市场环境特征 - A股市场板块轮动为常态，上证指数冲击3900点过程中经历了红利、创新药、CPO等多个热点切换，当前市场风格仍频繁变动 [1] - 今年以来A股整体保持较强韧性，市场交投活跃度较高，热点呈现分散化且频繁切换的典型特征 [5] - 地缘政治、宏观经济预期及短期消息面等因素可能加剧市场波动，引发情绪化交易 [2] - 在注册制全面推行的背景下，A股上市公司数量已突破5000家，部分个股因研究覆盖不足可能存在信息挖掘不充分或定价偏差的机会 [2] 量化投资的核心优势 - 量化投资凭借严格纪律性规避人性干扰确保策略精准执行，并通过分散化组合有效管控非系统性风险 [1] - 主动量化基金通过全市场模型扫描与选股跨市场捕捉结构性机会，以纪律性执行策略弱化人性弱点减少主观决策偏差 [2] - 策略通过数百只个股的低仓位分散配置降低非系统性风险，结合海量数据分析追求超额收益 [2] - 全市场量化选股策略约束条件更为宽松，在挖掘超额收益方面具备更广泛的机会空间，长期维度有望实现更具确定性的超额收益 [2] 超额收益的获取方法 - 追求超额收益需注重收益来源的多样性以适应多变市场环境，以及持仓分散度以避免押注单一风格或行业带来的较大波动 [3] - 采用技术框架支撑的"多策略"选股模型，基于"自上而下"思路构建多个独立训练的子模型，通过子模型整合与组合优化生成投资组合 [3] - 通过风险模型将组合相对于基准的跟踪误差控制在目标范围内，即便短期看好某些行业或风格，偏离幅度也受严格限制 [4] - 机器学习架构"多策略"模型从不同维度获取投资机会，超额来源丰富，动态适应不同市场风格，平滑整体组合表现 [4] 量化策略的市场适应性 - 热点分散化且频繁切换的市场环境为量化策略的发挥提供了适配土壤 [5] - 若市场出现资金极致抱团的极端情形，短期内可能对量化策略获取超额收益形成制约，但此类状态蕴含均值回归动能，后续调整可能创造补偿机会 [5] - 量化基金核心价值在于挖掘市场非理性定价机会，超额收益源自长期捕捉这类机会，市场大环境相对均衡时长期仍有机会逐渐积累超额收益 [6]

产品发行与定位 - 兴证全球基金宣布发行兴证全球中证500指数增强基金，由拥有15年量化投资经验的田大伟管理 [1] - 该产品旨在通过多因子量化选股和投资组合优化等方法，在中证500指数基础上追求超额收益 [1] - 指数增强产品风险收益特征明确，创造稳定的超额收益是其生命力 [1] 市场背景与需求 - 截至2024年底，公募基金发行指数增强产品295只，总规模达2127.6亿元人民币，数量和规模均创历史新高 [2] - 无论机构还是个人投资者对风险收益特征明晰的指数增强产品仍有需求，市场仍属“蓝海” [2] 中证500指数投资价值 - 自2004年12月31日基日至2025年8月31日，中证500指数累计上涨604.39%，年化回报达10.21%，高于同期沪深300指数的7.77%和上证50指数的6.48% [2] - 指数覆盖A股市值排名301至800名的股票，平均自由流通市值为137亿元，是“中盘股大本营” [2] - 指数在新经济领域布局突出，超配电子、医药生物、国防军工等行业，国家级“专精特新”企业市值权重占30% [2] 投资策略与流程 - 投资策略基于量化模型选择股票和分配权重，不进行过多的主动判断 [2] - 流程包括：收集清洗基本面、量价、高频及一致预期等原始数据；研发并优化阿尔法因子；筛选有效因子并确定权重；运用组合优化算法计算目标权重；结合股票黑名单和异常值监控形成最终组合 [3] - 风险控制注重行业与风格中性，并控制跟踪指数的偏离度，避免风格漂移 [3] 量化团队与系统 - 量化策略落实依托投研团队、风险管理部、信息技术部、交易部等多部门协同作业 [4] - 量化团队核心工作是Alpha因子的挖掘与验证，系统内每天跟踪的因子超过2000个 [4] - 