包括在Citadel实习，并于2018年4月加入Two Sigma，晋升迅速，在不到五年时间内于2023年1月被破格提拔为高级副总裁 [23][25][28][29] 量化投资行业特性 - 量化投资核心在于用数据和算法解构市场，从微观结构、行为偏差和另类数据中寻找预测性信号，是一场算法对算法的复杂博弈 [33][34][39][45] - 顶级量化策略是跨学科的融合，例如通过分析卫星图像中停车场车辆数量来预测零售商营收，或利用高频数据捕捉流动性模式 [36][37] - 行业存在“发现规律”与“摧毁规律”的悖论，策略同质化会加速市场效率提升，从而扼杀自身利润源泉，同时理性模型与非理性市场间存在张力 [41][42] 欺诈手法与影响 - 欺诈行为发生在2021年底至2023年中的约20个月里，吴舰秘密操纵了至少14个由他创建或参与创建的投资模型 [52][53] - 其通过未经授权的代码修改，使新模型不再进行独立预测，而是复制现有成功模型的交易行为，导致公司风险控制系统的“防震系统”失效 [54][55][58] - 该行为导致客户资产遭受高达1.65亿美元的损失，而公司内部一些基金可能通过复杂结构优先获得了4.5亿美元的额外收益 [69][70][73] 行业风险与监管挑战 - 量化模型具有“黑箱”特性，由数百万行代码构成的策略极为复杂，使得风险控制和外部监管机构难以进行实时、有效的穿透式审计 [79][80][86] - 欺诈风险点已从交易指令执行阶段前移至模型设计和构建环节，而许多基金风控部门的技术能力可能远落后于核心量化团队 [85][87] - 行业“重奖重罚”的薪酬制度将短期经济回报与复杂长期风险直接捆绑，无形中激励了冒险和欺诈行为 [88][89]

桥水全天候策略产品市场表现 - 桥水全天候策略产品在8月份上架即售罄 认购火爆导致头部券商开启白名单制并大幅抬高申购门槛 仅对高净值客户开放 [7] - 过去几年产品表现优异 最差年收益率在10%到14%之间 平均收益率约16% 实现跨越牛熊周期的长期收益 [8] - 策略依托风险平价模型 通过多元化资产配置平衡组合 降低周期性波动 股市下跌时债市上涨 货币贬值时抗通胀资产上涨 [9] 经典复刻全天候策略配置 - 策略采用量化宏观方法 复刻全天候四象限风险平价模型 宏观环境驱动资产配比 收益风险比较高 [10] - 70%配置于beta模型 基于四个经济象限的风险平价构建宏观风险动态均衡组合 控制大类资产配置比例 避免单一资产仓位过重 [10][11] - 30%配置于alpha模型 包含四个子策略 通过基金经理因子库和量化模型预测短周期时序趋势 涵盖CTA 宏观多因子 基本面多因子和尾部风险模型 [10][12] - alpha部分动量因子模型权重占60% 其余为宏观和基本面因子模型 beta部分只做多 alpha部分按信号出多空信号 策略整体年化换手15-20倍 alpha部分年化双边换手50倍 [14] 全天候增强型宏观对冲策略 - 策略结合量化beta和主观alpha 量化模型构建多资产风险平衡组合 实现跨市场跨资产系统性风险对冲 [16] - 量化beta部分根据风险预算分配资产敞口 设定资产风险预算以确定仓位配置 盘中实时跟踪资产波动率和相关性 监控风险贡献 维持多空平衡 [18] - alpha增强部分基于经济周期判断进行主观操作和分析 挖掘细分资产超额机会 在模型比例基础上调整以把握中短期投资机会 [19] - 量化beta和主观alpha叠加 追求长期收益同时把握中短期收益机会 [20] 纯量化驱动宏观配置策略 - 策略以宏观逻辑构建量化表达 利用经济运行规律捕捉资产价格涨跌 根据模型信号配置股债商期货资产 [21] - 策略包含五个部分 经济周期策略 情绪周期策略 多因子定价模型 经典趋势策略和风险预警模型 从宏观到微观捕捉长中短周期价格信号 [21] - 子策略根据波动率线性组合 优化配置比例 前四个模型相对独立 风险预警针对宏观突发风险事件 相关性较低 [21][23] - 投资品种覆盖金融 国债和商品期货流动性较好品种 权益占比30% 债占比30% 黄金15% 其他商品25% 整体波动控制在8%以内 [24] - 整体保证金占用10%-15% 杠杆1倍左右 [25] 宏观策略核心优势 - 宏观策略通过识别不同资产估值差和预期差 实现对大类资产的超配或低配 [26] - 依托再平衡和动态轮动机制 捕捉资产赚钱机会 同时降低风险暴露 优化组合风险收益比 实现跨越市场周期的稳健回报 [27]

