股价表现 - 9月11日中原证券股价上涨5.08%至4.76元/股 成交额达4.63亿元 换手率2.89% 总市值221亿元 [1] 业务结构 - 证券经纪业务贡献48.17%收入 信用业务占24.37% 期货业务占23.95% 为主要收入来源 [1] - 投资管理业务占比9.09% 投资银行业务占比2.83% 境外业务占比1.64% [1] 基金持仓 - 国金中证1000指数增强A持有48.41万股 占基金净值比例0.63% 为第十大重仓股 [2] - 该基金二季度减持1900股 当日浮盈约11.13万元 [2] 基金业绩 - 国金中证1000指数增强A规模1.64亿元 今年以来收益率35.17% 同类排名865/4222 [2] - 近一年收益率达81.61% 同类排名689/3798 成立以来收益率23.42% [2] 基金经理 - 基金经理李洪超累计任职50天 管理基金总规模7.79亿元 [3] - 任职期间最佳基金回报6.39% 最差基金回报4.13% [3]

兆易创新业务表现与展望 - 2024年二季度NOR Flash业务实现高个位数增长 利基型DRAM增长超50% MCU增长接近20% 模拟芯片环比成长较高 传感器芯片增长约10% [1] - 预计第三季度环比增长 全年需求上涨 利基型DRAM供应偏紧缺至全年 下半年该业务营收显著增长 合约价格第三季度继续上涨 [1] - 公司毛利率整体平稳 Flash未来温和涨价 DRAM毛利率提升 整体毛利率保持稳定 [1] - NOR Flash需求端因电子产品代码量上升而增长 供应端受晶圆制造产能紧张影响 供给短缺将持续较长时间 [1] - MCU增长点集中在工业控制 光储充 白电等高门槛国产化替代方向 新产品收入贡献持续提升 [1] - DDR4 8Gb产品全年收入贡献有望达DRAM总收入三分之一 LPDDR4小容量产品全年收入占比可能提升至两位数 [1] - 45nm NOR Flash产能持续爬坡 预计年底收入贡献达15% 2026年补齐产品线 芯片面积缩减20% 成本优势显著 [1] - 规划LPDDR5产品线 预计两年内推出 汽车MCU市场推出多核产品 AI MCU应用于AI场景及算法搭载 内部集成NPU [1] 良信股份业务布局与表现 - 数据中心业务分为互联网企业 运营商 单体项目三大板块 市场占有率集中在HVDC和UPS产品 [2] - 下半年新能源业务增速可能放缓 公司将在数字能源和基础设施领域持续发力 [2] - 海外大客户存在技术升级需求 原有供应商面临产能瓶颈 公司与海外客户合作配合度较好 [2] - 海外业务上半年毛利率较去年同期略有小幅下降 [2] - 新能源BU中光伏 储能 风能占据较大份额 新能源汽车 充电桩 箱式变电站等业务模块增速较快 同时布局核电和氢能领域 [2] 国金基金基本情况 - 资产管理规模(全部公募基金)674.49亿元 行业排名77/210 非货币公募基金规模413.92亿元 排名84/210 [2] - 管理公募基金数量59只 排名96/210 旗下公募基金经理15人 排名87/210 [2] - 旗下表现最佳产品为国金中证1000指数增强A 最新单位净值1.26 近一年增长83.46% [2]

机构持股概况 - 截至2025年7月30日 18家机构合计持有智微智能A股672.19万股 占总股本比例2.67% [1] - 前十大机构投资者合计持股比例达2.60% 较上一季度下降0.85个百分点 [1] - 香港中央结算有限公司为第一大机构股东 但本期持股减少占比达0.69% [1][2] 公募基金持仓变动 - 本期新增披露9只公募基金 包括南方中证1000ETF、华商优势行业混合等产品 [2] - 金鹰民丰回报混合与建信社会责任混合A持股增加 宝盈策略增长混合与宝盈科技30混合持股减少 [2] - 海富通股票混合与国金中证1000指数增强A等2只基金未再披露持仓 [2] 主要投资主体构成 - 前十大机构包含外资（香港中央结算）、保险（中国人寿）、公募（易方达、宝盈、南方、华商）及私募（东台智展）等多类型机构 [1] - 金鹰基金旗下两只产品（民安回报定开A、元丰债券A）新进入前十大股东名单 [1] - 银行系公募产品（建信、广发）及指数型基金（中证1000ETF、中证500指数增强）新现身持仓机构名录 [2]

