团队介绍
中信建投金融工程及基金研究团队专注于买方研究视角的金工及基金研究工作，覆盖资产配置及择时、行业及风格轮动、量化选股、大模型应用、基金组合构建、创新产品设计等研究方向，追求有创新、可应用、可跟踪的研究成果和投资策略。
资产配置：基于宏观状态择时的全球资产配置；普林格周期在国内市场的应用；宏观因子平价模型；债券久期择时等。
中观配置：多维度行业轮动框架；估值比较视角下的行业轮动策略；主动权益基金资金流构造行业轮动策略;基于散户、公募及私募、ETF资金流构造行业轮动策略；价值成长轮动及大小盘轮动策略；DeepSeek+RAG行业轮动策略等。
量化选股：基于openFE的基本面因子挖掘框架；FactorZool基本面因子挖掘统一框架；融合LLMS进化的基本面因子挖掘统一框架；基于限价订单簿数据的DEEPLOB模型；基本面因子与量价因子融合模型；FinMCP Server；基于高频数据开发的200+因子数据库等。
基金研究：涵盖200多个标签的基金标签矩阵；多策略基金池体系；基于基金经理拥挤度与Alpha因子的FOF增强策略；基金长期能力选基因子构建；全球资金流及跨境产品跟踪等。
投研工具：智研多资产配置+平台；基金智研Excel插件；基金AI智能小助手；多智能体上市公司报告助手；组合一键优化小工具、ETF机构资金流测算小工具等。
团队成员：姚紫薇、陈升锐、王超、孙诗雨、应绍桦、缪金瑾、苏良、祝健
「READING」
01
资产配置与基金研究
报告分析2025年公募基金行业两大趋势：ETF持续扩容与多资产配置兴起。权益基金被动规模占比已超51%，固收+基金规模大幅增长。重点分析了实现规模多路径增长的头部公司：永赢基金以“智选系列”为核心，凭借细分赛道前瞻布局和集中投资策略快速突围；中欧基金和易方达基金的增长主要依赖科技弹性品种与绩优红利基金，同时新型浮动费率产品受关注；富国基金在均衡风格基础上，依靠科技、医药赛道型选手和港股基金获得增量。固收+领域，景顺长城基金规模增长超1100亿元，其多元策略和优秀的风险收益比是核心优势。展望未来，行业将在规则重塑下，向产品定位更清晰、策略更多元、更以投资者真实回报为中心的新生态演进。
作者：
姚紫薇 SAC执业编号：S1440524040001发布日期：2025-12-31
本文系统构建了黄金与白银的量化择时框架。白银择时：结合其兼具贵金属和工业金属的双重属性，从金融（综合实际利率、财政赤字等）、避险、工业（中国集成电路、太阳能电池产量）、投资（COT持仓、库存、租赁利率等）以及技术指标（金银比、MACD等）五个维度构建信号。对白银LOF的周频择时策略，总胜率达56.67%，超额年化收益13.65%。黄金择时：从金融、货币、避险、商品四重属性出发，创新性地引入多国黄金储备量变化作为货币属性的择时指标，并叠加技术指标（RSI、均线）。对黄金ETF的周频择时策略，总胜率达57.58%，年化超额收益3.46%。该框架为投资者参与贵金属行情提供了系统化的量化工具。
作者：
姚紫薇 SAC执业编号：S1440524040001
缪金瑾 SAC执业编号：S1440525080003
发布日期：2025-10-18
报告聚焦全球数字金融发展及香港中资机构的实践。概念区分：数字货币基金（如比特币ETF）投资标的本身为数字资产；代币化基金（如代币化货币基金）是将传统基金份额通过区块链转为数字凭证，底层资产仍是传统金融资产。全球发展：数字货币基金在合规化、机构化推动下规模快速增长；代币化基金处于发展初期，贝莱德的BUIDL等是典型代表。香港实践：香港对RWA（现实世界资产）实施分类监管，对“证券型代币”穿透式适用证券法。以华夏港元数字货币基金为例，其运作模式包括：份额代币化、申购赎回机制（支持法币与稳定币）以及交易模式（场外OTC或交易所交易）。未来，代币化基金有望在提升结算与交易效率、拓展新的增长点等方面为投资者和资管机构带来价值。
作者：
姚紫薇 SAC执业编号：S1440524040001
孙诗雨 SAC执业编号：S1440524060007
发布日期：2025-09-10
报告系统梳理了资产配置理论的五个演进阶段：传统配置（恒定混合、均值-方差）、风险配置（风险平价、风险预算）、周期配置（美林时钟、普林格周期）、因子配置以及智能配置探索。报告重点在国内市场实践了其中三种经典模型。战略资产配置方面：（1）均值-方差模型弹性大，年化收益9.57%，最大回撤17.32%；（2）基于资产的风险平价策略表现稳健，年化收益3.92%，夏普比率2.34，最大回撤仅2.37%；（3）基于宏观因子的风险平价策略同样稳健，夏普比率2.61。战术资产配置方面：改进版普林格周期策略表现优异，年化收益达22.21%，夏普比率1.87，最大回撤仅6.38%，且测试期内每年均获得正收益。