大小盘风格轮动月度策略 - 9月量化模型信号为0.17 建议超配小盘风格 [1] - 当前市值因子估值价差为1.01 相对历史顶部区域1.7-2.6仍有距离 中长期继续看好小盘 [1] - 本年以来策略收益达28.19% 相对基准超额收益4.24% 结合主观观点策略收益26.94% 超额收益3.22% [1] 价值成长风格轮动月度策略 - 9月量化模型信号为0 建议调整为等权配置 [1] - 本年以来策略收益14.33% 相对等权基准超额收益1.35% [1] 风格因子表现跟踪 - 8月波动率和大市值因子正向收益较高 流动性和质量因子负向收益较高 [2] - 本年以来波动率和动量因子正向收益较高 流动性和大市值因子负向收益较高 [2] - 24个因子中8月贝塔、大市值、短期反转因子表现较好 盈利质量、季节性、流动性因子表现较差 [2] - 本年以来贝塔、动量、分析师情绪因子表现较好 中市值、流动性、大市值因子表现较差 [2] 因子协方差矩阵更新 - 股票协方差矩阵估计是风险预测核心 通过多因子模型可拆解为因子协方差矩阵和特质风险矩阵 [2] - 已更新2025年8月29日最新因子协方差矩阵 [2]

美联储降息预期与市场反应 - 摩根士丹利预测美联储可能超预期降息 并设计三种情景剧本 包括财政刺激10%概率 通胀容忍10%概率 经济衰退30%概率 [2] - 华尔街机构针对降息预期进行美债曲线陡峭化交易 推动资金流动 [1] 散户投资行为误区 - 散户常见四种投资幻觉 包括持股待涨妄想症 热点追逐综合征 强者恒强谬论 超跌反弹陷阱 [5][6][8] - 具体案例显示 某投资者32元买入水泥股 跌至18元仍持有 另一投资者将买房首付投入人工智能概念 三天亏损20万 [6] - 超跌股抄底存在风险 机构资金可能已撤离 交易行为数据显示资金流出 [8] 机构与散户市场策略对比 - 机构使用大数据模型和算法交易 如利率预测模型和机构库存数据 散户依赖K线图和技术指标 [9] - 机构库存数据可反映资金活跃程度 案例显示某消费股企稳反弹时机构库存萎缩 后续下跌40% [11] - 70%的市场反弹属于空涨现象 股价上涨但机构库存未动 缺乏资金支持 [13] 数据驱动的投资决策 - 建议关注外资交易行为数据异动 而非媒体渲染的降息利好 [14] - 机构库存数据持续放大比政策底更可靠 交易行为特征不符的股票存在风险 [14] - 案例显示机构库存数据提前两周活跃 预示真实投资机会 [16] 市场信息不对称与量化工具 - 市场存在信息不对称 机构使用量化模型如摩根士丹利利率预测 散户需学习机构视角 [14][16] - 机构资金动向是关键 需关注资金进场或撤退 而非单纯依赖宏观事件如美联储降息 [17]

