2025 年 09 月 25 日 浦银安盛张川: 乘大船而非行小舟, 打造资产配置视角下的 FOF 投资 FS 11:5 基金经理研究系列报告之八十三 相关研究 证券分析师 白皓天 A0230525070001 baiht@swsresearch.com 落辛 A0230521080002 jiangxin@swsresearch.com 邓虎 A0230520070003 denghu@swsresearch.com 联系人 请务必仔细阅读正文之后的各项信息披露与声明 请务必仔细阅读正文之后的各项信息披露与声明 浦银安盛张川：西安交通大学数学专业硕士，具有 13 年证券金融行业投研经验，曾在券 C 商、保险和理财子工作,包含 6 年金融工程研究经验(多因子选股、CTA 策略、资产择 时与轮动等）、7 年资产配置 + FOF/MOM 投资管理经验,曾管理券商自有资金、企业 年金账户与理财产品,现任浦银安盛基金 FOF 业务部部门负责人,兼任基金经理。目前 在管颐和稳健养老、嘉和稳健养老等三只产品，规模合计 13.05 亿元。 投资策略："风险管理+资产配置"：在被动基金的快速崛起、信息传播加速的背景下, ● ...

2025 年 09 月 25 日 浦银安盛张川：乘大船而非行小舟， 打造资产配置视角下的 FOF 投资新 思路 ——基金经理研究系列报告之八十三 相关研究 - 证券分析师 白皓天 A0230525070001 baiht@swsresearch.com 蒋辛 A0230521080002 jiangxin@swsresearch.com 邓虎 A0230520070003 denghu@swsresearch.com 联系人 邓虎 (8621)23297818× denghu@swsresearch.com 本研究报告仅通过邮件提供给 中庚基金 使用。1 请务必仔细阅读正文之后的各项信息披露与声明 权 益 量 化 研 究 其 他 权 益 类 产 品 证 券 研 究 报 告 ⚫ 浦银安盛张川：西安交通大学数学专业硕士，具有 13 年证券金融行业投研经验，曾在券 商、保险和理财子工作，包含 6 年金融工程研究经验（多因子选股、CTA 策略、资产择 时与轮动等）、7 年资产配置 + FOF/MOM 投资管理经验，曾管理券商自有资金、企业 年金账户与理财产品，现任浦银安盛基金 FOF 业务部部门负责人，兼任基金经理。 ...

国信金工团队目前共有7名成员，研究方向涵盖主动量化选股、指数增强、因子研 究、FOF投资、基金研究、行业轮动、资产配置、港股投资、CTA策略等多个方 向，我们对过去一年团队的研究成果进行精选回顾，并对一些市场关注度较高的策 略进行跟踪效果展示。感谢大家对国信金工团队的关注与支持！ 国信金工团队成员简介 国信金工研究报告精选 量化选股系列 主 动 量 化 选 股 策 略 《 启 发 式 分 域 视 角 下 的 多 策 略 增强 组 合 》 《 稳 健 型 选 股 策 略 探 析 》 《 红 利 投 资 全 攻 略 》 《 超预期投资全攻略 》 《 超 额 图 谱 视 角 下 的 成 长 股 投 资策 略 》 《 战 胜 机 构 投 资 者 — 再 论 主 动 股基 业 绩 增 强 策 略 》 《 券 商 金 股 全 解 析 — 数 据 、 建 模与 实 践 》 《 聚 焦 小 盘 股 — 如 何 构 建 小 市 值股 票 投 资 策 略 》 《 基 于 分 析 师 认 可 度 的 成 长 股 投资 策 略 》 《 探 寻 股 价 回 报 的 源 动 力 — 基 于R O E 的 高 质 量 选 股 策 略 》 ...

投资策略 - 采用多资产、多策略的低相关性组合提高超额收益稳定性 不依赖择时操作[2][3][10] - 通过系统化研究体系持续挖掘高胜率、合适赔率的套利机会 例如REITs折价套利和股指期货贴水策略[3][12][13] - 策略执行注重专注性和系统性 不追求极致单策略收益 但要求每个策略贡献稳定正超额[2][11][16] 产品设计 - 专户FOF相比公募FOF在合同层面更具灵活性 可更高比例参与股指期货贴水、定开基金及封闭式产品套利[8] - 绝对收益型产品通过资产配置、策略Alpha和纪律性再平衡控制波动 提升持有体验[3][18][20] - 产品风险敞口严格匹配客户预设要求 权益仓位控制在约定范围内 跟踪误差不能过大[9][13] 组合构建 - 将基金按风险收益特征分为前锋、中场、后卫类 构建平衡且适应市场变化的FOF组合[2] - 采用低相关性资产组合实现长期稳健 真正全天候产品不依赖年度资产切换[3][18][22] - 对主动基金看重基金经理风格稳定性和超额能力持续性 被动基金作为组合平衡工具而非观点表达工具[6][22] 收益来源 - 收益主要来自选基和配置 而非市场判断 极端情况下做逆向操作 平时依赖基金经理Alpha和策略稳定输出[24][25] - 通过渐进式操作应对市场：情绪高热时谨慎 低迷时积极 中间状态专注Alpha积累[7][24] - 套利策略占比视情况而定 时间短空间大时占比可较高 但需控制比例避免跟踪误差失控[13][14][15]

