科技创新板块投资价值 - 政策驱动的高成长性与国家战略长期确定性：从"国九条"到"科创板八条"再到即将推出的改革措施，创业板和科创板是国家创新经济的重要引擎[2] - 科技创新企业成长潜力：deepseek、机器人、军工、创新药等领域持续突破，双创板块最可能获得技术红利[2] - 市场表现提供上行空间：截至6月13日科创50指数下跌1.62%，创业板下跌4.57%，当前估值具备吸引力[2] 量化投资与双创板块适配性 - 交易规则优势：科创板/创业板涨跌幅限制更宽松，波动显著高于主板[5] - 行业结构适合量化：科创板电子/医药生物/计算机占比高，创业板电力设备/医药生物/电子活跃，换手率较高[5] - 因子适应性突出：成长类因子、专利因子、研发投入等另类因子在双创板块超额收益显著[7] 龙旗科技产品表现 - 科技创新精选1号成立6个月收益率达***%，超越同期量化多头1号（***%）和中证2000指增1号（***%）[4] - 产品线全面领先：量化多头1号和中证2000指增1号包揽百亿私募近半年收益前两名[4] 公司长期竞争力 - 投研体系优势：14年持续技术调优和策略升级，强化人才储备与专业化架构[11] - 产品创新方向：推出科技创新精选1号填补高收益预期投资者的差异化配置需求[14] - 经营理念核心：坚持"投资者至上"，构建多元低相关产品线[14] 行业数据与结构 - 百亿量化私募增至39家，龙旗近一年收益夺冠[1][15] - 双创板块流动性充足：含宁德时代、寒武纪等大市值权重股，非纯小盘股特征[7]

量化模型与构建方式 1 模型名称：贝莱德因子轮动模型 模型构建思路：通过宏观经济周期、因子动量、因子估值等多维度信号动态调整因子暴露，以应对不确定性环境[15] 模型具体构建过程： - 经济周期信号：根据GDP、通胀等宏观指标划分经济阶段，对应不同因子偏好（如复苏期侧重价值因子）[40] - 因子动量信号：计算各因子过去12个月滚动收益，超配持续强势因子 - 因子估值信号：采用因子Z-score衡量历史分位数，低估值因子优先配置 - 成长因子择时子模型：额外引入企业盈利指标（如ROE变化率）作为辅助信号 模型评价：在2024年市场集中度提升时通过质量/成长因子暴露获得超额收益，2025年转向中性配置后有效控制回撤[40] 2 模型名称：AQR高波动因子筛选模型 模型构建思路：通过方差比率指标识别长期波动性显著的因子，结合夏普率优选高波动高收益因子[23] 模型具体构建过程： - 计算因子方差比率：$$ VR = \frac{\sigma_{annual}^2}{12 \times \sigma_{monthly}^2} $$ 其中VR>1.5定义为高波动因子（如债务因子VR中位数1.8）[24] - 构建因子夏普率回归方程：验证高VR因子与夏普率正相关性（R²=0.32）[25] - 组合优化：在财务类因子（债务/应收/盈利）上超配，通过多因子分散降低组合波动[24] 量化因子与构建方式 1 因子名称：财务高波动因子组 因子构建思路：筛选财务报表中波动性显著且具备超额收益的指标[23] 因子具体构建过程： - 债务因子：净债务发行额/总资产滚动3年标准差 - 应收因子：应收账款周转率行业偏离值 - 盈利因子：ROIC波动率与同业差值[24] 2 因子名称：新兴市场小盘因子 因子构建思路：捕捉新兴市场小盘股估值洼地与本土化优势[28] 因子具体构建过程： - 市值筛选：选择MSCI新兴市场指数后30%成分股 - 本土化指标：计算公司收入国内占比（新兴小盘股平均72%） - 分析师覆盖调整：剔除近6个月有2份以上研报覆盖的股票[28] 模型的回测效果 1 贝莱德因子轮动模型：年化超额收益8.2%，IR 1.83，最大回撤1.9%（2013年）[40] 2 AQR高波动因子模型：年化夏普率0.7，月度胜率58%[24] 因子的回测效果 1 财务高波动因子组：年度波动率18.6%，5年累计收益142%[24] 2 新兴市场小盘因子：2025年1-5月超额收益9.8%，相对大盘股Beta 0.6[28]

