两位创始人陈泽浩和邹倚天均为国内第一批华尔街归国量化投资经理，均拥有18年海内外量化投资实战经验。目前，黑翼资产已实现全流程AI量化投 资，并构建了多元化的策略矩阵，覆盖量化选股、指数增强、市场中性、多策略、量化CTA等产品线。黑翼资产的两位创始人既是基金经理，也是核心量 化策略的控制人，公司管理结构非常稳定。 黑翼资产；历史不代表未来，市场有风险，投资需谨慎 （来源：中信建投财富管理） 在A股市场风格频繁切换、波动常态化的背景下，兼具"市场贝塔收益+超额阿尔法收益"的指数增强策略，有望成为投资者穿越市场周期的重要配置工 具。其中，聚焦中小盘成长风格的中证1000指数增强策略，凭借高弹性、高成长等特点，吸引了众多投资者的目光。 在这片蓝海中，黑翼资产凭借多年海内外量化积淀，以AI赋能为核心，力争打造出具有市场竞争力的1000指增策略产品，为投资者提供配置该策略的有 力工具。 创始人及投研团队 黑翼资产成立于2014年，是国内首批成立的量化投资机构之一，始终贯彻科学理性、策略多元和长期稳健的投资理念。黑翼资产专注于数量模型研究，公 司注重回撤控制和长期业绩表现，以投资者利益为核心，力争在控制回撤的基础上获取可观 ...

公司创始人与背景 - 温州睿亿科技有限公司创始人樊睿哲大学期间以6万元人民币起步投资，目前个人资产突破1.6亿元 [2] - 其创立的RY Capital管理规模达8000万美元 [2] - 2021年创始人获得“第21届全国职业金融投资大赛”冠军，并在“第八届全国证券投资模拟实训大赛”区域赛中带领团队获市场交易组东部赛区团队一等奖 [2] 公司业务与技术发展 - 公司专注于金融科技领域创新与研发，在AI量化交易与数字货币投资分析领域取得突破 [2] - 自主研发的“数字货币量化投资AI技术应用软件”获得多项技术认证并应用于实际投资决策 [2] - 构建了具备自主知识产权的AI交易系统，融合多因子模型、机器学习与动态风控机制，能在高频交易中实现稳定超额收益 [4] 投资机构表现与合作 - RY Capital在三年内管理规模从200万美元增长至8000万美元，投资回报超过40倍，年化夏普比率稳定在2.3以上 [4] - 2025年1月RY Capital与AC Capital联合宣布推出一支专注于加密资产二级市场的基金，规模达5000万美元 [4] - 该基金由双方共同管理，计划投资于多种主流虚拟资产 [4] 跨界布局与产业协同 - 以杭州、温州为支点布局商业地产、供应链管理、汽车租赁、内容传媒等多个实体板块 [6] - 通过睿亿商业地产、睿亿供应链管理等企业串联资金流、物流与品牌流，形成去中心化实业网络 [6] - 创始人提出“用结构去对抗不确定性”的投资哲学，将投资决策转化为数据驱动的自动化流程 [5] 行业影响与观点 - 创始人频繁活跃于行业前沿论坛，曾在香港Web3峰会期间与以太坊创始人Vitalik Buterin同台并就AI与Web3融合路径发表观点 [6] - 强调AI Agent将在区块链系统中扮演自动化金融交互主体的技术趋势 [6] - AC Capital与RY Capital的合作被视为加密资管领域新范式，标志着工程语言、金融逻辑与跨界视野共同驱动的新时代开启 [7]

