日本金融政策与比特币市场 - 日本金融厅正考虑允许银行直接投资比特币等数字资产 [1] - 受此消息影响，比特币价格反弹并重新站上11万美元关口 [1] - 政策调整背景涉及日本高达240%的债务GDP比，显示传统金融体系面临压力 [13] - 加密货币账户数量在五年内增长3.5倍，表明数字资产正成为不可忽视的力量 [13] 历史牛市中的市场特征 - 2015年牛市期间，个人投资者的平均收益为-60% [3] - 2007年553天的牛市中，有207天是阴线，下跌天数占比约37% [3] - 2015年495个交易日中，有212天是下跌的，下跌天数占比约43% [3] - 即使在最疯狂的牛市里，下跌的日子也占了40%以上 [3] - 2007年牛市曾出现6天内下跌22%的剧烈调整 [5] 特定市场行情数据 - 某次行情最高价6124.04，最低价1004.08，振幅达506.18% [4] - 该行情阳线346天，阴线207天，总成交金额32.93万亿 [4] - 另一次调整起始价4272.11，终止价3767.10，涨跌幅-11.8%，振幅21.81% [6] - 此次调整总成交金额为1.31万亿 [6] 投资者行为与心理 - 投资者存在从众心理，牛市中最可怕的不是自己赚得少，而是别人赚得多 [7] - 损失厌恶心理导致投资者为规避小损失而错过大机会，例如在2015年行情中因害怕回调而提前下车 [7] - 确认偏误使投资者倾向于寻找支持自己观点的信息 [7] - 个股的定价权始终掌握在机构大资金手中，未看清机构行为就贸然进场风险极高 [7] 机构行为与投资工具 - 通过大数据系统可识别真正的机构行为，其核心价值在于揭示机构资金的活跃程度 [10][13] - 左侧股票在上涨过程中多次出现“虚跌”但能收复失地，且“机构库存”数据始终活跃 [10][13] - 右侧股票在调整中出现“空涨”但最终继续下跌，即使在反弹时也没有机构参与的迹象 [10][13] - 在信息爆炸时代，“看见”市场资金动向比“预测”更重要，应相信数据本身 [13] 市场规律总结 - 金融市场永远在进化 [14] - 机构永远掌握定价权 [14] - 只有看清资金动向才能立于不败之地 [14]

公司荣誉与行业认可 - 因诺资产在"2025私募基金高质量发展大会"上荣获"金牛私募管理公司（三年期管理期货策略）"奖项[1] - 这是公司自成立以来第五次获得金牛奖，体现了其在量化投资领域的稳健实力与专业深耕[1] AI与量化投资的关系定位 - AI被视为量化方法论的自然延展，而非外来革命，其本质是"更有特点、更具优势的统计学"[1] - AI与量化在底层相通，AI（尤其是机器学习与大模型）是更强大的统计学工具，具备更好的表征能力与非线性刻画能力[3] - AI是更锋利的工具，不是替代的剧本，公司选择将效率、精度与广度沉淀为工程与风控的底座[9] AI在量化投资中的具体应用 - AI已系统性地应用在Alpha、CTA、算法交易等多个策略方向上，提升了模型的识别力、响应速度与可迭代性[3] - AI被用作"放大镜"与"涡轮增压器"，负责效率、精度与广度的提升，而"方向盘"始终由人掌握[2] - AI承接了数据清洗、特征构造、代码生成与回测编排等繁琐环节，显著压缩了"想法→实验→上线"周期[4] - AI被嵌入数据—模型—工程—交易全链路，通过标准化数据域与特征库实现研究可复现与灰度上线[4] 公司对AI的实践原则与组织管理 - 量化竞争不是简单的"AI竞赛"，决定胜负的核心仍是人对问题的定义、逻辑构建和边界把握[7] - 公司原则是方法中立、结果导向，AI信号与传统因子并行开发、分档校准，组合成低相关的多源Alpha[8] - AI在组织中更多是赋能而非替代，让机器承接标准化与高频重复环节，使人能聚焦于洞察生成与决策取舍[7] - 通过将监管与交易所规则参数化写入系统，形成"模型—系统—风控"三重校验，实现快而不失稳[4] 未来发展方向与战略 - 随着数据要素丰富与工程基础夯实，AI在跨市场、跨资产与多模态融合中的应用空间将持续扩大[3] - 公司将持续把AI嵌入多策略与全链路，在本土市场把底盘做厚，在多资产、多市场寻找低相关的新增量[9] - 坚持方法中立与结果导向，让AI与传统方法并行验证、相互增益，以系统化迭代对抗复杂性[9] - 以可解释、可迁移、可持续的业绩回应信任，在合规与风控的框架中持续进化[9]

