南京大学数学学士 ，金融学硕士 ，15年金融工程研究经验，主要研究方向为量化选股和FOF 。先后任职于海通证券研究所（2011年-2016年） 、天风证券（维权）研究所（2017年-2020年） ，上交所2022年“十佳ETF行业分析师” 。多次上榜新财富 、水晶球金融工程方向最佳分析师 ，2012-2016年作为团队成员分别获得新财富金融工程方向第4名、第1名 、第3名 、第4名、第4名；2018-2019年作为团队成员分别获得新财富金融工程方向第2名 、第4名；2021年带队获得新财富金融工程方向第5名，水晶球总榜单金融工程方向第3名 、水晶球公募榜单金融工程方向第1名 ，2022年带队获得新财富金融工程方向第1名 ，水晶球总榜单金融工程方向第1名，2023年带队获得新财富金融工程方向第2名 ，水晶球总榜单金融工程方向第2名 ，2024年带队获得新财富金融工程方向第4名，水晶球总榜单金融工程方向第3名，2025年带队获得新财富金融工程方向第4名 ，水晶球总榜单金融工程方向第4名。
武汉大学计算机学士 ，经济学硕士 。9年金融工程研究经验，主要研究方向为量化选股与行业轮动 。先后任职于方正证券研究所、财通证券研究所。202〖壹〗 、 202〖贰〗 、 202〖叁〗、 202〖肆〗、 2025年作为团队成员分别获得新财富金融工程方向第5名 、第1名 、第2名、第4名 、第4名 。
上海财经大学金融学硕士 。4年金融工程研究经验 ，主要研究方向为基金研究等。202〖贰〗 、 202〖叁〗、 202〖肆〗 、 2025年作为团队成员分别获得新财富金融工程方向第1名 、第2名、第4名 、第4名 。
复旦大学数学与应用数学学士 、计算数学硕士 。主要研究方向为量化选股与行业轮动。202〖肆〗、 2025年作为团队成员获得新财富金融工程方向第4名。
上海财经大学管理学硕士 。主要研究方向为基金研究与ETF轮动 。2025年作为团队成员获得新财富金融工程方向第4名。
研究内容涵盖主动量化策略 、指数增强 、高频因子、基本面因子、行业轮动 、FOF定量选基 、基金产品研究、市场热点研究 、港股量化研究等 。
相信“简约而严谨的逻辑 ”比“复杂而晦涩的算法 ”更具生命力 ，致力于构建可持续 、可跟踪、可解释的量化投研体系 。
核心结论：
①从行业走向概念：单一的行业划分很难满足投资者的全部需求，本报告聚焦概念指数 ，从更微观角度捕捉市场主线。
②热点概念识别与精简：从市场凝聚力与机构关注度出发 ，寻找值得关注的热点概念 。基于个股重复度的指数相似度度量方法，对冗余概念进行去重 、合并 。
③从热点概念到强势概念：基于自适应方法寻找行情发酵点 ，以考察动态区间概念指数强势程度 ，寻找强势概念。④强势概念股票池精选：在强势概念股票池中，基于多因子打分并融入板块观点 ，构建月度调仓TOP30组合 。2019年以来 ，强势概念精选组合年化收益40.07%，相对中证500年化超额31.70%，信息比1.92 ，表现优异 。
发布日期：2026年8月26日
核心结论：
①将个股Alpha与行业Beta相结合的2个问题：『1』 如何提升行业收益预测准确度『2』 如何更好地对市场进行划分。
②基于时点动量的行业轮动策略：从行情内部转折日和外部事件冲击日触发 ，寻找市场关键时点，对未来投资进行指导 。
③基于热点概念的市场划分新思路：根据热点概念视角对市场进行划分 ，随后根据收益率相关性进行聚类 ，得到热点概念类别 。与中信一级行业划分相比，划分效果更好。
④时点动量概念精选组合：在时点动量概念股票池中 ，基于多因子打分 ，构建不定期调仓TOP30组合。2019年以来，时点动量概念精选组合年化收益51.95% ，相对中证500年化超额43.57% ，信息比2.40，收益回撤比4.30 ，表现优异 。
发布日期：2026年8月26日
核心结论：
①市场波动放大 ，指增产品出现多次集体性 、大规模回撤，本文聚焦行业风险管理 。
②亮点一：根据波动率贡献对一级行业进行降解与重构，形成1.X级混合层级行业体系。亮点二：根据热点概念 ，对跨行业、跨板块主题进行精准捕捉 。亮点三：针对不同行业 ，结合组合选股能力，对行业风险控制等级进行分级管理 ，提出强约束（全复制） 、弱约束（中性）和不约束三种风险管理等级 。
③引入分级风控的中证500增强组合自2016年以来年化超额17.22% 、年化夏普比3.6〖柒〗、 收益回撤比3.43 ，相对最大回撤5.07%，在风险控制上效果提升明显。
发布日期：2026年8月26日
核心结论:
① 科技板块市值占比持续快速抬升 ，但科技赛道基金业绩难以长期维持 。
② 在科技板块内部做轮动 ，要求标的具备较强趋势与持续性；按机构关注与非关注分域后，两类资产的轮动趋势与持续性最为突出 。
③ 采用基于阶段反弹与回撤的趋势识别法对科技股票进行轮动 ，并对两分域分别增强。科技分域轮动增强组合自2015年以来相对新兴成指年化超额收益34.75% ，信息比1.79，月度胜率71%；各年度超额收益均为正 ，且每年在科技基金中均能进入前50% 。
发布日期：2026年8月26日
核心结论:
本研究从收益分化与截面赔率的不对称性出发 ，构建了基于高跟踪误差基金池的FOF选基策略：
①截面赔率方面，由于资产收益上涨空间无限 、下跌空间有限，基金间收益分化越大 ，组合潜在的截面赔率越高；
②基金分域方面 ，引入跟踪误差刻画基金主动管理程度，并划分不同收益分化程度的基金域 。我们发现跟踪误差具有明显的聚集效应和持续性 ，历史高跟踪误差基金未来仍更可能保持高跟踪误差 ，收益也更容易分布于前后10%的两端，表明其具备较好的前瞻筛选能力。
③组合应用方面 ，在高跟踪误差基金池内叠加多因子选基 ，并加入行业及港股配置约束，构建高赔率FOF精选组合 。自2017年以来 ，组合相对偏股混合型基金指数年化超额收益19.09% 、信息比2.01；该框架还可拓展至GARP、低跟踪误差基金池等不同基金域 ，具有较好的适用性与可拓展性 。
发布日期：2026年8月26日
核心结论:①一级行业之下已演绎出大量细分主题，且不同主题之间的收益分化显著 ，为更精细的轮动布局提供了空间。与此同时 ，市场主题ETF持续扩容，为策略下沉至细分赛道提供了可投资工具。
②当前市场行业主题ETF仍存在部分标的主题边界不清、同类主题重复覆盖等问题 。本文通过集中度筛选 、板块内聚类 、类内优选与跨板块热点补充，对主题ETF池进行重构 。重构后的标的池在保留主要市场热点的同时 ，主题表达更为纯粹、截面收益首尾差更大 ，能够以更高锐度捕捉细分赛道的收益分化；同时，池内收益分布更为均匀 ，对市场主题机会的覆盖也更为全面。
③在重构主题ETF池基础上叠加时点动量信号 ，构建主题ETF轮动组合 。2014年以来，组合相对中证全指的费后年化超额收益为24.23% ，信息比为1.60 ，收益回撤比为1.85 。
发布日期：2026年8月26日
