近年來，AI引發(fā)的科技革命席卷全球。技術進步改造著各個行業(yè)，國內資產管理行業(yè)也發(fā)生著深刻的變化，量化產品逐漸發(fā)展成熟，并被越來越多的投資者所關注。
每年，我們都會做一份名單，梳理國內量化私募行業(yè)的格局，也為關注量化產品的投資者提供參考。我們基于對各機構的跟蹤調研，從長期業(yè)績、策略邏輯、團隊建制、核心人員投研能力等多個方面進行評估，梳理出一份量化私募名單。
因為主流量化策略可以分股票策略和期貨（CTA）策略兩類，所以我們的名單也分股票型和期貨型兩個維度。兩類策略都符合我們名單構建標準的管理人，名字會出現(xiàn)兩次。同時，我們用一句話概括了每家管理人的策略特點，作為參考。
對于這個名單，需要注意的是：
一、再優(yōu)秀的量化策略，也會有逆風期。對量化私募的信仰，不應建立在超額上，超額好就信，不好就不信。信仰要建立在對量化底層邏輯的認可，以及對管理人投研能力的信任之上，即相信對歷史數(shù)據(jù)的統(tǒng)計分析可以捕獲A股參與者重復犯的錯誤，創(chuàng)造超額，并相信管理人確實能勝任這件事。
二、不是說名單上的私募，業(yè)績能永居行業(yè)前列。各家管理人都在充滿變數(shù)的市場里，動態(tài)更迭著自身策略，未來業(yè)績如何，需要不斷跟蹤檢驗。所以這份名單不構成私募產品推薦和投資建議，僅作為當前量化私募世界的一個截面參考。
三、并非國內所有優(yōu)秀的量化私募都已在名單之上。事實上，我們工作的一個重點，就是挖掘名單之外的優(yōu)秀管理人，不斷發(fā)現(xiàn)符合我們審美的量化私募，并讓他們的資管能力匹配更多投資者的資管需求。
以下是2025版量化私募名單：
按策略類型分類
首先，我們按股票型、期貨型兩個策略大類，對不同量化私募的投資特點進行了梳理。（注：括號內為機構核心創(chuàng)始人或核心創(chuàng)始人之一，排序先后不代表私募基金管理人的排名）：
股票型
幻方（陸政哲）：人工智能選股，建立超算中心
九坤（王?。?/strong>策略線豐富，成熟的多PM投研體系
明汯（裘慧明）：多周期多頻段多策略覆蓋
衍復（高亢）：精選alpha因子，嚴控beta暴露
寬德（徐御之）：收益來源豐富，多周期全頻段融合
靈均（馬志宇）：alpha子策略全面覆蓋
誠奇（張萬成）：多層次模型與機器學習的有機融合
世紀前沿（吳敵）：中高頻信號起家，多頻段多周期信號全覆蓋
佳期（吳宵宵）：機器學習為核心，多策略持倉分散
金锝（任思泓）：嚴格控制波動，追求長期穩(wěn)健alpha
黑翼（鄒倚天）：風控嚴格，多類因子全覆蓋
量派（孫林）：嚴控風格，追求中高頻pure_alpha
茂源（郭學文）：高頻加持低頻策略競爭力，實現(xiàn)投研能力全面化
天演（謝曉陽）：alpha疊加日內T0，注重回撤控制
龍旗（朱曉康）：機器學習模型先行者
啟林（王鴻勇）：機器學習模型為主，全頻段信號糅合
頑巖（金騰）：本土派高頻策略踐行者
因諾（徐書楠）：廣泛且深入應用機器學習，挖掘非線性收益來源
正定（蔣林浩）：深度學習挖掘日內pure alpha
卓識（張卓）：高中低全頻段預測追求超額夏普最大化
蒙璽（李驤）：硬件賦能，低延遲賽道第一梯隊
乾象（高鵬飛）：中高頻量價為主，多周期信號疊加
微觀博易（吳曉青）：全頻段alpha + 低延遲日內策略雙管齊下
穩(wěn)博（殷陶）：高頻算法助力Alpha選股，力圖穩(wěn)定超額
信弘天禾（章毅）：AI驅動，管理賦能
赫富（蔡覺逸）：嚴控風險，追求長期穩(wěn)健阿爾法
磐松（張瀟）：低頻系統(tǒng)化投資，專注長周期預測研究
期貨型
九坤（王琛）：中短周期多因子模型，覆蓋多策略
涵德（秦志宇）：趨勢策略為主，輔以多種子策略
象限（張曄）：基于機器學習框架的趨勢策略
宏錫（劉錫斌）：中周期趨勢跟蹤為主，輔以多種子策略
均成（司維）：商品截面多空策略，輔以股指時序策略
黑翼（陳澤浩）：聚焦中短周期策略，品種分散投資
洛書（謝冬）：趨勢、期限結構、基本面三類策略風險等權
千象（陳斌）：趨勢策略為主
