根据研报内容，现对其中涉及的量化模型与因子进行总结如下： 量化模型与构建方式 1. **模型名称：量化大势研判行业配置模型**[1][5] * **模型构建思路：** 该模型旨在解决风格系统化轮动难题，采用自下而上的分析框架。其核心思想是，风格是资产的内在属性，内嵌于产业生命周期中。通过全局比较不同风格资产的优势，来确定未来市场的主流风格。[1][5] * **模型具体构建过程：** * **风格定义：** 根据产业周期，将权益资产划分为五种风格阶段：外延成长、质量成长、质量红利、价值红利、破产价值。[5] * **资产比较优先级：** 遵循 g > ROE > D 的基本优先级进行考察。首先分析“有没有（好资产）”，即资产的基本面优势；其次分析“（好资产）贵不贵”，即资产的估值水平。[1][5][9] * **主流与次级资产划分：** 主流资产包括实际增速资产 (g)、预期增速资产 (gf)、盈利资产 (ROE)。只要其中之一具备优势，市场资金就会优先配置。只有当主流资产均无机会时，才会考虑次级资产（质量红利、价值红利、破产价值），次级资产的优先级主要由拥挤度决定。[9] * **优势差计算：** 用于刻画头部资产的趋势变化，计算方法类似于因子择时中的 Spread。具体而言，是计算某风格下头部资产组（如Top组）与尾部资产组（如Bottom组）在某项核心指标（如增长率g、ROE）上的差异或变化差异（如Δg, Δgf）。[21][25][27] * **具体策略选择：** * **预期成长策略：** 选取分析师预期增速 (gf) 最高的行业。[35] * **实际成长策略：** 选取超预期或业绩动量 (Δg) 最高的行业，具体使用因子：sue (标准化意外盈余)、sur (营收惊喜)、jor (盈余跳跃比率)。[37] * **盈利能力策略：** 在高质量成长和高质量红利资产中，选取低估值行业。具体采用 PB-ROE 回归残差因子，即寻找ROE较高但PB相对其ROE水平较低的行业。[40] * **质量红利策略：** 选取股息率 (DP) 和净资产收益率 (ROE) 综合打分最高的行业。[43] * **价值红利策略：** 选取股息率 (DP) 和市净率 (BP) 综合打分最高的行业。[46] * **破产价值策略：** 选取市净率 (PB) 和规模 (SIZE) 综合打分最低的行业。[49] 2. **因子名称：资产优势差 (例如 Δg, Δgf)**[21][25][27] * **因子构建思路：** 用于度量某风格下头部资产与尾部资产在关键基本面指标上的表现差异，以判断该风格的趋势强弱。[21][25][27] * **因子具体构建过程：** 报告未给出精确的计算公式，但说明其计算类似于因子择时中的 Spread 方法。通常，优势差可以理解为某一时刻，头部组合（如前30%）的指标均值与尾部组合（如后30%）的指标均值之差，或者是这种差值的时间序列变化（如Δ优势差）。[21][25][27] 3. **因子名称：拥挤度**[27][30][31] * **因子构建思路：** 用于衡量某一风格或因子交易的热门程度，高拥挤度可能预示未来收益回落的风险。[27][30][31] * **因子具体构建过程：** 报告未给出具体的构建公式，但提及了“Beta因子暴露”作为衡量ROE资产拥挤度的指标之一。[30][34] 常见的拥挤度度量方法包括估值分位数、换手率、资金流向集中度等。 模型的回测效果 1. **量化大势研判行业配置模型**[16][19] * 年化收益：27.35% (2009年以来)[16] * 相对于万得全A的超额收益：参见下表（具体年份表现）[19] 2. **预期成长策略**[35] * 历史表现：2019年以来超额显著，2014-2015年期间也有较高超额。[35] 3. **实际成长策略**[37] * 历史表现：长期超额都较为显著，在成长风格占优环境下表现更好。[37] 4. **盈利能力策略**[40] * 历史表现：2016年-2020年超额较为显著，2021年以来持续较弱。[40] 5. **质量红利策略**[43] * 历史表现：2016年、2017年、2023年超额较为显著。[43] 6. **价值红利策略**[46] * 历史表现：2009年、2017年、2021-2023年超额较为显著。