本文首发于公众号"私募排排网"。 （点击↑↑ 上图查看详情 ） 编 者按 私募排排网数据显示，截至2025年8月底，管理规模在20亿以下的私募管理人有7200余家，占比超90%，是私募行业数量庞大的中坚力量。私募排 排网推出 「打卡100家小而美私募」 栏目，聚焦管理规模适中、策略特色鲜明的优质私募基金管理人。通过深度解析其投资方法论、风控体系及能力 圈建设，为投资者提供差异化的视角与洞察。本期打卡—— 文谛资产 。 Part.1 公司概况 文谛资产是一家专注于量化投资的专业资产管理公司，2016年在上海成立。文谛资产的投资领域覆盖了期货和股票，已构建了覆盖全市场、多品 种、多策略的量化资产管理体系，拥有CTA、股票两大策略库。文谛始终致力于为投资者提供不过度依赖单一收益来源的长期可持续收益。 Part.2 核心团队 公司团队深耕量化投资领域十五年，始终秉持"守正出奇、行稳致远"的投资理念，持续推进策略的迭代创新，确保旗下策略与市场的同步进化。 核心投研人员均拥有物理，数学，计算机及经济学专业背景，从事量化工作多年，具有丰富的量化研究经验与成熟先进的技术，团队成员稳定性 策略发展历史 代表策略及产品 文谛量化 ...

国庆长假后的首个交易日，A股市场用一场"金色风暴"宣告了它的归来。有色金属板块集体暴动，山金国际、中金黄金等个股创下历史新高，四川黄金更是 直接封住涨停板。与此同时，可控核聚变概念也不甘示弱，哈焊华通、合锻智能等个股纷纷涨停。 | 名称 | 序号 | 现价 | 涨跌 | 消 | | --- | --- | --- | --- | --- | | 上证指数 | 1 | 3908.18 | 25.41 | 0.6 | | 深证成指 | 2 | 13675.70 | 149.19 | 1.1 | | 北证50 | 3 | 1526.40 | -2.23 | -0. | | 月得全A | 4 | 6405.80 | 56.86 | 0.9 | | 科创20 | 5 | 1553.13 | 57.84 | 3.8 | | 创业板指 | 6 | 3276.00 | 37.84 | 1.1 | | 沪深300 | 1 | 4683.51 | 42.81 | 0.0 | | 中证500 | 8 | 7501.50 | 89.13 | 1.2 | | 中证800 | 9 | 5159.28 | 51.02 | 7.1 | | ...

本期揭秘的是 百亿量化私募念 空科技 ， 念空科技旗下有念空私募、念觉私募。 今年5月19日，念空科技成立了AI公司全频思维（AllMind）， 并向国际顶级学术会议NeurIPS投递了与上海交大计算机学院合作的大模型研究论文，探讨"自适应混合训练方法论"。念空科技也因此成为继 DeepSeek之后，第二家开展大模型底层理论研究并发表成果的私募机构。 在私募排排网发布的 百亿私募量化多头1-8月超额TOP10榜单中 ， 念觉私募王啸管理的"念觉量臻量化精选优盛1号"以***%的超额收益夺得 第2（ 点此看收益 ）。 值得注意的是，该产品在8月份实现超额收益高达***%，在上榜产品中逆市领衔。 （ 点此看收益 ） 王啸是念空科技实际控制人/首席投资官，复旦大学物理学博士，具有15年以上量化策略研发、交易及风控经验。 下面，就让我们一起深入了解 念空科技发展历程、核心团队、核心优势、产品线 等内容。（ 点此看念空科技旗下基金业绩一览表 ） 本文首发于公众号"私募排排网"。 （点击↑↑ 上图订阅专栏 ） 编者按 通常，投资者在了解私募时，会关注公司团队水平、策略运作、中长期业绩、风险控制等内容，为此，私募排排网推出 ...