团队已构建完整的因子研究流程和自研的“研发+交易+跟踪”一体系统，采用高度协同的共享代码库和模块化框架作业模式 [4] 历史业绩表现 - 田大伟管理的兴证全球中证A500指数增强基金自2024年12月24日成立至2025年8月31日，A份额实现收益16.00%，超越基准0.66个百分点 [4] - 该基金今年以来超越基准1.91个百分点 [4] 公司产品布局与行业观点 - 兴证全球基金在指数增强领域有15年积淀，自2010年发行首只产品以来，已布局沪深300、中证800、中证A500、沪港深300、沪港深500等多只指增产品 [7] - 2025年半年报显示，公司旗下4只指增基金共吸引超61万持有人，在港股指增产品方面已率先布局 [7] - 指数增强产品与主动管理基金及ETF有交集，具有工具型产品属性，公司致力于提供长期、稳定、可解释的超额收益 [7] - 随着监管引导公募基金强化业绩基准约束，工具型产品迎来更好发展机遇 [7]

行业规模与增长 - 境内指数产品总规模约6.5万亿元，较上年末增长43% [1] - 其中股票指数产品规模4.63万亿元，债券产品规模1.85万亿元 [1] - 境内ETF市场总规模超5.6万亿元，其中股票ETF规模达3.7万亿元，债券ETF规模超6900亿元 [5] - 全球ETF总规模达17.7万亿美元，中国境内ETF市场规模超5.5万亿元，超越日本成为亚洲最大ETF市场 [4] 交易所动态与产品布局 - 上交所上市ETF产品760只，总规模近4万亿元，参与账户数达1000万户 [5] - 上证、中证编制的指数超过8700条，跟踪产品规模超过5万亿元 [2] - 近五年来沪市ETF产品规模从0.9万亿元增至4万亿元，累计增长近3.5倍 [2] - 上交所构建了以科创板指数为核心的科技创新指数体系，已发布科技类指数369条，产品规模达9000亿元 [2] - 科创板指数达33条，跟踪产品规模超3400亿元，成为A股指数化投资比例最高板块 [2] 产品创新与战略方向 - 上交所发布绿色相关指数148条，产品规模近800亿元；发布红利、债券等多资产指数近1200条，跟踪产品规模近7600亿元 [2] - 沪市宽基ETF规模1.8万亿元；科创板ETF产品102只，规模超3000亿元；红利ETF产品规模1000亿元，较2024年初增长176% [5] - 上交所聚焦上海五个中心功能定位，发布上海现代产业、科技领先等系列指数 [2] - 未来趋势包括宽基指数产品重要性提升，人工智能等行业主题指数及红利等策略指数是差异化布局方向 [5] 市场生态与驱动因素 - 去年"924"行情以来，ETF成交额占A股整体成交额比例达7%以上，市场渗透率显著提升 [3] - 指数化投资增长驱动因素包括产品公开透明、低成本、分散化优势，以及市场有效性提升和产品体系丰富 [3] - 境内ETF市场发展呈现加速度，从0到1万亿元历时17年，而从4万亿到5万亿元仅用4个月 [4] - 今年以来境内非货ETF净流入近7000亿元 [5]

根据研报内容，现对其中涉及的量化模型与因子总结如下： 量化模型与构建方式 **1 模型名称：A股大盘择时模型** - **模型构建思路**：从估值、情绪、资金、技术四个维度对万得全A指数进行整体方向性判断，各维度日频发出信号，综合判断多空观点[9] - **模型具体构建过程**：四个维度每日信号取值为0、±1，分别代表看平、看多、看空[9]；估值和情绪维度采用反转逻辑，刻画市场均值回归特征；资金和技术维度采用趋势逻辑，刻画市场趋势延续特征[9]；以各维度得分之和的正负性作为大盘多空观点依据[9]；具体指标包括：估值维度-股权风险溢价(ERP)[15]；技术维度-布林带、个股涨跌成交额占比差[15]；资金维度-融资买入额[15]；情绪维度-期权期货指标(期权沽购比、期权隐含波动率、期货会员持仓比)[15] **2 