产品信息 - 华商基金于2025年8月4日推出华商沪深300指数增强基金 A类代码024313 C类代码024314 募集期为2025年8月4日至8月15日 [1][7] - 该基金由邓默博士和艾定飞博士共同管理 采用量化选股模型结合主动管理优势 在紧密跟踪沪深300指数基础上追求超额收益 [1][4][5] 指数特征 - 沪深300指数涵盖沪深两市300家市值大流动性好的龙头企业 前三大行业为金融工业信息技术 合计权重57.6% 呈现周期+防御+成长的组合特征 [1] - 截至2025年7月31日 沪深300指数市盈率从2021年2月17.4倍降至13.19倍 处于近10年70%分位点 股息率达2.8% 具备估值和股息双重吸引力 [3] 投资策略 - 采用自主研发量化选股模型 结合金融市场大数据挖掘与数量统计分析 在保持指数跟踪前提下构建增强组合 [4] - 通过定量与定性分析相结合 在不同价格场景使用不同选股逻辑 并运用深度学习算法进行组合优化 [4][5] 管理团队 - 邓默博士任量化投资总监 拥有14.1年证券从业经历 其中9.8年投资经验 管理多只量化基金 投资风格均衡配置 [4][7] - 艾定飞博士任量化投资部总经理助理 拥有10.9年证券从业经历 其中6.6年投资经验 专注多因子选股与深度学习模型 [5][7] 市场展望 - 当前市场估值处于合理水平 流动性充裕 有利于多因子量化模型发挥效果 [6] - 通过分散配置控制跟踪误差 在小幅偏离基准范围内追求超额收益 [6] 公司实力 - 华商基金主动权益类基金近7年绝对收益排名同业第3/115家 近5年排名第8/137家 体现持续优异的主动管理能力 [6][8]

公司业务进展 - 数据中心市场保持强劲增长 2025年上半年实现订单重要增长 [1] - 汽车电子产品实现三电系统等电动化场景全面覆盖 并延伸至智能驾驶和智能座舱等智能化应用场景 [1] - 手机通讯应用领域是传统优势市场 AI+应用推广对电源管理类产品需求提升 [1] - 海外业务敞口不足20% 上半年存在季节性备库存行为 [1] - 新型结构钽电容产品采用PCB封装 性能大幅改善并广泛应用于多个领域 [1] 公司运营状况 - 订单饱满 不同业务线产能利用率保持较高水平 [1] - 费用支出整体受控 将持续加大研发投入并努力控制其他费用率 [1] - 持续投入扩产主要为新兴领域及新工艺系列产品 包括数据中心和汽车电子等领域 [1] - 毛利率保持在同行业较优水平 预期维持稳定 [1] 调研机构背景 - 上海明汯投资管理有限公司注册资本金1000万元 2014年成立于上海市虹口区对冲基金产业园 [2] - 公司专注于量化投资领域 构建了面向多市场多品种多策略的程序化交易系统和资产管理平台 [2] - 投资范围涵盖股票期货期权等 拥有量化选股CTA套利等多样化策略的优秀策略研发团队 [2] - 核心成员均有着资深的国内外资产管理和量化基金的投资管理经历 对金融证券市场有深刻理解 [2]

根据研报内容，以下是量化模型与因子的详细总结： 量化因子与构建方式 1. **Beta因子** - 构建思路：衡量个股相对于市场指数的系统性风险[15] - 具体构建： $$BETA = \text{半衰期63日的加权回归系数（个股日收益率 vs 中证全指日收益率）}$$ 使用过去252个交易日数据，半衰指数加权[15] - 评价：近期表现突出，反映市场对高波动性股票的偏好[16] 2. **杠杆因子** - 构建思路：综合评估公司财务杠杆水平[15] - 具体构建： $$MLEV = \frac{\text{非流动负债}}{\text{总市值}}$$ $$DTOA = \frac{\text{总负债}}{\text{总资产}}$$ $$BLEV = \frac{\text{非流动负债}}{\text{归属母公司股东权益}}$$ 最终因子值为三者均值[15] - 评价：近期低杠杆股票表现更优，显示市场风险偏好下降[16] 3. **成长因子** - 构建思路：综合营收与利润增长指标[15] - 