核心观点 - 报告提出了一种多维度指数日频择时框架，通过融合多类因子信号进行仓位择时，旨在优化绝对收益策略和股指期货策略的绩效 [3] - 策略框架融合了基础因子（分析师预期、资金流）、高频聚合低频因子以及深度学习因子（LSTM模型），并通过信号聚合形成最终择时信号 [3][10] - 回测结果显示，多信号融合策略表现优异：五信号融合的多空策略年化收益达46%（夏普比率2.37），仅多头策略年化收益23% [3][119] - 策略进一步叠加选股模型（如Alpha158）以增强收益结构，验证了仓位择时的可行性和有效性 [3][11][136] 策略逻辑与多维度因子体系 - 仓位择时对于追求绝对收益策略以及股指期货策略而言相对重要，框架旨在通过日频择时优化绩效 [9] - 多维度因子体系包含：80个分析师预期因子、134个资金流因子、43个高频聚合低频特征，以及2020年后引入的深度学习因子（涵盖日频和高频分时LSTM模型） [3][12] 基础因子：资金流+分析师预期 - **分析师预期因子**：测试了80个因子，以沪深300为基准，按历史阈值（20%、40%、60%、80%）测试 [23] - 表现较好的因子包括：预测净资产收益率同比增长率（FROEYOY）在80%阈值下年化收益21.81% [21]；预测净利润同比增长率（FNetProfitYOY）在80%阈值下年化收益16.34% [21]；预测每股收益同比增长率（FEPSYOY）在60%阈值下年化收益14.45% [21] - 因子与未来一天开盘收益呈现负相关性，例如预测息税折旧摊销前利润复合增长率的相关性为-5.82% [16] - **资金流因子**：测试了43个因子，以沪深300为基准 [32] - 表现较好的因子包括：沪深港通持股比例在80%阈值下年化收益14.89% [31]；总计净买入金额在20%阈值下年化收益13.98% [31]；流出量（中单）在60%阈值下年化收益11.51% [31] - 资金流因子与第二天收益呈现反转特征，净流入量呈负相关性（-5.02%），流出相关因子呈正相关性 [15] 高频因子聚合低频 - 从高频数据中构造了7大类共计43个细分因子，用于捕捉市场情绪、资金流向、价格动量和微观结构特征 [36] - 特征包括：日内波动率、指数加权波动率、尾盘成交占比、量价背离、支撑阻力位置、反转模式等 [36] - 部分特征与指数未来一天收益呈现较高相关性，例如：支撑阻力位置（相关性绝对值10.76%）、量价背离（8.63%）、指数加权波动率（8.17%） [41] - 对优秀聚合因子进行测试：量价背离（price_volume_divergence）在60%阈值下年化收益25.94%；支撑阻力位置（price_vs_support）在40%阈值下年化收益25.75%；反转模式（reversal_pattern）在40%阈值下年化收益19.85% [45][47] 改进的MADL损失函数：LSTM在日度跟分钟信号上的择时 - 深度学习因子预测框架以未来一天收益为目标，利用日度和分钟数据捕捉隔夜信号 [10] - 采用改进的MADL（Mean Absolute Directional Loss）损失函数替代MSE，该函数直接优化预测方向的正确性，更符合“方向比精度更重要”的交易原则 [54][57] - **基于日度数据的LSTM模型**（输入为过去20日的7个基础价量特征） [61] - 多空策略总收益率140.81%，年化收益率21.48%，夏普比率1.0698，胜率54.17% [62][63] - **基于分钟数据的LSTM模型**（输入为日内分钟行情数据，包含7个基础特征及44个技术指标） [67][68] - 多空策略总收益率139.86%，年化收益率21.34%，夏普比率112.93%，胜率47.61% [79] 多信号聚合 - 报告将不同起始时间的因子信号进行等权叠加融合，策略表现随信号增加而提升 [84][111][114] - **三信号合成**（分析师预期、资金流、高频聚合低频，起始2015年）：年化收益35.49%，夏普比率1.53，胜率53.80% [113] - **五信号合成**（增加LSTM日频和分钟频因子，起始2020年11月）：年化收益46.09%，夏普比率2.37，胜率54.87%，最大回撤-12.89% [119] - **仅多头策略**：三信号融合（起始2015年）年化收益18.71%；五信号融合（起始2020年11月）年化收益23.13%，胜率54.63% [124][129] - 信号融合结果显示，深度学习因子（LSTM）带来了显著的增量信息，提升了策略表现 [115][126] 择时叠加选股策略 - 在择时策略基础上，进一步叠加选股模型（如Alpha158）以优化收益结构 [11][135] - Alpha158策略在中证全指内选股，采用Lightgbm训练方法，每12周训练一次模型，预测未来一期收益率的排序 [140] - 分组回测显示，Group5表现最佳，年化超额收益达到17.65%，夏普比率70.44%，近十年稳定跑赢中证全指 [136][138][140]

公司校企合作举措 - 2025年5月设立北京大学"环宇教育发展计划"，覆盖信科、数院、计算机、智能、元培、光华等学院，聚焦师资建设与学科发展 [3] - 2025年10月在北京大学信科学院设立"环宇信息求索奖"作为学生科创最高奖项，在元培学院设立"环宇探索奖"弘扬全面发展理念 [3] - 2025年10月设立清华大学"清华之友-明汯奖学金"，重点支持计算机系、软件学院、自动化系信息相关实验室及物理系、数学系建设 [4] - 2024年在复旦大学物理学系落地"慧明人才助力计划"，已资助20余名资深专家与青年学者，覆盖冠名特聘教授奖励、重大成果奖励等方向 [4] - 2022年起在上海交通大学物理与天文学院设立"明汯"科创奖学金，已支持学生246人次、指导教师38人次，覆盖20余项科创赛事 [5] 合作形式与活动 - 广泛支持北大学子学术科创季、文化节、新生晚会等学术科研与文体实践活动 [3] - 通过校企参访、技术交流活动搭建青年学子与企业专家的对话平台 [3] - 创始人裘慧明受邀在复旦"金融大师讲堂"首期活动、物理学系系友分享会作主旨演讲 [4] - 开展"MINGHONG Talks"系列活动，2024年9月面向上海交大学生分享"人工智能的量化实践"，10月面向北大、清华学生开展"合伙人面对面"活动 [9] - 合伙人解环宇主讲北大信科第四十一期"知存讲座"，围绕《AI在金融投资的技术实践与职业发展》交流 [9] 合作理念与战略 - 将"投资于人"的理念转化为系统性、长期性实践，支持中国科技人才培养与前沿科技创新 [1] - 合作侧重投资于"人"的成长与潜力，而非具体科研项目，强调需要绵绵用力、久久为功的战略工程 [8] - 以发掘潜能为核心，关注个体底层能力与思维框架，鼓励勇于探索未知、挑战边界的创新精神 [8] - 致力于共建"鼓励探索、宽容失败、勇于突破"的创新生态，让学术自由与产业洞察相互滋养 [7] - 支持高校人才培养被视为面向未来的战略选择，企业发展与行业进步离不开顶尖学府的持续贡献 [8]

公司业绩与规模 - 2025年度平方和投资规模成功迈入百亿元阵营[5] - 公司规模增长得益于市场回暖、投研能力升级及品牌影响力提升[5] 量化行业年度表现 - 2021年四季度至2024年四季度市场经历三年调整周期，从均值回归视角看市场具备较长周期上涨需求[4] - 自去年9月24日起市场指数与量化策略均呈现良好表现，市场情绪改善与活跃度提升为量化超额表现创造有利条件[4] - 本年度量化指增类产品行业平均收益率超40%，市场中性类产品收益率普遍在10%以上，属于量化行业整体运营环境较好年份[4] 量化策略核心逻辑与市场作用 - 量化行业底层逻辑在于对A股市场长期信心，以及对中国经济基本面、资本市场改革进程与政策支持力度认可[3][4] - 量化指增产品始终保持高仓位运作，市场下行也不会大幅减持[4] - 量化中性产品在市场调整期发挥稳定器作用，得益于对冲端保护，股票端无需减仓甚至可能适度加仓[4] - 主流量化策略核心在于选股而非择时，重点布局具备价值优质标的并保持满仓持有，较少追涨杀跌，能抑制市场波动发挥阻尼器作用[4] 程序化交易监管影响 - 当前量化与程序化交易规模已达1.5万亿元左右，监管政策出台势在必行[6] - 