算子化高频因子方法论持续推进，多模型融合与AI Agent重构投研流程成为行业主线

0. 近月脉络

近月主线正从”因子生产”延伸到”系统整合”：深度学习因子去风格化（国盛WPE/CDE、广发StableAlpha）、单风格因子族精细化（招商成长七困境）、算子化高频因子方法论（长江连续更新）之后，本期长江时间点划分因子进一步完备了离散化算子分类学；同时两篇机构访谈不约而同聚焦多模型融合与AI Agent对投研流程的重构——“流程再造”正在成为被反复探索的新方向。

1. 本期研究灵感 ⭐

灵感点1：时间点划分因子——把”极端时间点”做成离散向量，批量生产三类新因子 ^[1]

• 灵感点：长江金工在算子挖掘体系下把”时间点划分因子”定义为维度匹配方法中离散向量的又一衍生，本质是先以极端条件筛选最具代表性信息、再放低条件扩充信息，实现信噪比均衡的离散化处理。给出三类构造：①时间点局部因子——以价格高点前后扩充为离散向量、以振幅为连续向量，得”价格-高点-振幅”因子，中证800市值行业中性后IC 5.01%；②时间点区间因子——以成交量高点前低点到后低点为离散向量、以收益率为连续向量，得”成交量-前低后低-平均收益率”因子，中证800 IC 4.23%；③时间点特点因子——以成交量规模以上高点为离散向量、以常数向量为连续向量，得”成交量-高点个数”因子，中证800/全指IC分别5.98%/8.61%，分组年化超额6.18%/8.25%。量价中性后IC均有衰减但仍多为正，全市场内空头能力更强。
• 出处：长江证券郑起/刘胜利团队——《高频因子（二十）：收益来源基础的因子挖掘方法论三——时间点划分因子》。
• 启发 / 怎么用：上周是”时间段向量化”，本期是”时间点向量化”，两者共用同一离散向量算子框架，说明这套算子分类学已具备批量生产低相关因子簇的工程能力。可迁移的两点：极值时间点确定规则（价格高低点、量能极值、波动极值）与连续向量（振幅、收益率、换手）的自由搭配构成因子家族；“先极值筛选、再放低条件扩充”的信噪比均衡逻辑也可移植到低频因子（以极端财务项目为锚点扩展窗口）。注意量价中性后IC衰减明显，这类因子承载较多量价风格信息，需与其他源因子做正交化检验。

灵感点2：徐喻军框架——多模型低相关互补 + 风格轮动 + “人只设上限”的AI自适应因子加权 ^[2]

• 灵感点：景顺长城徐喻军披露其主动量化体系两大支柱：①”多模型低相关性互补”——并行运作基本面线性多因子（长周期收益基底）、深度学习量价+中低频树结构模型（趋势不明朗阶段）、风格轮动模型（环境适配），三类模型方法论差异大、相关性低；②因子配置上基本面与量价因子权重基本各占50%，因子选择与加权完全依赖AI/机器学习自适应调整、不做人为干预，仅通过权重上限控制两类因子比例。风格轮动模型将市场风格划分为六大类，自上而下（宏观周期、市场情绪、政策）与自下而上（估值、趋势强度、拥挤度）双维度再平衡，2025年6月左右即给出成长与量价风格超配信号，2026年5-6月增配质量风格。
• 出处：兴业证券郑兆磊/沈鸿团队——《景顺长城基金徐喻军：多模型融合驱动主动量化，捕捉市场风格轮动中的超额收益》（基金经理访谈）。
• 启发 / 怎么用：本周兴业徐喻军与上周长江黎海威两份访谈高度呼应：“多子模型低相关互补”正在成为替代”单一大模型统一优化”的实战共识。两个可直接迁移的细节：①”因子加权靠AI自适应、人只设权重上下限”给出清晰的人机分工边界——人约束可行域、机器在域内自适应，比人工定权或全自动更可落地；②六大风格类别+上下结合判断，是一个可用公开数据复现的中等粒度风格状态机，比大盘/小盘两分法更细、比连续风格暴露更可解释。警惕点：访谈无具体参数与样本外验证，落地需自行复现，且风格轮动在极端行业行情下存在盲区（报告自述需行业轮动互补）。