具体构建： $$SGRO = \text{过去5年营收回归斜率/均值}$$ $$EGRO = \text{过去5年净利润回归斜率/均值}$$ 最终因子值为二者均值[15] 4. **标准化预期外盈利因子** - 构建思路：捕捉盈利超预期程度[19] - 具体构建： $$\text{标准化值} = \frac{\text{实际盈利}-(\text{去年同期值+8季度增长均值})}{\text{8季度增长标准差}}$$ 5. **240日三因子模型残差波动率** - 构建思路：衡量个股特异性风险[19] - 具体构建： $$\text{Fama-French三因子回归残差的标准差（240日窗口）}$$ 因子回测效果 | 因子名称 | 近一周多空收益 | 近一月多空收益 | 近一年净值 | 近十年净值 | |---------------------------|----------------|----------------|------------|------------| | Beta因子 | 1.86% | 1.64% | - | - | [16] | 杠杆因子 | -3.07% | -1.58% | - | - | [16] | 单季度ROA（沪深300） | 0.98% | 2.61% | 9.49% | 3.69% | [22] | 标准化预期外收入（中证800）| 1.23% | 2.96% | 4.76% | 4.43% | [31] | 对数市值（全市场） | 16.93% Rank IC | 5.24% Rank IC | 7.00% | 2.89% | [45] 中性化组合构建方法 - **核心逻辑**：在行业和风格暴露中性的约束下最大化目标因子暴露[20] - **约束条件**：行业权重与基准一致，控制规模/估值/成长等风格因子暴露[20] - **优化目标函数**： $$\max \ w^T f \quad \text{s.t.} \quad \|w\|_2 \leq \delta, \ w^T X = 0$$ 其中$f$为因子值，$X$为行业和风格暴露矩阵[20] 关键发现 1. 近期小市值因子在全市场表现强劲（Rank IC 16.93%）[45] 2. 质量类因子（如ROA、ROE）在沪深300池中长期稳定有效[22][31] 3. 技术类波动率因子（如20日换手率波动）在全市场Rank IC达11.65%[45] 注：所有测试均采用中证全指成分股，周度调仓，未考虑交易费用[15]

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**：基于PB（市净率）和ROE（净资产收益率）两个核心财务指标，筛选出估值合理且盈利能力强的股票[25] - **模型具体构建过程**： 1. 从中证800股票池中筛选股票 2. 计算每只股票的PB和ROE值 3. 按PB从低到高、ROE从高到低排序 4. 选取排名前50的股票构建组合[25] - **模型评价**：该组合在中证800股票池中表现优异，超额收益显著[25] 2. **模型名称：机构调研组合** - **模型构建思路**：跟踪公募和私募机构的调研行为，选取被频繁调研的股票[28] - **模型具体构建过程**： 1. 统计机构调研数据 2. 筛选近期被密集调研的股票 3. 分为公募调研选股和私募调研跟踪两个子策略[28] - **模型评价**：近期表现不佳，获取负超额收益[28] 3. **模型名称：大宗交易组合** - **模型构建思路**：基于"高成交、低波动"原则，筛选大宗交易中具有超额收益潜力的股票[32] - **模型具体构建过程**： 1. 计算"大宗交易成交金额比率" 2. 计算"6日成交金额波动率" 3. 选择成交金额比率高且波动率低的股票 4. 月频调仓[32] - **模型评价**：长期表现优异，今年以来超额收益率达28.91%[33] 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[38] - **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 3. 