市场整体表现 - 截至三季度末，主要股指普遍上涨，其中科创50指数上涨61%，恒生科技指数上涨64%，创业板指上涨60% [1] - 万得QDII混合型基金指数年初至今上涨34.71%，万得普通股票型基金指数上涨27.54%，国内基金产品整体收益多在20%以上 [2] - 主动型基金中，收益超过100%的产品比比皆是 [2] 民生加银优选基金 - 该基金截至三季度末收益为-7.39%，在976只股票型基金中排名倒数第一 [4] - 基金自2021年至2025年已连续5年录得负收益，在过去的11年中仅有4年实现正收益 [4][5] - 2025年基金收益为-7.02%，大幅跑输其基准（12.54%）和普通股票型基金平均水平（27.54%） [5] - 一季度前十大重仓股集中于家电和制造业，合计占股票市值51.17% [6][7] - 基金成立10多年更换了6任基金经理，现任基金经理刘浩于今年7月接手，其前任金耀和蔡晓任职期间回报分别为-30%和-26% [9] 前海开源中药研究精选 - 该基金今年收益约为-6%，跑输Wind中药行业指数（涨幅约5%）和其业绩比较基准（收益约4%）约10个百分点 [10][12][13] - 基金经理范洁管理该产品超过6年，任职期间总回报接近70%，年化回报8.5% [15][16] 前海开源人工智能主题基金 - 截至10月17日，前海开源人工智能A今年以来收益为-4.38%，同期中证人工智能指数涨幅接近70% [19][20] - 基金在去年三季度后将重仓股中际旭创调出前十大，去年年底的第二大重仓股工业富联也在今年上半年被调出，而工业富联在三季度股价飙升215% [21][22] - 2021年至今年6月前，该基金由曲扬和魏淳共同管理，曲扬任职期间年化回报仅为1.5% [23] 富国大盘价值量化基金 - 该基金截至三季度末收益为负，而同期有业绩展示的1166只公募量化基金平均收益达26.52% [25][27] - 股票型量化基金平均收益为28.65%，混合型量化基金平均收益为26.72% [27] 银华富裕主题基金 - 作为规模达107亿元的老牌基金，截至三季度末今年收益为-1.5% [30][31] - 基金持仓集中于银行、保险、高速、石化等红利资产 [32] - 自2021年起已连续5年跑输其业绩比较基准，2023年收益为-20.47%，大幅跑输基准（-8.25%） [32][34] 万家精选基金 - 该基金2024年收益为2.59%，今年前三季度收益为-2.5%，大幅跑输比较基准 [34] - 截至半年报，前十大重仓股几乎全部为煤炭股，基金经理明确表示看好红利资产及资源型公司 [34] - 基金经理黄海管理的其他产品（万家新利、万家宏观择时多策略）持仓也高度集中于煤炭股 [35]

融资资金流向 - 沪深两市有79只股票连续5个及以上交易日获得融资资金净买入 [1] - 永茂泰、科德数控和泛微网络连续9个交易日获得融资资金青睐 [1] - 迈瑞医疗、京东方A等行业龙头公司也在融资净买入名单中 [3] 市场现象与理论 - 在市场波动期，“强者恒强”效应明显，消息面对股价的作用是强化而非引导 [3] - “物极必反”效应在股价涨到一定程度后发生，消息面作用从强化转为反噬 [3] - 反身性理论解释了股价和消息互相影响形成的“强者恒强”马太效应 [3] - 均值回归理论揭示了股价终将围绕价值波动的“盛极必衰”规律 [3] 机构行为分析 - 菜百股份在204年黄金价格上涨时，尽管公司业绩增长16%且市盈率仅8倍，但“机构库存”持续减少，预示股价后续走低 [3] - 2025年金价再次大涨时，菜百股份因“机构库存”数据持续活跃，股价表现迥异，一路上涨 [5] - 天邑股份在2024年海思概念炒作中，橙色“机构库存”数据表明机构积极参与 [7] - 天邑股份在2024年7月31日出现机构介入迹象，但股价未立即上涨，机构在默默布局后于8月下旬概念升温时迎来爆发 [7] 投资决策框架 - 单纯跟随融资资金操作存在风险，融资余额变化仅是市场情绪参考指标之一 [9] - 需要区分“真金白银”的机构行为和“杠杆游戏”的融资行为 [9] - 需理解消息面在不同市场阶段的不同作用 [9] - 建立量化分析框架，研究真实反映市场参与者行为的量化指标更为可靠 [9]

根据研报内容，现总结其中涉及的量化模型与因子如下： 量化模型与构建方式 **1 模型名称：宏观环境Logit模型[6][18][19]** - 模型构建思路：从短期货币流动性、长端利率、信用、经济增长以及汇率五个维度刻画宏观环境运行状态[16] - 模型具体构建过程：使用多个宏观变量（如银行间债券质押式回购利率、SHIBOR、国债收益率、社融、PMI等）的平稳化处理值，通过Logit模型计算宏观环境预测值[18] **2 模型名称：企业盈利景气指数2.0[20][23][26]** - 模型构建思路：通过识别主营业务，追踪主营业务的营收和成本情况来监控行业整体的景气度[20] - 模型具体构建过程：基于产业链系统分析追踪上下游行业部门；对行业进行财务指标分解；重构行业景气度追踪框架；计算各行业景气指数后，按上证指数每日各行业市值权重加权合成景气指数2.0[20][23] **3 模型名称：基于基差的股指期货择时模型[31][33]** - 模型构建思路：利用股指期货基差与指数自身的相关性趋势反映市场情绪变化，基于此相关性进行分组测试构建日频择时信号[31] - 模型具体构建过程：基于中证500股指期货基差构建衍生品择时信号，信号范围在-0.4到1之间[31] **4 模型名称：多维度择时模型[33][34]** - 模型构建思路：根据宏观、微观、中观信号将A股划分为9个状态，分别对应多空信号形成三维大周期择时信号，叠加股指期货基差信号合成四维度非线性择时模型[33] - 模型具体构建过程：将宏观环境、景气周期、景气方向组合成9种状态（如1-1宏观利多中观景气上行对应多头信号），再叠加衍生品信号合成最终择时信号[34] **5 模型名称：多风格策略[37]** - 模型构建思路：从价值、红利、质量、成长、低波、动量等多维度出发，刻画在不同主导风格下市场的表现，通过多因子信号的横向整合与动态权重配置实现收益平滑与风险分散[37] **6 模型名称：多风格增强策略[41]** - 模型构建思路：在多风格策略的基础上叠加增强因子，通过在其他风格端增厚收益，抑制单一风格波动，实现在不同周期下的稳定超额[41] **7 模型名称：可转债随机森林模型[46]** - 模型构建思路：通过随机森林方法构建可转债增强模型[46] **8 模型名称：REITs随机森林模型[48]** - 模型构建思路：通过随机森林方法构建REITs增强模型[48] **9 模型名称：宽基指数遗传规划选股模型[52][59][62][64][70]** - 模型构建思路：使用遗传规划算法挖掘选股因子，构建指数增强组合[52][59][62][64][70] - 模型具体构建过程： - 股票池：对应宽基指数成分股（沪深300、中证500、中证1000、中证全指）[52][59][62][64][70] - 训练集：2016年1月1日-2020年12月31日[52][59][62][64][70] - 因子挖掘：由遗传规划因子挖掘模型挖掘2000个初始种群、5代、多轮得到复合因子（沪深300：102个因子，中证500：189个因子，中证1000：564个因子，中证全指：709个因子）[52][59][62][64][70] - 策略：每周最后一个交易日选择模型得分最高的每个行业内的前10%的股票构建多头组合，以下周第一个交易日开盘价买入，周频调仓，交易成本为双边千三[52][59][62][64][70] **10 