[46] 7. **破产价值策略**[49] * 历史表现：2015-2016年、2021-2023年超额较为显著。[49] 量化因子与构建方式 1. **因子名称：分析师预期净利润增速 (g_fttm)**[21][23] * **因子构建思路：** 基于分析师对未来十二个月净利润的预测来计算增长率，反映市场对公司的增长预期。[21][23] * **因子具体构建过程：** 报告未给出具体公式。通常，g_fttm = (未来12个月预测净利润均值 / 当前财政年度实际或预测净利润) - 1。[21][23] 2. **因子名称：净利润增速 (g_ttm)**[25][27] * **因子构建思路：** 使用过去十二个月（Trailing Twelve Months）的净利润计算增长率，反映公司近期的实际增长情况。[25][27] * **因子具体构建过程：** 报告未给出具体公式。通常，g_ttm = (当前TTM净利润 / 上一期TTM净利润) - 1。[25][27] 3. **因子名称：净资产收益率 (ROE)**[27][29] * **因子构建思路：** 衡量公司利用股东权益创造利润的效率。[27][29] * **因子具体构建过程：** 报告未给出具体公式。通常，ROE = 净利润 / 平均股东权益。[27][29] 4. **因子名称：股息率 (DP)**[31][33] * **因子构建思路：** 衡量公司现金分红相对于股价的水平。[31][33] * **因子具体构建过程：** 报告未给出具体公式。通常，DP = 近12个月每股股利 / 当前股价。[31][33] 5. **因子名称：市净率 (PB/BP)**[40][46][49] * **因子构建思路：** 衡量股价相对于每股净资产的倍数。[40][46][49] * **因子具体构建过程：** 报告未给出具体公式。通常，PB = 股价 / 每股净资产。[40][46][49] 6. **因子名称：标准化意外盈余 (sue)**[37] * **因子构建思路：** 衡量公司实际公布的盈余与市场预期之间的差异，并经历史波动率标准化。[37] * **因子具体构建过程：** 报告未给出具体公式。 7. **因子名称：营收惊喜 (sur)**[37] * **因子构建思路：** 衡量公司实际公布的营收与市场预期之间的差异。[37] * **因子具体构建过程：** 报告未给出具体公式。 8. **因子名称：盈余跳跃比率 (jor)**[37] * **因子构建思路：** 可能用于衡量盈余变化的剧烈程度或持续性。[37] * **因子具体构建过程：** 报告未给出具体公式。 9. **因子名称：规模 (SIZE)**[49] * **因子构建思路：** 通常指公司的总市值，是重要的风格因子。[49] * **因子具体构建过程：** 报告未给出具体公式。通常为公司总股数乘以股价。[49] 因子的回测效果 *报告未提供单个因子的独立测试结果（如IC值、IR值等），因子效果主要体现在其构成的策略历史表现中。*

最近黄金市场的剧烈波动让我这个量化投资老手也忍不住要说道说道。11月3日那天，港股黄金零售板块集体跳水，周大 福、老铺黄金跌幅超过7%，A股的潮宏基更是触及跌停。作为一个长期关注黄金市场的投资者，我深知这绝非偶然。让我 带您从量化数据的角度，看看这波行情背后的真相。 这次黄金板块的暴跌，表面上看是受到财政部、国家税务总局11月1日发布的《关于黄金有关税收政策的公告》影响。新 政对黄金交易实行差异化税收管理，区分投资性与非投资性用途，这无疑给市场带来了不小的震动。 说到这，我不禁想起一个投资真理：牛市中的"少赚就是输"。2025年这波牛市，指数6个月涨了快1000点，涨幅超过20%， 但个股方面只有不到四成跑赢市场。这意味着大多数人其实都没能跑赢指数。 但作为一个量化投资者，我更关注的是国际金价的走势。11月3日早盘，现货黄金回落至3970美元/盎司下方，跌幅达 0.84%。这与10月20日触及4381.29美元/盎司的高点形成鲜明对比。这种剧烈波动，在我的量化系统中早已显现端倪。 这让我想起一个残酷的现实：行情好时跑不赢指数，一旦行情震荡，亏损就在所难免。赚的时候不多赚点，亏的时候拿什 么来扛？股市不缺机会， ...