控制调仓周期和仓位[38] - **模型评价**：在再融资政策收紧背景下仍保持较好表现[38] 模型的回测效果 1. **PB-ROE-50组合** - 中证500超额收益：0.62%（本周），3.61%（今年以来）[26] - 中证800超额收益：2.14%（本周），9.77%（今年以来）[26] - 全市场超额收益：0.76%（本周），10.18%（今年以来）[26] 2. **机构调研组合** - 公募调研选股：-0.67%（本周），6.65%（今年以来）[29] - 私募调研跟踪：-0.55%（本周），17.80%（今年以来）[29] 3. **大宗交易组合** - 超额收益：0.75%（本周），28.91%（今年以来）[33] 4. **定向增发组合** - 超额收益：1.55%（本周），9.32%（今年以来）[39] 量化因子与构建方式 1. **大类因子** - beta因子：本周收益0.73%[20] - 残差波动率因子：本周收益0.60%[20] - 规模因子：本周收益-0.51%[20] - 非线性市值因子：本周收益-0.40%[20] 2. **单因子表现（沪深300股票池）** - 表现最好： - 总资产毛利率TTM：2.64%[12] - 单季度总资产毛利率：2.37%[12] - 单季度ROA：2.28%[12] - 表现最差： - 标准化预期外盈利：-0.86%[12] - 5日成交量的标准差：-1.00%[12] - 动量调整小单：-1.10%[12] 3. **单因子表现（中证500股票池）** - 表现最好： - 单季度总资产毛利率：1.39%[14] - 5日反转：1.17%[14] - 总资产毛利率TTM：0.95%[14] - 表现最差： - 动量调整大单：-0.87%[14] - 日内波动率与成交金额的相关性：-1.31%[14] - 下行波动率占比：-1.48%[14] 4. **单因子表现（流动性1500股票池）** - 表现最好： - 总资产毛利率TTM：1.35%[18] - 单季度总资产毛利率：1.27%[18] - 单季度营业收入同比增长率：0.93%[18] - 表现最差： - 成交量的5日指数移动平均：-1.45%[18] - 5日成交量的标准差：-1.53%[18] - 下行波动率占比：-1.58%[18] 5. **行业内因子表现** - 净资产增长率因子：在传媒、通信行业正收益明显[23] - 净利润增长率因子：在家用电器、纺织服装、传媒行业表现较好[23] - 每股净资产因子：在通信、计算机行业表现较好[23] - 5日动量因子：在休闲服务、食品饮料行业动量效应明显[23] - BP因子：在美容护理行业表现较好[23] - EP因子：在综合行业表现较好[23] 因子的回测效果 1. **沪深300股票池因子** - 总资产毛利率TTM：最近1周2.64%，最近1个月2.18%[13] - 单季度总资产毛利率：最近1周2.37%，最近1个月2.16%[13] - 单季度ROA：最近1周2.28%，最近1个月5.83%[13] 2. **中证500股票池因子** - 单季度总资产毛利率：最近1周1.39%，最近1个月0.96%[15] - 5日反转：最近1周1.17%，最近1个月3.43%[15] - 总资产毛利率TTM：最近1周0.95%，最近1个月0.42%[15] 3. **流动性1500股票池因子** - 总资产毛利率TTM：最近1周1.35%，最近1个月0.23%[19] - 单季度总资产毛利率：最近1周1.27%，最近1个月-0.15%[19] - 单季度营业收入同比增长率：最近1周0.93%，最近1个月0.62%[19] 4. **行业内因子** - 每股经营利润TTM因子：在通信、综合行业正收益明显[24] - 1月动量因子：在休闲服务、食品饮料行业动量效应明显[24] - 对数市值因子：在综合行业表现较好[24] - 残差波动率因子：在国防军工、建筑材料行业表现较好[24] - 流动性因子：在建筑材料、医药生物行业正收益明显[24]

