简介国内规模超百亿的量化私募机构目前已有28家相关数据清单以PDF形式整理聚焦九坤投资、九章资产宁波幻方量化、明汯投资千宜投资、灵均投资等头部机构为量化投资研究者、金融从业者及私募行业观察者提供一份浓缩的行业概览。资源为单个PDF文件大小约800KB内容基于2021年11月前的公开数据逐一列示各机构的成立时间、备案时间、管理规模、核心人员背景、团队人数、代表作及历史年化收益与最大回撤并附有500指增超额参考数据其中幻方量化在人工智能与超算中心投入显著明汯投资策略覆盖股票、CTA、全天候等。读者可据此快速对比不同百亿量化私募的策略特点、研发投入与业绩表现理解当前市场格局。资源目前已有312人学习适合作为金融行业研究或量化投资入门阶段的参考资料。1. 百亿量化私募达到28家这份清单把行业水位线拉到了同一张表上截至2021年11月国内管理规模突破百亿的量化私募机构已经有28家。两三年以前这个数字还很少被单独统计如今它已经成为渠道白名单里的常态化门槛头部机构的管理规模更是站上了600亿、800亿的台阶。一份按第三方私募数据平台最新口径统计、并整合多渠道信息整理而成的百亿量化私募数据清单把其中17家机构的完整档案——成立时间、备案节点、核心团队背景、代表作业绩、策略叠加、投顾资质——全部拉平到同一张表上。这张表最有价值的不是告诉你“谁家规模大”而是提供了一个统一口径下的行业水位线头部分化到了哪一步腰部机构的下一步在哪里以及量化行业正在经历的从“个人英雄”到“平台战争”的换挡过程。2. 清单细读规模四档、团队三类、业绩一个参照系2.1 规模分层从100亿到800亿的四个台阶清单里17家机构“排名不分先后”规模数据截至2021年11月。按管理规模粗略归类可以看到非常清晰的四个台阶编号成立时间管理规模团队人数运作基金数策略侧重A2012.04600亿200622只指数增强/CTA/量化对冲/多空B2015.06800亿150505只指数增强/量化对冲C2014.04800亿60658只指增/CTA/对冲/全天候D2014.06600亿1401008只指增/多策略/中性E2013.09300亿50260只指数增强/中性F2015.05200亿70323只指数增强/中性G2019.07350亿60327只指数增强/中性第一档是800亿的B和C。B的核心特征是每年把50%到60%的收入投入数据、设备、算力和人员自建超算中心人工智能软硬件累计投入接近两亿元C则是清单里唯一被称为“国内第一家突破千亿规模”的量化机构当前统计口径为800亿。第二档是600亿的A和DA拥有200人以上的投研团队是清单中人数最多的量化机构D运营着1008只基金产品批量化发行能力在17家里最强。第三档是300亿附近的E、G、J。E成立于2013年属于老牌精品机构G是2019年7月才注册的新机构两年时间做到350亿J在2021年内从100亿出头直接冲到300亿是当年扩张速度最猛的一家。第四档是100亿到200亿之间的机构策略线反而更精彩——CTA、套利、高频、中性各有代表选手。从行业角度看600亿以上的四家机构都是多策略平台型组织300亿档往往靠单一赛道做到极致后再尝试跨策略百亿档则站在“从精品化向平台化转型”的临界点上。规模越往上机构越像“系统公司”而不是“策略公司”投研体系、交易系统、产品运营的复杂度完全不在一个量级。2.2 团队底色三种人员结构对应三种研究模式把17家机构的核心成员背景摊开看基本可以归成三类。第一类是海外系统派。核心人员普遍在华尔街知名对冲基金做过投资经理或研究总监回国后把多因子框架、组合优化流程和风控体系整体搬回来。A的两位联合创始人均有海外对冲基金任职经历量化投资经验在十年以上E的投研负责人历任海外机构高级研究员、全球研究总监带过300人规模的研发团队C的创始人在多家海外投行自营部门和知名对冲基金做过投资经理投资经验超过19年。