大摩量化配置混合 ：2026第二季度报告

本基金通过数量化模型，优化资产配置权重，力争在降低组合风险的同时，获得超越比较基准的超额收益。

1、资产配置策略 资产配置采取“自上而下”的多因素分析决策支持，结合定性分析和定量分析，确定中长期的资产配置方案。 2、行业配置策略 本基金通过量化方法分析各个行业的股价表现与宏观经济、产业链指标之间的关系，并结合各行业的估值水平、一致预期、盈利水平、动量反转等指标，获得各行业的预期收益率，并运用BL模型对行业配置权重进行优化。 3、股票配置策略 在行业内选股策略上，本基金采用量化模型的方法进行选股。量化选股模型包括但不限于以下两种：一种是持有行业内若干权重股，并优化其在基金中的权重以拟合行业平均收益；另一种是通过量化多因子选股模型挑选优势个股。

沪深300指数收益率×80%+标普中国债券指数收益率×20%

本基金为混合型证券投资基金，其预期收益和风险高于货币型基金、债券型基金，而低于股票型基金。

报告期内，A股市场呈现显著的震荡分化格局。2026年二季度，沪深300指数上涨11.90%，取得可观表现，但行业间分化剧烈。市场热议的“K型分化”在报告期内不仅未现收敛迹象，反而呈加速态势：中信电子行业指数单季度上涨89.88%，创下历史最大涨幅；而中信食品饮料行业指数则下跌15.67%。当前，AI技术以“日频”效率快速迭代，资本市场对信息流的传播与定价机制亦随之压缩，犹如将“三年行情”压缩为“三个月”的时间维度，市场波动水平因此快速抬升。我们观察到，红利低波等依赖波动率定价的投资策略短期失效。从信息传播视角审视，受信息冲击的行业表现为高波动，而缺乏信息冲击的行业则表现为低波动，进而被市场误读为行业前景受损。 短期来看，市场中“老登”与“小登”资产的对立具有一定的合理性。人工智能技术变革在产业图谱上的演进自有先后次序，但两者不应长期对立。人工智能技术终究要服务于实体产业，为各行各业赋能才是技术变革的应有之义。传统行业亦可在人工智能技术的加持下，实现降本增效、加大研发、升级产品并触达更广泛的客户群体。因此，尽管“老登”资产因行业属性难以直接蜕变为“小登”，但至少可进化为“中登”，即在技术赋能下重塑竞争优势与利润创造能力的传统行业。目前，金融服务、工业制造、医药研发、资源采掘等领域正在孕育技术进步的果实。 市场的结构性分化或将长期存在。在持续的信息冲击下，市场定价难以维持均衡状态，“持续高估”与“持续低估”可能成为阶段性常态。这也意味着，市场的阿尔法水平仍将处于可观水平。本基金投资风格整体偏向价值风格，因此在报告期内基金业绩表现较差。考虑到多数个股仍具有较强的内生增长能力和自由现金流创造能力，且组合整体估值水平处于较低位置，我们对未来一段时间组合表现仍然保持积极乐观。