市场有效性理论 - 信息不对等的股票市场导致股民热衷追逐内幕消息 [4] - 有效市场中信息透明，股价会立即反应所有公开信息 [6][8] - 尤金·法玛1965年提出市场有效理论，认为信息会立刻作用到股价 [10] - 真实世界存在信息差和情绪化，股价反应滞后 [12] 量化投资原理 - 量化利用股价反应滞后性，通过快速捕捉已发生事件进行交易 [12] - 量化不预测事件发生，而是预测已发生事件对股价的影响 [14] - 詹姆斯·西蒙斯的量化基金1988-2009年实现年化35%回报 [16] 中国量化发展历程 - 2008年金融危机后海外量化人才回国，弥补国内人才缺口 [18] - 2010年沪深300股指期货上市，量化获得对冲工具 [20] - 2015年股灾导致股指期货严控，量化行业经历洗牌 [22] - 2018年量化规模上新台阶，出现"量化四大天王" [26] - 2021年AI技术引入量化，提升模型复杂度 [28][30] 量化行业最新动态 - 2024年2月小微盘流动性危机导致量化产品两周回撤超10% [32] - 危机后小微盘快速反弹，量化产品6月修复大部分跌幅 [34][35] - 2024年9月后部分量化管理人创下新高 [36] - 2024年二季度头部量化私募掀起"封盘潮"，控制规模以保持超额收益 [38] 量化投资价值 - 量化策略为投资人带来显著赚钱效应 [42] - 量化是小微盘基金有效策略，也是资产配置重要方向 [44]

外资配置A股趋势 - 外资净增持境内股票与基金101亿美元，扭转过去两年总体净减持态势，5-6月净增持规模增至188亿美元 [3] - 境外投资者持有境内债券、股票市值占比约3%-4%，预计外资仍会逐步增配人民币资产 [3] - 海外资管机构对A股配置兴趣持续升温，认为未来中国股票能带来可观回报 [5] - 海外资管机构正通过压降美元投资比例（原超80%）转向新兴市场，中国等经济基本面稳健地区成为次选 [5] 量化私募出海动态 - 约60%境内量化私募机构拥有出海计划，21%已迈出步伐，仅个别启动募资 [3] - 一家国内量化私募海外资管规模突破10亿美元 [6] - 量化策略百亿私募上半年平均收益率13.54%，显著高于主观策略的5.51% [6] - 公司正研发港股量化红利策略以扩大资金容量，并优化与海外机构的沟通流程 [11] 海外机构投资偏好 - 跟踪MSCI新兴市场指数的机构对A股存在刚性配置需求，决策周期最短 [7] - 海外FOF/多策略基金决策周期8-9个月，养老/主权基金需1-2年但投资期限至少5年 [7] - 机构偏好量化策略主因主观策略产品表现不佳（收益率低、波动高、跟踪误差大） [6] - A股量化红利策略被视为"中国纳斯达克"，前7月银行指数综合涨幅21.5%（涨幅16.5%+股息率5%） [11] 行业合作挑战 - 海外机构接触境内量化私募渠道有限，仅少数纳入券商代销，主要依赖直客或中介转介 [8] - 海外券商因利润考量更倾向代销对冲基金（杠杆/衍生品需求），而非量化多头策略 [8] - 投前尽调关注风控独立性、IT灾备、防火墙、团队稳定性等，且需长期跟踪策略一致性 [9] - 资金容量成为关键障碍，海外机构要求策略能一次性容纳全额投资款 [9] 宏观经济驱动因素 - A股低估值+中国实际经济增速超预期+美元贬值趋势推动外资增持 [11] - 下半年名义GDP增长率修复与物价改善或进一步吸引外资配置 [12] - 花旗认为若A股保持韧性上行，海外长期资金回流将水到渠成 [11]