模型名称：红利风格择时模型** - **模型构建思路**：结合中证红利相对中证全指的动量、10Y-1Y期限利差和银行间质押式回购成交量三者的趋势进行择时[17] - **模型具体构建过程**：三个指标从趋势维度日频发出信号，每日信号取值为0、+1、-1[17]；以各维度得分之和的正负性作为红利风格多空观点依据[17]；当模型看好红利风格时全仓持有中证红利，不看好时全仓持有中证全指[17]；具体指标逻辑：中证红利相对中证全指的动量为红利风格正向指标[21]；10Y-1Y期限利差为红利风格负向指标[21]；银行间质押式回购成交量为红利风格正向指标[21] **3 模型名称：大小盘风格择时模型** - **模型构建思路**：采用基于拥挤度分域的趋势模型进行择时，根据拥挤度状态选择不同参数的双均线模型判断趋势[22] - **模型具体构建过程**：以沪深300指数和万得微盘股指数为大小盘风格代表[22]；首先计算大小盘风格拥挤度得分：动量之差-计算万得微盘股指数与沪深300指数的10/20/30/40/50/60日动量之差，进一步计算各窗长动量之差的3.0/3.5/4.0/4.5/5.0年分位数的均值，对6个计算窗长下分位数最高的3个结果取均值作为小盘风格的动量得分，对分位数最低的3个结果取均值作为大盘风格的动量得分[26]；成交额之比-计算万得微盘股指数与沪深300指数的10/20/30/40/50/60日成交额之比，进一步计算各窗长成交额之比的3.0/3.5/4.0/4.5/5.0年分位数的均值，对6个计算窗长下分位数最高的3个结果取均值作为小盘风格的成交量得分，对分位数最低的3个结果取均值作为大盘风格的成交量得分[26]；将小盘风格的动量得分和成交量得分取均值得到小盘风格拥挤度得分，大于90%视为触发高拥挤；将大盘风格的动量得分和成交量得分取均值得到大盘风格拥挤度得分，小于10%视为触发高拥挤[26]；若最近20个交易日中曾触发过高拥挤，视为运行在高拥挤区间，采用小参数双均线模型；否则运行在低拥挤区间，采用大参数双均线模型[24] **4 模型名称：遗传规划行业轮动模型** - **模型构建思路**：采用遗传规划技术直接对行业指数的量价、估值等特征进行因子挖掘，每季度末更新因子库，周频调仓选出多因子综合得分最高的五个行业进行等权配置[29] - **模型具体构建过程**：底层资产为32个中信行业指数[29]；采用双目标遗传规划，使用|IC|和NDCG@5两个指标同时评价因子的分组单调性和多头组表现[32]；在NSGA-II算法加持下挖掘兼具分组表现单调、多头表现优秀的行业轮动因子[32]；对于挖掘得到的备选因子，结合贪心策略和方差膨胀系数，将共线性较弱的多个因子合成为行业得分[33]；最新一期权重最高的因子基于单行业阻力支撑位构建，具体计算过程：在过去25个交易日中，计算周度标准化最低价和月度标准化开盘价的协方差，记作变量A[37]；在过去15个交易日中，对周度标准化最高价开展zscore标准化，取标准化后大于2.0的日期，对A进行反转即乘以-1后，计算这15个交易日A之和[37] **5 模型名称：中国境内全天候增强组合** - **模型构建思路**：采用宏观因子风险预算框架，选取增长超预期/不及预期、通胀超预期/不及预期四种宏观风险源作为平价对象，在四象限风险平价基础上基于宏观预期动量的观点主动偏配看好象限[38] - **模型具体构建过程**：构建分为三步：宏观象限划分与资产选择-选择增长和通胀维度，根据是否超预期划分为四象限，结合"定量+定性"方式确定各象限适配资产[41]；象限组合构建与风险度量-象限内资产等权构建子组合，注重刻画象限的下行风险[41]；风险预算模型确定象限权重-每月底根据"象限观点"调整象限风险预算进行主动偏配，"象限观点"由宏观预期动量指标给出，该指标综合考虑资产价格交易的"买方预期动量"和经济指标预期差体现的"卖方预期差动量"[41]；模型月频调仓，10月配置观点为超配"增长超预期"象限和"通胀超预期"象限[5] 模型的回测效果 **1 