这类团队的打法是“流程复制”把海外验证过的研究框架平移到A股市场早期往往见效快、体系完整。第二类是本土工程派。技术负责人来自一线互联网公司把处理数十亿访问请求、数亿用户画像实时建模的工程能力带进量化交易系统。G的技术总监曾在头部互联网公司负责数据接入和推荐架构支持策略快速更新迭代K的创始人是国内顶尖高校本科、海外名校硕士很早就回国做量化2018年团队把策略模型全面迭代为自研人工智能模型后收益表现和样本内外一致性同步提升。这类团队的特点是系统吞吐能力强数据和策略之间的链路短。第三类是学院研究派。典型如F的创始合伙人物理学科班出身拿到顶尖高校博士后在顶尖物理期刊发表过三篇论文转行做量化后依然坚持数理建模的打法B的团队里有多位博士研究方向覆盖机器人导航、立体视觉、模式识别和机器学习。这类团队更强调“研究深度”用物理和数学的思维方式去拆解市场结构。观察整个清单一个明显的信号是单打独斗的时代已经过去了。规模靠前的机构核心团队几乎都是“策略大脑工程骨干风控总监”的三角结构。而团队人数的巨大差距——A的200人对比H的25人——差的不是聪明程度而是研究流程的分工粒度。全栈工程师模式可以用小团队保持高产出中心化流水线模式则用更大团队换更广的Alpha覆盖两种模式各有各的适配场景。2.3 业绩参照历史年化、最大回撤与“经历2018”清单里每家机构都给出了代表作的历史年化和最大回撤这是最容易被直接拿来比较、也最容易误读的一组数据。先看代表性样本机构代表作类型成立时间历史年化最大回撤是否完整经历2018A500指增2017.0629.2%24.2%是B量化多策略2017.0132.5%22.3%是C300指增2015.0231.0%28.9%是D500指增2018.1040.5%17.3%否E500指增2020.0940.2%8.0%否G1000指增2019.1254.3%9.1%否表格里有一个非常清晰的规律完整经历过2018年的产品历史年化普遍落在29%到33%区间最大回撤则普遍在20%以上2018年之后成立的产品年化可以做到40%甚至54%回撤还能压到10%以内。原因很简单——后者没有经历极端单边下行行情。清单里好几只产品后面都特意标注了“该基金未完整经历2018年参考性降低”这个细节值得反复强调。它把“结构性行情里的高收益”和“全周期里的真实收益”区分开了。对从业者来说真正要比较的不是年化数字的大小而是在同一段市场环境下谁能少亏、谁能更快创新高。这也是整份清单里最重要的一个隐含提示。3. 榜单之外的三个信号牌照切割、算力竞赛与容量焦虑3.1 一个品牌两块牌照策略隔离的合规智慧清单里有几组机构属于“同品牌双主体”结构。B体系包含两个主体其中一个早期主体目前已不再发行产品当前产品线由另一个主体承接C体系则专门拆分出一个主体用于发行CTA和复合策略基金与股票多头线分开管理。这种安排至少有三个实际价值。一是投顾资质与产品备案的合规安排不同主体各司其职二是策略隔离——CTA与股票多头的交易特征、风控参数、容量边界完全不同放在一个主体里容易互相干扰拆分后两个团队各有独立的迭代节奏三是信息披露更干净投资者可以清楚看到每一笔钱对应的是哪条策略线。从行业角度看双主体结构会越来越常见。规模做上去之后单一牌照承载的策略种类越多合规成本和运维复杂度就越高。对只看“公司名字”的人来说这是个坑查到A主体有投顾资质就默认B主体也有实际可能完全不同。清单里对这种结构做了明确区分读的时候要按备案主体去对号入座。3.2 算力军备竞赛量化机构的成本结构正在改变清单里有两组投入数字格外醒目。B每年把50%到60%的收入投入数据、设备、算力和人员人工智能软硬件累计投入接近两亿元D近三年每年在人才引进和硬件设施机房、GPU、服务器、数据库上投入两到三亿元2020年到2021年一季度的计划预算支出达到10亿元。这个量级放在传统资管行业里是难以想象的。传统私募最大的成本是人力而头部量化机构最大的成本已经是“数据乘算力乘系统”。