三大初心：重构散户的成长路径 天府长风会的体系建立在三大初心之上。 其一，帮助散户迈向"准机构化"。通过搭建专业的交易与研究流程，让个人投资者也能在规则与工具上 接近机构化标准，从而在执行效率与风险控制上获得质的提升。 在瞬息万变、波谲云诡的中国资本市场中，一位以实战著称、以体系立身、以责任为本的投资人正悄然 改变着散户教育的格局。他就是天府长风会的创始人—肖海东。 从早年驰骋股市的实战操盘手，到如今致力于建立科学投资教育体系的引路人，肖海东用近二十年的市 场经验，凝练出一套可复制、可落地、可持续的操盘逻辑。他深知，真正的投资者并非盲目追涨杀跌 的"市场旅人"，而是能在不确定中理解结构、运用策略、严控风险的理性操盘者。正是这种理念，成为 天府长风会的起点与灵魂。 从个人传奇到体系构建：一次认知的转变 回望早年，肖海东以敏锐的盘感、果断的执行著称，亲历多轮牛熊转换，也见证了无数散户的盈亏沉 浮。长期的市场观察让他意识到：多数散户并非缺乏热情，而是缺乏系统化的认知与可实操的训练机 制。 这一顿悟促成了天府长风会的诞生一个旨在为普通投资者提供从零到一、从学习到实战、从个体到团队 成长路径的专业组织。 天府长风会的成 ...

- The "ERP and DRP standardized equal-weight calculation model" is used to compute A-share odds, which as of September end, declined to 0.2 standard deviations, indicating a neutral level[10] - The "macro victory rate scoring card model" synthesizes asset victory rates based on factors like credit and PMI pulses, which recently bottomed out, pushing A-share victory rates to 19%[10] - The "bond odds model" is constructed using the expected yield difference between long and short bonds, with recent bond odds retreating to -0.9 standard deviations, reflecting valuation risks for long bonds[11] - The "bond victory rate model" integrates credit and growth expansion data, showing a decline to -6%, indicating low victory rates[11] - The "AIAE indicator model" for US stocks is at 54%, its historical peak, corresponding to 2.4 standard deviations, signaling high pullback risks[15] - The "Federal Reserve liquidity index model" combines quantity and price dimensions, showing a tightening liquidity index at 20%, a medium-high level[15] Model Backtesting Results - ERP and DRP model: A-share odds at 0.2 standard deviations, victory rate at 19%[10] - Bond odds model: -0.9 standard deviations, victory rate at -6%[11] - AIAE indicator model: 54% historical peak, 2.4 standard deviations[15] - Federal Reserve liquidity index: 20% medium-high level[15] Factor Construction and Evaluation - Value factor: High odds (0.9 SD), medium trend (-0.3 SD), low crowding (-1.4 SD), comprehensive score 3, recommended for focus[19][22] - Small-cap factor: Medium odds (-0.2 SD), strong trend (1.6 SD), medium-low crowding (-0.5 SD), comprehensive score 2.2, configuration value improved[20][23] - Quality factor: High odds (1.4 SD), weak trend (-1.2 SD), medium-low crowding (-0.5 SD), comprehensive score 0.6, recommended for long-term attention[24][26] - Growth factor: Medium-high odds (0.8 SD), medium trend (0.1 SD), high crowding (1.0 SD), comprehensive score 0.1, recommended for standard allocation[27][28] Factor Backtesting Results - Value factor: Odds 0.9 SD, trend -0.3 SD, crowding -1.4 SD, score 3[19][22] - Small-cap factor: Odds -0.2 SD, trend 1.6 SD, crowding -0.5 SD, score 2.2[20][23] - Quality factor: Odds 1.4 SD, trend -1.2 SD, crowding -0.5 SD, score 0.6[24][26] - Growth factor: Odds 0.8 SD, trend 0.1 SD, crowding 1.0 SD, score 0.1[27][28] Strategy Construction and Evaluation - "Odds-enhanced strategy" allocates assets based on odds indicators under volatility constraints, achieving annualized returns of 6.6%-7.5% and maximum drawdowns of 2.4%-3.0% since 2011[39][41] - "Victory rate-enhanced strategy" uses macro victory rate scoring to allocate assets, achieving annualized returns of 6.3%-7.7% and maximum drawdowns of 2.3%-2.8% since 2011[42][44] - "Odds + victory rate strategy" combines risk budgets from both strategies, achieving annualized returns of 7.0%-7.6% and maximum drawdowns of 2.7%-2.8% since 2011[45][47] Strategy Backtesting Results - Odds-enhanced strategy: Annualized returns 6.6%-7.5%, max drawdowns 2.4%-3.0%[39][41] - Victory rate-enhanced strategy: Annualized returns 6.3%-7.7%, max drawdowns 2.3%-2.8%[42][44] - Odds + victory rate strategy: Annualized returns 7.0%-7.6%, max drawdowns 2.7%-2.8%[45][47]