融通基金vs神农投资创新药泡沫论战 - 融通基金万民远认为当前A股创新药板块存在严重泡沫 大部分标的处于临床前或一二期阶段 缺乏实质业绩支撑 泡沫程度超过上轮CXO泡沫 [1] - 神农投资陈营长持相反观点 认为创新药行业正经历历史性反转 头部公司将创造世界级创新药产品 当前估值相比泡沫期CXO仍处低位 [1] - 双方分歧核心在于对创新药行业发展阶段判断 一方强调短期估值泡沫风险 另一方看好长期产业升级机遇 [1] 券商中期策略会观点汇总 - 华泰证券、国泰海通等多家头部券商集中召开中期策略会 普遍看好下半年A股估值修复行情 科技主线获一致推荐 [2][3] - 华泰证券何康指出中国资产广谱型估值修复刚起步 A股下半年表现大概率优于海外市场 [2] - 国泰海通方奕提出"转型牛"概念 认为政策改革+新技术商业化将推动股市长期向上 增量资金入市进入历史转折点 [3] 券商配置建议 - 华泰证券建议采用红利+成长的哑铃型策略 关注消费板块政策博弈机会 同时强调黄金的避险配置价值 [4] - 国泰海通推荐三大方向：金融高分红（券商/银行/运营商）、新兴科技（互联网/医药/机器人）、周期消费（有色/化工/化妆品） [4] 私募与科技企业动态 - 百亿量化私募上海佳期完成实控人变更 总经理吴霄霄持股比例升至56% 公司称已实现平稳过渡 [5] - 国奥科技获深创投数千万元A轮融资 资金用于半导体/汽车/机器人领域产品研发 该公司专注精密电机技术 [5][6] - 晟为数科完成近亿元融资 由三七互娱等领投 其"铠大师虚拟机鸿蒙版"助力国产操作系统生态建设 [7] - 本末科技完成数亿元B轮系列融资 资金将投向直驱关节模组量产和机器人商业化落地 [8] 企业战略合作 - 仁和药业与西部证券达成全面战略合作 覆盖资本市场融资、产业并购、资产管理等关键领域 [9] - 招商证券推出行业首只基金投顾公益组合 累计签约规模突破8亿元 50%以上服务费投入公益事业 [10] 监管动态 - 前海锦华基金因从事非私募业务被深圳证监局出具警示函 [11]

当全球资管行业还在对大模型等新兴算法工具应用于投资策略分析的可行性进行探索时，来自中国的头 部量化私募机构正密集进行技术储备，并有望借助新技术实现"超车"。 日前，又一"国产"量化基金秀出了自身的算法"肌肉"：上海念空数据科技中心(以下简称"念空科技")通 过与上海交通大学计算机学院的合作，提出了一种全新的大模型后训练方法。相关研究论文已投向人工 智能领域的顶级会议神经信息处理系统大会(NIPS)并于5月20日发表。 该论文发表后引起行业高度重视。有业内人士认为，自幻方量化推出大模型DeepSeek并开源后，如何 将大模型应用于量化交易备受市场关注，但截至目前，即便是幻方量化自身也尚未公布成熟的应用案 例。念空科技或许抢到了大模型应用于量化投资的"头啖汤"。 5月20日，念空科技董事长、首席投资官王啸在接受《证券日报》记者采访时进一步透露，念空科技已 开始将大模型应用于量化决策中，在企业内部的测试中，其大模型已展现出接近传统AI策略的预测能 力。 与中国量化对于大模型的积极拥抱态度有所不同，当前，全球头部量化机构对大模型仍持谨慎态度，推 进大模型应用的节奏相对缓慢。纵观全球资管市场，海外量化巨头虽储备大量算力 ...

