长城久泰沪深300指数C(006912) - 基金投资策略和运作

四季度全市场总体以震荡为主。受结构影响小市值指数表现更好，大盘指数表现较弱。　　行业上看石油石化、有色金属、基础化工等周期性行业收益不错，汽车、计算机、房地产表现较差。风格上看小市值因子表现较为突出，红利与低波动因子仍然较为低迷，A股宽度投资效用一般，市场资金流向仍然聚焦在业绩增速较高的板块。　　报告期内，本基金持续改进了人工智能算法在因子挖掘中的学习框架，为改善不同行情下因子的超额收益表现加大了对抗性数据的训练，并充分利用人工智能等算法进行多因子组合，严格控制行业与风格的相对偏离风险。风格上尽量紧跟基准指数贝塔，行业上的偏离多数控制在2%以内，从多策略角度较好的兼顾深度学习与基本面量化多因子各自特点；风险因子上看组合在市值、动量方向上的暴露带来了正贡献，总体稳健战胜了业绩基准。

三季度的权益市场表现较好，但总体结构分化较大。创业板、科创板等成长性指数的表现显著优于上证50、沪深300等传统价值宽基指数。分行业看，以科技为代表的TMT、电新等表现强势，银行、交运等防御性行业表现较弱。风格分析显示，风险因子贝塔、成长等风格显著跑赢，红利与价值类显著跑输市场；A股宽度投资效用较弱，市场资金流向主要聚焦在少数行业与主题上。　　报告期内，本基金持续改进了人工智能算法在因子挖掘中的学习框架，为改善不同行情下因子的超额收益表现加大了对抗性数据的训练，并充分利用人工智能等算法进行多因子组合，严格控制行业与风格的相对偏离风险。风格上尽量紧跟基准指数贝塔，行业上的偏离多数控制在2%以内，电力设备与新能源选股收益较好，较好对冲了电子行业选股较弱的负向相应；风险因子上看组合在市值上贡献为负，在贝塔与动量方向暴露带来了正贡献，总体稳健战胜了业绩基准。

上半年市场分化较大，科技类行业轮动较快，TMT、机器人、创新药等主题投资机会层出不穷，总体市场赚钱效应仍然来自于主题投资，估值波动较大，传统产业中银行表现相对更加突出，上市公司盈利多数恢复速度不理想，盈利端依然承压。风格因子方面小市值表现较强，中证1000、中证2000等小市值指数显著跑赢沪深300等大盘指数。　　　　报告期内，本基金改进了人工智能算法在因子挖掘中的学习框架，为改善不同行情下因子的超额收益表现加大了对抗性数据的训练，并充分利用人工智能等算法进行多因子组合，严格控制行业与风格的相对偏离风险。风格上尽量紧跟基准指数贝塔，行业上的偏离多数控制在2%以内，指数内电子、医药、新能源等成长性行业超额收益不错；风格上看组合在小市值与动量方向略有超配，带来了正贡献，稳健战胜了业绩基准。

一季度权益市场先涨后跌，受deepseek发布催化带来一波中国资产重估行情，风格上看，小市值与成长性板块的个股表现突出，科技行业个股轮动较强。报告期内，本基金主要通过深度学习等神经网络方法广泛挖掘市场有效因子，并充分利用人工智能等算法进行多因子组合，严格控制行业与风格的相对偏离风险。行业上的偏离多数控制在2%以内，TMT、新能源、医药等成长性行业超额收益不错；风格上看组合在小市值与动量方向略有超配，带来了正贡献，稳健战胜了业绩基准。

2024年权益股票波动率明显放大，债券市场表现更好。A股主要指数大致分为三个阶段：一是年初市场全面下跌导致微小市值个股流动性风险凸显；二是春节后市场阶段修复到持续走低；三是三季度末政策驱动下显著反弹到年底振荡。风格方面，以沪深300为代表的大市值指数显著优于中证1000等小盘指数；交易结构看，年度内出现了不同于过去三年的统计规律甚至是三倍标准差之外的现象，无论是向上还是向下波动率多次出现突然放大，这些尾部风险极大影响了市场参与者的交易结构和交易行为，这对部分交易性数据产生因子为主的量化策略带来了较大负面贡献。　　报告期内，本基金主要通过深度学习等神经网络方法广泛挖掘市场有效因子，并充分利用人工智能等算法进行多因子组合。全年超额收益延续了股市三阶段影响，第一第三阶段超额回撤较大，第二阶段超额收益有所回归，总体全年未能战胜业绩基准。考虑到个股受政策和交易风格影响，模型做了一些更加细致的风险控制与调整。基于市场对于中小股票的认知变化，模型在股票池的基础构建中优化了价值性的筛选因子，从组合相对基准稳健的角度，增加了多策略配置部分，降低单一策略风险，增加了长期趋势性因子的有效配置。