市场观点与策略 - A股市场情绪逐步回暖 结构性机会持续显现 市场迎来风格再平衡的关键时间窗口 [1] - 市场风险偏好向理性均衡转化 前期被错杀的优质中盘成长品种将在估值修复与业绩改善双重驱动下迎来布局机会 [1] - 哑铃型策略过去两年受追捧 当政策催化与基本面改善同时出现 资金将重新寻找估值洼地 [2] 中证A500指数特性 - 指数从各行业选取市值较大、流动性较好的500只证券 反映各行业最具代表性上市公司整体表现 [2] - 指数成分股很大部分与沪深300指数重叠 包含优质核心资产 同时覆盖半导体设备、工业机器人等高成长板块 [2] - 中盘风格（中盘成长、中盘价值）可能是未来一段时间赔率和胜率综合而言性价比较高的选择 [2] 量化增强策略 - 针对与沪深300重叠成分股采用基本面选股思路 通过业绩质量、现金流稳定性等常规分析因子筛选经营持续向好企业 [3] - 利用"困境反转"因子等卫星策略捕捉出现业绩拐点的板块和股票 [3] - 针对中盘风格高波动特性 通过基本面因子判断股票硬实力 通过量价因子寻找错杀机会 [3] - 结合资产特性和市场环境对基本面因子和量价因子进行加权 加入机器学习因子觉察市场微观变动 [3] 风险控制与绩效表现 - 加强人工预判市场环境 去年9月通过监测期权波动率历史低位成功预判市场从低波动转向高波动 调整风险偏离度创造收益 [3] - 风控从静态分析转向动态把控 为每只股票定制偏离阈值 从舆情、机构调研等多维度科学评估风险 [5] - 动态风控系统根据股票各方面得分调整风险偏离度 提升产品净值稳定性 [5] - 中信保诚量化阿尔法连续7.5年对沪深300指数取得正向超额收益 中信保诚中证500指数基金连续12年成为绩优产品 [5] 策略迭代与挑战 - 二季度量价因子失灵 因机构资金转向导致依赖散户交易行为的因子有效性下降 [5] - 市场环境快速变化促使团队更加重视资金行为识别能力 持续迭代量化策略 [5] - 公募量化在合规方面受限制 每日单股购买占比有上限 团队在交易行为上不断优化寻找更科学替代方案 [6]

公司发展历程 - 公司前身中原开发信托投资总公司于1985年8月8日成立，与河南经济发展紧密相连 [1] - 早期采用市场化招聘，通过吸收存款、发行债券、境外借款等方式筹措资金，支持河南经济建设，并开展证券、期货等多元化业务 [3] - 2001-2002年《信托法》等法规颁布后，公司抓住机遇，推出"中原阳光理财信托"等创新产品，注册资本从5.92亿元增至36.5亿元，信托规模从8亿元跃升至2000亿元，净资产收益率曾达29.98% [4] - 2018年《资管新规》出台后，公司调整架构、优化业务，2023年完成最大规模现金增资，注册资本从40亿元提升至46.81亿元 [5][6] 业务转型与创新 - 公司以标品业务为主战场，提升主动管理能力，发展财富管理、家族信托、预付金信托等业务板块 [6] - 创新设立"龢账户"服务350位客户，规模突破40亿元，推出"豫付通"平台吸引超1400家商户入驻，解决预付资金监管难题 [6] - 累计管理信托财产超2万亿元，交付到期信托财产1.63万亿元，为投资者创造收益1600亿元，累计实现利润总额97亿元，上缴税金71亿元 [7] 行业背景与定位 - 信托业凭借灵活创新优势整合金融资源，服务实体经济和产业升级，但早期因法律制度不健全经历多次整顿 [2][3] - 《资管新规》推动行业回归本源，国家金融监管总局提出信托业高质量发展意见，行业进入新阶段 [5][7] - 公司定位为区域性特色信托公司，聚焦服务实体经济，践行金融"五篇大文章"战略 [7] 未来战略方向 - 公司将持续深化党建引领，恪守信托文化，坚守风控底线，提升综合实力 [7] - 重点服务先进制造、绿色低碳等战略领域，推进数字化建设，打造"金融+科技"复合型队伍 [6] - 目标成为区域性金融中坚力量，助力中原地区中国式现代化建设 [7]