民生加银基金的AI量化战略 - 公司是公募量化领域AI竞赛的先行者 早在2021年就由量化投资总监何江率队聚焦AI量化投资策略研究 [1] - 历时四年构建了"数据-特征-策略-组合"的飞轮闭环 形成持续进化且难以复制的核心护城河 [1] - AI量化被视为公募基金生存的必答题 未来行业将形成"AI主导量化+工具型指数产品"的新生态 [1] 基金经理何江的背景与转型 - 基金经理何江毕业于清华大学流体力学专业 早期对混沌复杂系统的研究为其转向量化投资埋下伏笔 [5] - 受到华尔街"火箭科学家"转行金融及AlphaGo事件的启发 认识到投资中的"盘感"可能是非线性规律 [5] - 于2019年加入民生加银基金后 率队开启从传统量化到AI量化的转型 [5] 转向AI量化的核心动因 - 传统量化遭遇瓶颈 多因子策略同质化严重 线性模型效力衰减 例如2022年中证500指增公募平均超额收益已跌破3% [6] - AI技术红利爆发 算力提升和算法迭代使AI模型能捕捉人脑难以解析的复杂市场非线性关系 预测胜率较高 [6] - 公司具备独特数据优势 已转化整合内部主动投研成果 构建起专属的基本面特征数据库 [7] AI量化策略的核心特色与优势 - 全AI策略替代传统线性模型 实现从"因子加权打分"到"复杂非线性规律挖掘"的本质跃迁 例如中证800增强策略升级为AI模型后超额收益显著提升 [9] - 工程化平台支撑 构建模块化开发体系 各模块协同迭代升级 核心壁垒在于将主观认知转化为机器可学习优化的机制 [10] - AI模型创新体现在三个维度：数据维度提升（处理高维海量及非结构化数据）、模型能力飞跃（捕捉非线性关系）、决策过程进化（动态自适应） [11] 国证2000指数的配置价值与产品表现 - 看好国证2000指数在科技升级中的中长期配置价值 尤其在AI、科技成长、高端制造等领域存在结构性机会 [13] - 公司旗下国证2000指数增强基金是AI量化策略代表作 截至今年6月末近六个月回报17.18%（基准10.26%） 近一年回报49.66%（基准35.04%） 近一年同类排名3% [13] - 国证2000指数作为增强标的具备核心优势：成份股数量多、行业分布广、定价效率低、成长属性突出 为量化策略捕捉Alpha提供丰厚土壤 [13] AI量化的实践与风险管理 - 有效的量化增强需结合严格风险控制 在行业中性、风格偏离中性等约束下 依据AI模型打分进行组合优化 [14] - AI并非预测水晶球 基于历史数据总结规律 在外部冲击导致短期扰动时需依赖风险管理 产品在2024年小盘股暴跌和2025年关税风波中表现稳健 [14] - AI量化是用机器延伸人的认知边界 能同时解析几千只股票的多维特征关系 处理人脑无法企及的复杂度 [14]

AI量化投资发展 - AI通过算力提升和开源工具普及，正推动量化投资进入2.0时代 [1] - 传统量化局限于价值、动量等少量因子，AI量化可识别数百个高频信号并挖掘数据中的非线性关系 [1] - AI量化策略关注约400个由研究员人工构建的高频信号，远超传统量化常用的约20个公司层面信号 [7] 公司AI量化策略特点 - 策略持有期设定约为20天，区别于市场上许多偏向1至5天超短持仓周期的同业 [7][8] - 使用更传统的数据训练模型以覆盖更长历史周期，强调对价值、动量等传统风格因子保持中性暴露 [7][8] - 通过输入具有经济学依据的信号、采用成千上万个简单模型集成训练、以及使用15年数据进行交叉验证三种方法来规避过度拟合风险 [8] AI模型能力与应用 - AI能学习到成千上万种数据间的条件关系，对信号进行条件化筛选，使组合预测力显著强于单独使用某一信号 [6] - 以“分析师上调股票评级”为例，AI通过结合日历信息（如距离财报发布天数）等协同信号建模，能进一步提升命中率 [6] - 模型识别出的信号关系中，人类仅能对约10%给出清晰解释，绝大多数复杂关系需借助机器学习识别 [7] 全球布局与中国市场计划 - 公司AI量化策略产品已在发达市场验证，正系统性地拓展至新兴市场，A股在计划版图之中 [1][4] - 覆盖新兴市场股票的AI量化策略预计明年落地，届时将纳入A股标的；若新增QDLP额度获批，将考虑推出面向中国投资者的产品 [1][5] - 目前全球资本对中国的兴趣正在回升，团队回测显示其AI识别的信号关系可迁移至包括中国在内的新兴市场 [4][5] 市场差异与模型适应性 - 新兴市场的潜在超额收益似乎高于发达市场，但交易成本也更高，导致两个市场相对于基准的超额收益大致相近 [5] - 在新兴市场同时纳入情绪、价格和基本面全部信号能得到更好结果，说明加入基本面信号能提升模型表现 [5] - 同一套信号在不同市场训练，模型识别到的信号关系不会完全相同，部分为跨区域通用关系，部分为市场特有关系，这些差异可由机器学习自动捕捉 [6] 基金经理角色演变 - 在AI辅助下，基金经理职能从研究因子、搭建模型转变为设计因子、训练模型、检验模型和执行策略 [8] - 公司配置的基金经理人数在传统量化策略和AI量化策略中相同，但职能发生变化 [8]