管理规模到了百亿以上如果没有持续的技术投入策略衰减几乎是必然的。GPU集群、超算中心、数据库管线这些硬投入普通人看不出来但直接决定了因子挖掘的广度和策略迭代的速度。从这份清单还能读出另一个侧面同一梯队的机构研发强度可能差出一个量级。管理规模相近的两家机构如果每年的IT投入差三倍两年后超额能力的差距大概率也会拉开一个身位。渠道尽调和个人投资者筛选时团队人数只是表象算力投入和研发强度才是内功。3.3 高频与中低频双向渗透规模扩容背后的容量焦虑清单里几家机构的策略轨迹其实是在讲同一个故事高频团队往中低频延伸是为了容量中低频团队往高频靠拢是为了稳定超额。L以期货高频和股票高频起家日常交易覆盖股票、期权和期货市场团队自成立以来保持零离职率业绩可追溯至2015年年化回报超过50%且从未出现单周亏损。这类机构的看家本领是技术架构得益于期货高频的积累能以零成本甚至负成本实现中低频信号的超额收益——高频的独立预测机会多表现稳定但容量先见顶。O则是另一个样本短周期CTA一直是它运行时间最长、规模最大的产品线但很早就停止了短周期CTA产品的募集转而推出CTA加股票的复合策略系列用股票策略的进攻性搭配CTA策略的保护性。这说明CTA高频的容量瓶颈比想象中来得更早管理人必须提前为规模找新的出口。反向来看B这类传统中低频团队选择自建超算中心、加大AI投入本质上也是在把能力向更高频段延伸。整个行业正在朝“频率互补”的方向演化谁先把两套技术栈融合在同一个平台上谁就更有希望在百亿之后的下一站维持竞争力。4. 易误读量化私募数据清单五个容易踩坑的读法4.1 误读一历史年化越高产品越强看到40%、54%的年化就认为机构“最强”这是最直觉也最容易错的读法。年化收益由市场beta、策略alpha和运气三部分组成受成立时点影响极大。清单里年化40%以上的产品无一例外都没有完整经历2018年而真正经历过2018年的产品年化在29%到33%就已经属于一流水平。怎么看先看产品成立日期再放到同期指数的背景下去拆解年化高于同期指数涨幅的部分才是管理人的真实贡献。高年化低回撤的产品可能只是生在了好时候未必是能力更强。4.2 误读二规模越大越安全管理规模排序天然给人“大就是好”的暗示但规模恰恰是量化策略最大的敌人。指数增强策略容量大但600亿规模还指望每年30%以上的超额本来就不现实CTA策略容量更小O很早就停掉短周期CTA产品募集就是容量见顶的直接证据。机构越大越需要降频或者跨策略腾挪而这个过程中超额收益的摊薄几乎是必然的。怎么看把“规模增速”和“策略容量”放在一起看匹配度。一年内从100亿翻到300亿的机构重点看新增资金流向了哪条策略线而不是规模本身。4.3 误读三同品牌等于同一家公司清单里明确展示了多组“一个品牌、两个主体”的结构。B体系的一个主体已经不再发产品另一个主体承载当前产品线C体系专门拆分出主体做CTA和复合策略。两个主体的备案时间、投顾资质、运作基金数、策略侧重都可能完全不同。渠道尽调时最容易犯的错误是查到集团层面的投顾资质就默认所有子公司都有。怎么看以备案主体为单位逐一核验资质是资质的策略是策略的业绩是业绩的不能张冠李戴。4.4 误读四超额收益可以直接横向比较清单里的500指增超额参考有些从2016年开始算有些从2019年年中才开始截至日期也从9月30日到10月22日不等。有的机构超额数据甚至是由中性策略实盘产品拆解而来口径本身就不同。把这些数字放在同一张表里直接比大小得出来的结论基本没有参考价值。怎么看先统一重叠区间再确认超额来自同一条策略线最后还要注意规模口径的时点差异——同一家机构在简介里写“曾率先突破千亿”清单规模字段却标了800亿因为统计时点和口径不一样数字自然不一样。4.5 误读五核心团队出身决定机构上限核心成员有海外对冲基金背景很容易被当成质量背书。但清单里H团队只有25人走机构资金路线风格稳健A团队200多人做多策略平台一“小精”一“大全”各有各的适配场景。