模型名称：三策略融合行业轮动模型[76][78]** - 模型构建思路：采用量化基本面驱动、质量低波风格驱动、困境反转行业发掘三种方法分别构建行业轮动策略，进行等权组合实现因子与风格的互补[76][78] - 模型具体构建过程：将基于基本面轮动、质量低波、困境反转三维度行业轮动策略进行等权组合，从不同维度筛选行业[78] **11 模型名称：三策略融合ETF轮动模型[85][88]** - 模型构建思路：基于三策略融合逻辑构建ETF轮动策略[85][88] 量化因子与构建方式 **1 因子名称：盘口平均深度因子[98][100]** - 因子构建思路：反映整体市场的深度，衡量市场流动性水平[100] - 因子具体构建过程：$$avg_{depth}=\frac{av_{1}+bv_{1}}{2}$$，其中av1和bv1分别为盘口委托快照数据的卖一量和买一量，若挂单量为0则令盘口深度为0[98][99] - 因子评价：因子取值越大，市场整体挂单量越大，市场总体深度越大，市场流动性越高，与未来收益负相关[100] **2 因子名称：盘口价差因子[103][104]** - 因子构建思路：反映卖一价和买一价的距离，衡量交易成本和市场宽度[104] - 因子具体构建过程：$$spread={\frac{2(a1-b1)}{a1+b1}}$$，其中a1和b1分别为盘口委托快照数据的卖一价和买一价[103] - 因子评价：盘口价差越大，交易成本越高，市场宽度越大，流动性越差，而流动性较低的个股未来收益表现相对较好，与未来收益正相关[104] **3 因子名称：价格弹性因子[106][108]** - 因子构建思路：反映单位成交额下股价的波动幅度，衡量市场流动性强度[108] - 因子具体构建过程：$$resiliency={\frac{high-low}{turnover}}$$，其中high、low、turnover分别代表tick数据中的最高价、最低价和成交额[106][107] - 因子评价：弹性越大说明单位成交额对价格冲击越大市场流动性越弱，而流动性较低的个股未来收益表现相对较好，与未来收益正相关[108] **4 因子名称：卖单非流动性因子[110][113]** - 因子构建思路：衡量高频数据下主动卖出的交易金额对于股票价格变动的影响[113] - 因子具体构建过程：$\Gamma_{1,t}=a+\beta_{1}*\delta_{1,t}+\beta_{2}*\delta_{1,t}+\epsilon_{1,t}$，其中β1为卖出非流动性系数，β2为买入非流动性系数，Si，t为股票i在t时间区间内的主动卖出金额，Bi,t为股票i在t时间区间内的主动买入金额[110][111] - 因子评价：卖单非流动性在控制风险后的Fama-MacBeth截面回归对收益率显著，且预测效果要好于买单非流动性，主要是由于投资者存在亏损厌恶的心理[113] **5 因子名称：Barra风险因子[121]** - 因子构建思路：包括20个风险因子全面刻画市场风险特征[121] - 因子具体构建过程：Barra CNE6 Trading模型包括规模（市值、非线性市值）、波动性（BETA、残差波动率）、流动性（流动性）、动量（短期反转、季节、行业动量、动量）、质量（杠杆、盈利变动率、盈利质量、盈利能力、投资质量）、价值（价值、盈利、长期反转）、成长（成长）、分析师预期（分析师情绪）、红利（股息率）等20个风险因子[121] 模型的回测效果 **1 宏观环境Logit模型**：最新预测值0.945，较上周末上行[19] **2 企业盈利景气指数2.0**：最新景气指数为0.885，剔除大金融板块景气指数为1.234[26] **3 中证500股指期货择时模型**：本周信号为1，累计仓位为多头（0.65）[7][34] **4 多维度择时策略**：最终合成信号为多头（1）[7][34] **5 多风格策略（截至2025年10月17日）**[40]： - 