AI量化投资的发展与优势 - AI通过算力提升和开源工具普及推动量化投资进入2.0时代 [1] - AI量化可识别数百个高频信号并挖掘数据中的非线性关系，而传统量化仅局限于价值、动量等少量因子 [1] - AI量化模型能够研究“分析师上调股票评级是否真的会推动股价上涨”等具体问题，通过结合“分析师评级信号”与日历信息等协同信号，可进一步提升预测命中率 [4] 瑞士百达资管的AI量化策略特点 - 策略关注约400个由研究员人工构建的高频信号，而非传统量化常用的约20个公司层面信号 [5] - 模型训练既关注财报等基本面信息，也关注股价、分析师报告、投资者仓位等数据，并在组合构建上保持对传统风格因子的中性暴露 [5] - 策略持有期设定约为20天，区别于同业偏向1至5天的超短持仓周期 [5] - 策略强调使用更传统的数据进行训练以覆盖更长历史周期，并采用因子中性方法 [5] AI量化策略的全球拓展与中国计划 - 公司量化股票及解决方案投资团队管理规模为250亿美元 [2] - AI量化策略产品已在发达市场验证，正系统性地拓展至新兴市场，计划明年落地新兴市场版本并纳入A股标的 [2] - 目前全球资本对中国的兴趣正在回升，公司通过QDLP面向境内投资者的额度已基本用尽，一旦获得更多配额，AI驱动策略可能成为中国客户的重点候选 [2] - 在中国相关资产上，策略已少量参与港股，A股将成为新兴市场版本落地后的下一步重要资产 [2] AI模型的适应性与风险管理 - AI识别的“信号关系”在各国具有普遍性，回测显示这些关系可迁移至包括中国在内的新兴市场 [3] - 新兴市场的潜在超额收益似乎高于发达市场，但交易成本也更高，因此两个市场相对于基准的超额收益大致相近 [3] - 在新兴市场同时纳入全部信号（包括基本面信号）能得到更好结果，说明加入基本面信号能提升模型表现 [3] - 通过输入具有经济学依据的信号、采用成千上万个简单模型进行集成训练、以及使用15年数据并采用交叉验证的方法来规避过度拟合风险 [6] AI对基金经理角色的影响 - 在AI辅助下，基金经理的职能转变为设计因子、训练模型、检验模型和执行策略，而不再亲自搭建模型 [6][7] - 公司配置的基金经理人数在传统量化策略和AI量化策略下相同，只是职能发生变化 [7]

公司业务与规模 - 瑞士百达资管为瑞士百达集团旗下机构，集团拥有220年历史，截至2025年6月30日资产管理规模达7110亿瑞士法郎 [2] - 量化投资主管雷德玮领导的团队管理规模为250亿美元，其AI量化策略产品已在发达市场验证并计划向新兴市场扩展 [2] AI量化策略的核心优势 - AI量化利用算力提升和开源工具普及，可识别数百个高频信号并挖掘数据中的非线性关系，推动量化投资进入2.0时代 [1] - 传统量化常用约20个公司层面信号，而该策略关注约400个由研究员人工构建的高频信号，AI模型学习信号间的条件关系使预测力显著增强 [5] - AI模型能够进行条件化筛选，例如结合“分析师评级信号”与“日历信息”等协同信号建模，进一步提升预测命中率 [4] 全球市场拓展与中国计划 - 全球资本对中国的兴趣正在回升，公司覆盖新兴市场股票的AI量化策略预计明年落地，届时将纳入A股标的 [2] - 公司目前通过QDLP面向境内投资者的额度已基本用尽，一旦获得更多配额，AI驱动策略可能成为中国客户的重点候选产品 [2] - 公司AI量化策略投资范围目前以MSCI World指数为跟踪标的，主要覆盖发达市场股票；团队已推进新兴市场版本，预计明年有望将部分A股纳入投资范围 [2] AI量化策略的差异化特点 - 策略专注约20天持有期，与同业偏向1至5天的超短持仓周期形成差异 [5] - 策略强调因子中性，在动量、价值、成长、规模等风格上保持均衡和独立，不对单一风格做过多暴露 [5] - 策略使用更传统的数据训练模型以覆盖更长历史周期，避免过度依赖历史较短的另类数据 [5] AI模型的风险控制与适应性 - 通过三个方法规避过度拟合风险：输入具有经济学依据的信号、采用成千上万个简单模型进行集成训练、使用15年数据并采用交叉验证方法 [6] - 团队研究发现，AI识别的信号关系在各国具有普遍性，回测显示这些关系可迁移至包括中国在内的新兴市场 [3] - 在新兴市场同时纳入全部信号（包括情绪、价格和基本面信号）能得到更好结果，说明加入基本面信号能提升模型表现 [3] AI对基金经理角色的影响 - 在AI辅助下，基金经理职能转变为设计因子、训练AI模型、检验模型和执行策略，而不再手动搭建模型 [6] - 公司配置的基金经理人数在传统量化与AI量化策略下保持一致，但工作职能发生一定变化 [6]