A股大盘择时模型** - 今年以来扣费后收益：37.73%[2] - 同期万得全A涨跌幅：21.64%[2] - 超额收益：16.10%[2] - 上周超额收益：3.45%[2] - 回测区间年化收益：24.97%[14] - 最大回撤：-28.46%[14] - 夏普比率：1.16[14] - Calmar比率：0.88[14] **2 红利风格择时模型** - 今年以来收益：19.53%[17] - 同期基准收益：12.94%[17] - 超额收益：6.59%[17] - 回测区间年化收益：15.71%[20] - 最大回撤：-25.52%[20] - 夏普比率：0.85[20] - Calmar比率：0.62[20] **3 大小盘风格择时模型** - 今年以来收益：64.58%[24] - 同期基准收益：38.08%[24] - 超额收益：26.50%[24] - 回测区间年化收益：26.01%[27] - 最大回撤：-30.86%[27] - 夏普比率：1.08[27] - Calmar比率：0.84[27] **4 遗传规划行业轮动模型** - 今年以来绝对收益：39.41%[4] - 跑赢行业等权基准：19.56pct[4] - 回测区间年化收益：33.33%[32] - 年化波动：17.89%[32] - 夏普比率：1.86[32] - 最大回撤：-19.63%[32] - 卡玛比率：1.70[32] **5 中国境内全天候增强组合** - 今年以来绝对收益：10.74%[5] - 夏普比率：2.33[5] - 最大回撤：2.67%[5] - 卡玛比率：5.38[5] - 月度胜率：100%[5] - 回测区间年化收益：11.66%[42] - 年化波动：6.18%[42] - 夏普比率：1.89[42] - 最大回撤：-6.30%[42] - 卡玛比率：1.85[42] 量化因子与构建方式 **1 因子名称：遗传规划挖掘的行业轮动因子** - **因子构建思路**：采用遗传规划技术直接从行业指数的量价、估值等数据挖掘因子，不再依托逻辑设计行业打分规则[32] - **因子具体构建过程**：底层输入变量包括收盘价原始值、开盘价原始值、最高价原始值、最低价原始值、成交额原始值、换手率原始值等原始数据，以及标准化处理后的各类技术指标[36]；最新一期权重最高的因子表达式为：ts_grouping_deczscorecut_torch(ts_covariance_torch(wlow_st, mopen_st, 25), whigh_st, 15, 2.0, 2)，训练集IC为0.081，训练集NDCG@5为0.350，因子权重29.4%[36]

量化模型与因子总结 量化模型与构建方式 1. AI主题指数轮动模型 **模型构建思路**：使用全频段量价融合因子对主题指数进行打分，构建周频调仓的指数轮动策略[3][6] **模型具体构建过程**： 1. 主题指数池：根据Wind的ETF基金分类，选取主题ETF基金跟踪的指数形成主题指数池，共有133个主题指数[9] 2. 因子：使用全频段量价融合因子，通过主题指数成分股的因子得分对每个主题指数进行打分[9] 3. 策略规则：每周最后一个交易日选择模型得分最高的10个主题指数等权配置，以下周第一个交易日开盘价买入，周频调仓，交易成本为双边万分之四[9] 2. AI概念指数轮动模型 **模型构建思路**：使用全频段量价融合因子对概念指数进行打分，构建周频调仓的指数轮动策略[11][13] **模型具体构建过程**： 1. 概念指数池：选取Wind热门概念指数，共有72个概念指数[15] 2. 因子：使用全频段量价融合因子，通过概念指数成分股的因子得分对每个概念指数进行打分[15] 3. 