论坛背景与核心议题 - “中国资产管理论坛2025（香港）”于10月27日举行，由另类投资管理协会（AIMA）主办、中国基金报和安永联合主办，聚焦“十五五”时期中国资本市场与基金业的高质量发展新阶段 [1] - 论坛采取“内地+香港”联合路演模式，旨在向全球展示中国资本市场开放新机遇与香港独特优势，推动两地资管行业协同发展 [1] 中国资产管理市场的规模与地位 - 截至2025年二季度末，中国已成为全球第二大公募基金市场 [3] - 截至2025年7月底，中国ETF规模超越日本，成为亚太最大ETF市场 [3] - 中国已稳居全球第二大资管市场，居民财富正从储蓄向投资加速迁移，每年释放数万亿元增量资金 [1] 行业开放与外资参与进展 - 自2020年初取消公募基金管理公司外资持股比例限制以来，已有9家外资机构获批设立全资公募基金公司 [2] - 自2016年6月外商独资私募证券投资基金管理人（PFM WFOE）获准在华展业以来，目前在华外资私募证券管理人有33家，外资私募股权管理人超300家 [2] - 超过30家公募基金建立了境外子公司，87家境内私募基金获得香港资产管理牌照 [4] 香港的国际枢纽角色 - 香港是全球资本进入中国的门户和中国连接世界的枢纽，其法律框架、国际化环境及成熟的金融基础设施是核心优势 [6] - 股票互联互通、债券通、互换通、跨境理财通等互联互通机制提升了市场流动性和深度，强化了香港的连接功能 [6] - 香港未来将扮演更全面的“金融中心”角色，服务范围将延伸至中东、东盟等与中国有紧密贸易联系的地区 [6] 公募基金行业发展趋势 - 中国公募基金行业规模约36万亿元，正从“规模红利”转向“价值深耕”，强调构建平台化、体系化的投研机制以实现长期稳定回报 [7] - 行业正推进费率改革，以普惠金融为导向降低费用，推动从“产品销售”向“专业服务”转型 [7] - 行业国际化进程加快，公募基金正加快海外布局，并以香港为中心强化全球投资和服务能力 [7] - 科技创新方面，公募基金既投资科技板块，也运用AI等科技赋能投研，并对科创板大幅超配 [8] - 指数化投资生态快速构建，ETF成为重要投资工具，行业规模快速增长 [8] - ESG与可持续发展正从边缘议题走向核心价值驱动，成为风险过滤与收益增强的重要工具 [8] 国际投资者视角与市场表现 - 国际投资者对中国的兴趣回升，部分国际投资人的产品组合中投资中国的比重越来越大，与三年前大相径庭 [5] - 2025年以来港股市场表现亮眼，恒生指数领跑全球主要指数 [2] - 中国经济结构性转型关键时期的新能源、电动汽车、人工智能、生物科技等新兴行业为全球投资者提供了丰富的高增长投资机遇 [4] 中国经济基本面与投资主线 - 中国在供给端拥有强大竞争力，制造业短期内难以被替代，中美贸易摩擦的影响逐渐边际弱化 [9] - 未来政策将维持积极基调但避免强刺激，财政货币政策或边际加力并“靠前发力” [10] - 未来结构性投资机会突出，重点关注高股息资产、出口出海相关资产、新消费、科技产业四条主线 [10]

文章核心观点 - 中国资产管理行业正迎来高质量发展新阶段 稳居全球第二大资管市场 居民财富从储蓄向投资迁移每年释放数万亿元增量 催生巨大财富管理需求 [2] - 中国超大规模市场 完备产业链 科技创新和人才资源为行业构筑坚实可持续的供给优势 互联互通拓展和制度型开放深化为跨境投融资提供广阔空间 [2] - 国际投资者对中国兴趣显著回升 部分国际投资人产品组合中投中国的比重越来越大 中国被视为极具吸引力的市场 特别是另类投资领域 [8][10] 行业发展现状与规模 - 中国已成为全球第二大公募基金市场 截至2025年二季度末 截至2025年7月底中国ETF规模超越日本成为亚太最大ETF市场 [5] - 公募基金行业规模约36万亿元 过去10年公募基金与私募基金规模增长尤为显著 成为行业重要增长点 [8][16] - 目前超过30家公募基金建立境外子公司 足迹抵达中国香港 美国 新加坡等地 87家境内私募基金获得香港资产管理牌照 [8] 对外开放与外资参与 - 自2020年初取消公募基金管理公司外资持股比例限制以来 已有9家机构获批设立全资公募基金公司 [4] - 自2016年6月外商独资私募证券投资基金管理人获准在华开展业务以来 目前在华外资私募证券管理人有33家 