证券研究报告 | 金融工程 gszqdatemark 2025 09 28 年 月 日 量化周报 非银确认日线级别下跌 非银确认日线级别下跌。本周（9.22-9.26），大盘横盘震荡，上证指数全 周收涨 0.21%。在此背景下，非银确认日线级别下跌。市场的本轮上涨自 4 月 7 日以来，日线级别反弹已经持续了 5 个多月，反弹幅度也基本在 30%左右，各大指数和板块的上涨基本都轮动了一遍，超 2/3 的行业日线 级别上涨处于超涨状态，几乎所有的规模指数及一半以上的行业更是走出 了复杂的 9-15 浪的上涨结构，而银行、非银也已经率先形成了日线级别 下跌，军工、钢铁、建筑、交运、医药离确认日线级别下跌的日子也不远 了。因此我们认为本轮日线级别上涨大概率已临近尾声。短期，市场的波 动进一步加大后，投资者后续可积极关注市场未来是否出现放量滞涨、放 量大跌及缩量反弹迹象。中期来看，上证指数、上证 50、沪深 300、中证 500、深证成指、创业板指、科创 50 纷纷确认周线级别上涨，而且在日线 上只走出了 3 浪结构，中期牛市刚刚开始；此外，已有 26 个行业处于周 线级别上涨中，且 18 个行业周线上涨走了 1-3 ...

通胀阴云笼罩下的华尔街暗流涌动，城堡投资创始人肯·格里芬的一席话让我这个量化投资者陷入了深思。这位金融巨鳄对美国 通胀局势的判断，与我十年来观察到的市场规律不谋而合——表面数据往往掩盖着更深层的真相。 前三次反弹时，"主导动能"显示的是普通的回补行为（蓝色柱体），但缺乏"机构库存"（橙色柱体）的配合。这说明什么？很可 能是散户的自发补仓行为。而第四次反弹时，"回补"行为与持续的"机构库存"同时出现，这才是真正的机构震仓信号。 格里芬指出美国通胀率虽从9%降至2.9%，但实际仍具粘性。这让我联想到股市中的一个奇特现象：牛市中的暴跌往往比熊市更 剧烈。为何会出现这种反直觉的现象？这与格里芬揭示的通胀表象何其相似——市场总是在制造错觉。 人类天生厌恶损失的心理特征，在牛市中表现得淋漓尽致。记得2020年疫情期间的市场波动，多少人因为恐惧而在底部割肉？我 自己也曾犯过这样的错误。直到我开始用数据说话，才发现牛市中的暴跌往往暗藏玄机。 主力资金在牛市中惯用两种手法：一种是真出清，利用市场流动性好的特点快速切换仓位；另一种则是假摔洗盘，通过剧烈震荡 吓退跟风盘。这两种情况在表面走势上几乎一模一样，但背后的资金意图却截然不 ...

本周A股市场呈现回暖态势，科创50指数以6.5%的涨幅领跑各大指数。政策面上，LPR利率维持不变，预制菜国标正在推进；中美关系保持稳定；钢铁行业 迎来稳增长方案。分析师普遍认为节后市场大概率延续上行趋势，TMT板块尤其值得关注。 作为一名量化投资者，我发现每当市场回暖时，散户投资者总会陷入一种"踩高捧低"的怪圈：觉得涨得多的股票风险大，转而追逐那些看似"便宜"的低位 股。这种思维方式看似理性，实则暗藏认知陷阱。 所谓"高低"，不过是事后回看的结果。就像2020年时茅台股价突破2000元时多少人惊呼"太高了"，而今寒武纪等科技股创下新高时同样质疑声不断。但事实 是：股价能走多远不取决于它已经涨了多少，而在于机构资金参与的意愿。 我观察到一个有趣的现象：当散户在讨论"高低"时，专业机构却在研究交易行为数据。这就像两个人在森林里遇到熊，一个人忙着计算逃跑速度是否够快， 另一个人则在观察熊的行为模式——前者关注结果，后者关注本质。 以银行股为例。2022年以来银行板块持续走强，期间质疑声从未间断："估值太高""业绩无法支撑"…但如果我们不是凭感觉判断高低，而是观察机构资金的 行为呢？ 图中清晰显示机构资金早已撤离白酒 ...