《程序化交易管理实施细则》核心在于规范行业发展而非限制活力，重点约束可能引发市场不公平碾压式技术手段[6] - 监管政策引导量化策略从“拼速度”转向“拼质量”，从“微秒级竞争”转向“中低频有效性竞争”，改善市场流动性质量构建公平交易环境[7] - 中低频Alpha策略等主流量化策略更注重市场信息挖掘研究与较长期价值发现，受新规影响极小[7] - 平方和投资已在交易风控体系开展多项优化工作，确保交易操作合规同时保障策略收益稳定性[7] 2026年市场展望与能力建设 - 市场分歧显著时阿尔法策略更易发挥作用，市场共识较强时其操作空间相对受限[8] - 分歧阶段交易型Alpha有效性更突出，共识阶段认知型Alpha价值更高[8] - 为适配2026年市场不同阶段特征、增强超额收益获取能力，量化行业需同步提升模型交易能力与认知能力[8]

文章核心观点 - “十五五”规划建议释放加快建设科技强国与金融强国的政策信号，量化私募行业作为具有科技创新基因的群体，在推动资本市场发展和培养顶尖科技人才方面成果丰硕 [1] - 明汯投资作为头部量化私募，通过深化校企合作支持中国科技人才培养和前沿科技创新，是行业内的鲜明例子 [1] - 公司致力于共建“鼓励探索、宽容失败、勇于突破”的创新生态，将支持高校人才培养视为面向未来的战略选择，而非短期的商业行为 [5][6] - 作为量化投资行业的先行者，公司自身是高校人才培养与科技应用融合的受益者，正以传递知识、播撒创新为己任，积极投身长期人才培养事业 [7] 校企合作具体举措 - 与北京大学开展多维度合作：2025年5月设立北京大学“环宇教育发展计划”，覆盖信科、数院、计算机、智能、元培、光华等学院，聚焦师资队伍建设与学科发展；10月落地“环宇信息求索奖”和“环宇探索奖”，并广泛支持学术科创季、文化节、新生晚会等活动 [2] - 与清华大学合作：2025年10月设立“清华之友—明汯奖学金”，重点激励计算机系、软件学院、自动化系、物理系和数学系的优秀研究生，支持相关实验室建设 [3] - 与复旦大学合作：2024年在物理学系落地“慧明人才助力计划”，已资助20余名资深专家与青年学者，覆盖冠名特聘教授奖励、重大成果奖励、青年人才激励等多个方向 [3] - 与上海交通大学合作：2022年起在物理与天文学院设立“明汯科创奖学金”，并支持计算机科学“成长伙伴”国际暑期学校项目 [4] 人才培养理念与活动 - 公司坚信“科技是第一生产力、人才是第一资源、创新是第一动力”，高校是三者交汇的核心载体 [5] - 人才培养理念以发掘潜能为核心，关注个体底层能力与思维框架，重视多元成长，支持勇于探索未知的创新精神 [6] - 持续推进高校交流活动：例如“MINGHONG Talks”系列活动，9月面向上海交大学生分享“人工智能的量化实践”，10月面向北大、清华学生开展“明汯投资合伙人面对面”活动 [7] - 公司合伙人解环宇受邀主讲北大信科第四十一期“知存讲座”，围绕《AI在金融投资的技术实践与职业发展》进行交流 [7] 未来规划与战略意义 - 未来将继续以“投资于人”的定力，深化与高校在人才培养、学科建设、科技攻关等领域的协同合作 [7] - 目标是为培养具备实战能力的创新型顶尖人才提供更多可能性，为新质生产力发展筑牢人才基石，为教育强国、科技强国、人才强国建设注入强劲动力 [7] - 支持高校人才培养被视为企业的社会责任和面向未来的战略选择，企业的发展与行业进步离不开顶尖学府的持续贡献 [6]

量化机构表现 - 市场情绪改善和活跃度提升为量化超额收益获取创造了有利条件 今年是量化相对好做的年份 [1] - 量化策略的底层逻辑是对A股的长期信心 主流量化策略逻辑是选股而非择时 选择有价值的好股票满仓持有 对市场波动起到抑制作用 [1] - A股市场交易量活跃 呈现震荡上行态势 小盘成长风格相对突出 结构性行情特征明显 为量化策略提供了肥沃土壤 [2] - 量化机构凭借系统化、分散化的投资模式 能够高效捕捉市场波动和短期轮动机会 私募量化产品多线开花 公募量化产品同样表现较好 例如中证1000指数增强产品今年以来截至10月底超额收益中位数在7%左右 头部产品超额收益超15% [2] - 量化机构以其低波动性且超额收益的特点 规模增长较快 [2] 