量化投资行业概况 - 量化投资机构在全球市场具有"精英投资"、"高薪酬"和"神秘感"的特征 [1] - 过去几年市场大幅回撤时，内地少数量化私募巨头仍保持可观收益率并吸引大额申购 [2] - 行业普遍存在技术壁垒，外界难以了解其依赖"独家代码"、"交易系统"或"庞大算力"的具体运作方式 [2] 涉事量化机构违规操作 - 华东某知名量化机构高管在2019-2020年通过支付7%开票费收用173份虚开增值税普通发票，价税合计1455.16万元 [4][5] - 发票名目包括"人力资源服务*招聘服务费"（单笔20.28万元）、"技术服务费"等，涉及西北某劳务派遣公司等多家开票方 [8][9][14] - 通过虚构交易虚增成本，在税前扣除导致少缴税款数百万元 [6][7][10] 资金套取手法 - 违规操作目的包括套取账面资金于账外使用 [11][12] - 操作链条：寻找配合虚开发票的公司→虚假做账→打款至外部公司→扣除开票费后资金回流至关联账户 [13][14] - 合作方涉及XXXX信息科技、XXXX企业服务等公司，其开具的发票已被税务机关证实为虚开 [14][15] 处罚结果 - 涉事机构已补缴税款及滞纳金，并被处以167.6067万元罚款 [17][18][19] - 该机构管理规模达50亿-100亿，属于行业"实力派"，正常应具备较强盈利能力 [22][23] 行业分化现象 - 头部量化机构规模庞大、团队稳定、合规性突出 [25] - 中等规模量化机构面临经营挑战，部分创业团队因资源投入、人才聘用等压力可能选择"擦边"操作 [25] - 快速发展期机构因盈利不理想，"铤而走险"动机较为明显 [25]

| | 决定文 案件 处罚 | | | | Janual James J. Pro La Pro Park V. | | | | | --- | --- | --- | --- | --- | --- | --- | --- | --- | | | 书号 名称 关别 | 处罚事由 | 处罚依据 | 人名称 | | 对人代 表人姓 处罚结果 处罚机关 处罚日期 | | | | | | | 留 | | ୟ | | | | | | | 勇税精 宁波 一般 经检查查明宁波平方和 | 根据《中华人民共和国 宁波平方 91330 吕杰勇 处导致其国家税务 2025-07 | | | | | | | | | 三 罚 平方 程序 投资管理合伙企业 (有 | 发票管理办法》第三十 和投资管 20634 | | | 他单位或 总局宁波 -28 | | | | | | | 〔202 和投 处罚 限合伙) 存在以下违法 九条及《中华人民共和 理合伙企 05523 | | | 者个人少 市税务局 | | | | 5] 90 资管 | | | 事实:2019-2020年生 国行政处罚法》第三十业(有限 62Y | | | 缴2019年第 ...

量化因子与构建方式 1. **因子名称：理想反转因子** - **构建思路**：通过切割大单成交数据识别反转属性最强的交易日，捕捉A股反转效应的微观来源[5][15] - **具体构建过程**： 1. 回溯股票过去20日数据，计算每日平均单笔成交金额（成交金额/成交笔数）[43] 2. 选取单笔成交金额最高的10个交易日，加总其涨跌幅记为M_high[43] 3. 选取单笔成交金额最低的10个交易日，加总其涨跌幅记为M_low[43] 4. 计算因子值：$$M = M_{\text{high}} - M_{\text{low}}$$[43] - **因子评价**：通过大单成交切割有效提升了反转效应的稳定性[5][15] 2. **因子名称：聪明钱因子** - **构建思路**：从分钟级价量数据中识别机构交易痕迹，构建跟踪聪明钱的指标[5][15] - **具体构建过程**： 1. 取股票过去10日的分钟行情数据[42] 2. 计算每分钟指标：$$S_t = |R_t| / V_t^{0.25}$$（$R_t$为分钟涨跌幅，$V_t$为分钟成交量）[42] 3. 按$S_t$排序，取成交量累积占比前20%的分钟作为聪明钱交易[42][44] 4. 计算聪明钱VWAP（成交量加权均价）和全体交易VWAP[44] 5. 因子值：$$Q = \text{VWAP}_{\text{smart}} / \text{VWAP}_{\text{all}}$$[42] - **因子评价**：有效捕捉机构交易行为对价格的引导作用[5] 3. **因子名称：APM因子** - **构建思路**：利用日内不同时段交易行为差异构建反转强度指标[5][15] - **具体构建过程**： 1. 