本文首发于公众号"私募排排网"。 （点击↑↑ 上图查看详情 ） 近1年以来，A股和港股市场均迎来了一轮波澜壮阔的"924"行情，私募基金经理旗下多只股票策略产品迎来反攻，主观、量化与混合型私募基金 经理在这轮行情中"各显神通"。 其中，量化私募基金经理通过小盘股的流动性行情，获取亮眼的超额收益；主观私募基金经理通过精准把握算力、新消费、创新药等主题方向， 斩获显著的绝对收益；混合型私募基金经理则结合量化模型的效率优势和个人丰富经验进行决策，同样获得出色的业绩。 在这22位基金经理中，头部私募（管理规模50亿以上）共有10位，管理规模50亿以下的基金经理共有12位。从排名分布来看，管理规模50亿以 下的基金经理"进攻性"更强，大多排在前10名。 其中，翰荣投资的聂守华和贺杰并列第 1，上海紫杰私募曾书良、量盈投资丁鹏、云起量化施恩、杨湜资产郑彬位列2-5名。 量化私募基金经理近1年股票策略收益TOP20 私募排排网公众号 数据来源:私募管理人(经托管复核)/托管人,整理自私募排排网, 截至2025 年8月底。参与排名基金经理在私募排排网展示业绩目符合排名规则的产品数 量在3只及以上。 | 排名 | 姓名 | 经 ...

证券研究报告 | 基金研究（公募） 2025 年 9 月 27 日 A 股继续震荡，量化基金表现分化，超额多数为负 量化基金周度跟踪（20250922-20250926） 本报告重点聚焦量化基金市场表现，总结近一周主要指数和量化基金业绩表现、 不同类型公募量化基金整体表现和业绩分布，以及本周收益表现较优的量化基 金，供投资者参考。 ❑市场整体表现： 本周（9 月 22 日-9 月 26 日）A 股继续震荡，量化基金表现分化，超额多 数为负。 ❑主要指数表现： A 股继续震荡，各指数表现不一，其中沪深 300、中证 500、中证 1000 近 一周收益率分别为 1.07%、0.98%、-0.55%。 ❑各类基金表现： 本周量化基金表现分化。主动量化平均涨 0.44%；超额大多较弱，沪深 300 指增、中证 500 指增和其他指增分别录得-0.22%、-0.09%和-0.09%的负超 额，仅中证 1000 指增跑赢指数，平均超额为 0.53%；市场中性平均下跌 0.27%。 ❑风险提示：图表中列示的数据结果仅为对市场及个基历史表现的客观描述，并 不预示其未来表现，亦不构成投资收益的保证或投资建议。 徐燕红 S10 ...

敬请阅读末页的重要说明 证券研究报告 | 金融工程 2025 年 09 月 27 日 本周大市值与低波动风格显著 ——因子周报 20250926 金融工程 1. 主要市场指数与风格表现回顾 本周主要宽基指数大部分上涨。创业板指上涨1.96%，沪深300上涨1.07%， 深证成指上涨 1.06%，中证 800 上涨 1.05%，中证 500 上涨 0.98%，上证指数 上涨 0.21%，中证 1000 下跌 0.55%，中证 2000 下跌 1.79%，北证 50 下跌 3.11%。 从行业来看，电子、有色金属、电力设备及新能源、电力及公用事业、传媒 等行业表现居前；消费者服务、商贸零售、轻工制造、纺织服装、食品饮料等行 业表现居后。 从风格因子来看，最近一周波动性因子、规模因子、流动性因子的表现尤为 突出，因子多空收益分别为-2.90%、2.61%和-2.52%。 2. 选股因子表现跟踪 沪深 300 股票池中，本周 120 日成交量比率、20 日换手率、20 日收益率 标准差因子表现较好。中证 500 股票池中，60 日换手率、20 日成交额、120 日 三因子模型残差波动率因子表现较好。中证 800 股票 ...

一、国信金工主动量化策略表现跟踪 本周， 优秀基金业绩增强组合 绝对收益0.35%，相对偏股混合型基金指数超额收 益-0.12%。本年，优秀基金业绩增强组合绝对收益28.00%，相对偏股混合型基金 指数超额收益-4.08%。 今年以来，优秀基金业绩增强组合在主动股基中排名 54.37%分位点（1886/3469）。 本周， 超预期精选组合 绝对收益0.70%，相对偏股混合型基金指数超额收益 0.23%。本年，超预期精选组合绝对收益46.54%，相对偏股混合型基金指数超额 收益14.47%。 今年以来，超预期精选组合在主动股基中排名20.61%分位点 （715/3469）。 本周， 券商金股业绩增强组合 绝对收益-0.54%，相对偏股混合型基金指数超额收 益-1.01%。本年，券商金股业绩增强组合绝对收益33.26%，相对偏股混合型基金 指数超额收益1.19%。 今年以来，券商金股业绩增强组合在主动股基中排名 43.07%分位点（1494/3469）。 本 周 ， 成 长 稳 健 组 合 绝 对 收 益 0.26% ， 相 对 偏 股 混 合 型 基 金 指 数 超 额 收 益-0.22%。本年，成长稳健组合绝 ...

