2025年基金投资策略系列专题报告：科技成长产业变革趋势下基金产品投资策略评价与优选

1 科技投资策略的适用性与趋势性出现变革

近十年内，科技主题投资呈现出较为显著的主线轮动特征。2015 年前后，移动互联网 技术普及、商业模式创新及政策对“互联网+”战略的推动下，互联网逐渐成为当时的科技 投资主线，自 2015 年 2 月 9 日至 2015 年 6 月 12 日，中证 TMT相对中证全指超额收益率 28.87%；2020 年前后，新能源产业链加速重构，光伏、锂电等细分赛道成为新一轮科技投 资主线，自 2019 年 8 月至 2020 年 7 月，中证 TMT相对中证全指累计超额收益率 29.77%； 2020 年下半年中证 TMT指数相较于中证全指开始产生回撤，此区间内科技产业投资主线不 明晰，整体大多围绕捕捉短期赛道主题进行；2024 年人工智能大模型 DeepSeek 发布，促 进人工智能技术的快速迭代发展并且在各行业中逐渐渗透，使得科技行业投资开始围绕人工 智能产业链展开，自 2024 年 9 月 24 日（“0924 行情”）至 2025 年 2 月，中证 TMT相对 中证全指累计超额收益率 25.74%。

回顾过去各主线投资机会下，公募科技成长主动权益基金排名靠前的经理常胜的策略偏 向于如下几种类型：

策略风格激进，仓位极致。例如 2015 年易方达新兴成长以 171.78%的收益率夺得 所有主动管理基金冠军，基金经理宋昆（已离职）股票仓位一直高仓位运作，投资 风格偏向于中小盘，同花顺、东方财富、掌趣科技、达安基因、奥飞娱乐都曾是重 仓股。仓位即使在 2014 年二季度最低位也达到 81.6%，最高时接近满仓。

“把所有鸡蛋放在一个篮子”的重仓单一赛道策略。例如在历史多个科技行情下业 绩都排名靠前的国联安基金潘明，诺安基金蔡嵩松（已离职）、泰信基金董山青、 银河基金郑巍山、万家基金莫海波、财通基金金梓才等，都是以极致的赛道仓位博 取高弹性收益，偏向进攻而非防守。

重视交易和事件驱动策略，例如富国基金李元博（原汇丰晋信）、华安基金崔莹（已 离职）等。 看重景气度和选股市值空间，选择能够“长大”的公司。例如华富基金陈启明、万 家基金黄兴亮、中邮基金的任泽松等。 但下文我们将从当前科技产业格局的重构、公募基金持仓结构变化、科技领域投资 市场情绪动态变化以及科技赛道投资机会的特征等角度，立足公募基金产品选择和 评价的视角来看科技投资“常胜”策略或有变革。

1.1 人工智能的爆发式发展正重构科技产业投资逻辑

DeepSeek 的成功极大提振了市场对中国科技实力的信心，催化 A 股和港股市场中 AI 相关产业链（覆盖硬件、软件、算法、应用等）股票的估值提升。更深层次的影响在于，它 重塑了投资者对相关科技公司尤其是港股大型互联网平台的长期增长预期，为它们从成熟期 的“价值股”重新向“成长股”的叙事转变提供了强力支撑，这是推动本轮估值重构以及未 来具备第二增长曲线优质公司成长的根本产业逻辑。 我们以纳斯达克指数重要成分股作为参考，以微软为例，其在上个世纪末是高度波动的 成长型股票，但真正的投资机会出现在其进入平稳期后，尤其是其业务上云（如 Office 365） 和云基础设施建设推动的第二轮增长。这一阶段，微软的股价涨幅巨大，胜率和赔率都非常 高；类似的还有苹果企业，其第一轮增长基于计算机业务，第二轮增长则源于耳机（AirPods） 和智能手机的崛起。这些公司在第一轮增长后完成了行业整合，核心竞争力和组织架构更加 稳定，投资这类公司相当于在具备足够资源的基础上，寻找其资源调配能力带来的第二增长 曲线。

因此，我们认为未来将支撑科技股趋势延续的核心动力源自强劲的产业逻辑和估值重构。 以 DeepSeek 为代表的 AI 技术突破，不仅证明了中国在关键科技领域的创新实力，更重要 的是开启了 AI 应用端加速发展的想象空间，为相关科技公司（尤其是互联网平台）注入了 新的增长叙事，随着以互联网科技为代表的科技行业整合和降本增效，在人工智能和云业务 等领域展现出新的增长潜力，将推动其从“价值股”向“成长股”的逻辑切换。自 2024 年 9 月 24 日至 2025 年 2 月 28 日，以互联网龙头为代表的恒生科技指数累计涨幅 50.56%， 2025 年初（DeepSeek-R1 发布）至今累计涨幅 24.62%，相对中证全指累计超额收益率 22.58%。 其次，科技投资逻辑从“讲故事”变革到“看应用”。随着 AI 技术从“预期驱动”转 向“业绩驱动”，市场的主导逻辑将经历从“故事”到“验证”的质变，在这个过程中，能 够将研发投入转化为技术壁垒和现金流的企业，将成为重估浪潮中的最终赢家。对于投资者 而言，这既是一个需要警惕短期过热的风险期，更是一个不能错过的产业趋势布局窗口。对此，把握产业趋势和深度挖掘稀缺核心资产尤为重要，而当期盈利并非唯一考量因素，更重 要的是其在产业链中的稀缺性和未来成长潜力。 基于上文所述，同时伴随着公募高质量发展新规下，长期考核机制对基金经理科技投资 策略也形成相应影响，我们认为未来科技成长主动基金经理“获胜”的策略，仍然需要重视 自上而下和自下而上相结合策略。把握更多行业基本面变化和产业链上的大机会，参照美股 科技行业投资逻辑，从长期投资视角做多“强者恒强”核心资产。