策略规则：每周最后一个交易日选择模型得分最高的10个概念指数等权配置，以下周第一个交易日开盘价买入，周频调仓，交易成本为双边万分之四[15] 3. AI行业轮动模型 **模型构建思路**：使用全频段量价融合因子对行业进行打分，构建自下而上的周频行业轮动策略[4][16] **模型具体构建过程**： 1. 行业池：主要为一级行业，其中食品饮料拆成食品、饮料和酒类，有色金属拆成工业金属、贵金属和稀有金属，不考虑综合和综合金融，共有32个行业[23] 2. 因子：使用全频段量价融合因子，通过行业成分股的因子得分对每个行业进行打分[23] 3. 策略规则：每周最后一个交易日选择模型得分最高的5个行业等权配置，以下周第一个交易日收盘价买入，周频调仓，不计交易成本[23] **模型评价**：能够利用AI模型的特征提取能力，充分挖掘多频段量价数据中的规律，与自上而下策略形成互补[16] 4. AI中证1000增强组合 **模型构建思路**：基于全频段融合因子构建中证1000指数的增强组合[1][27] **模型具体构建过程**： 1. 因子：全频段融合因子[29] 2. 组合构建方式：成分股权重不低于80%，个股权重偏离上限为0.8%，barra暴露小于0.3，周双边换手率控制为30%，周频调仓，交易费用为双边千分之四[29] 5. 文本FADT_BERT选股组合 **模型构建思路**：基于盈利预测调整场景下的文本因子构建主动量化选股组合[32] **模型具体构建过程**：对盈利预测调整场景下的文本因子进行升级，构建了forecast_adjust_txt_bert因子，并基于该因子的多头端基础股票池进行增强，构建top25的主动量化选股组合[32] 量化因子与构建方式 1. 全频段量价融合因子 **因子构建思路**：通过深度学习模型融合高频和低频量价数据信息[26] **因子具体构建过程**： 1. 首先用深度学习模型训练27个高频因子，得到高频深度学习因子[26] 2. 接着利用多任务学习对低频量价数据进行端到端挖掘，得到低频多任务因子[26] 3. 最后将高频深度学习因子和低频多任务因子合成为全频段融合因子[26] 2. 文本FADT_BERT因子 **因子构建思路**：在盈利预测调整场景下对文本因子进行升级[32] **因子具体构建过程**：对盈利预测调整场景下的文本因子进行升级，构建了forecast_adjust_txt_bert因子[32] 模型的回测效果 1. AI主题指数轮动模型 年化收益率16.76%，年化超额收益率10.61%，超额收益最大回撤20.79%，超额夏普比率0.82，今年以来收益率24.22%[8] 2. AI概念指数轮动模型 年化收益率23.06%，年化超额收益率10.78%，超额收益最大回撤19.48%，超额夏普比率0.91，今年以来收益率25.27%，今年以来超额收益率-0.98%[13] 3. AI行业轮动模型 年化收益率26.55%，年化超额收益率20.18%，超额收益最大回撤12.43%，超额夏普比率1.96，今年以来收益率23.70%，今年以来超额收益率1.52%[22] 4. AI中证1000增强组合 年化收益率20.19%，年化波动率23.47%，夏普比率0.86，最大回撤33.08%，年化超额收益率22.09%，年化跟踪误差6.07%，超额收益最大回撤7.55%，信息比率3.64，Calmar比率2.92，相对基准月胜率79.81%，调仓双边换手率32.60%[30] 5. 文本FADT_BERT选股组合 自2009年初回测以来年化收益率39.96%，相对中证500超额年化收益30.76%，组合夏普比率1.39[32] 因子的回测效果 1. 全频段量价融合因子 5日RankIC均值0.116，TOP层年化超额收益率29.98%，今年以来TOP层超额收益率16.97%[26] 2. 文本FADT_BERT因子 截至2025年10月17日，文本FADT_BERT组合本月以来绝对收益-2.29%，相对中证500超额收益3.06%，今年以来绝对收益20.49%，超额收益-2.04%[32]