投资策略与理念 - 投资策略不依赖择时，而是通过多资产、多策略的低相关性组合提高超额收益稳定性 [2][3][14] - 套利策略形成系统化研究体系，持续挖掘胜率高、赔率合适的机会 [3][19] - 策略执行更专注和系统化，通过专业化分工在细分资产和策略上形成阿尔法能力 [2][15][19] 产品设计与定位 - 专户FOF在产品合同层面更具灵活性，可参与股指期货贴水、定开基金及封闭式产品套利等机会 [12] - 公募FOF面向普通投资者作为长期储蓄工具，专户FOF更注重中短期满足客户具体需求 [12] - 绝对收益产品通过资产低相关性和多策略提升绝对收益概率，而非依赖单一资产 [7][22][23] 组合构建与管理 - 组合构建采用"足球阵容"理念，将基金分为前锋、中场、后卫以平衡风险收益特征 [2] - 严格执行纪律性再平衡，涨多减仓、跌多加仓以控制波动，不因预判市场而主动调仓 [24] - 底层资产配置基于长期低相关性组合，而非每年切换资产，实现长期稳健 [8][25][26] 基金选择标准 - 主动基金选择看重基金经理风格稳定性和超额能力持续性 [9][27] - 被动基金作为工具平衡组合，而非表达观点，在主动基金覆盖不足时替代 [9][27] - 不自下而上选择基金时以主动/被动为核心标准，而是基于组合构建逻辑 [27] 风险收益优化 - 所有策略操作严格匹配客户预设风险敞口，权益仓位控制在约定范围内，避免跟踪误差失控 [3][13] - 套利策略参与比例视胜率和赔率而定，胜率高、赔率合适时多参与，否则控制比例 [17][18][19] - 不追求每个策略极致表现，但要求每个策略贡献正超额，长期复合收益稳定 [20][30] 市场观点与操作 - 不对市场做大幅判断，采用渐进式操作：市场情绪高热时谨慎，低迷时积极，中间状态专注做Alpha [10][29] - 收益主要来自选基和配置，而非市场判断，极端情况下做逆向操作 [29][30] - 当前市场未到极端位置，估值、流动性、政策无特别极端变化，保持中性态度 [29]

论坛概况 - 第九届AI&FOF投资创新发展论坛主题为"智算未来·量化跃迁"，由排排网集团与世纪证券联合主办，银河期货、国联期货等协办，于2025年7月18日在上海浦东丽思卡尔顿酒店举办 [1] - 论坛汇聚FOF投资、量化投资、券商资管、期货资管等领域专业人士，聚焦行业前沿洞察与技术创新实践融合 [1] - 世纪证券资产配置团队负责人吴贤敏发表《金融科技赋能FOF投研》主题演讲，其拥有哥伦比亚大学金融数学硕士及9年金融从业经验，曾任高盛资管另类投资部副总裁 [1][3] 金融科技在FOF投资的应用阶段 - **第一阶段（自动化）**：通过程序整合结构化数据（私募净值、估值表、行情数据等），自动计算业绩指标，提升数据处理效率与透明度，典型案例如股票量化管理人业绩周报 [3][5] - **第二阶段（数据驱动决策）**：通过金融模型（相关性分析、因子分析、压力测试等）替代主观判断，解决认知偏差问题，验证投资经理言行一致性、团队风控执行等核心问题 [5][6] - **第三阶段（AI智能化）**：探索AI处理非结构化数据（合同文本提取、舆情监控等），未来可能诞生FOF领域的AI Agent，但需先解决数据、组合构建等基础问题 [6][8] FOF投资当前面临的挑战 - **数据问题**：全市场超2万只私募基金缺乏统一数据服务商，净值等关键数据获取难度大，影响基金筛选效率 [6] - **组合构建**：FOF产品需根据客户偏好灵活调整多策略组合，涉及资产类型、幅度差异，快速响应市场机会难度高 [8] - **投后管理**：不同FOF产品收益风险目标差异导致高频跟踪、归因及风险识别复杂度陡增，尤其对中大型机构挑战显著 [8] - **交易执行**：私募场外交易流程繁琐（开放期确认、材料复核等），人工操作影响大批量交易的准确性与时效性 [8] 世纪证券的解决方案 - **基金筛选**：自建私募数据库，开发净值邮件解析程序，整合多源数据并建立细粒度策略标签体系及观测池，结合定量分析模块提升筛选准确性 [9] - **组合构建**：为每个管理人策略建立代表性收益曲线，结合回测框架与优化器生成差异化收益风险组合方案 [9] - **投后管理**：构建策略市场环境指标（股指基差、Barra因子等），设计业绩偏离自动化监控预警系统，覆盖归因分析与风险预判 [11] - **系统支持**：开发六套核心系统，包括投资组合分析、平台分析、策略分析、组合构建、市场监控及尽调管理系统，但交易执行与舆情监控仍需完善 [11][12] 金融科技的未来展望 - 金融科技将成为FOF机构护城河，AI在FOF领域潜力巨大但需与人工结合，投研团队需持续学习以迭代框架 [12] - 当前阶段量化与AI无法完全替代人力，需等待数据生态完善及技术进一步发展 [12]