昨夜美股市场一片哀鸿，芯片股集体跳水，科技巨头纷纷折戟。表面上看是美联储警告和政府停摆风险所致，但作为一名 浸淫市场多年的量化投资者，我看到的却是更深层的逻辑——流动性的微妙变化才是这场风暴的真正推手。 昨晚的美股市场可谓"血流成河"，费城半导体指数暴跌超2%，科技巨头们集体"失血"。鲍威尔的警告、政府停摆风险、高 估值担忧…这些理由被媒体反复咀嚼。但在我看来，这些都只是表象。 图中橙色柱体反映的是机构资金活跃程度。持续的时间越长，说明机构参与的积极性越高。这不是简单的买入信号，而是 告诉我们：机构在持续关注这只股票。 记得十年前我刚接触量化投资时，一位前辈告诉我："影响股市的因素很多，最根本的还是流动性。"这句话我记到现在。 大到美联储的货币政策，小到个股的资金流向，本质上都是流动性的游戏。 很多人觉得机构的选择神秘莫测，但随着量化技术的发展，我们已经能够窥见一二。量化大模型可以对交易行为进行精准 分离，还原市场的真实面貌。 这只股票在本周爆发前看似平淡无奇，但如果我们观察它的交易行为数据： 这种现象并非个例。让我们看看三个完全不同行业的股票： 「上海谊众」是创新药概念，「凌钢股份」是钢铁股，「隆扬 电子」 ...

Core Viewpoint - The article emphasizes the importance of excess return (Alpha) in quantitative investment, highlighting the need for thorough analysis and attribution of performance to understand the sources of excess returns and evaluate the effectiveness of quantitative strategies [2][3]. Group 1: Excess Return and Its Calculation - Excess return (Alpha) is defined as the return of an investment portfolio relative to a benchmark, reflecting the ability to outperform passive benchmarks through active management [3]. - The calculation of excess return varies based on the chosen strategy and benchmark, with a core formula being: Excess Return = Portfolio Return - Benchmark Return [3]. - An example illustrates that if a quantitative strategy has a return of 25% while the benchmark (e.g., CSI 300) returns 10%, the simple excess return is 15% [3]. Group 2: Sources of Excess Return - Excess return can be categorized into three components: Pure Alpha, Smart Beta, and Beta, each with different characteristics and risk profiles [3]. - The performance of excess return is influenced by external market factors and the comprehensive investment capabilities of the institution, which are critical for assessing a fund's sustainability of returns [3]. Group 3: Brinson Attribution Model - The Brinson attribution model is a widely used method for performance attribution, breaking down excess return into allocation effect, selection effect, and interaction effect [4]. - The model requires detailed portfolio holding data to accurately assess the contributions of asset allocation and stock selection to excess returns [4]. Group 4: Performance Attribution Example - An example using the Brinson model shows a fund outperforming the CSI 300 by 4.2%, with contributions from asset allocation and stock selection analyzed to determine the sources of excess return [9]. - The analysis reveals that stock selection contributes significantly to excess return, indicating a strong capability in identifying high-performing stocks [9]. Group 5: Barra Risk Model - The Barra risk model is utilized for post-performance analysis, helping to identify risk exposures and optimize investment strategies [10][11]. - The model decomposes risk into various factors, allowing for a detailed understanding of how different risk factors contribute to overall portfolio volatility [13]. Group 6: Risk Management and Optimization - The article discusses the importance of managing risk while maintaining return potential, with specific strategies for adjusting factor exposures to enhance performance [15][16]. - It highlights the need for continuous strategy iteration and adaptation to market conditions to mitigate risks associated with excess returns [17].

After 43+ years working for one investment research company or another, I finally retired. So now, I’m completely independent. And for the first time on Seeking Alpha, I won’t be working based on anybody else’s product agenda. I have only one goal now… to give you the best actionable investment insights I can.I have long specialized in rules/factor-based equity investing strategies. But I’m different from others who share such backgrounds. I don’t serve the numbers. Instead, the numbers serve me… to inspire ...