根据提供的量化周报内容，以下是报告中涉及的量化模型和因子的总结： 量化模型与构建方式 **1 模型名称：三维择时框架** - 模型构建思路：基于流动性、分歧度和景气度三个维度对市场状态进行判断[7] - 模型具体构建过程：通过监控流动性趋势（下行）、分歧度趋势（上行）和景气度趋势（稳中有升）三个维度的变化，综合判断市场处于震荡下跌状态[7] **2 模型名称：热点趋势ETF策略** - 模型构建思路：根据K线形态和换手率筛选短期市场关注度提升的ETF构建组合[28] - 模型具体构建过程：首先选出最高价与最低价同时为上涨形态的ETF；然后根据最高价与最低价近20日回归系数的相对陡峭程度构建支撑阻力因子；最后选择因子多头组中近5日换手率/近20日换手率最高（即短期市场关注度明显提升）的10只ETF构建风险平价组合[28] **3 模型名称：资金流共振策略** - 模型构建思路：结合融资融券资金流和主动大单资金流，选择两类资金都看好的行业[37] - 模型具体构建过程：定义行业融资融券资金因子为barra市值因子中性化后的融资净买入-融券净买入（个股加总），取最近50日均值后的两周环比变化率；定义行业主动大单资金因子为行业最近一年成交量时序中性化后的净流入排序，并取最近10日均值；在主动大单因子的头部打分内做融资融券因子的剔除，以提高策略稳定性[37] 模型的回测效果 **1 三维择时框架**：保持震荡下跌判断[7] **2 热点趋势ETF策略**：本周策略中主要包括家电、半导体、有色、国央企、石化、碳中和等行业、以及上证深证宽基等ETF[31] **3 资金流共振策略**：2018年以来费后年化超额收益13.5%，信息比率1.7，相对北向-大单共振策略回撤更小；策略上周超额收益录得正向超额收益，实现2.37%的绝对收益与4.96%的超额收益（相对行业等权）[37] 量化因子与构建方式 **1 因子名称：风格因子（Barra风格因子）** - 因子构建思路：采用Barra框架下的经典风格因子进行市场风格分析[41] - 因子具体构建过程：包括size（市值）、beta（贝塔）、momentum（动量）、volatility（波动率）、nlsize（非线性市值）、value（价值）、liquidity（流动性）、earnings yield（盈利收益率）、growth（成长）、leverage（杠杆）等因子[42] **2 因子名称：Alpha因子** - 因子构建思路：多维度观察不同因子的表现趋势，从各时间维度、宽基指数和行业板块等角度分析因子表现[43] - 因子具体构建过程：除规模因子外，均进行市值、行业中性化处理，规模因子进行行业中性化处理；按照流通市值加权测算不同大类因子的多头收益（因子方向下前1/5组）[43] 因子的回测效果 **1 风格因子近期表现**： - size因子：本年-23.40%，最近一月4.72%，最近一周1.39%[42] - beta因子：本年27.16%，最近一月2.83%，最近一周2.63%[42] - momentum因子：本年-3.08%，最近一月-0.40%，最近一周0.51%[42] - volatility因子：本年-18.85%，最近一月0.80%，最近一周0.39%[42] - nlsize因子：本年-18.02%，最近一月2.02%，最近一周0.98%[42] - value因子：本年-4.53%，最近一月-1.25%，最近一周-1.35%[42] - liquidity因子：本年-10.35%，最近一月0.52%，最近一周1.13%[42] - earnings yield因子：本年-10.40%，最近一月0.84%，最近一周-0.50%[42] - growth因子：本年-0.45%，最近一月4.73%，最近一周1.51%[42] - leverage因子：本年-9.29%，最近一月2.38%，最近一周-0.64%[42] **2 Alpha因子近期表现**： - 机构持仓类因子：io to float a share近一周多头超额1.33%，近一月3.68%[46] - 动量类因子：mom 1y 1m近一周多头超额0.94%，近一月1.79%[46] - 成长类因子：tot rd ttm to assets在不同宽基指数中表现稳健，在沪深300中多头超额22.36%，中证500中19.16%，中证1000中22.48%，中证800中26.49%[48]

