王卫林 - 基金投资策略和运作

本基金不高于30%的基金资产投资于股票，报告期内，本基金股票组合部分结合基金管理人内部的定性和定量分析模型优选个股，行业分散，个股分散。债券投资以高评级债券为主。基金报告期内，本产品（A类）涨幅为2.43%，同期基准指数涨幅为0.23%，业绩表现好于业绩比较基准。同时，产品管理上也更加注重对回撤管理的重视。2025年股票组合部分投资策略的底层逻辑是，根据国内资本市场的实际运行情况和大量历史数据的实证检验，挖掘并精选各种有效因子，基于有效的选股因子和合适的风控约束条件构建选股策略，满足回测要求的策略经决策流程后被用于与其风险收益特征匹配的产品上。对选股策略的评价，我们会主要从收益性、波动性、解释性和遍历性四个维度考量。除此以外，在策略执行过程中，我们会严格遵从纪律性，做好精细化交易管理，把策略的理论收益最大化地转化到产品的实际收益中。根据金融市场的实践经验，我们尽可能挖掘能较好解释股市收益的风格，并在一定程度上把握住了这些方向的交易机会。近几年，AI技术的发展日新月异，其在量化投资领域的应用也越来越广泛，我们也把它融入到了我们经典的选股框架体系中。

本基金分别采用了机器学习和量化多因子模型。量化多因子模型基于资产定价理论，行为金融学理论和市场经验，总结出多个有效的选股指标，例如：估值、成长、反转因子等，根据市场环境给不同因子配比不同权重，对股票预期收益进行排序打分，控制风险暴露，定量构建组合。机器学习模型，除了会采用传统选股因子外，还会借助机器算力，让模型从不同类型输入数据中去学习挖掘低相关性的选股因子，根据市场风格变化自学习合适的因子配比权重。四季度A股在高位持续波动，风格上，小市值与红利较强，成长风格在十月和十一月有较大调整，十二月开始反弹。和三季度的持续高波动、高beta 风格相比，四季度分散化的行情更适合量化策略的发挥，量化策略偏好的波动率、流动性、估值和市值类选股因子在四季度都有不错表现。来年我们需要关注或有的季节性行情和外部事件对量化策略的冲击，控制好风险敞口暴露，同时也会进一步更新迭代我们的量化模型去适应新的市场环境。

本基金采用机器学习量化模型，选取预期收益高的个股，按产品合同要求，严控指数成分股比例，同时适度控制投资组合与基准指数的行业、风格、个股偏离度，降低跟踪误差。机器学习模型的输入数据，除了常用的选股指标，例如：估值、成长、量价等，还会借助机器算力，让模型从不同类型输入数据中去学习挖掘低相关性的选股因子，并根据市场风格变化自学习合适的因子配比权重。四季度A股在高位持续波动，风格上，小市值与红利较强，成长风格在十月和十一月有较大调整，十二月开始反弹。和三季度的持续高波动、高beta 风格相比，四季度分散化的行情更适合量化策略的发挥，量化策略偏好的波动率、流动性、估值和市值类选股因子在全市场和中证500指数成分股内都有不错表现。来年我们需要关注或有的季节性行情和外部事件对量化策略的冲击，控制好风险敞口暴露，同时也会进一步更新迭代我们的量化模型去适应新的市场环境。

本产品报告期内采用量化多因子选股策略运作，其底层逻辑是，根据国内资本市场的实际运行情况和大量历史数据的实证检验，挖掘并精选各种有效因子，基于有效的选股因子和合适的风控约束条件构建选股策略，满足回测要求的策略经决策流程后被用于与其风险收益特征匹配的产品上。对选股策略的评价，我们会主要从以下四个维度考量：1、收益性。策略相对基准指数超额收益较高2、波动性。策略相对基准指数超额收益波动相对平稳3、解释性。策略收益来源有金融学解释基础，避免伪相关4、遍历性。策略能适应不同的极端市场环境，遇到极端回撤修复能力较好除此以外，在策略执行过程中，我们会严格遵从纪律性，做好精细化交易管理，把策略的理论收益最大化地转化到产品的实际收益中。根据金融市场的实践经验，我们尽可能挖掘能较好解释股市收益的风格，并在一定程度上把握住了这些方向的交易机会。近几年，AI技术的发展日新月异，其在量化投资领域的应用也越来越广泛，我们也把它融入到了我们经典的选股框架体系中。本产品报告期内表现跑输业绩比较基准。 本基金是创业板主题型产品，采用数量化投资策略建立投资模型，以90%×创业板综合指数收益率 + 10%×银行活期存款利率（税后）为基准，不低于非现金基金资产的80%投资于创业板上市公司，在严格控制风险和保持良好流动性的前提下，通过运用量化投资策略，积极去捕捉创业板中的交易机会。我们对国内的经济长期保持一个乐观态度，量化投资策略本质上交易的是市场中的长期规律，短期的变化对策略方向的影响有限，我们坚持做长期难而正确的事，用一个科学的投资方法和积极的投资态度力争帮助投资者分享中国经济增长的成果。