公司概况 - 茂源量化成立于2013年，2020年启动资管业务，当前管理规模两百多亿元，2021年突破百亿规模后曾封盘，2024年重新开放募资[2][13][14] - 公司特点包括强大的技术团队（技术/投研人员比例1:1）和注重组织管理，强调通过投研平台实现"1+1=2²"的规模效应[7][21][30] - 创始人郭学文拥有跨界背景，14岁考入清华，博士后研究气候变化大模型，曾创立两家被收购的科技企业[2][7] 量化方法论 - 量化研究无法一劳永逸，存在"信号消灭论"——强信号被大量资金交易后失效，必须持续快速迭代[3][11] - 多弱信号叠加成强信号是基础理论，但需通过组织管理（如共享文化、投研平台）实现高效迭代[11][21] - 气候研究与量化模型的相似性在于预测逻辑，但科学规律恒定而市场规律会被消灭[7] 行业发展趋势 - 国内量化在股票研究已达世界先进水平，高频策略迭代速度是典型案例，未来增长点在于低频策略、多资产配置和国际市场[5][16][23] - 预计中国将出现千人体量、万亿规模的量化私募，低频策略（如月/季度预测）可支撑更大资金容量[4][15][17] - 国债、外汇等新资产类别及宏观配置领域存在发展空间，国际市场拓展是必然方向[17][24][26] 技术布局 - 公司每年算力投入超九位数，投研平台建设是技术团队核心任务，可提升研究员效率（如1个月工作缩短至1周）[21][27] - 国产芯片在大模型推理接近国际水平，但高精度浮点运算仍有差距，行业替代需生态支持[22] - 量化本身就是AI细分应用，与通用大模型（如DeepSeek）属于技术同源不同方向[20] 人才战略 - 招聘标准强调热爱量化（非单纯逐利）和创新能力，需具备跳跃式思维而非流程化思维[6][28][29] - 团队稳定性依赖协作文化（策略研发需多人叠加贡献）和高效平台带来的工作满足感[27][28] - 国际化挑战包括熟悉海外规则和全球化团队管理，现有平台基础可支持海外扩张[24][25] 竞争格局 - "内卷"推动行业技术进步，中国用10年完成海外几十年发展路径，未来将诞生世界顶级量化公司[19][23] - 量化行业存在"不可能三角"（规模/业绩/回撤），市场有效性提升使长周期策略竞争力增强[12] - 量化能力是国家金融安全组成部分，强大量化机构可提升国际市场风险应对能力[26]

文章核心观点 幻方量化近期调研雅化集团，雅化集团坚持双主业发展战略，业绩有一定表现且有产能扩张计划 [1] 幻方量化相关情况 - 幻方量化依靠数学与计算机科学进行量化投资，创始团队2008年开始致力于量化对冲领域研究等工作 [2] - 幻方量化是国内金融衍生品交易与设计领先者，走在创新前沿 [2] - 幻方量化坚持高法律和道德标准，借助科技力量进行创新研究，拥有一流系统，用人工智能优化传统量化策略 [2] - 幻方量化团队由各领域顶尖人才组成，成员经验丰富，对量化交易技术及策略造诣深 [2] - 幻方量化立志成为世界顶级量化投资公司，推进中国量化对冲基金健康发展 [2] 雅化集团相关情况 调研情况 - 幻方量化参与雅化集团电话会议 [1] 业务战略 - 雅化集团坚持双主业发展战略 [1] 业绩情况 - 2024年全年实现营业收入77.16亿元，同比下降35.14%，净利润2.57亿元，同比上升539.36% [1] - 2025年一季度实现营业收入15.37亿元，同比下降17.03%，净利润8,246.44万元，同比上升452.32% [1] 资源与产能 - 公司拥有津巴布韦卡玛蒂维锂矿68%控制权，年处理锂矿石230万吨 [1] - 现有氢氧化锂产能6.3万吨，碳酸锂产能3.6万吨，预计2025年将新增3万吨氢氧化锂产能 [1] 客户情况 - 锂盐客户包括特斯拉、松下、LGES等知名企业，海外客户订单占比较大 [1] - 民爆业务覆盖四川、西藏、新疆等20余个省市区，客户包括中铁建、中电建等大型央企 [1] 业务拓展 - 公司自2013年收购新西兰红牛公司后，加大在非洲和澳洲区域民爆业务的拓展力度 [1]

