摩根中证A500指数增强A
(023869.jj ) 中证A500 (半年) 摩根基金管理(中国)有限公司
基金经理胡迪何智豪基金类型指数型基金成立日期2025-09-19总资产规模3.36亿 (2026-03-31) 基金净值1.1211 (2026-05-08) 管理费用率0.80%管托费用率0.15% (2025-12-31) 持仓换手率300.42% (2025-12-31) 成立以来分红再投入年化收益率12.11% (2475 / 5860)
备注 (0): 双击编辑备注
发表讨论

摩根中证A500指数增强A(023869) - 基金投资策略和运作

最后更新于:2026-03-31

基金投资策略和运作分析
管理人对宏观经济、证券市场及行业走势的简要展望

摩根中证A500指数增强(023869)023869.jj摩根中证A500指数增强型证券投资基金2026年第1季度报告

2026年一季度,A股市场先涨后跌,一月初市场热度处于历史高位,市场成交额突破3万亿,小盘成长风格领涨,红利风格在年初跑输宽基指数,一月中旬随着宽基ETF开始流出,市场有所降温,市场从流动性驱动逐渐转向基本面。红利风格逐渐得到重视。3月份,全球市场受外部地缘政治和滞胀风险影响,出现大幅回撤,风险偏好随之下降。3月份红利风格受益于能源板块,相对抗跌,成长风格由于风险偏好下降而出现回撤。  截止到2026年一季度末,中证A500数最新估值为16.67,股息率维持在2.4%附近,仍旧处于有性价比的配置区间。一季度国内十年期国债利率小幅回落,从1.85%回落到1.81%左右,使得大盘蓝筹资产仍然有着比较强的吸引力。伴随着成本改善、股东回报力度和稳定度增强,行业龙头的ROE已领先全 A非金融开始回升,市场的重估逻辑有望从流动性驱动到增长潜力驱动。  往后看,二季度走势目前市场分歧较大,可能会给低频alpha策略带来比一季度更好的收益空间。策略运行方面,量化选股策略不做择时类的判断,我们仍然保持较高仓位运作。策略研究方面,传统全域因子面临挑战的当下,我们将进行:1.引入新的数据源,上季度我们计划有针对性采购部分新数据新工具,如专利、供应链、预期、优化器、风险模型数据等,目前优化器,风险模型已经完整升级,针对组合优化的研究效率显著提升,我们将进一步扩充另类数据。2.将因子研究高维化,分类化,局部化,如上季报中所述,试图将传统alpha从一句话扩展成一个故事,对基本面研究而言,我们关注使机器学习更具针对性地表达先验知识,相对更加注重自上而下,对价量信息而言,我们关注更有效率有针对性地挖掘未知市场规律,相对更加强调利用特征工程和模型结构。同时由于传统中低频数据的数据量相对于机器学习模型而言存在欠拟合,我们试图构造不同结构的低相关模型来尝试挖掘数据中蕴含信息的不同侧面。总体来说,在具体投资策略上,我们在坚持基本面和价量结合的量化多因子选股策略的同时,自上而下的传统研究和自下而上的机器学习启发式研究并重,并逐步提升交易频率,三者相互结合,力争构造风险收益特征优于市场基准的投资组合。
公告日期: by:胡迪何智豪

摩根中证A500指数增强(023869)023869.jj摩根中证A500指数增强型证券投资基金2025年年度报告

2025年A股迎来牛市,市场普涨且以AI、创新药、新消费为代表的新经济发力,代表性指数如中证A500指数涨幅逾22%,中证500指数涨幅逾30%。年内市场风格和行业热点数度切换,从年初宇树科技,DeepSeek分别掀起人形机器人,AI浪潮,到此后行情扩散至半导体,通信,有色,电子等行业,反映经济向科技创新转型的特征。市场风格总体呈哑铃型分化,高成长性科技题材和高分红蓝筹各领风骚。下半年行情的高集中度对量化产品超额收益形成挑战,受此影响,量化产品超额收益普遍呈现出上半年强,下半年弱的特征。
公告日期: by:胡迪何智豪
往后看,随着公私募产品布局再起,以及年末部分收拢资金的回流,市场波动和风格切换有望再度显现。策略运行方面,量化选股策略不做择时类的判断,我们仍然保持较高仓位运作。策略研究方面,传统全域因子面临挑战的当下,我们将进行:1.引入新的数据源,上季度我们计划有针对性采购部分新数据新工具,如专利、供应链、预期、优化器、风险模型数据等,目前优化器、风险模型已经完整升级,针对组合优化的研究效率显著提升,我们将进一步扩充另类数据。2.将因子研究高维化,分类化,局部化,如上季报中所述,试图将传统alpha从一句话扩展成一个故事,对基本面研究而言,我们关注使机器学习更具针对性地表达先验知识,相对更加注重自上而下,对价量信息而言,我们关注更有效率有针对性地挖掘未知市场规律,相对更加强调利用特征工程和模型结构。同时由于传统中低频数据的数据量相对于机器学习模型而言存在欠拟合,我们试图构造不同结构的低相关模型来尝试挖掘数据中蕴含信息的不同侧面。总体来说,在具体投资策略上,我们在坚持基本面和价量结合的量化多因子选股策略的同时,自上而下的传统研究和自下而上的机器学习启发式研究并重,两相结合,力争构造风险收益特征优于市场基准的投资组合。