作者：
姚紫薇 SAC执业编号：S1440524040001
应绍桦 SAC执业编号：S1440525060001
发布日期：2025-09-08
针对监管强化业绩基准约束及多数基金跑输基准的现状，报告提出三种量化优化方案，旨在降低基金跑输概率、改善超额收益。方案一（内部优化）：仅在基金现有持仓内部调整权重，适用于改善超额偏弱基金的下行风险。方案二（补充成分股）：在原有持仓基础上，有限制地引入基准指数成分股，普适性强，绩效改善稳定。方案三（叠加跟踪组合）：先构建一个低偏离的指数跟踪组合，再与原始组合按权重合并，稳定性最佳。大规模测试（近300只基金）表明，约九成基金样本可通过上述方案实现超额绩效提升，尤其对以宽基为基准和超额较弱的基金改善效果显著。报告还配套开发了 “组合优化小工具” ，供基金经理一键生成定制化优化方案，实现跟踪误差的精准控制。
报告：如何一键优化主动权益基金的基准偏离
作者：
姚紫薇 SAC执业编号：S1440524040001
王西之 SAC执业编号：S1440522070003
发布日期：2025-08-12
为解决主动权益基金基准“定制化”导致的业绩可比性差、“基准漂移”等问题，本研究旨在探寻一个更统一的“公约基准”。首先，通过构建低相关基准池，显著提升了对基金收益的整体解释力（R2）。基于此“公约基准”提取的Alpha因子，在选基因子测试中展现出更高的信息比率和多空收益。其次，报告提出了一套三阶段“基准寻优”方案，为每只主动基金测算其最匹配的基准构成。优化后，对基准解释度（R2）在80%以上的基金占比从原来的30%大幅提升至80%。研究发现，规模小、基金经理新增、业绩差的基金更易偏离基准。经寻优的Alpha因子多空年化收益提升至8.47%，验证了“更准的基准能够带来更好的Alpha”。
作者：
姚紫薇 SAC执业编号：S1440524040001
刘一凡 SAC执业编号：S1440523070011
发布日期：2025-06-10
在被动化投资（特别是ETF）加速发展的背景下，本文研究了主动基金的选基因子对被动产品（如ETF）的有效性。研究发现：（1）被动化趋势提速：2024年下半年以来，权益基金被动规模占比已接近一半。（2）主动基金面临压力：2024年仅不到23%的主动权益基金跑赢自身基准，跑赢沪深300的占比仅16%。在此背景下，报告构建了针对被动产品的指数基金标签矩阵。测试发现，传统的主动基金业绩评价指标（如长期风险调整后收益）在股票ETF全市场选基中并不适用。只有将范围缩小至同类型Beta产品内，这些指标才表现出一定的稳定性。若仅从业绩动量角度出发构建ETF组合，则需要更高频的换手（如两周动量） 才能取得较好效果。报告强调，ETF投资的核心仍在于大类及中观配置，而非在全市场进行个股化的“选基因子”筛选。
作者：
姚紫薇 SAC执业编号：S1440524040001
孙诗雨 SAC执业编号：S1440524060007
发布日期：2025-02-21
02
中观配置/行业轮动
随着监管新规可能推动FOF加大ETF配置，本报告探讨了如何将行业轮动模型有效落地为实盘ETF组合。报告对比了三种主流方法：（1）打分法：根据行业得分和ETF持仓加权计算，但跟踪误差较大且参数敏感；（2）持仓对比法：通过匹配行业与ETF持仓来配置，控制误差优于打分法；（3）规划求解法：以最大化因子值（如Alpha、控制跟踪误差）为目标，设定行业暴露匹配等约束条件进行优化。最终发现，规划求解多步骤法在跟踪误差和实盘可行性之间取得了最佳平衡。通过引入多日切片交易以控制冲击成本，在5亿资金规模的全球配置组合中，用该方法构建的行业轮动ETF组合代替原有A股组合，费后年化收益达6.54%，夏普比2.49，成交冲击中位数仅为0.4%，实盘可行性高。
作者：
姚紫薇 SAC执业编号：S1440524040001
刘一凡 SAC执业编号：S1440523070011
发布日期：2025-09-17
03
人工智能与机器学习
