翟云飞 - 基金投资策略和运作

2025年三季度权益市场成交活跃，指数普遍上涨。主要宽基指数中，沪深300上涨17.90%，中证500上涨25.31%，中证1000上涨19.17%，国证2000上涨17.24%，中证2000上涨14.31%，高弹性品种科创综指、创业板综分别录得39.61%、30.01%的亮眼涨幅。从行业来看，三季度科技成长相关行业领涨市场，通信、电子、电力设备等行业涨幅居前，分别录得48.65%、47.59%、44.67%的涨幅，此外受到世界宏观环境影响有色金属也取得了显著的收益；3季度银行跌幅较为明显，单季度下跌10.19%。风格上来看，低估值风格因子收益率回撤较为明显，高成长风格波动加大。展望四季度，短期科技成长板块可能有回调压力，但中长期产业发展趋势不会改变。在投资管理上，本基金是以中证500指数为基准的指数增强基金，我们坚持采用量化多因子的投资策略，勤勉尽责，在有效控制跟踪误差和偏离的基础上，力争为投资者获取持续的超额收益。

2025年三季度，宏观层面PMI低于荣枯但边际改善、通胀仍偏弱、政策基调稳流动性与结构性加力 。A股在“流动性充裕+风险偏好走高”的环境中演绎了显著的成长风格行情，核心宽基与科技板块同步上行、成交与杠杆资金指标显著改善，债市阶段性走弱形成股债“跷跷板”。指数层面，创业板指与科创50分别取得约50%区间涨幅，中证全指、沪深300、中证500亦实现两位数上行；交易层面，日均成交额升至2.1万亿元级别、两融规模同步抬升；展望四季度，市场可能会更关注三季报的业绩验证、后续“反内卷”等政策的细化落地以及海外经济与政策的演变。

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。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。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。

2025年三季度，宏观层面PMI低于荣枯但边际改善、通胀仍偏弱、政策基调稳流动性与结构性加力 。A股在“流动性充裕+风险偏好走高”的环境中演绎了显著的成长风格行情，核心宽基与科技板块同步上行、成交与杠杆资金指标显著改善，债市阶段性走弱形成股债“跷跷板”。指数层面，创业板指与科创50分别取得约50%区间涨幅，中证全指、沪深300、中证500亦实现两位数上行；交易层面，日均成交额升至2.1万亿元级别、两融规模同步抬升；展望四季度，市场可能会更关注三季报的业绩验证、后续“反内卷”等政策的细化落地以及海外经济与政策的演变。本基金三季度坚守科技主线，优选处于景气爬升阶段且估值匹配度较高的优质标的，集中配置于全球竞争格局中具备差异化优势的科技企业。

2025年三季度，宏观层面PMI低于荣枯但边际改善、通胀仍偏弱、政策基调稳流动性与结构性加力 。A股在“流动性充裕+风险偏好走高”的环境中演绎了显著的成长风格行情，核心宽基与科技板块同步上行、成交与杠杆资金指标显著改善，债市阶段性走弱形成股债“跷跷板”。指数层面，创业板指与科创50分别取得约50%区间涨幅，中证全指、沪深300、中证500亦实现两位数上行；交易层面，日均成交额升至2.1万亿元级别、两融规模同步抬升；展望四季度，市场可能会更关注三季报的业绩验证、后续“反内卷”等政策的细化落地以及海外经济与政策的演变。

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。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。机器学习模型基于A股的长期历史数据规律研发，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。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。

三季度，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。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。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。

国内方面，中国宏观经济继续保持稳中有进的良好态势。虽然经济增速较上半年可能略有放缓，但仍处于政策目标区间。增长动力上，内需偏弱仍对整体有一定影响，社会消费品零售和固定资产投资增速边际也有所回落，房地产市场仍处于调整区间；而外需继续表现出相对韧性，尽管对美出口承压，但对东盟、欧盟、其他发展中经济体的出口保持强劲，净出口对经济继续构成有力支撑。此外，物价水平低位运行，CPI同比增速边际下行，但核心CPI增速保持稳中有升，对应服务消费有所好转；而PPI同比仍在负值区间， “反内卷”政策效果与油价下跌相抵消。海外方面，美国经济增长的驱动力并不均衡，企业投资在经历上半年的“抢进口”后有所回落。与此同时，劳动力市场显著降温，8月失业率升至4.3%，新增非农就业人数远低于预期，但通胀压力依然顽固，CPI同比增速反弹至2.9%，而美联储短期货币政策选择呵护劳动力市场。基金在三季度权益投资方面，以大盘及中盘股配置为主，并在汽车、医药、有色、金融等板块做了主要的配置，并在选股方面，对权益估值保持较高的要求，继续为基金追求稳健的收益目标。基金在三季度债券投资方面，以利率债配置为主，控制组合收益的确定性，降低组合回撤风险，力争寻求收益的稳定性。

