赵大年 - 基金投资策略和运作

本基金固收部分以利率债投资为主，基于宏观形势与行情变化，适度调整久期。权益部分结合机器学习模型，按产品合同的资产配置比例要求，在限定股票池内选取预期收益高的股票，同时控制好策略组合与基准的风险偏离，从而构建组合。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。二季度股票市场整体上行，结构明显分化。外部环境缓和后，全球科技板块共振上涨。进入5月，资金抱团科技的行为愈演愈烈，微盘、红利、现金流等哑铃组合的两端大幅回撤。风格因子方面，大市值、高beta、强动量、高成长、低残差波动风格表现较好，而高盈利收益率、高杠杆、高BP风格表现相对较弱。本产品固收部分二季度采取短久期配置，后续将继续谨慎控制各个市场风险敞口暴露，力争在多变市场环境中获取稳健收益。

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。2026年二季度A股市场呈现显著的结构性特征，主要指数全线收涨，但板块分化较为剧烈。科创50指数以75.74%的涨幅领跑，创业板指上涨36.35%，对比之下，中证红利和万得小市值指数分别下跌12.3%和14.1%；从行业看，半导体行业涨幅超过100%，通信设备涨幅接近80%，全市场深度聚焦AI产业链，半导体等硬科技领域，而传统的周期和消费板块表现疲弱，石油石化、食品饮料下跌均超过15%。高波，高贝塔，热点集中的行情对于量化策略的分散化持仓和低波偏好不利，而且小盘股的流动性在这波科技股上涨中被稀释明显，500指增产品控制了中证500指数成分股的持仓比例，受小微盘回撤的影响相对较小。量化策略的修复需要等待市场热点集聚效应降低和整体波动率的均值回归。

本基金采用机器学习量化模型，按产品合同与风格库要求，在限定股票池内选取预期收益高的股票，同时控制好策略组合与基准的行业、风格、个股的风险偏离度，通过组合优化工具计算个股权重，构建组合。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。2026年二季度A股市场呈现显著的结构性特征，主要指数全线收涨，但板块分化较为剧烈。科创50指数以75.74%的涨幅领跑，创业板指上涨36.35%，对比之下，中证红利和万得小市值指数分别下跌12.3%和14.1%；从行业看，半导体行业涨幅超过100%，通信设备涨幅接近80%，全市场深度聚焦AI产业链，半导体等硬科技领域，而传统的周期和消费板块表现疲弱，石油石化、食品饮料下跌均超过15%。高波，高贝塔，热点集中的行情对于量化策略的分散化持仓和低波偏好不利，而且小盘股的流动性在这波科技股上涨中被稀释明显，本产品策略的选股股票池比较宽泛，受到了小微盘回撤的影响。量化策略的修复需要等待市场热点集聚效应降低和整体波动率的均值回归。

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，本产品较好地抓住了市场机会，跑赢业绩基准。2026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。2026年二季度，光大锦弘（【A】类）的收益率为5.37%，同期业绩比较基准为2.44%，本产品表现好于业绩比较基准。

二季度，中国宏观经济延续“生产强于需求、外需强于内需”的非对称格局，实际GDP增速预计较一季度小幅回落，但仍处于全年政策目标区间。内需偏弱一定程度上影响了增长动力：社会消费品零售总额同比一度落入负增长，以旧换新政策效应消退后汽车消费有所下滑；固定资产投资累计同比降幅扩大，制造业、基建投资增速回落，房地产开发投资仍处深度调整。外需则表现强劲，出口总额同比增长较快，对东盟、欧盟及发展中经济体出口保持韧性，净出口对经济支撑有力。物价方面，PPI受外部环境影响快速上行，CPI运行温和，上下游传导不畅，核心CPI稳中有升但整体低位运行。海外方面，美国二季度GDP反弹但结构失衡，企业投资因前期“抢进口”透支而显疲态，劳动力市场内部转弱，新增非农就业低于预期，通胀压力依然顽固，美联储货币政策在呵护就业与抗通胀之间权衡。展望三季度，国内经济预计在内需温和修复与外部不确定性交织中前行，实际GDP增速有望环比小幅回升。消费端，社零增速或较二季度边际改善，但以旧换新和消费补贴的拉动效应减弱，修复力度有限；投资端，随着财政资金加快落地，基建和制造业投资有望企稳回升，房地产投资难有明显好转但影响斜率或放缓。出口方面，AI相关需求和全球制造业景气回升将继续支撑出口保持较强韧性，但海外需求节奏存在变数。政策层面，财政与货币政策注重效能落实，结构性工具持续支持转型升级。物价方面，CPI和PPI预计温和回升，PPI同比有望转正，但低通胀格局未根本改变，名义GDP修复仍是渐进过程。整体看，三季度经济将延续稳步修复态势，但内需恢复强度和外部环境演变仍需密切关注。债券市场方面，收益率曲线在二季度整体下行。短端 1 年国债和 1 年国开季度末为 1.12%和1.35%，下约10bp 和9bp。长端 10 年国债和 10 年国开季度末为 1.73%和 1.78%，分别下行约8bp 和17bp。信用债方面，1年期限的AAA信用债季度末收益率为 1.50%，下行约 8bp；3年期限的AAA 和 AA 的信用债季度末为 1.61%和 1.78%，分别下行约 4bp 和 22bp。权益方面，组合权益仓位在二季度逐步提升，均衡配置，主要关注与非银、家电、通讯、电子、医药等板块。基金固收部分投资保持高信用资质配置、注重组合流动性管理的特征：信用债以精选中短久期的高等级信用债配置为主，分散投资，力争保障组合固收资产具有良好的流动性；转债市场在季末调整过程中，关注了低价可转债。