FOF二季度投资布局 - 华安黄金ETF成为全市场获FOF重仓数量最多的基金，共有78只FOF重仓持有，持仓市值总计达9.87亿元，其中华安盈瑞稳健优选6个月持有持仓市值最高达1.69亿元 [3] - 与一季度末相比，FOF对黄金资产的追捧热度降温，一季度末华安黄金ETF获86只FOF重仓持有，持仓市值达14.14亿元，华安盈瑞稳健优选6个月持有持仓市值曾高达3.03亿元 [3] - 债券类资产仍是FOF重仓主力品种，海富通中证短融ETF获FOF合计持有市值超过16.43亿元，被57只FOF持有，博时中债0-3年国开行ETF、博时信用优选ETF获FOF持有市值均超10亿元 [3] FOF配置思路与业绩表现 - 工银睿智进取FOF今年以来回报率21.64%，重仓港股通互联网ETF、港股创新药ETF、科创芯片ETF等成长风格品种，同时配置红利低波ETF、黄金ETF等稳健产品 [4] - 渤海汇金优选进取6个月持有混合发起（FOF）今年以来回报率超20%，大举布局港股创新药、港股互联网、科创芯片等主题ETF，并重仓两只纳斯达克主题ETF [4] - 国泰行业轮动股票（FOF-LOF）今年以来回报率近20%，重仓行业涵盖军工、黄金、动漫游戏、地产、稀土等多只主题型ETF [4]

FOF持仓动向 - 华安黄金ETF成为2025年二季度末获FOF重仓数量最多的基金 共获78只FOF重仓持有 持仓市值达9 87亿元 其中华安盈瑞稳健优选6个月持有持仓华安黄金ETF的市值最高 达1 69亿元 但与一季度末相比 FOF对黄金资产的追捧热度有所降温 一季度末华安黄金ETF获86只FOF重仓持有 持仓市值达14 14亿元 [1] 债券型ETF配置 - 债券型ETF是FOF的主要投资对象 海富通中证短融ETF获FOF合计持有市值超16 43亿元 被57只FOF持有 成为FOF持有市值最高的基金产品 博时中债0-3年国开行ETF 博时信用优选E在二季度末获FOF持有市值均超过10亿元 债券类资产稳居FOF重仓主力品种之位 [3] 成长风格资产配置 - 工银睿智进取FOF今年以来以21 64%回报率在全市场FOF中表现突出 重仓港股通互联网ETF 港股创新药ETF 科创芯片ETF等成长风格较强的品种 同时也重仓红利低波ETF 黄金ETF等风格相对稳健的产品 其重仓的港股创新药ETF今年以来的涨幅已超80% [3] - 渤海汇金优选进取6个月持有混合发起（FOF）今年以来回报率超20% 大举布局港股创新药 港股互联网 科创芯片等主题ETF 还重仓两只纳斯达克主题ETF [3] - 国泰行业轮动股票（FOF-LOF）今年以来的回报率接近20% 其重仓行业更加多元 涉及军工 黄金 动漫游戏 地产 稀土等多只主题型ETF [3] 市场策略与展望 - 国泰基金的FOF基金经理曾辉指出 目前股市主要投资风险已转变为中观行业轮动踏空风险 股市下半年的整体表现可能因美联储降息周期 国内补库存周期等因素而好于上半年 [4] - 渤海汇金优选进取6个月持有混合发起（FOF）基金经理叶萌表示 将延续"三主线 + 一缓冲"的资产配置框架 通过定期再平衡措施调整各类资产敞口 并预留部分现金储备以捕捉突发波动中的逆向机会 [4]