本产品是一个被动指数基金，产品运作不足半年，处于建仓期。本季度我们逐步建好了仓位，四季度产品（A类）涨幅为0.94%，同期业绩基准涨幅为0.43%，与基准指数跟踪误差不大。

报告期内市场整体结构呈现震荡分化的状态，小市值宽基表现优异，大盘价值迎来补涨，权重板块表现较好，但前期强势的科创成长板块本季度承压。由于投资者对大多公司全年的业绩已有预期且定价较为充分，因此投资者的风险偏好有所收敛，部分投资者从前期强势的成长板块，转向估值较低、波动较小的稳健型资产，另一部分交易频率较高的投资者转向了新概念、题材。因此从风格层面，小市值因子表现较好，价值因子回归，成长风格承压，机构重仓个股大幅跑输非机构持仓个股。　　​投资策略上本基金本季度延续采用“核心-卫星”投资策略，同时动态优化调整核心组合及卫星配置比例。后续配置上将降低景气成长方向的权重，将该部分权重替换为捕捉估值合理的稳健成长股的投资策略，以期降低组合整体的波动，从而提升组合整体收益回撤比。管理人长期看好权益市场表现，因此依然保持高仓位运作，在可预见的未来将通过多策略配置的方式优化组合，同时关注市场尾部风险，在极端情形下将优化产品整体的仓位。具体策略上主要以各行业市值较大的公司构成的股票池为锚，在预期收益高的行业和个股上进行适度偏离，力争在波动可控的前提下，实现一定超额收益。投资策略整体基于周期视角，运用量化投资技术，捕捉成长板块与周期反转的个股和行业投资机会。

本产品是一个被动指数基金，产品运作不足半年，处于建仓期。本季度我们逐步建好了仓位，四季度产品（A类）涨幅为-1.54%，同期业绩基准涨幅为-5.73%。

本产品是一个被动指数基金，产品运作不足半年，处于建仓期。本季度我们逐步提高了产品仓位，四季度产品（A类）涨幅为7.38%，同期业绩基准涨幅为8.96%。

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；风险因子角度看，市值上有小幅度暴露，组合较好的控制了在权重行业上的偏离度，电子、医药、新能源贡献较大，市值因子也有一定的收益贡献，组合总体兼顾对于基准指数的贝塔跟踪，季度内稳健战胜业绩基准。

本产品是一个被动指数基金，本季度处于建仓期，考虑到市场处于相当高位，我们采取了一个偏保守的建仓策略，本基金将采用被动指数化投资方法，按照标的指数的成份股及其权重来构建基金的股票投资组合，并根据标的指数成份股及其权重的变动进行相应调整。

本基金采用机器学习量化模型，选取预期收益高的个股，按产品合同要求，严控指数成分股比例，同时适度控制投资组合与基准指数的行业、风格、个股偏离度，降低跟踪误差。机器学习模型的输入数据，除了常用的选股指标，例如：估值、成长、量价等，还会借助机器算力，让模型从不同类型输入数据中去学习挖掘低相关性的选股因子，并根据市场风格变化自学习合适的因子配比权重。三季度A股市场呈现机构行情特征，光模块、人工智能、半导体设备等科技板块股票和稀土相关股票大涨，市场偏好强成长、高波动、高beta风格，在机构持仓较多的沪深300、中证500指数成分股内表现尤为突出。大小盘风格上，市场表现出明显的非线性特征，处在中间的中证500指数显著优于市值更大的沪深300指数，和市值较小的中证1000、中证2000指数。量化策略基于A股的长期历史数据规律研发，不同投资管理人的风格有所差异，但总体而言更偏好低波动、市场热点分散、小市值相对强势的市场环境，与三季度的A股行情差异较大。本产品不低于非现金资产的80%投资于中证500指数成分股及备选成分股，受三季度行情影响较为明显。不过截至三季度末时，很多热门板块股票估值已经很高，股价也开始高位震荡，展望后市，目前来看，市场风险偏好仍有发生变化的可能，利于量化策略的发挥。

本基金不高于30%的基金资产投资于股票，报告期内，本基金股票组合部分结合基金管理人内部的定性和定量分析模型优选个股，行业分散，个股分散。债券投资以高评级债券为主。基金报告期内，本产品较好跟住了市场上涨，业绩表现略差于业绩比较基准。同时，产品管理上也更加注重对回撤管理的重视。2025年股票组合部分投资策略的底层逻辑是，根据国内资本市场的实际运行情况和大量历史数据的实证检验，挖掘并精选各种有效因子，基于有效的选股因子和合适的风控约束条件构建选股策略，满足回测要求的策略经决策流程后被用于与其风险收益特征匹配的产品上。对选股策略的评价，我们会主要从收益性、波动性、解释性和遍历性四个维度考量。除此以外，在策略执行过程中，我们会严格遵从纪律性，做好精细化交易管理，把策略的理论收益最大化地转化到产品的实际收益中。根据金融市场的实践经验，我们尽可能挖掘能较好解释股市收益的风格，并在一定程度上把握住了这些方向的交易机会。近几年，AI技术的发展日新月异，其在量化投资领域的应用也越来越广泛，我们也把它融入到了我们经典的选股框架体系中。