本文直接在分钟频率上构建机器学习预测模型，以捕捉A股独特的“隔夜交易”机会。研究发现，A股日内股价形态呈“上午拉升、下午震荡下行、尾盘再拉升”的显著特征。基于此，研究构建了一个结合股票日内交易模式与微观结构特征的分钟频隔夜交易策略。该策略创新性地集成LightGBM（擅长截面预测）和自研的pegformer模型（擅长捕捉时间序列依赖），对预测信号进行融合。在2022年至2025年7月的样本外回测中，策略表现卓越，预测因子IC均值达0.087，信息比率高达9.136。在考虑交易成本（千分之二）后，仍能实现超过64.15%的年化超额收益和3.53的夏普比率。
报告：“逐鹿”Alpha专题报告（二十八） ——分钟因子模型
作者：
姚紫薇 SAC执业编号：S1440524040001
王超 SAC执业编号：S1440522120002
发布日期：2025-09-05
04
量化选股/高频量化
本文从行为金融学视角，对“异质信念”（即投资者对同一资产存在分歧的看法）在量化选股中的应用进行了深入研究。报告构建了四类异质信念因子：（1）换手率类与反转类因子，如newRVS因子，年化多空收益13.19%。（2）改进的换手率分离模型因子，通过分解换手率中的异质信念成分，其中trading_hb_2因子表现最优，IC达7.25%，年化多空收益21.17%，夏普比率2.03。（3）改进的波动率类模型因子，通过分解收益率波动中的异质信念成分，其中SIGMA因子表现突出，IC均值-8.69%，年化多空收益22.41%。研究表明，基于分离模型构建的因子选股能力更强。这些因子在中证1000与中证500等中小市值股票中表现更优，与传统的量价、财务等大类因子相关性较低，具有互补价值。
作者：
姚紫薇 SAC执业编号：S1440524040001
陈升锐 SAC执业编号：S1440519040002
发布日期：2025-12-30
本文系统性总结了高频因子开发的三大方法论路径和Level2数据应用案例。分钟频因子挖掘：（1）挖掘数据的分布规律，如构造“单笔金额分位数_QUA”因子；（2）捕捉变量的时序特征，如基于日内交易模式构造“修正收益率偏度_CSKEW”、“短线交易拥挤度_STC”等因子；（3）逻辑驱动的多指标联动，如构建“主力交易强度_MTS”因子。Level2数据应用：（1）识别投资者交易意图，如通过订单流特征构建“彩票委托_LOTTERY”、“收盘参与度_PTO”因子；（2）探究不同类型投资者的信息，如利用订单金额分布区分大单与散户，构建“广义主力资金净流入率_CNIR”因子；（3）适应算法交易变化，通过识别订单流的连续性与同步性，构建“长期记忆强度_LMS”、“分拆痕迹_OST”等因子，以识别机构算法拆单行为。
报告：市场微观结构系列研究（一）：从分钟频到Level2的探索与发现
作者：
姚紫薇 SAC执业编号：S1440524040001
苏良 SAC执业编号：S1440525090002
王超 SAC执业编号：S1440522120002
发布日期：2025-12-14
本文系统研究了A股市场独特的微观结构特征。研究发现，与全球市场普遍存在的“隔夜正溢价”相反，A股存在显著的 “隔夜负收益”之谜 ，主要源于T+1交易制度带来的日内流动性约束。报告从两个维度进行挖掘：一是在因子维度，创新性地拆解隔夜与日内收益，构建了涵盖动量、波动率、量价背离等维度的32个细分因子。二是在网络结构维度，为捕捉股票间的联动效应（如“拔河效应”），引入并改进了d-LE-SC有向图聚类算法，用以识别市场中的“领先组”与“滞后组”。回测显示，基于此算法构建的交易策略，年化收益可达14.99%，Alpha为11.34%。
报告：“逐鹿”Alpha专题报告（二十九）——隔夜-日内异象因子及领先滞后分析
作者：
姚紫薇 SAC执业编号：S1440524040001
王超 SAC执业编号：S1440522120002
苏良 SAC执业编号：S1440525090002
发布日期：2025-11-25
本文对高频流动性因子与波动率因子进行了系统性挖掘。研究基于高频OHLC（开盘、最高、最低、收盘）数据，构建并测试了多类因子：（1） 价差类流动性因子：包括Roll、CS、AR、DGE、EDGE等价差因子及其增强版本。其中，CS_I因子表现最佳，年化多空收益达35.19%，夏普比率3.69，IC均值-9.22%。（2）波动率类因子：基于Parkinson、Garman-Klass等方法构建历史波动率因子及其增强版本。其中，garman_class_vol_I因子表现最好，年化多空收益33.30%，夏普比率3.39，IC均值8.75%。样本外跟踪（2024.09-2025.09）显示，多数因子表现稳健，yang_zhang_vol_I因子多空收益31.63%。此外，这些因子在中小市值股票中表现更优，且与传统大类因子的相关性较低，具备良好的互补性。