导读：过去一年，人工智能出现了革命性的技术突破。通过把强化学习的思路和大语言模型架构整合，实现了机器学习的自我思考能力。机器学习 不再只是一种强大的数据处理工具，还能通过训练变得越来越聪明，突破人脑的思维边界。比如说自动驾驶、机器人等领域，都在人工智能时代， 实现了重大技术突破。 在量化投资领域，也有一位深耕机器学习多年的基金经理：安信基金的施荣盛。 他是公募量化中的"少数派"，用"白盒化"的机器学习方式捕获 Alpha，用统一的模型管理所有的指数增强产品。这是一种更现代、更创新、更具有科技含量的量化模型，也帮助施荣盛管理沪深300指数增强产品 以来，取得了优异的超额业绩表现。 沪深300作为A股龙头聚集的核心指数，我认为是指数增强"极卷"的赛道。今年上半年，沪深300指数增强基金，合计规模增长超过3亿的也只有5 只。施荣盛管理的安信量化精选沪深300 指数增强规模增长超10亿，并且近一年回报和最大回撤均表现出色。 | 車を開駅 | 近一年 | 近一年 | 2024年末 | 2025年中报 | 下来在 | | --- | --- | --- | --- | --- | --- | | | 回报 | 最大回撤 ...

那天清晨，我盯着手机屏幕上的新闻推送，手指悬在半空迟迟没有滑动。美联储两位著名的鹰派理事竟然在降息决议中投了赞成票？这就像看到素食主义者 突然大快朵颐牛排一样令人错愕。更耐人寻味的是，市场对此的反应远比降息本身更剧烈——沃勒的当选赔率应声下跌，而投反对票的Miran赔率却飙升至 首位。 这让我想起十年前在清华金融系读书时，教授说过的一句话："金融市场最迷人的地方，就是它永远在演绎着'表里不一'的戏剧。"当时只觉得这是句漂亮的 修辞，直到自己真金白银地在市场里摸爬滚打多年后，才明白其中的深意。 但问题在于：这些信息对普通投资者意味着什么？我们该如何解读这种看似矛盾的市场反应？ 记得2015年股灾时，我亲眼见证了一个有趣现象：当主流媒体还在讨论"牛市根基未变"时，我使用的量化系统已经提前两周显示出机构资金持续流出的迹 象。那时我才真正理解什么叫"买传闻，卖新闻"。 A股市场有个独特的"抢跑特性"——国外市场是根据已知信息做交易判断，而我们的市场却热衷于打提前量。等到利好真正公布时，往往就是股价最高点兑 现的时机。这就是为什么散户总是慢半拍的根本原因。 所有公开信息都经过了三重过滤： 在这个过程中，真相早已面目全非 ...