质量策略：年化收益率27.39%，超额年化收益率13.53%，夏普率2.00，区间最大回撤-8.31% - 红利策略：年化收益率12.80%，超额年化收益率3.82%，夏普率1.00，区间最大回撤-7.00% - 长期成长策略：年化收益率41.07%，超额年化收益率20.72%，夏普率1.88，区间最大回撤-12.41% - 价值策略：年化收益率14.79%，超额年化收益率-5.55%，夏普率0.88，区间最大回撤-12.92% - 低波策略：年化收益率20.53%，超额年化收益率0.19%，夏普率1.62，区间最大回撤-7.23% - 短期动量策略：年化收益率29.44%，超额年化收益率9.09%，夏普率1.27，区间最大回撤-19.89% - 长期动量策略：年化收益率19.80%，超额年化收益率-0.54%，夏普率1.32，区间最大回撤-8.70% **6 多风格增强策略（截至2025年10月17日）**[45]： - 质量增强策略：年化收益率16.04%，超额年化收益率2.19%，夏普率1.24，区间最大回撤-5.73% - 红利增强策略：年化收益率16.83%，超额年化收益率7.84%，夏普率1.31，区间最大回撤-5.88% - 长期成长增强策略：年化收益率25.11%，超额年化收益率4.76%，夏普率1.40，区间最大回撤-16.84% - 价值增强策略：年化收益率19.98%，超额年化收益率-0.37%，夏普率1.16，区间最大回撤-11.34% - 低波增强策略：年化收益率36.29%，超额年化收益率15.94%，夏普率2.43，区间最大回撤-9.71% - 短期动量增强策略：年化收益率13.76%，超额年化收益率-6.58%，夏普率0.93，区间最大回撤-9.14% - 长期动量增强策略：年化收益率7.74%，超额年化收益率-12.61%，夏普率0.50，区间最大回撤-10.99% **7 可转债随机森林模型**：年化收益率22.15%，夏普率1.73，今年以来绝对收益率14.25%[46] **8 REITs随机森林模型**：年化超额收益率39.26%，夏普率3.27，今年以来超额收益率57.60%[49] **9 宽基指数增强模型（截至2025年10月17日）**： - 沪深300指数增强：年化超额收益率17.70%，夏普率1.04，今年以来超额收益率-4.86%[55][57] - 中证500指数增强：年化超额收益率12.24%，夏普率0.87，今年以来超额收益率3.45%[63] - 中证1000指数增强：年化超额收益率18.83%，夏普率0.93，今年以来超额收益率2.73%[66] - 中证全指指数增强：年化超额收益率24.57%，夏普率1.31，今年以来超额收益率11.15%[71] **10 三策略融合行业轮动策略**：年化超额收益率10.59%，夏普率0.74[80] **11 三策略融合ETF轮动策略**：年化超额收益率12.78%，夏普率0.88，今年以来超额收益率14.75%[88] 因子的回测效果 **1 盘口平均深度因子**：当前略低于历史均值，相较上周末有所下降[101] **2 盘口价差因子**：当前低于历史均值，相较上周末有所上升[104] **3 价格弹性因子**：当前低于历史均值，相较上周末有所上升[109] **4 卖单非流动性因子**：当前高于历史均值，相较上周末有所下降[114] **5 Barra风险因子**：2025年10月13日至17日，股息率因子表现较好，BETA因子表现较差；本月股息率因子表现较好，最近一年短期反转因子和动量因子表现较好[121]