外资私募股权管理人超300家 [4] - 行业吸引了众多优质外资机构参与 鼓励境内外资管机构以在华设立主体为支点深化双向合作 [4] 公募基金行业发展趋势 - 行业从"规模红利"转向"价值深耕" 构建平台化体系化投研机制 考核体系向长期化倾斜 强化长期主义 [18] - 费率改革推动行业从"产品销售"向"专业服务"转型 通过降低费用优化利益分配 如华夏基金率先下调基金管理费 [18] - 指数化投资从供给建设迈向生态构建 ETF成为重要投资工具 行业规模快速增长 [19] - ESG与可持续发展从边缘议题走向核心价值驱动 成为风险过滤与收益增强的重要工具 [19] 投资机遇与重点方向 - 新能源 电动汽车 人工智能 生物科技等新兴行业为全球投资者提供丰富高增长投资机遇 [8] - 未来结构性机会突出 重点关注高股息资产 出口出海相关资产 新消费 科技产业四条主线 [23] - 中国在供给端拥有强大竞争力 制造业短期内难以被替代 中美贸易摩擦影响边际弱化 [22] 香港的国际金融中心角色 - 香港是全球资本进入中国的门户和中国连接世界的枢纽 其法律框架 国际化环境及成熟金融基础设施是核心优势 [12] - 互联互通机制如股票互联互通 债券通 互换通 跨境理财通提升市场流动性和深度 强化香港连接内地与海外功能 [14] - 香港角色从"募资管道"向更全面的"金融中心"演变 服务范围延伸至中东 东盟等与中国有紧密贸易联系的地区 [14]

文章核心观点 - 增强指数型ETF在2024年市场分化环境中表现优异，近九成产品获得正超额收益，中小盘宽基产品尤为突出 [2] - 行业认为指数增强ETF的发展空间将持续打开，中盘宽基和行业主题增强产品是未来创新与增长的核心方向 [2][9] 指数增强ETF年内业绩表现 - 截至10月31日，29只增强策略ETF（剔除年内新基金）中，近九成产品净值表现超越基准收益，仅4只未能跑赢 [4] - 有8只ETF超额收益超过10个百分点，招商中证2000增强策略ETF超额收益超过20%，工银中证1000及海富通中证2000增强策略ETF超额收益均超16% [4] 业绩优异的原因分析 - A股市场有效性不高，主动股票基金长期均值优于宽基指数，指数增强基金大概率能战胜基准 [4] - 2024年小盘风格较强，不少指数增强基金相对于基准有小盘暴露，即使约束市值因子，仍可在非线性维度具备小盘暴露 [4] - 市场宽幅震荡和较高不稳定性为增强指数创造了跑赢契机，量化模型能敏锐捕捉股价偏差机会 [4] - 市场结构性机会与量化策略高度契合，量化模型通过多因子选股有效捕捉细分行业龙头的高弹性机会 [5] - 主流增强ETF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，提升稳定性并避免单一风格风险 [6] - 投资者偏好转向追求"Beta+Alpha"双收，在成交缩量市场中更青睐能提供相对稳定超额的产品 [6] 指数增强ETF市场现状 - 市场上共有51只指数增强ETF，年内新成立18只，合计规模为95.73亿元，较年初增长35% [8] - 指数增强ETF在股票型ETF中占比仅为0.26%，呈现"高增长、低渗透"特征 [8] - 产品主要覆盖沪深300指数、中证500指数等核心宽基指数，以及中小盘和科创主题 [8] 产品发展面临的挑战与机遇 - 指数增强ETF的增强部分是非透明的，这影响了其作为交易品种的透明性，是规模较小的原因之一 [8] - 指数增强ETF因叠加Alpha收益，受不确定因素影响较大，而被动指数ETF的Beta属性确定性更强 [8] - 发展空间主要在宽基指数，与指数本身的市场认知度有关，市场认知度较高的指数空间或更大 [8] - 中小盘指数和成份股数量较多的指数比较有机会获得超额收益，可能吸引关注超额收益的投资者 [8] 未来发展方向与前景 - 指数增强ETF发展空间有望随量化技术成熟与需求升级持续打开 [9] - 中盘宽基增强策略类产品（如中证A500指数）成分股聚焦新兴产业龙头，其ESG筛选机制契合长期资金偏好 [9] - 行业主题增强策略类产品（如科创综指）在AI、能源等赛道，有望通过行业内选股获取超额收益，成为未来创新方向 [9]