量化模型与构建方式 1. **模型名称**：DFQ-2020风险因子模型 - **模型构建思路**：基于多因子风险模型框架，通过控制行业暴露、风格暴露等约束条件构建最大化单因子暴露组合（MFE组合）[16][56] - **模型具体构建过程**： - 目标函数：最大化单因子暴露 $$max\ f^{T}w$$ - 约束条件： 1. 风格因子偏离约束 $$s_{l}\leq X(w-w_{b})\leq s_{h}$$ 2. 行业偏离约束 $$h_{l}\leq H(w-w_{b})\leq h_{h}$$ 3. 个股权重偏离约束 $$w_{l}\leq w-w_{b}\leq w_{h}$$ 4. 成分股权重占比约束 $$b_{l}\leq B_{b}w\leq b_{h}$$ 5. 换手率约束 $$\Sigma|w-w_{0}|\leq to_{h}$$[56][59] - **模型评价**：通过线性规划高效求解，适用于沪深300、中证500等指数的增强组合构建[56][60] 量化因子与构建方式 1. **因子名称**：Trend风格因子 - **因子构建思路**：捕捉股票价格趋势延续性，通过指数加权移动平均（EWMA）比率计算[14] - **因子具体构建过程**： - Trend_120：$$EWMA(halflife=20)/EWMA(halflife=120)$$ - Trend_240：$$EWMA(halflife=20)/EWMA(halflife=240)$$[14] - **因子评价**：在震荡市场中表现突出，反映市场对趋势延续性资产的偏好[11][8] 2. **因子名称**：UMR动量因子（风险调整后） - **因子构建思路**：基于不同时间窗口（1/3/6/12个月）的收益风险调整动量[19] - **因子具体构建过程**： - 一个月UMR：过去20个交易日风险调整收益 - 三个月UMR：过去60个交易日风险调整收益 - 六个月UMR：过去120个交易日风险调整收益[19] - **因子评价**：在中证全指和中证500样本中表现优异，但动量类因子近期普遍承压[8][25] 3. **因子名称**：估值类因子（EPTTM、BP） - **因子构建思路**：衡量盈利与市值比率（EPTTM）或账面市值比（BP）[19] - **因子具体构建过程**： - EPTTM：$$归母净利润TTM/总市值$$ - BP：$$净资产/总市值$$[19] - **因子评价**：在沪深300样本中近期表现强劲，反映市场对低估值的关注[21][24] 4. **因子名称**：波动率因子（Stdvol、Ivff） - **因子构建思路**：衡量股票历史波动率[14] - **因子具体构建过程**： - Stdvol：过去243天的标准差波动率 - Ivff：过去243天的Fama-French三因子特质波动率[14] - **因子评价**：近期表现疲软，反映市场对高波动资产的规避[12][13] --- 模型的回测效果 1. **DFQ-2020风险因子模型**： - Trend风格近一周多空收益2.92%，近一年年化14.11%[13] - Volatility风格近一周收益-1.98%，历史年化-13.23%[13] --- 因子的回测效果 1. **六个月UMR因子**： - 中证全指：近一周收益1.23%，近一年年化7.43%[44] - 中证500：近一周收益0.99%，近一年年化-4.07%[26] 2. **单季EP因子**： - 沪深300：近一周收益1.02%，历史年化5.59%[22] - 中证800：近一周收益1.40%，历史年化7.77%[30] 3. **三个月反转因子**： - 国证2000：近一周收益2.78%，近一年年化10.61%[36] - 创业板指：近一周收益2.52%，历史年化1.54%[39] 4. **BP因子**： - 中证全指：近一周收益0.69%，历史年化4.65%[44] - 沪深300：近一周收益0.44%，历史年化2.93%[22] 5. **分析师认可度因子**： - 沪深300：近一周收益0.81%，历史年化3.46%[22] - 中证1000：近一周收益-0.35%，历史年化7.55%[33] 6. **非流动性冲击因子**： - 国证2000：近一周收益1.42%，近一年年化14.67%[36] - 中证全指：近一周收益-0.14%，历史年化0.18%[44] --- 附录：MFE组合构建细节 - **行业约束**：控制中信一级行业暴露为0[60] - **市值约束**：控制市值风格因子暴露为0[60] - **个股权重偏离**：最大偏离基准权重1%[60]

