时赟超 - 基金投资策略和运作

报告期内，本基金在控制相对中证500指数跟踪误差的基础上，采用量化方法进行选股，在严格遵守指数成分股投资比例，控制包括行业、风格在内的各类风险暴露的前提下，力争在中证500指数收益率的基础上进行增强。量化选股模型侧重于不同预测收益来源、不同预测周期因子的动态配置，辅以稳健均衡的风格，平衡模型长期有效性和对短期市场环境波动的适应性，力争获取稳健的超额收益。  近年来，市场结构化行情加剧，这对管理人的选股能力和超额回撤控制能力提出了更高要求。我们的量化模型在基本面、量价、另类等因子上采用了相对均衡的配置以此应对各种行情，努力争取相对基准的超额收益。  展望未来，随着市场有效性不断提升，在策略竞争日趋激烈的情况下，尤其是市场成交活跃度不足时，模型的稳定性和适应性仍然可能遇到挑战，我们认为高质量、低相关性的alpha因子是模型保持生命力的核心因素，因此我们将持续挖掘新的alpha因子，对模型进行优化和迭代。

2026年上半年银行信贷偏弱，机构钱多+供给偏慢格局塑造债市“资产荒”行情，期间虽有权益市场风险偏好扰动、美伊冲突等事件影响，但债市利率整体呈现震荡下行趋势，高点在1.9%附近，低点在1.7%附近。1-2月：年初权益市场开门红叠加政府债供给担忧下10年期国债快速上行至1.9%，但随着监管降温股市，以及银行偏高存贷差导致的偏强配债需求和负债成本快速下行驱动利率重新回落。3月：2月底美伊冲突爆发，主导市场交易，但随着冲突持续，债市交易重点由“胀”转向“滞”，债市利率先上后下。4-6月：外围扰动弱化，政府债发行节奏偏慢，4-5月银行理财主导的资管钱多和资金因信贷疲软自发性宽松的格局下利率进入下行通道，债市各类利差进一步压缩。6月10y国债突破1.7%后大行融出快速下降，受资金收敛以及赎回影响债市有所调整，后随陆家嘴论坛隔夜OMO改革和央行投放加码收益率边际修复。  本基金上半年债券部位灵活调节久期水平，通过波段交易抓取债券的交易性机会，权益部分灵活调整仓位和结构，在控制风险的前提下，力求为投资者获取超额回报。

报告期内，本基金在控制相对中证800指数跟踪误差的基础上，采用量化方法进行选股，力争在中证800指数收益率的基础上进行增强。量化选股模型侧重于不同预测收益来源、不同预测周期因子的动态配置，辅以稳健均衡的风格，平衡模型长期有效性和对短期市场环境波动的适应性，力争获取稳健的超额收益。  近年来，市场结构化行情加剧，这对管理人的选股能力和超额回撤控制能力提出了更高要求。我们的量化模型在基本面、量价、另类等因子上采用了相对均衡的配置以此应对各种行情，努力争取相对基准的超额收益。  展望未来，随着市场有效性不断提升，在策略竞争日趋激烈的情况下，尤其是市场成交活跃度不足时，模型的稳定性和适应性仍然可能遇到挑战，我们认为高质量、低相关性的alpha因子是模型保持生命力的核心因素，因此我们将持续挖掘新的alpha因子，对模型进行优化和迭代。

报告期内，本基金在控制相对上证科创板100指数跟踪误差的基础上，采用量化方法进行选股，在严格遵守指数成分股投资比例，控制包括行业、风格在内的各类风险暴露的前提下，力争在上证科创板100指数收益率的基础上进行增强。量化选股模型侧重于不同预测收益来源、不同预测周期因子的动态配置，辅以稳健均衡的风格，平衡模型长期有效性和对短期市场环境波动的适应性，力争获取稳健的超额收益。  近年来，市场结构化行情加剧，这对管理人的选股能力和超额回撤控制能力提出了更高要求。我们的量化模型在基本面、量价、另类等因子上采用了相对均衡的配置以此应对各种行情，努力争取相对基准的超额收益。  展望未来，随着市场有效性不断提升，在策略竞争日趋激烈的情况下，尤其是市场成交活跃度不足时，模型的稳定性和适应性仍然可能遇到挑战，我们认为高质量、低相关性的alpha因子是模型保持生命力的核心因素，因此我们将持续挖掘新的alpha因子，对模型进行优化和迭代。

本基金作为一只被动指数基金，始终坚持严格的投资纪律，以紧密跟踪标的指数、最小化跟踪误差为核心投资目标。在具体运作上，我们采用全复制法构建投资组合，严格按照中证800指数成分股及其权重进行配置，确保组合的构成与指数保持高度一致。为应对日常申购赎回的需求，以及充分考虑成分股停牌、流动性变化等因素，对组合进行适时的动态调整。同时建立了完善的组合再平衡机制，定期根据指数成分股调整和权重变化对投资组合进行优化。

报告期内，本基金在控制相对上证科创板200指数跟踪误差的基础上，采用量化方法进行选股，在严格遵守指数成分股投资比例，控制包括行业、风格在内的各类风险暴露的前提下，力争在上证科创板200指数收益率的基础上进行增强。量化选股模型侧重于不同预测收益来源、不同预测周期因子的动态配置，辅以稳健均衡的风格，平衡模型长期有效性和对短期市场环境波动的适应性，力争获取稳健的超额收益。  近年来，市场结构化行情加剧，这对管理人的选股能力和超额回撤控制能力提出了更高要求。我们的量化模型在基本面、量价、另类等因子上采用了相对均衡的配置以此应对各种行情，努力争取相对基准的超额收益。  展望未来，随着市场有效性不断提升，在策略竞争日趋激烈的情况下，尤其是市场成交活跃度不足时，模型的稳定性和适应性仍然可能遇到挑战，我们认为高质量、低相关性的alpha因子是模型保持生命力的核心因素，因此我们将持续挖掘新的alpha因子，对模型进行优化和迭代。