灵感点3：AI重构投研流程——从”暴力因子挖掘”到”逻辑驱动的多智能体自迭代” ^[3]

• 灵感点：海富通李自悟分享大模型重构量化的路径：大模型从”工具”升级为”任务指挥中枢”，通过MCP协议标准化调用实时数据（缓解幻觉与信息滞后）、以AI Skill封装专家解题流程（免去模型自主试错拆解）、用多智能体协同完成整套研究工作；因子挖掘从”数据字段暴力遍历”转向”逻辑驱动”——大模型研读论文与研报、基于金融逻辑指导因子迭代方向，所得因子可溯源、与传统因子低相关、过拟合风险更低；研究范式从”归纳思维”（历史规律、均值回归）转向”演绎思维”（实时信息+主题逻辑+资金行为推演），以适配2024年以来主题/趋势行情；并给出基于微软量化框架的”文献研究—特征工程—建模优化—流程组织”模块化自主迭代实践。
• 出处：长江证券金融工程——海富通基金李自悟分享《人工智能重构量化投资》（机构对话/基金经理访谈）。
• 启发 / 怎么用：这是业内少见的从”流程原子化”角度谈AI Agent落地的素材：把研究工作拆成文献研究、特征工程、建模优化、流程组织等模块并嵌入大模型自主迭代，实质是把无约束的Agent自由探索收敛到”封装了专家思路的Skill”框架内，比通用AutoGPT式探索更可交付、更可控。对研究者的直接启发：把”因子可溯源+有金融逻辑”设为AI因子挖掘的硬约束，与近月各家关注的”风格捷径/去风格化”议题形成闭环——能溯源出逻辑的因子至少可做风格归因、可检验是否只是风格复读机。注意访谈偏定性，具体效率与效果需自行工程化验证；“演绎思维替代归纳思维”的判断也需警惕从一种过拟合跳到另一种叙事过拟合。

2. 方法论主题归类

• 新因子构建：长江金工”时间点划分因子”，与上周”时间段切割因子”共同构成”离散向量”算子子类的完整谱系，展示以算子分类学批量生产新因子的工程路径 ^[1]。
• 模型与算法：兴业徐喻军访谈的多模型低相关互补+AI自适应因子加权 ^[2]、长江李自悟访谈的AI Agent化投研流程与逻辑驱动因子挖掘 ^[3]，与上周长江黎海威访谈（风格轮动子模型、多子组合风险预算）共同指向”从Alpha生产转向系统化能力整合”的行业共识。

3. 值得持续追踪的系列

• 长江金工”高频因子”系列：本期第二十期 ^[1]，方法论子系列（收益来源基础的因子挖掘方法论）已至第三篇，继时间段切割后连续延展”离散向量”算子类，值得继续跟踪其对时间点、区间、极值等算子类型的系统化拓展。
• 兴业金工基金经理访谈系列：本期郑兆磊团队访谈景顺长城徐喻军 ^[2]，与长江”机构对话”系列构成公募量化方法论的两套对照样本，可关注两家的访谈选题差异（兴业偏多模型配置与产品运作，长江偏投资框架与AI落地）。

附：补充信源

• ^[4] 广发金工 — 富国价值优选主动ETF：PB-ROE两阶段选股框架（优选池：盈利持续性+自由现金流+估值 → 多因子精选）与主动ETF制度背景，对”质量+估值匹配”的价值策略构建与回撤控制逻辑有参考价值。
• ^[5] 国信金工 — 主动量化策略周报：虽为跟踪型周报，但其”优秀基金业绩增强/超预期精选/券商金股/成长稳健”四大组合的周度跟踪，可透视”先事件池、后双维精选”的完整策略族体系。

本报告为卖方金工研究的灵感摘录，方法与结论以各家原始报告为准，不构成投资建议。