三季度A股市场触底反弹，多数指数大幅收涨；季度末期开始权益市场利好事件不断出现，一致预期认为政策出现转向，首先推动经济修复的顺周期板块走强，后续券商等高贝塔弹性行业持续跟进，超跌性反弹带动资金快进快出，加大了市场的短期波动。因子层面看大多因子受突发事件和政策干预影响，短期波动显著放大，因子自身的持续性、趋势性有所削弱，市场整体博弈性增加。　　报告期内，本基金主要通过深度学习等神经网络方法广泛挖掘市场有效因子，并充分利用人工智能等算法进行多因子组合，严格控制行业与风格的相对偏离风险；基本面因子的角度看组合在价值风格上适度暴露，在本季度大多时间相对表现稳健，但在季度末开始的反弹强贝塔行情下上涨动力不足，使得组合跑输业绩基准。

上半年权益市场波动较大，债券市场相对表现更好。A股主要指数有所分化，沪深300上涨，中证500、中证1000、创业板等小盘成长性指数下跌；风格方面，市场广度效应消失，基于确定性逻辑的”缩圈”行情下，微小市值个股流动性风险凸显，微观交易上出现了不同于过去三年的统计规律甚至是三倍标准差之外的现象，这些尾部风险极大影响了市场参与者的交易结构和交易行为，这对部分交易性数据产生因子为主的量化策略带来了较大负面贡献。风格上看，红利与价值类因子较为抗跌；二季度相比一季度随着个股波动逐渐降低，市场从尾部风险交易回归到常态化的市场参与结构，交易性数据产生的因子有效性逐渐回归。　　报告期内，本基金主要通过深度学习等神经网络方法广泛挖掘市场有效因子，并充分利用人工智能等算法进行多因子组合，严格控制行业与风格的相对偏离风险；基于市场对于中小股票的认知变化，模型在股票池的基础构建中优化了价值性的筛选因子，量化算法在因子挖掘中利用了不同风险下数据的学习提高因子稳健性；从策略分散性考虑，结合因子动量、价值、市场资金流向等分析，增加了长期趋势性因子的有效配置。

一季度权益市场波动较大，债券市场相对表现更好。A股主要指数先跌后涨有所分化，沪深300上涨，中证500、中证1000、创业板等小盘成长性指数下跌；风格方面，市场广度效应消失，微小市值个股流动性风险表现突出，微观交易上出现了不同于过去三年的统计规律甚至是三倍标准差之外的现象，这些尾部风险极大影响了市场参与者的交易结构和交易行为，这对部分交易性数据产生因子为主的量化策略带来了较大负面贡献。　　报告期内，本基金主要通过深度学习等神经网络方法广泛挖掘市场有效因子，并充分利用人工智能等算法进行多因子组合，受市场尾部风险影响因子与模型在短期表现不佳，由于组合在α、β暴露上两边同时带来负向贡献， 基金超额收益跑输较大；但从长远来看，一季度的市场交易波动不会是常态，市场未来会逐渐恢复到新的稳态水平，人工智能算法对于因子挖掘与模型融合将进一步利用不同风险下数据的学习提高稳健性，超额收益有望逐渐修复。

2023年A股市场总体较弱，多数大型宽基指数表现不佳。受预期波动影响，蓝筹指数沪深300在年初快速反弹后持续下跌，全年下跌超10%，弱势下中证1000等小市值指数相对较好。风格来看，小微市值、红利、价值、低波动因子表现突出，成长性指数跌幅较大；与之对应的低估值行业表现较好，银行、煤炭、电力等传统行业获得资金持续关注，以人工智能为主要投资标签的TMT产业链上下半年波动巨大，难有稳定赚钱效应，消费类行业受经济修复预期影响资金流出。资金面看，外资在年初快速流入后持续流出，全年北向资金流动对市场扰动较大，影响了交易情绪。　　报告期内，市场股以存量博弈为主，缺乏持续的增量资金，在少部分缺乏基本面支撑的个股上资金比较聚集，基本面因子动能不够，使得增强指数的超额收益因子较往年变化巨大，估值的波动远远大于业绩波动，虽然个股权重约束较为严格，但区间内相关个股相对劣势明显，因此区间内跑输业绩基准；随着市场信息消化速度提高，行业、风格轮动较快，为更好的捕捉广度投资机会，本基金在α因子上全面转向了人工智能研究因子；在风险因子部分，风格上低配了市值因子，考虑到市场总体估值偏低，组合加大了对于β因子的暴露，。　　本基金基于长城基金量化投资研究平台的研究成果，采用量化多因子模型，基于上市公司的历史数据，借助数量化的技术手段，寻找对股票收益有预测性的指标作为因子；在组合层面上，根据基准指数的特点严格控制行业偏离以及个股偏离，并在综合考虑预期风险和收益水平基础上进行组合权重优化，力争有效跟踪基准指数的同时获取超额收益。