取股票过去20日的隔夜收益率$r_{\text{night}}$和下午收益率$r_{\text{afternoon}}$[43] 2. 对40组收益率数据回归：$$r = \alpha + \beta R + \epsilon$$（$R$为对应时段指数收益率）[43] 3. 计算隔夜与下午残差差异：$$\delta_t = \epsilon_{\text{night}} - \epsilon_{\text{afternoon}}$$[43] 4. 构造统计量：$$\mathrm{stat} = \frac{\mu(\delta_t)}{\sigma(\delta_t)/\sqrt{N}}$$[45] 5. 对动量因子横截面回归取残差作为最终因子值[46] - **因子评价**：通过时段切割挖掘反转效应的结构性差异[15] 4. **因子名称：理想振幅因子** - **构建思路**：基于股价维度切割振幅信息，区分高价态与低价态的结构性差异[5][15] - **具体构建过程**： 1. 计算股票过去20个交易日的每日振幅（最高价/最低价-1）[48] 2. 选取收盘价最高的25%交易日，计算振幅均值V_high[48] 3. 选取收盘价最低的25%交易日，计算振幅均值V_low[48] 4. 因子值：$$V = V_{\text{high}} - V_{\text{low}}$$[48] - **因子评价**：价态切割显著提升振幅因子的信息含量[5] 5. **因子名称：交易行为合成因子** - **构建思路**：加权整合四个交易行为因子形成复合因子[30] - **具体构建过程**： 1. 对单因子进行行业内去极值与标准化处理[30] 2. 滚动12期ICIR计算动态权重[30] - **因子评价**：通过动态加权实现因子间的优势互补[30] --- 因子回测效果 1. **理想反转因子** - 全历史IC均值：-0.050[16] - 全历史rankIC均值：-0.061[16] - 信息比率(IR)：2.52[16] - 多空对冲月度胜率：78.3%[16] - 2025年7月收益：0.47%[7][16] - 近12月胜率：66.7%[7][18] 2. **聪明钱因子** - 全历史IC均值：-0.037[16] - 全历史rankIC均值：-0.061[16] - 信息比率(IR)：2.76[16] - 多空对冲月度胜率：82.2%[16] - 2025年7月收益：1.78%[7][19] - 近12月胜率：91.7%[7][22] 3. **APM因子** - 全历史IC均值：0.029[16] - 全历史rankIC均值：0.034[16] - 信息比率(IR)：2.30[16] - 多空对冲月度胜率：77.4%[16] - 2025年7月收益：1.42%[7][23] - 近12月胜率：58.3%[7][27] 4. **理想振幅因子** - 全历史IC均值：-0.054[16] - 全历史rankIC均值：-0.073[16] - 信息比率(IR)：3.03[16] - 多空对冲月度胜率：83.6%[16] - 2025年7月收益：3.86%[7][28] - 近12月胜率：75.0%[7][31] 5. **交易行为合成因子** - 全历史IC均值：0.067[30] - 全历史rankIC均值：0.092[30] - 信息比率(IR)：3.30[30] - 多空对冲月度胜率：82.6%[30] - 2025年7月收益：2.13%[7][30] - 近12月胜率：83.3%[7][36] - 中小盘表现：国证2000 IR=2.87，中证1000 IR=2.77[32][37] --- Barra风格因子表现（2025年7月） - 市值因子收益：0.64%[4][14] - 账面市值比因子收益：0.59%[4][14] - 成长因子收益：0.16%[4][14] - 盈利预期因子收益：-0.32%[4][14]