真正决定机构上限的是研究流程、系统稳定性和团队协作模式这些不会出现在简历上。怎么看把“出身—规模—策略—业绩”四张表放在一起看内部逻辑是否自洽。一个团队的背景和打法互相匹配比单项履历漂亮重要得多。5. 从业者怎么用这份清单三套读法对应三类人5.1 渠道与代销尽调前先把客观点拉平对渠道从业者这份清单可以直接当“初筛底稿”。投顾资质是最硬的门槛字段17家里有几家明确没有投顾资质在代销白名单审核阶段就会被卡住。运作基金数是第二个参考维度1008只和65只之间体现的是产品批量化发行能力和渠道覆盖度的巨大差异。获奖情况也有参考价值连续多届获得行业权威奖项的机构等于多了一层周期检验的背书。建议的操作方式是在访谈管理人之前先把投顾资质、运作基金、策略线、业绩代表性、规模增速五个字段整理成结构化清单让客观数据先过滤一轮。比如看到D的运作基金超过1000只就要追问渠道运营能力跟不跟得上看到J一年内规模从100亿涨到300亿就要追问新增资金去了哪条策略线、容量是否撑得住。数据过滤完访谈才有质量尽调才不是走过场。5.2 个人投资者用“三匹配”过滤无效结论个人投资者面对量化私募数据最容易犯的错是拿两只产品的年化收益直接对比。正确的姿势是三个匹配策略匹配、区间匹配、指数匹配。同样是“指数增强”500指增和1000指增的风险收益特征完全不同不能放同一条比较轴同样是500指增2017年成立的和2020年成立的经历的市场周期完全不同同样是2020年之后的表现截止日期差一个月超额数字也可能差出几个点。清单里最有价值的信息其实不是具体收益数字而是它提供的口径提示。比如D的500指增成立于2018年10月E的500指增成立于2020年9月G的1000指增成立于2019年12月把这三只产品的年化放在一起比大小没有意义。要看就看同一区间内、同一指数、同类策略的超额曲线这样才能接近真实的管理能力。5.3 量化研究者一个时间截面下的行业标本这份清单对量化研究者来说是难得的时间截面数据里面藏着几个可深挖的样本。第一个是“经历2018”这个天然分组可以构建“完整周期样本”和“结构性行情样本”两组产品做业绩归因和超额稳定性对比看看哪些机构的超额在极端行情里更抗跌。第二个是K这家机构——它在2018年10月把策略模型全面迭代为自研人工智能模型后收益表现提升明显样本内外一致性也更高这是一个不可多得的“策略范式迁移时点”案例。第三个是管理效率的横向对比D用140人支撑1008只产品A用200人运作622只单位人效的差距背后是系统自动化程度和投研流程分工的不同这个维度值得单独拆开研究。6. 百亿量化之后习惯低超额进入能力竞赛清单里最值得警惕的趋势藏在各家机构的超额参考数据里。把几家头部机构2020年和2021年截至10月22日的500指增超额放在一起下滑幅度非常直观机构2020年超额参考2021年超额参考截至10.22A28.7%21.0%B54.7%15.4%C29.9%8.2%D43.9%14.4%这不是个别机构的问题而是整个行业容量逼近上限的集体信号。量化私募从28家百亿机构到全行业超额衰减只用了不到一年时间赛道拥挤的速度比大多数人预想的更快。未来两三年超额基准回落到5%到10%区间会是常态投资者需要习惯“低超额、稳回撤”的新水位线。规模增长的负反馈机制已经开始显现规模上升、超额摊薄、业绩回落、赎回压力这个循环对每一家头部机构都在生效。能对冲它的只有两条路一是策略扩容去开发新的因子、新的赛道、新的资产类别二是降频从高频向中低频迁移但后者空间也在快速收窄。下一轮排位的胜负手大概率落在数据管线的完整性、算力中心的迭代速度和研究流程的工业化程度上产品线的透明度也会成为机构分化的隐性变量。清单只是2021年11月的一张快照量化行业的更迭速度决定了这份名单一年后就会失真。从那以后我每次拿到一份量化私募数据清单都强制自己先走一遍“口径—区间—策略”三步检查再开始谈收益。数据本身不会说谎读法会。希望帮到你。本文还有配套的精品资源点击获取