产品业绩表现 - 截至10月31日，29只增强策略ETF年内净值表现超越基准，占比近九成，仅4只未能跑赢业绩基准 [2] - 有8只ETF超额收益超过10个百分点，招商中证2000增强策略ETF超额收益超过20%，工银中证1000增强策略ETF、海富通中证2000增强策略ETF超额收益均超16% [2] - 中小盘宽基产品表现尤为突出 [1] 优异业绩归因 - A股市场有效性不高，主动股票基金长期均值优于宽基指数，指数增强基金大概率能战胜对标基准 [2] - 今年小盘风格较强，不少指数增强基金相对于基准有小盘暴露，即使约束市值因子，仍可在非线性维度具备小盘暴露 [2] - 市场宽幅震荡和较高不稳定性为增强指数创造了跑赢契机 [2] - 量化模型能敏锐捕捉股价偏差机会，通过合理交易操作获得超额收益 [2] - 市场结构性机会与量化策略高度契合，量化模型通过多因子选股有效捕捉细分行业龙头高弹性机会 [3] - 主流增强ETF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，避免单一风格风险 [3] - 资金偏好转向追求"Beta+Alpha"双收，投资者更青睐能提供相对稳定超额的产品 [3] 行业发展现状 - 目前市场共有51只指数增强ETF，年内新成立18只，合计规模为95.73亿元 [4] - 规模较年初增长35%，但在股票型ETF中占比仅为0.26%，呈现高增长、低渗透特征 [4] - 产品主要覆盖沪深300指数、中证500指数等核心宽基指数，以及中小盘和科创主题 [4] 产品特性与挑战 - ETF在场内交易，投资者更看重其Beta属性，被动指数ETF的Beta属性确定性更强 [4] - 指数增强ETF因叠加Alpha收益，受不确定因素影响较大 [4] - ETF作为交易品种，客户关注点在于透明性，而指数增强ETF的增强部分是非透明的，这是其规模较小的原因 [4] 未来发展方向 - 指数增强ETF发展空间主要在宽基指数，市场认知度较高的指数空间或更大 [4] - 中小盘指数和成份股数量较多的指数比较有机会获得超额收益，可能吸引关注超额收益的ETF投资者 [4] - 指数增强ETF发展空间有望随量化技术成熟与需求升级持续打开 [5] - 中盘宽基增强策略类产品，如中证A500指数成分股聚焦新兴产业龙头，其ESG筛选机制契合长期资金偏好 [5] - 行业主题增强策略类产品，如科创综指，叠加行业轮动加快，AI、能源等赛道的增强策略产品有望通过行业内选股获取超额收益 [5]

量化转债组合表现 - 量化可转债组合基于可转债基本面因子、低频价量因子、高频价量因子三套因子体系生成，采用月度调仓策略 [1][5] - 今年以来组合收益为21.01%，超越基准的超额收益为4.02% [1] - 10月份组合收益为-0.83%，当月超额收益为-0.72% [1] 量化因子体系 - 研究体系共跟踪144个量化因子，包括32个转债基本面因子、80个转债低频价量因子和32个转债高频价量因子 [2] - 可转债基本面因子涵盖估值、债券属性、溢价率、正股价值、质量、规模、成长、盈利等多个维度 [9] - 低频价量因子包含99个技术因子（Alpha001至Alpha099，Alpha101）以及已实现方差、偏度、峰度等指标 [9] - 高频价量因子包括高频上行/下行波动率、量价相关性、趋势强度、大单资金净流入比率、聪明钱因子等 [9] - 定价偏差因子（市场价格减理论定价）显示，截至2025年10月31日，不同转债的偏差值从-2.61到68.23不等，例如110062.SH为-2.61，128129.SZ为68.23 [11] 转债市场风险预警 - 基于交易所规则及事件法、信用打分法，对存在交易类强制退市风险、财务类强制退市风险、*ST风险、ST风险、事件型信用风险、打分型信用风险的可转债进行提示 [3][12] - 交易类强制退市预警涉及鹰19转债、岭南转债等 [12] - 财务类强制退市预警涉及声迅转债等 [12] - *ST退市风险警示涉及精装转债等 [12] - ST其他风险警示涉及建工转债、凌钢转债、南航转债等大量个券 [12] - 事件型信用风险预警涉及闻泰转债、三房转债、双良转债等 [12] - 打分型信用风险预警涉及建工转债、精工转债、天业转债等 [12] 转债指数择时观点 - 对中证转债指数的多空择时及仓位管理基于价量模型、定价偏差和转债弹性三个维度 [4][13] - 10月底价量模型与定价模型均发出看多信号，凸性模型信号为0 [4][14] - 最新仓位观点为2/3（即67%仓位） [4][14] - 10月份仓位观点在33%与67%之间动态调整，例如10月17日至20日为33%，10月21日至23日及10月31日调整为67% [14]