文章核心观点 - 稳博投资是2025年上半年百亿私募收益冠军 收益均值为***% 同时近一年收益***%位列百亿私募第3名 近三年收益***%上榜百亿私募TOP10 [2] - 公司通过科学的量化投研体系、严谨的风控和高效的运作 为投资者提供多元化的资产管理产品 目标是成为世界一流的资产管理公司 [17] - 公司核心优势包括策略迭代能力、行情获取技术、管理效率和先进科技应用 支撑其持续领先的业绩表现 [44][45][46][49] 公司概况 - 公司成立于2014年 2015年登记为私募证券投资基金管理人 2020年成为基金业协会观察会员 注册资本3000万元 实际控制人为殷陶和郑耀（各持47.5%股权） [17] - 发展历程包括2014年成立深耕量化 2018年搭建机器学习T0高频团队 2019年构建alpha策略模型 2023年规模突破百亿并获得3年期金牛奖 2025年形成多周期自适应模型 [23] - 核心投资理念坚持科学严谨 科学体现在通过大数据分析和人工智能建立数学模型 严谨体现在严控风险和谨慎投资 [23] - 股权结构截至2025年7月底由郑耀、殷陶和钱晓珺持有 分别持股47.5%、47.5%和5% [24] 核心投研团队 - 创始合伙人殷陶为上海交通大学电子系本硕 擅长策略算法开发和风险评估 目前担任股票alpha负责人 形成稳博特色的量化研究体系 [28][31] - 创始合伙人郑耀为上海交通大学计算机专业本硕博 创立初期使用自创高频交易策略 中期构建人工智能机器学习研究方法 [30] - 团队包括智能优化负责人（上海交通大学工学博士 曾任职阿里巴巴和IBM）以及多名奥林匹克奖牌获得者、ACM金牌获得者和强化学习专家 [33][34] 投资策略与产品线 - Alpha策略基于量价和基本面因子 运用多周期多方法模型预测全市场股票收益 通过机器学习选取股票组合 严格控制波动率 并利用T0交易获取超额收益 [35] - 产品线包括300指数增强、500指数增强、1000指数增强和2000指增 均通过量化交易逻辑拟合对标指数并控制跟踪误差 力争超越指数收益 [36][37][38][39] - 代表产品有稳博中睿6号（全市场筛选组合）、稳博量化选股匠心系列1号和稳博全A增强（基于市场环境融资加减仓位） [40][41] - 具体产品如稳博小盘激讲择时指增1号（中证1000指增）、稳博兴享匠心选股1号1期（量化选股）等 近6月和近1年收益数据未披露 [42] 风险控制 - 风险管理由策略风控、系统风控和人工风控三部分构成 策略风控贯穿投资交易全过程 系统风控自动控制阈值和政策风险 人工风控通过独立委员会监控合规性和投资风险 [43] 核心优势 - 策略优势包括Alpha研究方法多次迭代 量价和基本面因子储备充足 策略运作有效稳定 Alpha团队处于高产期 T0业绩具有显著竞争力 [44] - 行情获取优势通过沪深双中心部署服务器在交易所最近机房 高效获取行情数据 并从多源头订阅数据 用机器学习完善交易程序 [45] - 管理优势体现在投研人才、IT和数据先行投入 投研团队人员占比超65% 创始人躬身投研一线推动策略迭代 专业化管理以业绩为核心合理管控规模 [46][47][48] - 迭代优势使用先进科技赋能量化投资 包括短周期信号捕捉长期非线性关系 实时高频数据捕捉瞬时市场失衡 深度模型处理另类数据 整体数据量达10pb量级 [49] 公司未来规划 - 公司致力于成为世界一流的资产管理公司 对标千禧年投资 坚守对客户、员工和股东的承诺 努力成为值得托付和受尊重的量化私募基金公司 [50] 其他信息 - 公司所获奖项包括第十五届中国私募金牛奖年度金牛私募管理公司（管理期货策略）、私募排排网第十八届私募金排奖稳健卓越私募基金管理人（股票量化多头策略）等共17项荣誉 [51][52] - 投资经理殷陶获得第三届中国证券私募华曜奖最佳股票量化基金经理（三年期和一年期）以及第十四届基金与财富管理·介甫奖年度TOP10优秀基金经理 [52]