可转债市场表现 - 可转债成为"固收+"基金超额收益重要来源，多只可转债主题基金年内回报率超15% [1][2] - 中证可转债指数持续走高，8月8日收于467.77点，处于历史高位 [1] - 南方昌元可转债A、博时转债增强A等产品年内回报率超20% [2] 机构操作分化 - 虚拟组合的可转债占比从2024年四季度的7.57%降至2025年二季度的6.01% [2] - 海富通基金旗下产品系统性提升权益仓位，可转债仓位显著压缩 [3] - 华安可转债仓位从一季度末的79.85%降至二季度末的72.99% [3] - 富国可转债、东方红聚利等产品增仓可转债，东方红聚利仓位从51.10%升至63.70% [3] 市场供需与结构变化 - 可转债均价处于历史峰值，130元到期品种占比极高 [3] - 上半年新券发行仅206亿元，下半年市场规模或缩减至6000亿元以下 [3] - 银行可转债加速退出，基金配置空间被动压缩 [5] - 非银金融、有色金属、医药等行业获明显加仓 [5] 投资策略调整 - 传统"双低策略"因资金涌入导致收益空间压缩 [4] - 华宝基金认为银行可转债供给压缩将促使配置转向其他标的 [5] - 宏利基金关注生猪养殖板块作为潜在底仓替代 [6] - 中信证券强调主动管理是超额收益关键 [7] 量化与主动管理创新 - 华富可转债团队创建股票与可转债双轨择时模型，叠加动量因子增强 [8] - 中欧基金采用万得可转债等权指数作为业绩基准，避免银行转债拖累效应 [8] - 中欧基金将期权思维融入量化模型，关注波动率信号 [8] - 国泰基金优化研究员KPI考核机制，强化投研协同 [10]

大小盘风格轮动月度策略 - 7月底量化模型最新信号为0.5，继续指向小盘风格，建议8月继续超配小盘风格 [1] - 历史上8月小盘略占优，结合日历效应，8月大概率小市值风格占优 [1] - 当前市值因子估值价差为1.1，距离历史顶部区域1.7~2.6仍有距离，中长期不拥挤，继续看好小盘 [1] - 本年以来大小盘风格轮动策略收益15.74%，等权基准收益11.79%，超额收益3.95% [1] - 纯量化模型收益16.89%，相对基准超额收益5.09% [1] 价值成长风格轮动月度策略 - 月度量化模型信号为-0.33，指向价值风格，建议8月切换为超配价值风格 [2] - 历史8月价值相对占优，结合日历效应，8月大概率价值风格占优 [2] - 本年以来价值成长风格轮动策略收益11.11%，等权基准收益3.23%，超额收益7.63% [2] 风格因子表现跟踪 - 8个大类因子中，本月波动率、价值因子正向收益较高，流动性、动量因子负向收益较高 [2] - 本年波动率、质量因子正向收益较高，流动性、大市值因子负向收益较高 [2] - 24个风格因子中，本月贝塔、投资质量、动量因子正向收益较高，残差波动、中市值、长期反转因子负向收益较高 [2] - 本年贝塔、分析师情绪、动量因子正向收益较高，大市值、中市值、残差波动因子负向收益较高 [2] 因子协方差矩阵更新 - 股票协方差矩阵估计是股票组合风险预测的核心，利用多因子模型可拆解为因子协方差矩阵和股票特质风险矩阵的结合 [3] - 更新了最新一期（2025/07/31）的因子协方差矩阵 [3]