指数增强基金市场表现 - 截至10月15日，全市场被动指数型基金近一年平均回报为31.68%，增强指数型基金同期回报为35.34% [1] - 跟踪稀有金属、中证2000、半导体、人工智能、中证1000等指数的多只产品近一年回报均在50%以上 [1] - 今年以来有140只左右指数增强新基金成立，相较2024年全年增加1倍以上，等待发行的基金中还有6只指数增强基金 [1] 指数增强基金产品优势 - 指数增强产品受益于ETF的大发展，具有相对明确的风险收益特征，扣除费率后的产品收益能与ETF竞争 [2] - 全市场指数增强产品合计规模仅三四千亿元，向上空间较大 [2] - 产品通过对标指数及主动管理，给予基金经理发挥空间实现超额收益，部分产品通过行业或风格主动配置，部分通过量化方式寻找有效阿尔法因子 [2] 量化选股型产品发展 - 市场出现“空气指增”产品，基于量化模型在全市场选股，不跟踪任何指数或不受指数约束，被划归量化选股基金类别 [3] - 以长盛盛丰混合基金为例，其锚定中证A500成分股中的“中小盘行业龙头组合”，通过归一化处理权重，聚焦新质生产力标的以跑赢指数 [3] - 截至二季末，全市场共计有277只量化选股型基金，合计管理规模为903.20亿元，因投资范围更广、风格暴露自由度更高，业绩展现更高弹性 [3]

报告行业投资评级 未提及 报告的核心观点 根据华泰商品多因子模型 本周建议多配铜、白银、豆油、黄金、鲜苹果 少配玻璃、氧化铝、纯碱、鸡蛋、苯乙烯[4][51] 根据相关目录分别进行总结 板块流动性 - 本周基本金属板块成交17843.54亿元 较上周变动104.21% 保证金507.24亿元 较上周变动 - 33.30亿元[1] - 能源化工板块成交16411.53亿元 较上周变动148.50% 保证金365.00亿元 较上周变动1.98亿元[1] - 农产品板块成交12221.84亿元 较上周变动88.30% 保证金418.53亿元 较上周变动18.64亿元[1] - 贵金属板块成交51723.17亿元 较上周变动271.03% 保证金763.38亿元 较上周变动49.60亿元[1] - 黑色建材成交10133.42亿元 较上周变动161.66% 保证金333.53亿元 较上周变动19.48亿元[1] - 股指期货板块成交39218.50亿元 较上周变动133.22% 保证金1549.17亿元 较上周变动 - 106.72亿元[1] - 国债期货板块成交15928.95亿元 较上周变动132.22% 保证金160.84亿元 较上周变动11.45亿元[1] 市场与板块风格 - 今年以来 万得商品指数涨跌幅33.76% 有色指数涨跌幅2.25% 能源指数涨跌幅 - 22.63% 化工指数涨跌幅 - 17.92% 油脂油料指数涨跌幅4.47% 贵金属指数涨跌幅48.17% 煤焦钢矿指数涨跌幅0.64%[2] - 华泰商品长周期动量指数涨跌幅18.76% 短周期动量指数涨跌幅0.20% 偏度指数涨跌幅12.23% 期限结构指数涨跌幅3.39%[2] - 股指期权最新VIX指标情况 上证50股指期权19.26% 沪深300股指期权20.98% 中证1000股指期权26.67%[2] 板块升贴水结构 - 股指期货最新基差情况 IH7.47点 IF - 17.27点 IC - 143.47点 IM - 159.17点 年化基差率情况 IH1.46% IF - 2.22% IC - 11.85% IM - 12.83%[3] - 国债期货最新基差情况 TS - 0.02元 TF - 0.05元 T0.10元 TL - 0.29元 最新净基差情况 TS - 0.01元 TF - 0.04元 T - 0.08元 TL - 0.51元[3] 策略 - 根据华泰商品多因子模型 本周建议多配铜、白银、豆油、黄金、鲜苹果 建议少配玻璃、氧化铝、纯碱、鸡蛋、苯乙烯[4][51]