论坛概况 - 第九届"智算未来·量化跃迁"AI&FOF投资创新发展论坛于2025年7月18日在上海浦东丽思卡尔顿酒店举办 由排排网集团与世纪证券联合主办 银河期货 国联期货 私募排排网 公募排排网协办 [1] - 论坛主题为"AI赋能FOF投资的机遇与挑战" 汇聚海通期货 世纪证券 中邮基金 五矿期货 盈诚投资 汇鸿汇升等机构高管及投资经理 [1][3] AI对FOF行业的影响 - FOF行业进入"智能投研2.0时代" AI深度渗透尽调 组合构建 风险管理全流程 核心竞争力转向"人机协同"能力 [3] - AI在高频量化交易中优势显著 但在FOF领域仍面临问题定义不清的挑战 更适合解决数据清洗等效率问题 投资业绩提升仍需依赖人类判断 [7] - AI能够提高决策下限 但短期内难以替代人类在宏观 中观及微观研究中的核心作用 [7] AI应用方向与实践案例 - 量化多头策略进化 宏观对冲策略配置价值 跨境资产配置机会是三大重点关注方向 [4] - 中邮基金利用AI解析子基金风格防止漂移 通过生成模型模拟极端风险场景 结合宏观因子与高频策略应对市场变化 [10] - 五矿期货通过AI处理多维度弱信息数据 非线性模型在宏观大类资产预测中效果优于传统线性模型 [12] - 盈诚投资使用AI快速学习文献 代码生成 实习生效率可达初级研究员水平 [14] - 汇鸿汇升应用AI文本识别梳理尽调内容 解析基金持仓 自动生成产品报告 并构建投研一体化平台 [15] 方法论与工具关系 - 2025年FOF行业需明确方法论框架 AI应服务于投资逻辑落地 不可过度依赖"黑盒"输出 [7] - FOF投资本质在于方法论建立 AI如同工具升级 行业尚处发展初期需持续探索成熟框架 [14] - AI更多是算力加速器而非逻辑重构器 最终决策需结合人工经验与AI优势 [12][15] 技术融合趋势 - 通过非线性模型优化宏观与策略映射关系 挖掘高频与中低频交易关联 [7][10] - AI助力宏观周期研究 风格轮动研究 子基金归因研究 加速知识更新与应用 [10] - 风险适算模型帮助基金经理优化调仓决策 客户服务实现千人千面报告生成 [15]

行业规模与前景 - 证券类私募基金规模维持在5万亿元以上 年底有望重回6万亿元 [2] - 量化行业通过精细化发展实现投资标的的有效定价 行业竞争激烈需先投入才能聚集人才和技术积累 [2] - 头部机构已开展全面AI投入和布局 未来将赋能多类投研场景并为投资者带来超额回报 [2] AI在投资领域的应用与影响 - 大模型时代对量化投资领域产生变革性影响 人工智能成为重新定义流程的核心而非仅优化工具 [2] - 量化投资被视为人工智能在证券投资领域的垂类大模型 通过海量数据训练和模式识别产出结果 [5] - AI能提高决策质量下限但难以替代有经验的FOF投资经理 可作为算力加速器辅助逻辑演绎 [3] 量化策略市场表现与驱动因素 - 今年以来量化策略超额收益表现亮眼 主要受益于管理人主动控规模和A股交投活跃度提升 [5] - A股市场呈现显著小市值效应 中小盘股波动性大提供丰厚阿尔法挖掘空间 [5] - 监管层鼓励上市公司并购重组和成交量放大共同推动量化超额收益表现 [5] FOF投资发展现状与挑战 - FOF行业投资方法论尚未完全成形 目前处于框架形成过程中 [3] - 量化FOF投资标的存在高频交易特性 需借助AI技术连接高频与中低频交易 [3] - 财富管理需求差异化要求FOF投资逻辑持续进化 需通过资产配置匹配多样化需求 [3] 技术创新与工程实践 - 通过工程学方式将交易算法嵌入芯片可快速提高交易效率 [5] - 金融科技将成为FOF机构护城河 但无法完全替代人的角色 [2] - 倍漾量化重构量化交易工艺流程以彻底释放人工智能潜力 [2]