公司获奖与行业认可 - 公司于10月15日在“2025私募基金高质量发展大会”上荣获“金牛私募管理公司（三年期管理期货策略）”奖项，这是公司自成立以来第五次获得金牛奖 [1] AI在量化投资中的定位与作用 - AI被视为量化方法论的自然延展，本质上是更有特点、更具优势的统计学，能在高维、非线性、弱信号场景中显著提升识别与表征能力 [1] - AI是效率放大器，公司已用AI承接数据清洗、特征构造、代码生成与回测编排等繁琐环节，显著压缩从想法到实验再到上线的周期 [4] - AI被公司视作放大镜与涡轮增压器，负责效率、精度与广度的提升，但方向盘始终在人手里，真正的竞争在于清晰的问题定义、可行的路径设计以及将研究转化为生产力的能力 [2] AI在量化策略中的具体应用 - AI已系统性地应用在Alpha、CTA、算法交易等多个策略方向上，模型的识别力、响应速度与可迭代性持续提升，策略谱系更为完整 [3] - AI被嵌入数据-模型-工程-交易全链路，通过标准化数据域与特征库、研究可复现与灰度上线、交易工程优化执行路径等方式提升效率 [4] - AI信号与传统因子并行开发、分档校准、组合成低相关的多源Alpha，并以样本外稳定性、交易成本与容量约束作为统一评价标准 [7] 人与AI的关系及公司方法论 - 量化竞争不是简单的AI竞赛，AI只是工具，真正决定胜负的是人对问题的定义、逻辑的构建和边界的把握 [5] - 公司原则是方法中立、结果导向，合理使用AI可优化策略表现，但并非必须使用AI才能做出好策略，关键在于问题是否定义清楚、数据是否可靠、检验是否稳健 [7] - 在组织实践中，AI更多是赋能而非替代，让机器承接标准化与高频重复环节，使研究员与PM能聚焦于洞察生成与决策取舍 [5] 未来发展方向 - 随着数据要素丰富与工程基础夯实，AI在跨市场、跨资产与多模态融合中的应用空间将持续扩大，为策略进化与组合稳健提供方法红利 [3] - 公司将持续把AI嵌入多策略与全链路，在本土市场做厚底盘，并在多资产、多市场寻找低相关的新增量，同时坚持方法中立与结果导向 [8]

科创板融资动态 - 科创板两融余额整体小幅回落，但个股分化显著，寒武纪等个股逆势获得融资客追捧[1] - 41只科创板股票融资净买入超1000万元，寒武纪以3.68亿元的净买入金额居首，同时75只个股融资余额减少超1000万元[3] - 电子行业有17只个股上榜融资净买入前列，在41只个股中占比高达41%，显示该板块是资金关注重点[12] 市场与板块表现 - 2025年4月后市场指数上涨900点，但众多板块出现下跌，表明牛市不等于所有股票都会上涨[4] - 2025年前9个月各板块表现中，几乎没有板块能连续2个月表现好，电子板块是唯一例外，但即便如此也有四个月是下跌[4] - 广聚能源在一季度涨幅超过50%后，跌掉了60%的涨幅，显示反弹不一定代表持续机会[4] 资金动向与识别方法 - 股市中大资金拥有绝对定价权，但机构持股不等于机构天天在交易[7] - 通过量化数据可识别机构资金活跃程度，左侧股票在调整中机构资金持续活跃，右侧股票则缺乏支持[10][12] - 市场奖励能够识别真正资金动向的投资者，识别资金真实意图比猜测市场走向更重要[12]

文章核心观点 - 2025年三季度A股结构性行情推动主观多头私募业绩整体跑赢量化多头产品，主观多头产品三季度及近1月平均收益分别为20.43%和4.21%，而量化多头产品同期平均收益分别为17.41%和2.55% [2] - 主观私募管理规模显著增长，2025年9月新增的5家百亿私募中，新晋或重回的主观私募占3家 [2] - 文章按六大规模组别（100亿以上、50-100亿、20-50亿、10-20亿、5-10亿、0-5亿）盘点了主观私募2025年前三季度的前十强业绩 [2] 100亿以上规模组主观私募 - 截至2025年9月底，百亿主观私募数量为42家，其中上海和北京的私募合计28家，占比超过50% [3] - 员工人数超过50人的百亿主观私募仅有9家，其中高毅资产和淡水泉员工人数超过100人 [3] - 拥有香港9号牌照的百亿主观私募共13家，包括淡水泉、景林资产、中欧瑞博等 [3] - 旗下至少有3只产品符合排名规则的百亿主观私募共11家，前三季度业绩前三名均位于上海，分别为复胜资产（冠军）、开思私募（亚军）和久期投资 [7] - 复胜资产旗下7只产品前三季度平均收益为***%，其投资理念为“业绩驱动投资”，并关注工程机械、化工等“反内卷”行业龙头公司的盈利边际改善迹象 [11] - 开思私募旗下6只产品前三季度平均收益为***%，其看好港股估值处于相对低位及龙头公司在人工智能时代的潜力 [11] 50-100亿规模组主观私募 - 旗下至少有3只产品符合排名规则的准百亿主观私募共15家，前三季度业绩前三名分别为同犇投资、盛麒资产（亚军）和望正资产（季军） [12] - 盛麒资产旗下5只产品前三季度平均收益为***%，公司专注于价值与成长，其实际控制人曾文凯公开表示看好黄金等资源类资产 [16] - 望正资产旗下4只产品前三季度平均收益为***%，公司采用“核心（优质蓝筹）+卫星（创新成长）”的组合构建思路 [16] 20-50亿规模组主观私募 - 旗下至少有3只产品符合排名规则的20-50亿规模主观私募共41家，前三季度业绩前三名分别为北京禧悦私募（冠军）、睿扬投资和壹点纳锦(泉州)私募 [17] - 北京禧悦私募旗下5只产品前三季度平均收益为***%，其管理规模于2025年10月由5-10亿跃升至20-50亿 [20] 10-20亿规模组主观私募 - 旗下至少有3只产品符合排名规则的10-20亿规模主观私募共46家，前三季度业绩前三名分别为路远私募、榕树投资和能敬投资控股 [21] - 路远私募旗下3只产品前三季度平均收益为***%，其董事长路文韬管理的“路远睿泽稳增”产品收益最高，公司聚焦宏观经济周期与大宗商品投资，并增加黄金仓位 [24] - 榕树投资旗下5只产品前三季度收益为***%，公司前瞻性布局“新五朵金花”赛道：新能源、半导体、创新药、机器人和互联网 [24] 5-10亿规模组主观私募 - 旗下至少有3只产品符合排名规则的5-10亿规模主观私募共59家，前三季度业绩前三名分别为富延资本（冠军）、精砚私募和指南基金 [26] - 富延资本旗下8只产品前三季度平均收益为***%，公司坚持长期价值投资理念 [29] 0-5亿规模组主观私募 - 该规模组前三季度业绩前十强中，龙辉祥投资、沁昇基金和墨钜资产分别位列前三 [32]

私募基金市场整体备案情况 - 2025年前三季度全市场备案私募证券产品8935只，较去年同期的4718只同比大幅增长89.38% [1][5][6] - 量化私募产品备案数量达到3958只，占全部私募证券产品备案量的44.30%，同比增幅高达102.66% [1][6] - 备案产品数量增长被视为重要市场风向标，表明资金正通过专业机构流入股市，为市场提供活力和流动性 [1] 各策略产品备案分布 - 股票策略产品备案数量遥遥领先，为5849只，占比高达65.46%，同比增长99.35% [3][5][6] - 多资产策略备案产品数量为1278只，占比14.30%，同比增长84.68% [3][5][6] - 期货及衍生品策略备案产品数量为913只，占比10.22%，同比增长66.00% [3][5][6] - 债券策略与组合基金备案产品数量分别为363只和362只，占比均为4%左右，同比分别增长75.36%和79.21% [3][5][6] 量化私募表现及驱动因素 - 量化策略业绩表现显著优于主观策略，突出的赚钱效应带动资金持续涌入 [7] - 技术迭代持续推进，人工智能、机器学习等方法在策略研发中深入应用，增强了模型的适应能力与盈利稳定性 [7] - 头部量化机构形成“业绩提升带动规模增长、规模扩大促进产品备案”的良性循环 [7] - 百亿量化私募前三季度平均收益率达31.90%，较百亿主观私募24.56%的平均收益率高出7.34个百分点 [10] 百亿私募管理人动态 - 截至2025年9月底，百亿私募数量增至96家，较8月底的91家增加了5家 [1][9] - 百亿私募队列中，量化私募数量最多，有45家，占比46.88%；主观私募有42家，占比43.75% [9] - 百亿私募较为偏爱股票策略，有74家核心策略为股票策略，占比77.08% [9] - 百亿私募出海的趋势有所显现，在96家百亿私募中，有65家持有香港9号牌照 [9] 头部机构备案与业绩 - 百亿量化私募宽德私募以120只的备案产品数量居于行业首位，黑翼资产、明汯投资、世纪前沿备案数量分别为114只、111只和98只 [7] - 在前三季度备案产品数量不少于40只的26家私募管理人中，百亿私募管理人占比88.46%，量化私募占比80.77% [7] - 在前三季度收益率超过30%的32家百亿私募中，量化私募达到24家，占比超七成 [11]