国内方面，中国宏观经济继续保持稳中有进的良好态势。虽然经济增速较上半年可能略有放缓，但仍处于政策目标区间。增长动力上，内需偏弱仍对整体有一定影响，社会消费品零售和固定资产投资增速边际也有所回落，房地产市场仍处于调整区间；而外需继续表现出相对韧性，尽管对美出口承压，但对东盟、欧盟、其他发展中经济体的出口保持强劲，净出口对经济继续构成有力支撑。此外，物价水平低位运行，CPI同比增速边际下行，但核心CPI增速保持稳中有升，对应服务消费有所好转；而PPI同比仍在负值区间， “反内卷”政策效果与油价下跌相抵消。海外方面，美国经济增长的驱动力并不均衡，企业投资在经历上半年的“抢进口”后有所回落。与此同时，劳动力市场显著降温，8月失业率升至4.3%，新增非农就业人数远低于预期，但通胀压力依然顽固，CPI同比增速反弹至2.9%，而美联储短期货币政策选择呵护劳动力市场。展望四季度，国内宏观经济预计继续面临内需温和修复与外部不确定性交织的复杂背景。具体来看，消费与投资方面，社会消费品零售总额增速预计持平于三季度，但以旧换新、消费补贴等政策拉动效应边际减弱；而固定资产投资在新型政策性金融工具的支持下有望小幅回升，制造业投资和基建投资累计同比增速预计有所回升，房地产投资的明显好转仍需一定时间。外部环境方面，出口同比增速可能边际持平，基准情形是维持目前关税水平但叠加海外需求迎来年底旺季。政策层面，财政与货币政策继续注重“效能”与落实，通过结构性工具支持特定领域继续促结构升级转型。物价水平（CPI和PPI）预计温和回升，但低通胀格局完全改变仍需一定时间。债券市场方面，收益率曲线在三季度整体上行。短端 1 年国债和 1 年国开季度末为 1.37%和1.60%，上行约3bp 和 13bp。长端 10 年国债和 10 年国开季度末为 1.86%和 2.04%，分别上行约21bp 和35bp。信用债方面，1年期限的AAA信用债季度末收益率为 1.72%，上行约 2.4bp；3年期限的AAA 和 AA 的信用债季度末为 1.94%和 2.20%，分别上行约 11bp 和 20bp。权益方面，组合权益仓位在三季度保持较高水平，行业配置偏均衡，继续看好以下板块：业绩存在改善或反转的周期行业、顺应政策发展要求的科技成长赛道。基金固收部分投资保持注重组合流动性管理的特征：以中短久期的国债和高等级信用配置为主，力争保障组合固收资产具有良好的流动性；同时，由于可转债市场整体估值仍在历史高位，组合在三季度继续调整可转债仓位，等并密切转债估值调整后的投资机会。

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。本产品报告期内受益于市场强劲的表现，三季度收益率为40.17%，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。

上半年，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。2025年上半年A股小市值风格尤为突出，万得小市值400指数（月度调仓）区间涨幅38.12%，中证2000和中证1000指数分别涨15.3%和6.7%；红利和价值类策略表现较弱，中证红利指数跌3.1%，沪深300指数基本持平。行业上，上半年涨的最好的行业是有色金属(18.1%), 银行(13.1) 和国防军工(13.0%), 表现最差的是煤炭(-12.3%)，食品饮料(-7.3%)和房地产(-6.9%)。从期权市场期权价格隐含的机构投资者对主流宽基指数未来波动率的预期来看，除了4月7日，外贸政策引起市场短暂波动外，上半年主流宽基指数的隐含波动率都处于下行、低位震荡的格局。低波动、小市值风格强势的市场有利于量化策略的发挥。本产品将适时调整策略风险敞口暴露，力争获取超额收益。