文章核心观点 量化投资大师、Barra模型创始人巴尔·罗森伯格上月去世，享年82岁，他在量化投资领域贡献卓越，其创建的Barra模型影响深远 [1][2] 巴尔·罗森伯格生平 - 1942年出生，父亲在伯克利教莎士比亚，母亲写诗，16岁进入伯克利大学，大三接触经济学并着迷，大四参加研究生院统计课程 [4] - 1963年获加州大学伯克利分校社会学研究数学模型方向学士学位，1965年获伦敦经济学院自然科学硕士学位，1968年从哈佛大学获研究风险模式和决策行为的博士学位 [4] - 曾在伯克利大学任教，1969年因改造旧船缺钱开启投资实务之旅 [4] Barra模型相关 - 1974年罗森伯格成立巴尔·罗森伯格联合公司，创建投资组合业绩和风险管理模型Barra，通过分析股票风险因子助投资者管理投资组合风险 [5] - Barra业务核心服务包括投资风险模型、组合风险分析、组合优化系统、绩效归因 [6] - Barra模型将金融理论转化为实用工具，使风险管理落地实践 [7] - 2004年6月MSCI收购Barra，当前Barra是全球知名投资组合业绩分析系统，被众多基金公司和量化投资专业机构使用 [8] 其他量化模型及业绩 - 1985年罗森伯格创立RIEM公司，后成AXA罗森伯格，主要管理多样化股票投资组合，1990年资产管理规模突破100亿美元 [7] - 罗森伯格开发“综合阿尔法”量化模型，由“评估阿尔法”“市场人气阿尔法”“收益阿尔法”组成，1997年11月前5年“市场中立类”投资组合年收益增长率超越同类标准近12% [7]

量化投资行业的发展与特点 - 量化投资行业起源于1994年，标杆公司D E Shaw曾在一天内贡献纽交所超2%的订单量 [3] - 头部量化公司幻方推出大语言模型DeepSeek R1，未营销即震撼全球，用户增速超越早期抖音 [4] - 量化投资完全依赖数据挖掘规律，放弃主观信息获取，认为人类行为重复性可被计算机捕捉 [5] 量化策略的核心逻辑 - 价差回归策略：监测相关股票价差变动，早期案例显示6-7只股票可支撑3000万美元基金规模 [6] - 动量效应：学界发现过去收益好的股票未来大概率持续，量化模型通过因子捕捉此类规律 [7] - 复杂因子应用：J P Morgan构建特朗普推文语义指数"Volfefe"解释国债利率变动，WorldQuant使用含不明意义参数的复杂公式 [9] 量化行业的人才与文化 - 头部公司偏好数学/计算机背景人才，Two Sigma曾雇佣130名博士和6名国际奥数获奖者 [12] - 幻方创始人倾向招聘信息学竞赛金牌得主或顶尖高校计算机专业毕业生 [13] - 研究范式强调科学验证，例如Two Sigma面试题要求设计CEO离职对股价影响的实验方案 [15] 量化公司的组织架构 - 分组独立运营模式：顶级机构允许小组独立交易，曾有小组通过另类资产策略获利数十亿元 [16] - 集体决策模式：文艺复兴全员共研交易系统，研究员需定期展示成果并承受业绩压力 [17] - 办公选址刻意远离传统金融区，如Two Sigma不设华尔街办公室，幻方总部位于杭州 [15] 技术投入与极致执行 - 文艺复兴数据库覆盖18世纪至今数据，每日新增40TB，拥有52000个计算核心 [18] - Two Sigma部署超过7200台服务器，接入10000多个数据源的300PB数据 [18] - 幻方在2021年投入上亿元购买10000张英伟达显卡布局大模型研发 [19] 量化与大模型的共性 - 机器学习因子日产量达数千个，虽失效快但数量优势显著，类似大模型训练中的海量参数 [9][18] - 成功关键均在于将方法论贯彻极致，如GPT参数从1 17亿扩大到1750亿实现智能涌现 [18][19] - 行业先驱都需突破认知边界，西蒙斯曾质疑机器学习黑箱，梁文锋坚持算法交易探索 [18][19]

量化机构进军大模型领域 - 量化巨头九坤携手微软团队成功复现DeepSeek-R1，并发现语言混合会显著降低推理能力等问题 [1] - 另一量化巨头宽德在2月24日发布智能学习实验室人才招聘通知，宣布实验室将向人工智能领域发展 [2] - 量化机构进入大模型领域的原因包括其已有算法基础和高性能芯片储备 [5][6] 量化机构的技术与资源储备 - 九坤内部设有三大实验室（Data Lab、AI Lab、水滴实验室）和一个外部联合实验室（九坤—IDEA联合实验室），具备算法支持能力 [5] - 幻方量化拥有超过1万张A100芯片储备，与国内头部互联网大厂相当 [7][8] - 九坤同样囤积高性能芯片，其创始人王琛曾出现在英伟达CEO黄仁勋的活动中，凸显算力对量化公司的重要性 [9][10][11] 行业竞争与市场动态 - 大模型领域此前以清华系为主导，投资人倾向于在清华周边寻找类似项目 [3] - 量化机构尝试复制梁文锋的成功路径，但技术创新难以复制，大模型六虎仍在融资和降成本中挣扎 [13] - 一级市场存在FOMO（害怕错过投资机会）现象，机构担心错过估值较低的竞争者 [14][15] 量化机构的地域分布与行业影响 - 九坤总部位于北京，缓解了北京在量化领域被杭州压制的局面 [18] - 量化机构进入大模型领域仍处于早期阶段，未来需关注大模型与行业结合的产品化能力 [16][17]