量化模型与构建方式 1. **模型名称**：东方A股因子风险模型(DFQ-2020) - **模型构建思路**：基于风格类风险因子构建多因子模型，用于解释股票收益的风险来源[14] - **模型具体构建过程**： - 包含10类风格因子（如Size、Beta、Trend等），每类因子由多个子因子合成[14] - 因子计算示例： - **Size因子**：总市值对数 - **Beta因子**：贝叶斯压缩后的市场Beta - **Trend因子**：通过指数加权移动平均比率计算，如 $$Trend\_120 = \frac{EWMA(halflife=20)}{EWMA(halflife=120)}$$ - **Volatility因子**：包含5个子因子，如过去243天的标准波动率、FF3特质波动率等[14] - **模型评价**：覆盖市场主要风险维度，因子定义清晰且具有经济逻辑 2. **MFE组合构建模型** - **构建思路**：通过组合优化最大化单因子暴露，同时控制行业、风格等约束[54] - **具体构建过程**： - 目标函数：最大化因子暴露 $$max\ f^{T}w$$ - 约束条件包括： - 风格暴露限制 $$s_{l}\leq X(w-w_{b})\leq s_{h}$$ - 行业偏离限制 $$h_{l}\leq H(w-w_{b})\leq h_{h}$$ - 换手率约束 $$\Sigma|w-w_{0}|\leq to_{h}$$[54] - **模型评价**：更贴近实际投资约束，能有效检验因子在复杂条件下的表现 --- 量化因子与构建方式 1. **因子名称**：单季ROE - **构建思路**：反映公司当期净资产收益率，属于盈利类因子[19] - **具体构建**： $$Quart\_ROE = \frac{单季净利润*2}{期初净资产+期末净资产}$$[19] 2. **因子名称**：一个月反转 - **构建思路**：捕捉短期价格反转效应[19] - **具体构建**：过去20个交易日涨跌幅的相反数 3. **因子名称**：标准化预期外盈利（SUE） - **构建思路**：衡量盈利超预期程度[19] - **具体构建**： $$SUE = \frac{单季实际净利-预期净利}{预期净利标准差}$$ 4. **因子名称**：特异度（IVR_1M） - **构建思路**：反映个股收益脱离市场共同因素的程度[19] - **具体构建**： $$IVR\_1M = 1 - R^2_{FF3}$$（Fama-French三因子回归拟合度） --- 模型回测效果 1. **DFQ-2020风格因子表现**（中证全指样本） - Liquidity因子：近一周收益5.44%，近一年年化33.79%[11] - Size因子：近一周收益-5.96%，历史年化-29.56%[11] 2. **MFE组合模型** - 沪深300增强产品：近一周超额收益中位数-0.07%，最高0.47%[47] - 中证1000增强产品：今年以来超额收益中位数3.28%，最高9.18%[53] --- 因子回测效果 1. **沪深300样本空间** - 预期PEG因子：近一周收益0.88%，近一年年化2.96%[22] - 单季ROE因子：近一周收益0.86%，历史年化4.25%[22] 2. **中证1000样本空间** - 一个月反转因子：近一周收益1.03%，近一年年化-10.62%[32] - 特异度因子：近一周收益0.76%，历史年化4.98%[32] 3. **创业板指样本空间** - 标准化预期外盈利：近一周收益16.09%，近一年年化32.15%[39] - 3个月盈利上下调：近一周收益-3.87%，历史年化-12.03%[39] --- 附录：MFE组合构建细节 - **优化变量**：$w$为股票权重向量，$w_b$为基准权重[54] - **行业约束**：$B_b$为成分股0-1矩阵，限制成分股权重占比[57] - **换仓频率**：月末调仓，双边交易成本0.3%[58]