看着这条新闻，我不由得想起这些年在市场里摸爬滚打的经历。要说这股市啊，表面上风平浪静，底下可是暗流涌动。那些摆在明面上的消息，什么政策利 好、业绩预增，说白了都是给散户看的戏码。真正的角儿都在幕后牵线呢。 记得我刚入行那会儿，也是个愣头青。整天盯着K线图看涨跌，研究这个指标那个形态，结果呢？亏得连裤衩都不剩。后来我才慢慢琢磨明白，决定股价走 势的根本不是涨跌本身，而是背后的交易行为。 咱们大A股市场就像个大剧场，每天上演着精彩纷呈的木偶戏。政策消息、业绩分红、资金流向这些玩意儿，都是摆在台面上的木偶。它们动来动去，吸引 着所有人的目光。可真正掌控局面的，是幕后那些牵线的人。 这些牵线人可不是单打独斗的主儿。大剧场里有大王坐镇，街头巷尾也有小团伙在捣鼓。他们的手法看似千变万化，其实都有迹可循。只不过这些痕迹被涨 跌的喧嚣给掩盖了，让人难以察觉。 我现在用的那套量化系统，就是专门用来捕捉这些痕迹的。十八年来，我靠着它躲过了无数次暴跌，也抓住了不少机会。说句实在话，要是早十年遇上这系 统，我可能早就实现财务自由了。 说到这儿，我想起去年白酒股那档子事儿。2025年5月18日，"限酒令"一出，整个白酒板块应声而落。那 ...

9月29日，上海证券交易所迎来了一位特殊"客人"——华夏凯德商业REIT。作为国内首单由国际资管公司发起的消费类REITs，其上市仪式可谓风光无限。 媒体镜头前，西装革履的金融精英们举杯相庆；交易大厅里，电子屏上的数字欢快跳动。表面看来，这不过是资本市场又一例寻常的金融创新。 以「弘业期货」为例（上图），当市场还将其视为普通券商影子股时，量化系统里的橙色柱体（反映机构资金活跃程度的指标）已持续活跃数月。这种"事 出反常必有妖"的数据特征，往往预示着后续的概念爆发。反观同属大金融概念的「百大集团」（下图），虽有短期反弹却缺乏持续的机构资金支持，最终 难免昙花一现。 凯德投资作为新加坡资管巨头，其操作手法在量化视角下尤为值得玩味。这些国际机构往往采用"明修栈道暗度陈仓"的策略：一方面高调宣传800亿资产管 理规模；另一方面通过衍生品市场悄然布局。我的系统曾捕捉到类似案例——某外资QFII在正式举牌前三个月，就已通过期权市场构建了相当于流通盘15% 的风险敞口。 这种操作在数据层面会形成特定模式：当现货市场成交平稳时，隐含波动率曲线却出现异常陡峭化；期权持仓量增速与标的价格变动呈现非线性关系。就像 考古学家通过陶器 ...

存款利率和房地产投资收益率都下滑的当下，"资产荒"让不少居民的资金开始纷纷寻找能够获取高收益的投资产品。 从风险对冲到长期布局，要怎么在指数下滑的行情下，规避相对应的投资风险呢？ 其实不同投资者存在明显的风险偏好差异就能看出。 对于风险厌恶型投资者而言，核心任务是通过优化股票组合降低整体风险，关键在于筛选具备对冲属性的品种。 例如，如果投资组合中集中配置科技股，如跟踪科创50指数的标的，或聚焦小盘股如中证2000成分股，会导致组合风险显著偏高。 此时投资者需明确是否需要对冲这类风险，以及如何科学对冲。 在经典投资组合理论中，负贝塔资产具有特殊价值。 当市场整体上涨时，这类资产表现相对平淡。 但当市场下行时，能展现出抗跌甚至上涨的特性。 将此类资产纳入组合，可大幅改善整体收益风险比，提升组合稳定性。 二十余年前，曾有过关于黄金股估值的讨论。 当时有人疑惑黄金股市盈率为何居高不下，核心原因在于黄金股的对冲属性。 在经济下行周期，通胀往往相伴而至，黄金价格通常会随之上涨，进而推动黄金生产企业业绩提升。 而同期其他板块股票多因经济疲软出现下跌。这种逆周期特性使黄金股成为稀缺的对冲工具，市场为获取这一属性愿意支付更高估 ...