按管理規(guī)模分類
以下我們從管理規(guī)模這個維度又做了梳理。
300億以上
幻方（陸政哲）：人工智能選股，建立超算中心
九坤（王琛）：策略線豐富，成熟的多PM投研體系
明汯（裘慧明）：多周期多頻段多策略覆蓋
衍復（高亢）：精選alpha因子，嚴控beta暴露
寬德（徐御之）：收益來源豐富，多周期全頻段融合
靈均（馬志宇）：alpha子策略全面覆蓋
誠奇（張萬成）：多層次模型與機器學習的有機融合
世紀前沿（吳敵）：中高頻信號起家，多頻段多周期信號全覆蓋
佳期（吳宵宵）：機器學習為核心，多策略持倉分散
金锝（任思泓）：嚴格控制波動，追求長期穩(wěn)健alpha
100億-300億
黑翼（鄒倚天）：風控嚴格，多類因子全覆蓋
量派（孫林）：嚴控風格，追求中高頻pure_alpha
茂源（郭學文）：高頻加持低頻策略競爭力，實現(xiàn)投研能力全面化
天演（謝曉陽）：alpha疊加日內T0，注重回撤控制
龍旗（朱曉康）：機器學習模型先行者
啟林（王鴻勇）：機器學習模型為主，全頻段信號糅合
頑巖（金騰）：本土派高頻策略踐行者
因諾（徐書楠）：廣泛且深入應用機器學習，挖掘非線性收益來源
正定（蔣林浩）：深度學習挖掘日內pure alpha
卓識（張卓）：高中低全頻段預測追求超額夏普最大化
蒙璽（李驤）：硬件賦能，低延遲賽道第一梯隊
乾象（高鵬飛）：中高頻量價為主，多周期信號疊加
微觀博易（吳曉青）：全頻段alpha + 低延遲日內策略雙管齊下
穩(wěn)博（殷陶）：高頻算法助力Alpha選股，力圖穩(wěn)定超額
信弘天禾（章毅）：AI驅動，管理賦能
千象（陳斌）：趨勢策略為主
50億-100億
赫富（蔡覺逸）：嚴控風險，追求長期穩(wěn)健阿爾法
磐松（張瀟）：低頻系統(tǒng)化投資，專注長周期預測研究
涵德（秦志宇）：趨勢策略為主，輔以多種子策略
洛書（謝冬）：趨勢、期限結構、基本面三類策略風險等權
象限（張曄）：基于機器學習框架的趨勢策略
20億-50億
宏錫（劉錫斌）：中周期趨勢跟蹤為主，輔以多種子策略
均成（司維）：商品截面多空策略，輔以股指時序策略
按創(chuàng)始人背景分類
最后，量化投資在海外發(fā)展已久，國內不少量化私募的創(chuàng)始人都有海外大型量化對沖基金的工作背景。所以我們又按創(chuàng)始人的派系背景做了梳理。
海歸派
誠奇（張萬成）：多層次模型與機器學習的有機融合
佳期（吳宵宵）：機器學習為核心，多策略持倉分散
金锝（任思泓）：嚴格控制波動，追求長期穩(wěn)健alpha
量銳（金戈）：深耕中低頻alpha
靈均（馬志宇）：alpha子策略全面覆蓋
洛書（謝冬）：趨勢、期限結構、基本面三類策略風險等權
明汯（裘慧明）：多周期多頻段多策略覆蓋
天演（謝曉陽）：alpha疊加日內T0，注重回撤控制
衍復（高亢）：精選alpha因子，嚴控beta暴露
涵德（秦志宇）：趨勢策略為主，輔以多種子策略
黑翼（鄒倚天）：風控嚴格，多類因子全覆蓋
象限（張曄）：基于機器學習框架的趨勢策略
寬德（徐御之）：收益來源豐富，多周期全頻段融合
本土派
幻方（陸政哲）：人工智能選股，建立超算中心
啟林（王鴻勇）：機器學習模型為主，全頻段信號糅合
世紀前沿（吳敵）：中高頻信號起家，多頻段多周期信號全覆蓋
因諾（徐書楠）：廣泛且深入應用機器學習，挖掘非線性收益來源
千象（陳斌）：趨勢策略為主
宏錫（劉錫斌）：中周期趨勢跟蹤為主，輔以多種子策略
均成（司維）：商品截面多空策略，輔以股指時序策略
穩(wěn)博（殷陶）：高頻算法助力Alpha選股，力圖穩(wěn)定超額
風險提示：
投資有風險?；鸬倪^往業(yè)績并不預示其未來表現(xiàn)。基金管理人管理的其他基金的業(yè)績并不構成基金業(yè)績表現(xiàn)的保證。相關數(shù)據(jù)僅供參考，不構成投資建議。投資人請詳閱基金合同等法律文件，了解產品風險收益特征，根據(jù)自身資產狀況、風險承受能力審慎決策，獨立承擔投資風險。
重要提醒：
本文版權為好買財富所有，未經許可任何機構和個人不得以任何形式轉載和發(fā)表。