准百亿私募行业概览 - 截至2025年9月底，准百亿私募（管理规模50-100亿元）共有110家，是捕捉未来头部机构“时间红利”的关键阶段 [2][3] - 按投资模式划分，主观私募数量最多，有59家；量化私募有34家；混合型私募（“主观+量化”）有17家 [3] - 从地域分布看，上海、北京、深圳是主要聚集地，私募数量分别为53家、25家、14家，合计92家，占比高达83.64% [3] - 行业内员工人数超过100人的私募仅有洛书投资（107人）和纽达投资（101人）2家，另有7家私募拥有香港9号牌照 [3] 三季度规模变动情况 - 准百亿私募阵营在三季度整体扩大，共有23家私募从20-50亿规模组“跳级”进入50-100亿规模组 [4] - 在新增的23家私募中，量化策略占据主导，有13家；主观策略有9家；混合型策略有1家 [4] - 另有2家原百亿私募管理规模“滑落”至50-100亿区间，其余准百亿私募管理规模保持不变 [4] 业绩表现排名（今年前三季度） - 旗下至少有3只产品符合排名规则的私募公司共有44家，收益前10强的上榜门槛为特定百分比 [7] - 收益位列前5的私募均为主观策略，分别是同犇投资、盛麒资产、望正资产、远信投资、国源信达 [7] - 同犇投资在今年前三季度及近1年均夺得准百亿私募冠军，其投资理念基于深入基本面研究的价值投资和大消费投资 [7] - 盛麒资产是唯一一家在今年来、近1年、近3年、近5年的业绩均位列前5的准百亿私募，其管理规模于10月初跃升至50-100亿 [7][8] - 盛麒资产实控人曾文凯公开看好黄金，认为当前是百年未遇的周期，并看好挂靠黄金的稳定币 [9] 业绩表现排名（近1年） - 近1年收益10强私募的上榜门槛为特定百分比，主观私募和量化私募在10强中各占5家 [10] - 主观私募包揽了近1年收益前5名，分别为同犇投资、远信投资、望正资产、盛麒资产、国源信达 [10] - 在上榜的量化私募中，海南盛丰私募表现最佳，其管理规模于9月跃升至50-100亿 [10][11] - 远信投资夺得近1年亚军，公司秉持基于深度基本面研究的长期价值投资理念 [10] 业绩表现排名（近3年） - 近3年收益10强私募的上榜门槛为特定百分比，其中主观私募有7家，量化私募有3家 [12] - 收益前5的私募分别是大岩资本（量化）、国源信达（主观）、华安合鑫（主观）、盛麒资产（主观）、同犇投资（主观） [12] - 大岩资本以特定百分比收益位列近3年第1，是国内成立较早的量化机构，核心投研团队稳定 [12] - 国源信达位列近3年第2，其看好黄金在美联储降息周期中的表现，认为调整是上车机会 [13] 业绩表现排名（近5年） - 近5年收益10强私募的上榜门槛为特定百分比，其中主观私募、量化私募、混合型私募分别有5家、4家、1家 [14] - 均成资产（量化）夺得近5年第1，公司投资领域覆盖股票、股指期货及商品期货，致力于研发多样化量化策略 [15] - 收益前4名均由深圳地区的私募包揽，包括均成资产、望正资产、博普科技、前海博音资产 [15] - 盛麒资产在近5年业绩排名中位列第5，延续其长期稳健的业绩表现 [15]

行业发展趋势 - 数字化智能化浪潮正推动证券投资向现代投资科学系统演进 [1] - 指数投资以透明、低成本、风险分散为特征，是标准化科技思想的集中体现 [1] - 量化投资以数学模型和计算能力为基石，是系统化方法原理的工程实践 [1]