量化选股型基金市场概况 - 截至2025年二季末，全市场量化选股型基金数量达277只，合计管理规模903.20亿元[3][12] - 此类基金不受指数成分股比例和跟踪误差约束，投资范围更广且风格暴露自由度更高，业绩弹性显著[3][12] - 策略环境宽松允许基金经理构建差异化投资框架，但投资者面临策略认知不清晰的挑战[3][13] 基金经理策略框架分析 冯玺祥（信达澳亚基金） - 采用多因子线性模型与机器学习动态加权模型分仓运作，中证1000对标产品中两类模型等权配置，中证2000对标产品中机器学习模型占比60%-70%[4][16][23] - 因子库包含1000多个因子（70%基本面因子+30%量价因子），采用大类因子等权合成方式[14][22] - 代表产品信澳星耀智选任职以来累计收益40.66%，年化超额15.37%；信澳星亮智选累计收益74.91%，年化超额19.75%[17][21] - 风险控制采用Barra模型，小市值产品风格暴露控制在0.3倍标准差，行业偏离度控制在2%-3%[14][24] 高崇南（国泰基金） - 聚焦高股息、质量、成长三类风格配置，2025年配置比例为20%高股息+25%成长+50%质量[14][43] - 采用树模型合成约100多个选股因子，分仓运作维持20%年化波动率目标[4][14][35] - 代表产品国泰量化策略收益2024年以来年化收益14.89%，2025年以来年化收益28.72%[36][41] - 持仓高度分散，成分股外权重达48%，行业偏离度控制在1.10%以内[45][48] 林景艺（信达澳亚基金） - 采用"基金优选→持仓还原→指数增强"三步法，复制万得偏股混基金指数并叠加多类阿尔法模型[5][62] - 港股配置采用多因子线性体系，因子库包含100-200个以基本面为主的因子[14][63] - 代表产品信澳宁隽智选任职以来累计收益36.59%，年化超额6.52%，年化跟踪误差6.74%[53][60] - 持股数量达350-450只，2024年下半年换手率升至10.28倍，风格暴露控制在0.4-0.5倍标准差[66][64] 时赟超（鹏华基金） - 多因子线性模型（40%）与机器学习非线性模型（60%）融合，预测周期缩短至周频[5][74][83] - 因子库涵盖10大类因子，包括另类数据（ESG、舆情等），线性模型中基本面因子占比50%-55%[14][81] - 代表产品鹏华量化先锋2024年以来年化超额10.28%，2025年以来年化超额19.99%[75][80] - 风险控制侧重波动率和市值因子偏离，持仓分散至700只，半年换手率达6.27倍[74][84] 翟梓舰（西部利得基金） - 采用"核心+卫星"策略，核心AI策略包含神经网络+树模型中长期预测和RNN高频量价因子[6][92] - 西部利得量化优选AI策略与主动量化各占50%，中证1000指增产品采用70%AI策略+30%多因子线性模型[6][14] - 代表产品西部利得中证1000指增任职以来年化超额5.67%，2025年以来年化超额约12%[93] - 指增产品设置行业偏离不超过3%、风格暴露0.3倍标准差硬约束[14] 团队与产品线特征 - 信达澳亚量化团队10人，统一采用HI+AI框架，产品线覆盖11只量化选股型和2只量化固收+产品[32][71] - 鹏华量化团队22人（13人策略+9人指数），产品线覆盖主流宽基指数增强和主动量化品种[14][91] - 西部利得量化团队7人，专注AI算法开发与基本面量化策略结合[14]