本基金结合机器学习模型，按产品合同与风格库要求，在限定股票池内选取预期收益高的股票，同时控制好策略组合与基准的风险偏离，构建组合。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。2026年二季度A股市场呈现显著的结构性特征，主要指数全线收涨，但板块分化较为剧烈。科创50指数以75.74%的涨幅领跑，创业板指上涨36.35%，对比之下，中证红利和万得小市值指数分别下跌12.3%和14.1%；从行业看，半导体行业涨幅超过100%，通信设备涨幅接近80%，全市场深度聚焦AI产业链，半导体等硬科技领域，而传统的周期和消费板块表现疲弱，石油石化、食品饮料下跌均超过15%。高波，高贝塔，热点集中的行情对于量化策略的分散化持仓和低波偏好不利，而且小盘股的流动性在这波科技股上涨中被稀释明显，我们在二季度适度减少了策略的小市值暴露水平来降低小微盘回撤的冲击。量化策略的修复需要等待市场热点集聚效应降低和整体波动率的均值回归。

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。2026年二季度，光大创业板量化优选（【A】类）的收益率为38.86%，同期业绩比较基准为22.16%，本产品报告期内表现好于业绩比较基准。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。

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。2026年二季度A股市场呈现显著的结构性特征，主要指数全线收涨，但板块分化较为剧烈。科创50指数以75.74%的涨幅领跑，创业板指上涨36.35%，对比之下，中证红利和万得小市值指数分别下跌12.3%和14.1%；从行业看，半导体行业涨幅超过100%，通信设备涨幅接近80%，全市场深度聚焦AI产业链，半导体等硬科技领域，而传统的周期和消费板块表现疲弱，石油石化、食品饮料下跌均超过15%。高波，高贝塔，热点集中的行情对于量化策略的分散化持仓和低波偏好不利，而且小盘股的流动性在这波科技股上涨中被稀释明显，也导致了不少负超额。量化策略的修复需要等待市场热点集聚效应降低和整体波动率的均值回归。

一季度国内宏观经济起步有力、开局良好。边际上也呈现出新的亮点：工业生产加快，装备制造业和高技术制造业增势尤为突出；服务业较快增长，现代服务业如信息技术、租赁商务等增速领先；固定资产投资由降转增，基础设施投资增速较快，高技术产业投资增势良好；货物进出口快速增长，贸易结构持续优化，机电产品出口增势强劲。相对而言，海外出现了一些风险事件扰动，提高了能源价格的波动率，这也对全球通胀以及贸易环境增添了新的不确定性。国内通胀面临的输入性压力可能偏短期，更重要的还是跟踪观察广谱价格指标能否实现需求驱动的上行趋势。展望二季度，国内宏观经济依旧在外部不确定性与内部确定性之间稳健运行：中国产能的全球相对优势会在出口数据中可能会有更为广泛的体现；制造业继基建投资平稳增长的同时，地产链继续大幅下探的可能性明显降低；通胀端开始面临输入性压力，但仍然需要观察广谱价格指标能否实现需求驱动的上行；政策端延续财政积极、货币适度宽松，政府加杠杆与企业信贷偏强的广义流动性格局可能延续。债券收益率曲线呈期限利差走阔，资金更多向中短期限集中。短端 1 年国债和 1 年国开季度末为 1.22%和 1.43%，下行约 11bp 和 12bp。长端 10 年国债和 10 年国开季度末为 1.81%和1.95%，分别下行约 3bp 和 6bp。信用债方面，1 年期限的AAA信用债季度末收益率为 1.58%，下行约9bp；3年期限的AAA 和 AA 的信用债季度末为 1.76%和 1.93%，分别下行约 4bp和22bp。权益方面，组合权益仓位在一季度仓位稳定，调整了光伏和计算机板块，关注了券商、轻工、医药、家电等行业。基金固收部分投资保持高信用资质配置、注重组合流动性管理的特征：信用债以精选中短久期的高等级信用债配置为主，分散投资，力争保障组合固收资产具有良好的流动性；转债市场在季末调整过程中，择绝对价格较低的转债配置。

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。2026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。2026年一季度，光大锦弘（A类）的收益率为-1.16%，同期业绩比较基准为-0.01%，本产品表现弱于业绩比较基准。

本基金固收部分以利率债投资为主，基于宏观形势与行情变化，适度调整久期。权益部分结合机器学习模型，按产品合同的资产配置比例要求，在限定股票池内选取预期收益高的股票，同时控制好策略组合与基准的风险偏离，从而构建组合。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。一季度股票市场波动较大。1-2月，流动性宽松格局下，题材行情活跃。3月，油价上涨推升全球滞胀担忧。多数风险资产共振调整。结构上看，微盘、红利、现金流等哑铃组合的两端表现占优，而表征核心资产的沪深300指数则跌幅靠前。风格因子方面，小市值、高beta、高盈利收益率、低流动性、低残差波动风格表现较好。本产品固收部分一季度采取短久期配置，后续将继续谨慎控制各个市场风险敞口暴露，力争在多变市场环境中获取稳健收益。

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。2026 年一季度 A 股整体呈先扬后抑、结构分化的走势。1 月开门红，上证指数连续多日收涨，沪指也一度突破4100点，半导体设备，贵金属指数领涨， 2 月震荡轮动、3 月外部环境导致油价暴涨，对成长股形成压制，红利走强，市场风险偏好下降。我们一季度对之前使用的机器学习模型进行了迭代升级，采取了端到端模式，降低市场风格切换对组合收益的影响，并且基于历史回溯结果，调整了组合的风险暴露约束，避免在某个特定风格上风险敞口过大，降低外部环境变化对组合收益的冲击。