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**[25] * **因子构建思路**：基于股价的历史表现，筛选出近期表现强势的股票，以捕捉趋势延续的效应[25] * **因子具体构建过程**：以“长江动量”指数为代表，其构建过程为：首先计算个股的动量指标，该指标为最近一年股票收益率减去最近一个月股票收益率（并剔除涨停板影响）；然后，在A股市场中综合选择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[25] 2. **因子名称：反转因子**[26] * **因子构建思路**：基于股价的均值回归现象，筛选出近期表现弱势的股票，以捕捉价格反弹的效应[26] * **因子具体构建过程**：以“长江反转”指数为代表，其构建过程为：以最近一个月股票收益率作为筛选指标；然后，在A股市场中综合选择反转效应强、流动性较好的前100只股票作为指数成分股；最后，采用成分股近三个月日均成交量进行加权[26] 3. **因子名称：风格拥挤度因子**[33][127] * **因子构建思路**：通过比较不同风格指数的交易活跃度（换手率）在其历史序列中的相对位置，来衡量该风格交易的拥挤程度，作为风格配置的风险预警指标[33][127] * **因子具体构建过程**：对于特定的风格对比（如风格A vs 风格B）： 1. 分别计算风格A和风格B指数的近252日平均换手率时间序列。 2. 将上述时间序列在2005年1月1日以来的历史数据中进行Z-score标准化，得到Z-score_A与Z-score_B。 3. 计算二者差值：$$差值 = Z\text{-}score\_A - Z\text{-}score\_B$$ 4. 计算该差值的滚动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）。此分位数即为该风格对的相对拥挤度[127] 4. **因子名称：风格累计超额净值因子**[24][128] * **因子构建思路**：通过计算特定风格指数相对于市场基准（万得全A）的累计超额收益，来评估该风格的相对表现[24][128] * **因子具体构建过程**： 1. 以2020年1月4日为基准日。 2. 将风格指数和万得全A指数的每日收盘点数分别除以基准日的收盘点数，得到各自的累计净值。 3. 将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，得到风格指数相对于万得全A指数的累计超额净值[128] 5. **因子名称：机构调研活跃度因子**[109][129] * **因子构建思路**：通过计算板块、指数或行业在特定周期内的机构调研频率相对于其历史水平和市场整体水平的差异，来捕捉机构投资者的关注度变化[109][129] * **因子具体构建过程**： 1. 计算目标对象（板块、指数或行业）近n个交易日的“日均机构调研次数”。 2. 将该“日均机构调研次数”在滚动y年的历史时间序列上进行Z-score标准化，得到Z_score_target。 3. 同样计算万得全A的“日均机构调研次数”在相同窗口下的Z-score标准化值，得到Z_score_WindA。 4. 计算机构调研活跃度：$$机构调研活跃度 = Z\_score\_target - Z\_score\_WindA$$ 5. 