核心观点 - 报告跟踪了多种ETF投顾策略的近期表现，显示多个量化策略在2024年初至今取得显著正回报，其中高景气/红利轮动策略总收益率达96.29% [33] - 场内ETF资金流向显示，本周（截至2025年10月17日）跨境ETF净申购金额达272.0亿元，其中香港ETF获增持236亿元，商品类ETF中黄金ETF增持202亿元，A股宽基ETF转为净卖出166亿元 [47][51][55] - 全球大类资产表现分化，年初至今韩国综合指数上涨56.24%，伦敦金现上涨62.01%，而恒生科技指数下跌7.98% [59] ETF投顾策略跟踪 - 鑫选ETF绝对收益策略2024年初至今总回报为46.53%，较ETF等权超额7.16%，夏普比率1.45，最大回撤6.3% [10] - 全天候多资产多策略ETF风险平价策略2024年初至今收益率为22.43%，最大回撤3.62%，波动率4.33%，夏普比率2.32 [13] - “复苏”固收+组合自2021年至今年化收益7.63%、年化波动率7.06%，夏普率1.07，组合在港股15个高流动性ETF中做月度轮动并持有30年长债 [19] - 中美核心资产组合2015年初至今年化回报为34.15%，较各指数等权超额收益12.73%，夏普比率1.67，最大回撤18.23% [23] - 高景气/红利轮动策略2021年初至今年化收益24.49%，较各指数等权超额收益22.91%，夏普比率1.05，最大回撤22.91% [26] - 双债LOF增强策略2019年初至今年化收益6.48%，夏普比率2.5，最大回撤2.42%，波动率2.52% [29] - 结构化风险平价（QDII）策略2024年初至今收益率为25.59%，最大回撤2.38%，波动率4.63，夏普比率为2.5 [32] 指数基金新发市场追踪 - 本周新申报指数基金15只，包括易方达巴西IBOVESPA ETF、广发上证科创板芯片ETF等 [36] - 本周新成立公募基金共10只，募集总金额95.48亿元，其中新成立指数基金4只，首发规模17.08亿元 [38] - 下周首发指数基金16只，包括鹏华国证机器人产业ETF联接、招商创业板人工智能ETF等 [41] - 下周新上市指数基金4只，如广发中证卫星产业ETF上市交易份额117.1426亿份 [42] ETF资金流向 - 截至2025年10月17日，A股、债券、商品、跨境ETF本周净申赎金额分别为231.4亿元、-138.9亿元、205.7亿元、272.0亿元 [47] - A股ETF细分类别中，宽基ETF转为净卖出166亿元，中证A500遭减持78亿，科创200吸金14亿元，有色金属增持95亿元，银行、非银获资金青睐 [48] - 跨境ETF中，恒生科技ETF（513180.SH）本周资金净流入26.80亿元 [54] - 商品类ETF中，黄金ETF（518880.SH）本周上涨11.23%，年初至今上涨61.40% [55][61] 市场表现复盘 - A股市场本周银行板块上涨4.99%，煤炭板块上涨4.27%，而电子板块下跌7.10%，计算机板块下跌5.90% [60] - 全球市场本周韩国综合指数上涨3.83%，纳斯达克指数上涨2.14%，德国DAX下跌1.49%，恒生指数下跌3.97% [59] - 大宗商品中伦敦金现本周上涨5.81%，伦敦银现上涨3.46%，ICE布油下跌2.22% [59] - 鑫选ETF池中涨幅前三为黄金ETF（518680.SH）本周涨11.32%，银行ETF（512800.SH）本周涨5.26%，煤炭ETF（515220.SH）本周涨4.38% [61]