市场背景与策略定位 - 在A股市场风格频繁切换、波动常态化的背景下，兼具市场贝塔收益和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[1][22] - 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[1][22] - 在当前中国经济结构转型、科技创新成为核心驱动力的时代背景下，中小盘成长风格有望显现出长期的配置价值[22][44] 黑翼资产公司概况 - 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[2][23] - 公司专注于数量模型研究，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收益[2][23] - 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[2][23] - 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[2][24] - 公司已实现全流程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[2][23] 投研团队实力 - 黑翼资产中投研人员占比达约70%左右[3][25] - 投研团队成员的平均从业年限超过10年[3][25] - 超过60%团队成员拥有博士学位，多毕业于斯坦福、麻省理工、清华、北大等知名学府[3][25] - 公司建立了全面的人才梯队建设体系，既有经验丰富的资深基金经理，也有充满创新与活力的应届生加入[3][25] AI技术与量化流程 - 黑翼是较早将人工智能技术应用到金融市场的机构之一，将AI技术植入量化投资的全流程，包括数据收集、因子挖掘、收益预测、组合优化、算法交易等各个环节[4][27] - 公司秉承长期、多元的投资理念，重视全频段、全周期、多品种、多策略覆盖，追求超额收益来源多元化、超额同质化程度低[4][27] - 公司通过自建数据中心，采用分布式存储系统和大数据处理技术，实现海量数据的高效存储和快速访问[18][39] - 投研流程由数据团队、因子团队、建模团队、组合优化团队和算法团队分工协作，涵盖数据分析、因子挖掘、收益预测、组合优化和算法交易等步骤[20][41] - 公司持续更新和优化因子库，除了量价数据、基本面数据外，还积极扩充另类数据，包括新闻舆情、电商数据、信用卡交易、卫星图像数据等，并利用AI技术解码挖掘更多隐藏的市场信号[20][41] 中证1000指数特征 - 中证1000指数小盘特征鲜明，主要聚焦于小市值公司，选取中证800指数样本以外的规模偏小且流动性好的1000只证券作为指数样本，与沪深300和中证500等指数形成互补[5][28] - 从行业分布来看，中证1000指数成分股大多包含高成长、高盈利能力的科技行业，其前三大行业分别为工业(占比26.59%)、信息技术(占比21%)和原材料(占比12.98%)[10][31] - 成分股多集中在新兴产业，"专精特新"企业占比领先，成分股内"专精特新"企业数量为175家，数量占比达17.50%，均远高于沪深300(15家，5.00%)、中证800(56家，7.00%)和中证500(41家，8.20%)，指数新经济特征较为显著[13][34] 中证1000指增策略核心 - 中证1000指数增强策略以中证1000指数为参考，在追踪对标基准指数的前提下，充分利用数理统计、机器学习等技术优势，力争挑选出全市场有alpha的股票，同时追求市场收益和超额收益[15][36] - 黑翼资产采用多元化因子配置作为其核心策略，通过均衡融合机器学习因子、基本面因子和人工量价因子，构建了一个相互协同的因子体系[16][37] - 公司有成熟的数据团队和AI技术赋能，以收集和挖掘更多数据信息，分散超额收益来源[16][37] 风险控制体系 - 黑翼资产建立了完善的风险控制体系，通过事前、事中、事后风控三大体系将具体措施深入至整个投资流程[20][41] - 事前风控在因子层面严控各类因子的暴露敞口和偏离度，力争使产品的业绩稳定性得到增强[20][41] - 事中风控实行24小时实时监控与人工监督，实时监控订单执行情况，防范异常交易[20][41] - 事后风控根据市场变化进行动态调整，以适合的制度把控全局[20][41] - 公司自研风险控制模型，通过技术与风控深度融合，依托强大的IT能力实现风控规则的自动化执行与实时监控，响应速度快，并保持风控高度独立[22][44]

公司定位与发展历程 - 公司定位为业绩至上、技术至上的量化投资机构，是中国量化行业精细化发展的缩影 [1] - 公司成立于2016年，经过九年发展，管理资产规模已超过150亿元 [2] - 公司从早期聚焦低延迟交易，发展到如今覆盖多策略、多品种、多频段的百亿机构 [1] 核心竞争力与关键决策 - 创立之初即笃定要拥有很强的低延迟技术，认为这是量化投资的必要不充分条件，尤其在短周期Alpha竞争中至关重要 [2] - 投研团队架构采用中心化大组模式，实行模块化运作，类似工业化流水线生产，避免资源浪费和重复研究 [3] - 2020年全面拥抱非线性模型（AI技术），从树模型发展到深度模型，预测能力大幅提升，并于2025年初成立AI Lab [3] 人才与技术支持 - 公司员工90余人，具备全球顶尖高校的数学、物理、计算机等多元学科背景 [3] - 重视人才培养，实行人才储备先于策略储备，策略储备先于管理规模的原则 [3] - 对应届生设置一年新人保护期，第一年不纳入考核，给予足够的空间和试错机会 [3] - 每年在IT硬件和数据上投入巨大，算力投入使回测时间从过去2天缩短至现在30分钟 [3] 策略与产品布局 - 未来两年最重要的目标是打造严格控制风格的全频段Alpha，覆盖多市场、多品种、全频段 [5] - 全频段Alpha可避免策略趋同，捕捉更多维度的超额收益，且波动更小，回撤较小 [5] - 策略频段短的达到分秒级，长的可预测半个月，不同组的成果可进行工程化对接 [5] - 产品线丰富，包括市场中性、指数增强、量化选股等，未来将发展更丰富的策略产品线，如红利指数增强和ETF相关策略 [6] 风险控制与业绩表现 - 回撤控制方法是采取全频段Alpha并严格控制风格暴露，关注包括非线性市值在内的精细风控指标 [6] - 由于超额收益来源维度多且广，在同样风险下回撤更小，今年8月量化行业普遍回撤时公司实现了盈利 [6] 行业观点与未来展望 - 量化投资对中国资本市场的价值是价值发现和提供流动性，可平抑市场波动 [8] - 2025年以来A股市场交易活跃度提升，国内量化私募基金管理规模重返1万亿元上方 [8] - 中国量化行业发展的第一阶段基本完成，头部机构初步具备全球竞争基础实力 [8] - 未来行业竞争将依靠精细化操作来迭代策略，国内量化与海外相比存在代差，需要不断打磨细节 [9] - 公司未来将持续迭代策略和技术，成为具有国际视野的稳健型量化投资机构，并已开始搭建海外业务架构 [1][7]