报告期内，本基金在控制相对中证1000指数跟踪误差的基础上，采用量化方法进行选股，在严格遵守指数成分股投资比例，控制包括行业、风格在内的各类风险暴露的前提下，力争在中证1000指数收益率的基础上进行增强。量化选股模型侧重于不同预测收益来源、不同预测周期因子的动态配置，辅以稳健均衡的风格，平衡模型长期有效性和对短期市场环境波动的适应性，力争获取稳健的超额收益。  近年来，市场结构化行情加剧，这对管理人的选股能力和超额回撤控制能力提出了更高要求。我们的量化模型在基本面、量价、另类等因子上采用了相对均衡的配置，以此应对各种行情，努力争取相对基准的超额收益。  展望未来，随着市场有效性不断提升，在策略竞争日趋激烈的情况下，尤其是市场成交活跃度不足时，模型的稳定性和适应性仍然可能遇到挑战，我们认为高质量、低相关性的alpha因子是模型保持生命力的核心因素，因此我们将持续挖掘新的alpha因子，对模型进行优化和迭代。

2026年二季度，债券收益率显著下行，与上季度末相比，上证国债指数上涨0.99%，银行间中债综合财富指数上涨1.19%。二季度资金面整体宽松，叠加市场交易宏观基本面走弱，债市情绪较好，长端、超长端利率债和二级资本债等品种利差有所压缩。报告期内，本基金持有利率债为主，6月以来增加了波段交易，组合久期有所提升。  权益市场方面，二季度随着中东冲突缓和、AI产业景气度不断验证，科技板块显著上涨，但传统经济板块因为高频数据走弱、缺乏增量资金，持续下跌。二季度上证指数涨5.2%，创业板指涨36.4%。报告期内，本基金权益风格偏小盘成长，仓位变动不大。

报告期内，本基金以稳定增值为主要投资目标。投资策略方面，本基金采用量化方法进行选股。量化选股模型立足于上市公司的基本面信息，侧重于长期表现有效的因子类别，同时结合短期市场情绪、动量等因子，将模型的短期与长期有效性进行平衡与提高，从而争取实现相对稳定的超额收益表现。  我们的量化模型在基本面、量价、另类等因子上采用了相对均衡的配置以此应对各种行情，努力争取相对基准的超额收益。  展望未来，随着市场有效性不断提升，在策略竞争日趋激烈的情况下，尤其是重大突发风险事件影响或者市场成交活跃度不足时，模型的稳定性和适应性仍然可能遇到挑战，我们认为高质量、低相关性的alpha因子是模型保持生命力的核心因素，因此我们将持续挖掘新的alpha因子，对模型进行优化和迭代。

本基金作为一只被动指数基金，始终坚持严格的投资纪律，以紧密跟踪标的指数、最小化跟踪误差为核心投资目标。在具体运作上，我们采用全复制法构建投资组合，严格按照中证800指数成分股及其权重进行配置，确保组合的构成与指数保持高度一致。为应对日常申购赎回的需求，以及充分考虑成分股停牌、流动性变化等因素，对组合进行适时的动态调整。同时建立了完善的组合再平衡机制，定期根据指数成分股调整和权重变化对投资组合进行优化。

报告期内，本基金在控制相对上证科创板100指数跟踪误差的基础上，采用量化方法进行选股，在严格遵守指数成分股投资比例，控制包括行业、风格在内的各类风险暴露的前提下，力争在上证科创板100指数收益率的基础上进行增强。量化选股模型侧重于不同预测收益来源、不同预测周期因子的动态配置，辅以稳健均衡的风格，平衡模型长期有效性和对短期市场环境波动的适应性，力争获取稳健的超额收益。  近年来，市场结构化行情加剧，这对管理人的选股能力和超额回撤控制能力提出了更高要求。我们的量化模型在基本面、量价、另类等因子上采用了相对均衡的配置以此应对各种行情，努力争取相对基准的超额收益。  展望未来，随着市场有效性不断提升，在策略竞争日趋激烈的情况下，尤其是市场成交活跃度不足时，模型的稳定性和适应性仍然可能遇到挑战，我们认为高质量、低相关性的alpha因子是模型保持生命力的核心因素，因此我们将持续挖掘新的alpha因子，对模型进行优化和迭代。

报告期内，本基金在控制相对中证800指数跟踪误差的基础上，采用量化方法进行选股，力争在中证800指数收益率的基础上进行增强。量化选股模型侧重于不同预测收益来源、不同预测周期因子的动态配置，辅以稳健均衡的风格，平衡模型长期有效性和对短期市场环境波动的适应性，力争获取稳健的超额收益。  近年来，市场结构化行情加剧，这对管理人的选股能力和超额回撤控制能力提出了更高要求。我们的量化模型在基本面、量价、另类等因子上采用了相对均衡的配置以此应对各种行情，努力争取相对基准的超额收益。  展望未来，随着市场有效性不断提升，在策略竞争日趋激烈的情况下，尤其是市场成交活跃度不足时，模型的稳定性和适应性仍然可能遇到挑战，我们认为高质量、低相关性的alpha因子是模型保持生命力的核心因素，因此我们将持续挖掘新的alpha因子，对模型进行优化和迭代。