2026年市场展望 - 2026年A股缓慢上行行情可期 市场估值重心有望随企业盈利触底回升而缓慢上移 [3] - 2026年作为十五五开局之年具有承前启后意义 宏观政策预计保持积极进取 财政政策有望更加有力 重点支持科技创新、绿色转型、消费提振等关键领域 货币政策将继续保持适度宽松 [4] - 股市上行趋势的逻辑将继续演绎 推动因素包括国内流动性宽松、股市赚钱效应吸引资金关注、其他投资品种收益下行使得权益市场相对性价比提升、国内科技企业突破以及贸易摩擦阶段性缓和有利于提振投资者情绪 [4] - 2026年将是政策的大有为之年 政策端或加快发力 科技创新和产业创新将加速融合 政策端将大力提振消费 建设强大国内市场 [3] - 居民储蓄初步呈现定期存款活期化迹象 表明居民资产配置从避险模式进入风险偏好提升模式 或为资本市场提供充裕资金 [3] - 以人工智能、商业航天、人形机器人为代表的新质生产力正加速发展 成为中国经济转型升级核心引擎 为资本市场提供丰富投资主题 [4] 2026年投资方向 - 从十五五规划建议的加快发展领域中寻找投资机遇 包括一手抓传统产业高端化、智能化、绿色化改造 一手抢占新兴产业与未来产业制高点 [5] - 具体投资主线包括新兴产业如新能源、新材料、航空航天、低空经济 未来产业如量子科技、生物制造、氢能和核聚变能、脑机接口、具身智能、第六代移动通信 传统行业固本升级包括矿业、冶金、石油化工、钢铁、有色金属、机械、造船 关键核心技术产业包括集成电路、工业母机、高端仪器、基础软件、先进材料、生物制造 [5] - 科技与安全是十五五规划建议中重点提及的方向 高分红股票尤其是港股高分红股票也值得关注 [6] - 关注金融强国、反内卷、科技等方向 金融强国蓝图将通过提升宏观稳定性、明确产业方向性、增强市场有效性三个维度塑造更具深度、效率和韧性的资本市场 利好整体市场中长期发展 [6] - 高质量发展和整治内卷式竞争的顶层设计将推动投资逻辑从追逐短期热点转向深耕长期价值 反内卷相关板块或迎来机会 [6] - 科技自立自强的顶层设计将优化上市公司整体质量 催生以硬科技为核心的长周期投资主线 科技创新、生物制造等被提及的板块或迎来机会 [6]

战略投资 - 2025年11月3日公司与标的公司订立潜在战略投资谅解备忘录[4] - 双方同意签署后三个月内磋商并订立正式协议[6] 业务情况 - CoinVEX核心业务含数字资产交易和AI量化投资业务[5] - 公司正积极向AI数字人、RWA等领域转型[6] 投资影响 - 若投资落实，公司有望进入数字金融赛道打造新增长点[8]

公司核心发展哲学 - 公司发展哲学是坚持长期主义，为客户创造绝对回报，而非追求规模增长 [3] - 创始人将所有个人资金投入自家基金，与投资者利益深度捆绑 [3] - 投资目标是每年获得市场中等偏上收益水平，强调活得久是长久之道 [3] 公司投资与风控理念 - 公司秉持如履薄冰的审慎，核心理念是能够在市场中更好、更长久地生存 [1] - 贯穿投研全流程的严谨风控体系，非常在意组合的暴露风险，事前风控极为严格 [3] - 对未来A股市场坚定看多未来一两年的表现，但提醒投资者应放低期待，带着谨慎乐观的心态交易 [4] 行业竞争环境与公司技术策略 - 量化投资行业被形容为标准红海市场，竞争特别激烈，从业者长期处于高强度工作状态 [5] - 公司核心竞争力是持续不断的技术迭代和100%的自主研发，以应对行业不进则退的残酷现实 [5] - 公司投研团队背景覆盖统计学、计算机等理工科领域，坚持从策略到系统的全链条自主研发 [5] 技术应用与未来展望 - 公司积极应用AI技术，认为每个行业都值得用AI重新做一遍，AI极大提升了量化投资的精细化程度 [6] - 国际上新出的人工智能论文都要在一个月以内读完，内部组织讨论班研究前沿模型 [5] - 公司未来愿景是推动行业健康发展、保持技术领先，为客户提供更精细、定制化的服务 [6]