作者：
姚紫薇 SAC执业编号：S1440524040001
陈升锐 SAC执业编号：S1440519040002
发布日期：2025-10-28
本文基于分钟级量价数据，系统性地构建了反映市场整体持仓成本结构的“筹码分布”因子。研究从四个维度挖掘了Alpha信号：（1）筹码分布统计因子，如峰度（kurtosis），年化多空收益13.53%；（2）筹码集中度因子，如chip_distri_2，年化多空收益达20.10%，IC均值3.96%；（3）筹码换手因子，如PTR_2，年化多空收益17.76%，IC均值5.10%；（4）筹码盈利因子，如TGRatio，年化多空收益接近22%，IC均值绝对值超6%。因子样本外跟踪（2024.07-2025.07）表现优异，TGRatio因子多空收益达31.59%，夏普比率2.72。此外，研究发现这些筹码因子在中证1000、中证500等中小市值股票中表现更优。
报告：筹码分布因子系统构建
作者：
姚紫薇 SAC执业编号：S1440524040001
陈升锐 SAC执业编号：S1440519040002
发布日期：2025-08-25
智研多资产配置+平台
中信建投证券推出的“智研多资产配置+”平台（fund.csc.com.cn），构建“研究-策略-组合”全链条智能生态，实现券商从提供碎片化产品到交付一体化解决方案的战略性跨越，是为机构投资者赋能、系统性提升投研决策效率与科学性的标杆之作，推荐机构投资者重点关注与试用。（欢迎联系我们团队成员！）
★
平台使用及相关说明：
如何查看行业轮动信号及ETF推荐 · 中信建投智研多资产配置+平台
风险提示及免责声明
【风险提示】
研究均基于历史数据，对未来投资不构成任何建议。文中的因子分析均是以历史数据进行计算和分析的，未来存在失效的可能性。市场的系统性风险、政策变动风险等市场不确定性均会对策略产生较大的影响。另外，本报告聚焦于因子的构建和效果，因此对市场及相关交易做了一些合理假设，但这样可能会导致基于模型所得出的结论并不能完全准确地刻画现实环境，在此可能会与未来真实的情况出现偏差。而且数据源通常存在极少量的缺失值，会略微增加模型的统计偏误。
【中信建投金工及基金研究团队】
本订阅号（微信号：中信建投金工及基金研究团队）为中信建投证券股份有限公司（下称“中信建投”）研究发展部金工及基金研究团队运营的唯一订阅号。
本订阅号所载内容仅面向符合《证券期货投资者适当性管理办法》规定的机构类专业投资者。中信建投不因任何订阅或接收本订阅号内容的行为而将订阅人视为中信建投的客户。
本订阅号不是中信建投研究报告的发布平台，所载内容均来自于中信建投已正式发布的研究报告或对报告进行的跟踪与解读，订阅者若使用所载资料，有可能会因缺乏对完整报告的了解而对其中关键假设、评级、目标价等内容产生误解。
提请订阅者参阅中信建投已发布的完整证券研究报告，仔细阅读其所附各项声明、信息披露事项及风险提示，关注相关的分析、预测能够成立的关键假设条件，关注投资评级和证券目标价格的预测时间周期，并准确理解投资评级的含义。
中信建投对本订阅号所载资料的准确性、可靠性、时效性及完整性不作任何明示或暗示的保证。本订阅号中资料、意见等仅代表来源证券研究报告发布当日的判断，相关研究观点可依据中信建投后续发布的证券研究报告在不发布通知的情形下作出更改。
中信建投的销售人员、交易人员以及其他专业人士可能会依据不同假设和标准、采用不同的分析方法而口头或书面发表与本订阅号中资料意见不一致的市场评论和/或观点。
本订阅号发布的内容并非投资决策服务，在任何情形下都不构成对接收本订阅号内容受众的任何投资建议。订阅者应当充分了解各类投资风险，根据自身情况自主做出投资决策并自行承担投资风险。订阅者根据本订阅号内容做出的任何决策与中信建投或相关作者无关。
本订阅号发布的内容仅为中信建投所有。未经中信建投事先书面许可，任何机构和/或个人不得以任何形式转发、翻版、复制、发布或引用本订阅号发布的全部或部分内容，亦不得从未经中信建投书面授权的任何机构、个人或其运营的媒体平台接收、翻版、复制或引用本订阅号发布的全部或部分内容。版权所有，违者必究。