量化投资行业趋势 - 量化投资依托数学模型与算法高效处理海量数据，挖掘非线性规律与超额收益，在风险控制方面通过分散化持仓与动态风控显著降低回撤 [2] - 2025年7月百亿量化私募数量首次超越百亿主观私募，行业呈现结构性转变 [2] - 量化策略从高频向中低频拓展成为趋势，中低频策略容量大、多样性强且收益来源广，世纪前沿中低频策略对超额收益贡献占比超80% [25][26] 世纪前沿公司概况 - 公司成立于2015年8月，2021年管理规模突破100亿元，覆盖指数增强、市场中性、量化选股等全频段策略 [5] - 2024年荣获私募"金牛奖"、"英华奖"等多项行业顶级荣誉 [6] - 截至2025年7月底，旗下8只产品近三年收益均值位列百亿量化私募第8名，12只产品中11只在7月创历史新高 [8][9] 核心竞争优势 - 投研团队占比70%以上，成员多来自C9/常青藤名校，核心策略成员均有10年以上量化经验，团队保持零离职率 [12][14] - 采用紧密协作模式提升研究效率，每年投入数千万建设超算集群和另类数据库 [20][26] - 自建低延迟交易系统优化算法执行，减少交易冲击成本，交易执行优势显著 [22] 策略特征与收益来源 - 中小盘指增策略（中证1000/2000）依托成分股分散、交易活跃的特点，量价因子超额收益显著 [16] - 量化选股策略不锚定特定指数，灵活捕捉多风格贝塔，收益弹性更大 [17] - Alpha获取通过研究（市场预测模型）、开发（策略执行）、运维（系统稳定）三环节协同实现 [18] 风险管理体系 - 严控风格暴露，选股剔除流动性最差的后1000支股票，市值配置偏保守 [23] - 自建交易系统实时监控持仓，盘后生成风险报告进行归因分析 [23] 未来战略布局 - 加速国际化进程，2024年发行首支海外产品，学习海外同业先进经验 [26] - 探索AI技术应用，2020年组建机器学习团队，运用Transformer和大语言模型解析非结构化数据 [26]

公司背景与定位 - 九坤投资成立于2012年，由清华大学数学物理学士、计算机博士王琛与姚齐聪联合创立，CEO王琛拥有16年量化交易经验，曾任职于美国千禧年管理公司量化交易策略团队[1] - 公司产品线涵盖市场中性、指数增强、股票多空、CTA和债券等多策略，是中国量化私募行业第一梯队的代表机构[1] - 公司名称寓意"极竞天数为九，厚德载物为坤"，体现其将科学精神与传统文化融合的核心理念[1] 量化行业发展趋势 - 中国量化投资过去十年从绝对收益工具发展为多样化资产配置选择，策略类型从早期的中性策略扩展至对标大中小盘的指数增强、CTA等多元策略[14] - 量化管理规模逐步扩大，成为资本市场重要参与者，其分散化、纪律性和业绩稳健特征获得市场认可[13] - 监管细则出台规范程序化交易，有助于挤出"伪量化"泡沫，为优质量化机构创造更健康发展环境[22] 量化投资方法论 - 量化核心价值在于科学定价能力，通过数学模型替代主观判断减少情绪干扰，加速价格反映真实价值[4][15] - 量化投资助推市场价格回归价值，提升资本市场定价效率，促进优质上市公司发展[16] - 需平衡数学严谨性与市场直觉，注重"洞察力""科学素养"和"问题构建能力"等人才特质[20] 公司核心竞争力 - 硬实力体现在数据拓展、AI技术全栈应用及多元资产研究能力，软实力聚焦人才梯队建设与自由研究文化[25][26] - AI布局领先行业，过去5年招聘研究员90%具备AI背景，构建从算力到模型优化的全栈技术体系[29][30] - 通过高校合作、量化比赛等渠道选拔人才，提供开放研究环境与平台化工具降低技术门槛[27][28] 技术与业务发展路径 - 金融投资场景具有数据海量、信噪比低、市场反身性等特征，为AI技术提供重要试验场[35] - 采用投资与科技双轮驱动模式：通过量化业务巩固护城河，同时将技术拓展至多资产类别及垂直领域[37] - 持续投入原创技术研究，探索AI在信息获取、收益提升和风险控制等投资端的深度应用[10][36] 社会责任与行业影响 - 成立北京九坤公益基金会，重点投入科学教育项目，通过课程开发、教具捐赠等活动培养青少年科学素养[39][40] - 组织员工参与公益实践，将学术背景转化为"第一堂AI课"等特色内容，形成全员参与的公益文化[41] - 量化团队普遍具有科研基因，九坤通过投资反哺科研，延续西蒙斯等量化先驱支持基础研究的传统[34][38]