公司核心发展哲学 - 公司秉持长期主义，核心目标是坚持长期主义并为客户创造绝对回报，而非单纯追求规模增长 [1] - 创始人将个人资金全部投入自家基金，与投资者利益深度捆绑，对保住本金有超乎常人的执着 [1] - 公司发展哲学是不追求极致收益，但求持续稳定，目标是每年获得市场中等偏上的收益水平，认为长期来看非常可观 [2] 风险管理与投资理念 - 公司拥有贯穿投研全流程的严谨风控体系，非常在意组合的暴露风险，事前风控极为严格 [2] - 投资理念是在控制住大部分风险的前提下获取收益，强调在投资上不出问题并活得久才是长久之道 [2] - 对未来A股市场坚定看多未来一两年的表现，但提醒投资者随着市场上涨应放低期待，带着谨慎乐观的心态交易 [2] 行业竞争格局与技术战略 - 量化投资行业被描述为标准红海市场，竞争异常激烈，从业者长期处于高强度工作状态 [2] - 公司认为穿越周期的核心武器是持续不断的技术迭代和100%的自主研发 [2] - 为应对行业不进则退的残酷现实，公司高强度学习前沿技术，国际上新出的人工智能论文需在一个月内读完并组织内部讨论 [3] 团队构建与AI技术应用 - 公司构建了稳定且多元化的复合型投研团队，背景覆盖统计学、计算机等众多理工科领域 [3] - 坚持从策略到系统的全链条自主研发，以确保长期稳定，避免嫁接第三方策略或技术带来的不稳定性 [3] - 公司高度认同AI技术价值，认为AI极大提升了量化投资的精细化程度，量化投研实践与AI形成双向赋能 [3] 公司未来愿景 - 公司未来愿景绝非简单的规模增长，而是为客户提供长期有效的服务 [3] - 公司希望在推动行业健康发展、保持技术领先的同时，能为客户提供更精细、定制化的服务 [3]

海外量化动态：美国市场趋势与事件 - 美国私募量化在2025年中出现回撤，主要源于“垃圾股”反弹冲击量化组合空头部分，以及高频做市机构与量化alpha管理人策略重合度提高[1] - 高频交易机构为规避激烈竞争和利润压缩，正从纯速度竞争转向短周期alpha预测，使其策略领域接近传统量化alpha管理人[1] - 传统量化alpha策略起源于20世纪80年代，持有周期相对更长、敞口暴露更大，与高频交易资金形成区别[2] - 高频交易与量化Alpha策略的融合始于疫情后，市场波动短期提升使高频策略收益突出，资金量大幅增长，但策略容量有限促使资金寻求分散，转向传统量化交易[2] - Jane Street因愿意承担更长时间的多头暴露获得更多收益，引发其他机构模仿，同时传统Alpha管理人也开始涉足高频交易领域以拓宽收益来源[2] - 高频机构降频（预测周期拉长至日度）与传统alpha机构升频（信号频率提高至小时级）形成向中间靠拢的趋势，目前高频机构降频效果更好[3] - 2025年上半年Citadel收益2.5%，显著低于小型多基金经理制机构如Balyasny、ExodusPoint等7%以上的收益，Millennium也面临类似情况，部分原因在于关税等事件频繁变化导致策略回撤提高[4] - Citadel、Point 72更偏基本面、集中度更高的组合在2025年表现优于其旗舰策略[4] - 印度证券监管机构于7月对Jane Street提出指控，暂停其交易资格并拟处罚其收益所得，指控涉及Jane Street在指数期权到期日使用资金影响期货和现货市场价格走势，Jane Street已提出上诉[5] 海外量化观点：方法论与应用 - 机器学习在宏观量化投资中的应用具有潜力，尤其在利用全球资产截面数据强化时序回归模型、将复杂宏观数据转为alpha信号、以及使用排序模型替代预测模型这三个方向[7][10][11] - 贝莱德在宏观量化研究中应用机器学习方法，例如在久期方向预测中，其模型在疫情后高通胀期提高了通胀变量权重，从而获得更好预测表现[7] - 机器学习方法可将另类数据集通过大语言模型或高维方法与上市公司关联，形成“知识图谱”以生成更完整投资信号，并更容易确定行业高频数据与投资组合的映射关系[10] - 贝莱德使用排序学习方法对不同国家债券基于GDP、CPI进行排序的策略，其组合表现优于单变量排序及线性回归模型[11][14] - AQR研究指出主观收益预测存在偏差，表现为牛市后主观预期更乐观而客观预期更低，金融危机时客观预期上升而主观预期悲观，偏差源于过度外推和反映不足[15] - 