最后计算该“机构调研活跃度”值的滚动y年历史分位数（长期口径：n=126, y=6年；短期口径：n=63, y=3年；历史数据不足时按规则取全部可用数据）[129] 6. **因子名称：股债性价比因子（ERP）**[77] * **因子构建思路**：通过计算股票指数的盈利收益率与无风险收益率的差值，来衡量投资股票市场相对于债券市场的风险补偿溢价[77] * **因子具体构建过程**：对于特定指数，其ERP计算公式为： $$指数ERP = \frac{1}{指数PE\_TTM} - 10年期中债国债到期收益率$$ 其中，PE_TTM为指数的滚动市盈率[77] 因子的回测效果 1. **动量因子**，近一周收益率2.5%，近一月收益率0.2%，年初至今收益率37.2%[25] 2. **反转因子**，近一周收益率2.0%，近一月收益率-1.9%，年初至今收益率11.8%[25] 3. **成长风格累计超额净值因子**，近一周超额0.6%，近一月超额-4.6%，年初至今超额27.8%[24] 4. **小盘风格累计超额净值因子**，近一周超额2.2%，近一月超额-1.1%，年初至今超额9.1%[24] 5. **微盘股风格累计超额净值因子**，近一周超额0.0%，近一月超额7.0%，年初至今超额39.9%[24] 6. **动量风格累计超额净值因子**，近一周超额0.5%，近一月超额2.1%，年初至今超额25.4%[24] 7. **成长 vs 红利风格拥挤度因子**，本周末历史分位69%，上周末历史分位69%，上年末历史分位1%[33] 8. **小盘 vs 大盘风格拥挤度因子**，本周末历史分位34%，上周末历史分位33%，上年末历史分位5%[33] 9. **微盘股 vs 中证800风格拥挤度因子**，本周末历史分位82%，上周末历史分位81%，上年末历史分位89%[33]

公司核心发展哲学 - 公司发展哲学是坚持长期主义，为客户创造绝对回报，而非追求规模增长 [3] - 创始人将所有个人资金投入自家基金，与投资者利益深度捆绑 [3] - 投资目标是每年获得市场中等偏上收益水平，强调活得久是长久之道 [3] 公司投资与风控理念 - 公司秉持如履薄冰的审慎，核心理念是能够在市场中更好、更长久地生存 [1] - 贯穿投研全流程的严谨风控体系，非常在意组合的暴露风险，事前风控极为严格 [3] - 对未来A股市场坚定看多未来一两年的表现，但提醒投资者应放低期待，带着谨慎乐观的心态交易 [4] 行业竞争环境与公司技术策略 - 量化投资行业被形容为标准红海市场，竞争特别激烈，从业者长期处于高强度工作状态 [5] - 公司核心竞争力是持续不断的技术迭代和100%的自主研发，以应对行业不进则退的残酷现实 [5] - 公司投研团队背景覆盖统计学、计算机等理工科领域，坚持从策略到系统的全链条自主研发 [5] 技术应用与未来展望 - 公司积极应用AI技术，认为每个行业都值得用AI重新做一遍，AI极大提升了量化投资的精细化程度 [6] - 国际上新出的人工智能论文都要在一个月以内读完，内部组织讨论班研究前沿模型 [5] - 公司未来愿景是推动行业健康发展、保持技术领先，为客户提供更精细、定制化的服务 [6]

公司核心发展哲学 - 公司秉持长期主义，核心目标是坚持长期主义并为客户创造绝对回报，而非单纯追求规模增长 [1] - 创始人将个人资金全部投入自家基金，与投资者利益深度捆绑，对保住本金有超乎常人的执着 [1] - 公司发展哲学是不追求极致收益，但求持续稳定，目标是每年获得市场中等偏上的收益水平，认为长期来看非常可观 [2] 风险管理与投资理念 - 公司拥有贯穿投研全流程的严谨风控体系，非常在意组合的暴露风险，事前风控极为严格 [2] - 投资理念是在控制住大部分风险的前提下获取收益，强调在投资上不出问题并活得久才是长久之道 [2] - 对未来A股市场坚定看多未来一两年的表现，但提醒投资者随着市场上涨应放低期待，带着谨慎乐观的心态交易 [2] 行业竞争格局与技术战略 - 量化投资行业被描述为标准红海市场，竞争异常激烈，从业者长期处于高强度工作状态 [2] - 公司认为穿越周期的核心武器是持续不断的技术迭代和100%的自主研发 [2] - 为应对行业不进则退的残酷现实，公司高强度学习前沿技术，国际上新出的人工智能论文需在一个月内读完并组织内部讨论 [3] 团队构建与AI技术应用 - 公司构建了稳定且多元化的复合型投研团队，背景覆盖统计学、计算机等众多理工科领域 [3] - 坚持从策略到系统的全链条自主研发，以确保长期稳定，避免嫁接第三方策略或技术带来的不稳定性 [3] - 公司高度认同AI技术价值，认为AI极大提升了量化投资的精细化程度，量化投研实践与AI形成双向赋能 [3] 公司未来愿景 - 公司未来愿景绝非简单的规模增长，而是为客户提供长期有效的服务 [3] - 公司希望在推动行业健康发展、保持技术领先的同时，能为客户提供更精细、定制化的服务 [3]