三季度市场震荡下行，以陆股通为代表的外资显著流出，沪深300、中证500、创业板等主要宽基指数均表现不佳。从风格上看，三季度延续了今年以来小盘、微盘股的强趋势，市值因子表现抢眼；下行市场下红利、低波因子也表现不错。行业上看，上游周期品表现更好，煤价淡季不淡、全球油价上涨，带动了以煤炭、石油石化为代表传统能源行业强势；新能源行业则受产能扩张和竞争格局影响，跌幅明显；TMT的相关产业链个股三季度呈现回归趋势，缺乏赚钱效应。  报告期内，本基金强化了多数据源、人工智能算法对于量化因子的研究，在风格上低配了市值，考虑市场持续进入底部区域，逐渐加大了组合的β风险控制，增加市场修复时的组合弹性；在因子和风险模型的配合下，组合三季度表现不错，显著跑赢基准指数。   本基金基于长城基金量化投资研究平台的研究成果，采用量化多因子模型，基于上市公司的历史数据，借助数量化的技术手段，寻找对股票收益有预测性的指标作为因子；在组合层面上，根据基准指数的特点严格控制行业偏离以及个股偏离，并在综合考虑预期风险和收益水平基础上进行组合权重优化，力争有效跟踪基准指数的同时获取超额收益。

上半年市场先扬后抑，多数大型宽基指数表现不佳，中证500、中证1000为代表的中小指数略有正收益。风格上看，二季度一定程度上延续了一季度的整体趋势，低波动、低估值标的有较为显著的超额收益，但主要集中于较小市值的标的，盈利能力强的个股延续弱势。 市场行业主题投资波动很大，以人工智能为代表的TMT产业链较受市场关注，基础算力、光模块、软件传媒等相关个股波动率很高；资金面看，外资一季度后无明显增量净流入，内资存量博弈性较强，市场总体缺乏赚钱效应；消费板块受经济复苏动能较弱影响，普遍表现不佳。  报告期内，本基金在风格控制相对较为严格。行业上，消费、新能源板块等盈利能力较好的标的持续承压，通信板块的标的个股配置与市场炒作热点有一定偏差；总体看，上半年的A股以存量博弈为主，缺乏持续的增量资金，在少部分缺乏基本面支撑的个股上资金比较聚集，使得增强指数的超额收益因子较往年变化巨大，估值的波动远远大于业绩波动，虽然个股权重约束较为严格，但区间内相关个股相对劣势明显，因此区间内跑输业绩基准。  本基金基于长城基金量化投资研究平台的研究成果，采用量化多因子模型，基于上市公司的历史数据，借助数量化的技术手段，寻找对股票收益有预测性的指标作为因子；在组合层面上，根据基准指数的特点严格控制行业偏离以及个股偏离，并在综合考虑预期风险和收益水平基础上进行组合权重优化，力争有效跟踪基准指数的同时获取超额收益。

一季度市场总体来看是春季躁动行情为主，但风格分化较大，存量资金博弈性较强，行业间涨跌幅差距显著。传统板块如新能源、医药等长期成长行业赛道资金显著流出，TMT等人工智能产业链显著资金流入，相关股票涨幅巨大。风格上看，大市值股票相对小市值股票有一定优势，选股的广度效应明显，但主要集中于较小市值的标的，成长股整体表现一般，低估值个股相对出色，但盈利能力强的个股表现相对弱势。报告期内，本基金在风格上低配了市值，超配了盈利能力较好的个股，因此在风格上有一定的负向贡献，行业上，对于TMT中计算机、电子、通信的个股配置与市场炒作热点有一定偏差，虽然个股权重约束较为严格，但区间内相关个股涨幅巨大，因此区间内跑输业绩基准。  本基金基于长城基金量化投资研究平台的研究成果，采用量化多因子模型，基于上市公司的历史数据，借助数量化的技术手段，寻找对股票收益有预测性的指标作为因子；在组合层面上，根据基准指数的特点严格控制行业偏离以及个股偏离，并在综合考虑预期风险和收益水平基础上进行组合权重优化，力争有效跟踪基准指数的同时获取超额收益。