报告行业投资评级 未提及相关内容 报告的核心观点 报告聚焦民生加银基金经理杨林及其管理的民生加银智选成长基金，杨林从业经验丰富，投资框架多元且注重迭代，产品业绩领先、持仓分散、交易换手或为主要收益来源 [3][7]。 根据相关目录分别进行总结 1. 民生加银杨林——持续迭代维持竞争力，多维因子+AI 技术增厚收益 - 基金经理概况：民生加银杨林证券行业从业超 13 年，投资经理年限约 1.6 年，在管产品 1 只；其基金经理指数在 24M9 前受市场风格影响小幅落后沪深 300，24M9 行情以来显著战胜 [7]。 - 投资框架：杨林量化投资会用多维度信息转化为投资因子，通过人工和机器学习构建因子，长/中/短/超短周期因子比例约为 2:2:3:3；AI 技术在多维度应用；其量化投资理念注重持续更新迭代，在数据、模型、训练端迭代，过去几年多次迭代，每年 1 - 2 次，验证新策略显著优才实盘 [9][11][14]。 - 代表产品：民生加银智选成长成立于 2024 年 6 月，由蔡晓、杨林担任基金经理，目标是控制风险追求超越基准回报；采用“类中证 500 全市场增强×50%权重 + 类中证 1000 全市场增强×50%权重”股票策略；吸收高阶 PB - ROE 框架，持仓有低 PB 特征 [18][20][21]。 2. 民生加银智选成长业绩表现分析 - 业绩表现：产品自成立至 2025/6/27 收益回报达 27.94%，处于主动权益前 20%，年化波动率 24.80%，处于中游偏低水平；年化 Sharpe 比率 1.18，Calmar 比率 2.40，约处于主动权益前 10% [29]。 - 相对表现：与复合指数对比，自 24M11 以来显著领先，相对收益稳定；24M10 至 25M6 月度胜率 77.8%，月超额收益均值 0.34% [33][37]。 3. 民生加银智选成长投资特征分析 - 持仓特征：个股持仓分散，24H2 前十大个股占比约 6%，前三十大占比约 17%；市值风格定位于中小市值，不配置微盘股 [43][48]。 - 行业分布：较中证 500 + 中证 1000 有小幅度超低配操作，24H2 小幅超配基础化工等行业，小幅低配电子等行业 [49]。 - 收益来源：交易换手或是主要收益来源，产品交易有显著收益贡献度，结合适度高换手率，股票换手获取超额收益可能是业绩领先主因；板块绝对收益来源多样，金融地产、科技创新贡献多，科技创新、金融地产相对收益获取能力强 [53]。

AI量化投资发展 - 路博迈基金量化团队运用深度神经网络模型优化选股逻辑、因子模型和风险控制，个股选择贡献超额收益超70% [3] - AI量化模型通过挖掘财务、交易、舆情等另类数据，捕捉市场非理性因素带来的机会，超越传统量化策略 [3] 美联储加息影响 - 2025年美国核心PCE通胀率逼近3%，CPI通胀或飙升至5.4%，GDP增长预期2.9% [4] - 华尔街对美联储加息概率押注从不足10%升至34.6%，高盛、汇丰预测加息幅度或达75个基点 [4] 投资逻辑变化 - AI量化模型在加息引发的市场波动中面临挑战，需快速更新数据和调整策略以适应流动性收紧和资产价格波动 [5] - 具备动态学习能力的AI模型可识别加息周期中抗风险能力强的行业和个股，优化组合配置 [5] 资产类别表现分化 - 科技股分化：英特尔因芯片部门拆分传闻单日大涨16%，Meta、奈飞等成长股因加息预期面临资金流出和估值压力 [6] - 债券市场受加息冲击价格下跌，但AI量化可通过算法在期限和信用等级间寻找相对价值 [6] - 黄金短期受美元走强抑制涨幅，AI量化可利用多维度数据分析把握短期波动节奏 [6] 投资策略调整建议 - 权益类资产需关注业绩稳定、现金流充沛且受加息影响小的行业和公司 [7] - 增加现金类资产储备以应对市场不确定性 [7]

量化私募AI布局现状 - 国内百亿量化私募达39家，其中15家已在AI领域取得成果或布局[1] - 念空科技成立上海全频思维人工智能科技公司专注前沿AI研究，并与上海交大合作发表大模型研究论文[1] - 幻方量化与九章资产作为DeepSeek背后机构，推动量化行业从"工具使用者"向"创新贡献者"转型[2] 头部量化私募AI应用成果 - 念空科技旗下4只量化产品近1年收益均值达21.50%，创始人管理的两只产品收益分别为33.96%和23.24%[1] - 15家百亿AI量化私募中，13家机构管理的157只产品近1/3/5年收益均值分别为29.91%、41.15%、117.06%[2] - 幻方量化11只产品规模18.57亿元，近半年收益17.48%，近1年收益38.37%位居行业第一[2] AI对量化投资的影响 - 私募排排网数据显示，2020年后量化多头与主观多头策略收益差显著放大，反映科技爆发助力量化投资[2] - 行业普遍认为"AI+量化"将成为投资者重要考量因素，因量化机构具备AI技术应用的天然优势[2] - 头部机构通过大模型研究（如念空科技的自适应混合训练方法论）实现技术突破[1]