核心观点 - DeepSeek的出现打破了AI大模型研发需要巨额资金和技术积累的固有认知，由一家中国金融领域的初创企业开发出性能卓越的开源大模型[1][4][5] - DeepSeek的成功在于通过算法优化提升算力的边际产出，以技术进步突破规模定律的约束，这背后体现了中国在数字基础设施和人才规模方面的优势[1][8][11] - AI发展同时受规模定律和规模效应影响，规模定律带来后发优势，规模效应带来先发优势，中美在AI领域各有比较优势[15][16][22] - DeepSeek选择开源模式有利于构建更大规模的创新生态，加速AI应用层的渗透，发挥中国在应用端的规模优势[24][26][28] - 金融与科技存在天然联系，金融领域的创新本就是数字科技创新的一部分，金融科技与科技金融需要协同发展[36][38][39] AI经济学：规模定律与规模效应 - 规模定律指在给定算法框架下，增加数据、参数、算力投入可提升AI性能但边际收益递减，规模效应指规模扩大带来单位成本下降和效率提升[8][9][10] - DeepSeek通过算法优化提升算力边际产出，以技术进步突破规模定律约束，在算法框架改善下AI性能可呈现规模报酬递增[11][12][14] - 算法创新依赖于规模经济构建的创新生态，包括企业内部规模经济和上下游协同的外部规模经济[14] - 中国在数字基础设施和人才规模方面的优势为算法创新提供了支撑，体现大国规模经济效应[1][14][15] AI经济学：后发优势与先发优势 - 规模定律隐含后发优势，落后者要素投入边际产出更高，有利于差距收敛；规模效应隐含先发优势，规模报酬递增强化领先者地位[15][16][22] - 中美AI发展指数显示两国在研发端和应用端均具规模优势，美国研发端略强，中国应用端略强[16] - 中美发展路径分化：美国侧重算力优势，中国侧重算法优化和人才规模，2022年中国培养的AI优秀人才占比已达47%[18][19][21] - 美国限制算力出口可能促使中国更聚焦算法优化，强化比较优势，算法技术进步是AI发展的核心驱动力[19][22] 开源促进外部规模经济 - DeepSeek开源模式降低应用层商业壁垒，有利于加速"人工智能+"进程，2025年1月其APP在157个国家和地区下载排名第一[24][26] - 开源系统更依赖外部规模经济，闭源系统更依赖内部规模经济，如Android用户数近iOS三倍但开发者收入更低[25][28] - AI应用层潜在市场规模是算力层和模型层总和的两倍，开源加速渗透可释放大国规模优势，促进经济增长[27][28] - 开源将规模经济收益更多分配给生态伙伴，实现创新社会正外部性，弱化技术进步的贫富分化效果[28] 创新发展模式 - 科技创新与产业创新需要融合发展，中国需摆脱重供给轻需求、重资产轻人才的路径依赖[31][32] - 大市场需求优势是产业创新根本驱动力，如《黑神话悟空》《哪吒之魔童闹海》等成功案例[32] - 大企业擅长渐进式创新，小企业更具颠覆式创新活力，CVC模式可实现两者优势互补[33][34] - 知识产权保护与个人破产制度对激励人才创新创业至关重要[34] 金融与科技关系 - 金融活动尤其是资本市场关键在解决信息不对称，金融领域创新本就是数字科技创新的一部分[36][39] - 量化基金等金融科技是科技工具在金融领域的重要应用场景，AI大模型要素也是其竞争力所在[38] - 资本市场通过外部规模经济支持创新生态，与多样化创新生态更契合，大国资本市场更具优势[37] - 需平衡金融科技监管与包容"动物精神"，重点防范不当行为而非限制超额收益本身[39]