价值策略长期表现更好源于过度外推，低估值资产表现常超预期，高估值资产常低于预期，主观收益预期偏差在个人投资者和机构投资者中存在差异，个人投资者更易过度乐观和短视[16] - Invesco全球量化调查覆盖超130家机构，合计管理规模超22万亿美元，显示量化投资趋势包括多资产组合管理中量化使用率提升、因子调整灵活度提高、以及AI使用率提高[19][22][23] - 2024年认为AI未来十年将比传统投资更重要的管理人比例从2023年的13%提升至34%，亚太投资者最为积极，欧洲投资者最为保守[24] 主要量化产品与因子表现跟踪 - 因子轮动类产品中，贝莱德的因子轮动ETF在2025年进一步跑赢对应指数，而景顺的动态多因子ETF在1-4月因低波因子暴露跑赢指数，但后续表现偏弱[30][33] - 贝莱德因子轮动ETF因子选择偏向中性，低波因子、质量因子处于中间位置，成长、价值、动量略有暴露，大市值观点维持不变[33] - 景顺经济周期模型继续提示衰退，因子配置无变化，低波暴露最高，质量、动量继续高配，其国际版本产品8月5日成立至9月30日收益约7%，跑赢基准约1.2%[36][38] - 综合量化产品中，贝莱德Advantage系列和富达指数增强系列为代表，贝莱德产品2025年表现更好，尤其6月以来每月跑赢指数，富达产品也能战胜基准[40] - 机器学习选股产品中，QRFT表现优于AIEQ，AIEQ跑输标普500近3%，而QRFT跑赢近3%[43] - 桥水全天候ETF于2025年3月成立，4月受关税事件影响回撤后快速修复，至10月24日累计收益超15%，规模突破6亿美元，三季度持仓变化不大，债券仓位因波动率变化小幅上升[44][46][47] - 2025年因子表现跟踪显示，2-4月低波因子持续强势，成长、动量回撤明显，但5月以来因子表现回归，成长、动量重回强势，低波、价值类因子表现偏弱[48]

公司核心投资哲学 - 以技术为信仰、以稳健为生命线，在市场中行稳致远 [1] - 秉持规律探索者的纯粹、对公司发展路径的定力以及技术超配的长期主义 [1] - 致力于探寻金融市场深处的客观规律 [1] 创始人背景与驱动力 - 创始人为理论化学背景，拥有17年量化投研经验，属于兴趣驱动的量化领域民间派 [3][4] - 核心驱动力在于对客观规律怀有巨大好奇的思维与心性，推崇成长性思维，将自身视为可不断优化的模型 [4][5] - 将量化投资视为永远解不完的谜题，支撑其前进的是解开谜题、突破挑战的纯粹快感 [6] 技术驱动与研发投入 - 将技术驱动奉为核心信条，竞争本质是技术竞争 [4] - 自建行业领先的低延迟交易系统，实现小微秒级别延迟，每年保持千万级IT投入以确保技术持续领先 [5] - 早在2019年便率先使用AI辅助投研，并于2025年初成立AI Lab，AI已全面融入从因子挖掘到风险控制的投资流程 [5] 风控定力与战略原则 - 关键发展定力是稳字当头，获取全频段上纯粹的阿尔法收益，战略定力是生存与发展的关键 [7] - 遵循策略储备先于资管规模、人才储备先于策略储备的原则 [7][8] - 在业绩未达第一梯队有竞争力标准前坚决不放规模，认为客户资产是负债 [7] 策略布局与规模管理 - 构建多元化策略矩阵，采用多因子选股模型，从全球200多个数据源构建因子库 [7] - 资管规模近150亿元，其中短周期策略约80亿元，阿尔法选股类策略约30亿元，形成覆盖主流指数的全频段布局 [7] - 目标是从单一风格深耕迈向全频段阿尔法优势，为投资者提供差异化收益来源 [7] 人才与治理机制 - 强调前瞻性布局，管理规模20亿元时团队有40多人，50亿元时有六七十人 [8] - 设计极具吸引力的激励体系，包括让核心投研员工按比例提取收益且上不封顶的提成制，以及对贡献突出者进行股权奖励的合伙人制度 [9] - 治理上展现共情能力，认为好的机制能催生人的善意，致力于打开每一位同事的晋升通道 [9] 社会价值与行业使命 - 积极承担社会价值，围绕科研捐赠和对前沿硬科技的天使投资两个维度展开 [10][11] - 希望通过平台化运作，让外界看到整个量化行业都在社会公益上努力 [10] - 认为量化机构应秉持正心正念，行为方式要有利于行业健康发展，不能损害外界对行业的信任 [11] 未来愿景 - 未来十年愿景是成为中国综合能力最优秀的头部量化机构之一，并进一步成为全球范围内具有影响力的优秀机构 [11]