1.2 科创投资重视“硬科技”，公募持仓结构出现变化

近年来，以科创为代表的“硬科技”在主动科技公募基金持仓中配置比例提升，科创板 成分股持仓占比从 2021 年 H1 的 10.31%持续提升至 2023 年 H2 的 41.78%，累计增仓 31.47%，同期科创板走势是持续下跌，累计跌幅 36.01%。具体而言 2021 年 Q2 前科创板 成分股走势逐渐升高且达到高位，但公募基金科创成分股持仓占比走势基本跟随指数走势同 向变化，呈现较为显著的右侧追逐风格；相反近年来，公募基金以科创为代表的“硬科技” 持仓占比有左侧布局态势。

例如较为明显的人工智能产业链上游的半导体赛道（以申万二级半导体行业成分股表 征），自 2021 年前，公募基金在半导体行业中的持仓占比随半导体走势的升高而逐渐加大， 但自 2023 年开始，公募基金在半导体行业中的持仓占比逐渐领先于行业本身的走势，呈现 出较为显著的左侧布局风格，对于同区间的业绩靠前基金经理（年度收益排名前 20）的操作 尤为明显。 同理，主动科技基金对人工智能持仓也呈现出一定的左侧布局风格。以万得人工智能主 题成分股表征人工智能主题成分，主动科技基金与 2023 年 Q4 人工智能持仓占比 36.74%， 达到历史最大值，此时人工智能指数尚未起涨。从布局时间来看，主动科技基金对人工智能 持仓占比领先于人工智能指数本身走势。

1.3 市场情绪显示投资操作转向左侧布局趋势

融资余额变化一定程度上可以反映投资者对市场的看多情绪。融资融券，即投资者向证 券公司提供担保物，以借入资金买入证券（融资交易）或借入证券并卖出（融券交易）的行 为。本文对 TMT指数成分股融资余额情况加总得到 TMT指数的融资余额情况表征科技产业， 2021 年前融资余额变化整体随中证 TMT指数走势同步上升，投资者看多情绪整体呈现出右 侧追求景气度的风格。2024 年 Q4 单季度融资余额变化达到了历史新高的 646.05 亿元，市 场看多情绪显著，但此时中证 TMT 并未突破历史前高，融资余额变化领先于科技股整体走 势，投资逻辑逐渐转向左侧布局。 融资余额的变化体现出当前人工智能投资主线做多情绪持续提升，操作上同样呈现出一 定的左侧布局风格。自 2024 年 Q3 开始人工智能指数逐步上升，区别于中证 TMT指数融资 余额反复震荡的情况，人工智能指数融资余额一直呈现出较为稳定的上升趋势，受指数下跌 影响较小。2024 年 Q4 单季度增加 314.09 亿元，提升幅度高达 48.03%。

1.4 科技子赛道走势分化，投资机会“多点开花”

我们选取申万一级行业中电子、计算机、通信对应的申万二级行业以表征不同的科技行 业赛道，分别计算前 1、3、5 大科技行业市值占比变化情况，以此刻画 A 股市场科技行业赛 道的分化程度。科技子行业市值占比变化率越低，代表行业赛道分化程度越高。

自 2020 年 3 月 31 日至 2020 年 6 月 30 日，中证 TMT指数累计涨幅 20.32%，同期科 技前三、五大子行业市值占比变化率分别为 4.66%、0.54%；自 2022 年 9 月 30 日至 2023 年 4 月 10 日，中证 TMT指数累计涨幅 41.16%，同期科技前三、五大子行业市值占比变化 率分别为-13.87%、-7.26%，在该上涨行情区间子行业集中度显著下降；自 2024 年 9 月 24 日至 2025 年 2 月 28 日，中证 TMT 指数累计涨幅 55.47%，其中前三、五大科技子行业市 值占比仅提升 7.12%、6.35%，对比 2020 年 3 月 31 日至 2020 年 6 月 30 日呈现出一定的 科技子行业成长分散化趋势。而行业分散化的提高，对过往以“重仓单一行业博得弹性收益” 为投资策略的基金经理提出来更高的考验，未来科技投资的发展将“从单一领域到多元新兴 领域”，同时对于科技成长主动权益基金的选股能力提出了更高的要求。 针对上述科技成长投资产业的变革，我们认为后市对主动科技基金经理的评价与选择需 要重点关注以下几个方面：

1） 擅长逆向投资、注重产业趋势的基金经理

基于前文所述，结合公募新规《推动公募基金高质量发展行动方案》，科技投资逻辑从 “讲故事”变革到“看应用”，从注重短期收益到关注长期价值，擅长逆向投资、注重产业 趋势的基金经理，是用逆向思维穿越市场情绪周期，用产业趋势思维穿越技术迭代周期，最 终在“概念泡沫”与“应用落地”的时间差中，更容易捕获真正的长期价值，实现长期超额 收益。

2） 理工科背景出身，或者对人工智能领域有深度学术背景研究的基金经理。新的产业 革命下，从技术到应用到产业趋势，科技领域的投资都产生了更高的壁垒。不同于 过往“风格极致”“仓位极致”“赛道极致”可胜的时代，我们认为未来对于技术 迭代有前瞻性判断的基金经理更能够减少“基本面信息差”带来的错误抉择。科班 出身的基金经理对机器学习、量子计算、生物技术等底层技术有系统认知，能够穿 透技术表象评估企业核心竞争力。这种深度认知使其在左侧布局中更易识别市场预 期差，在技术融合、渗透率拐点、政策红利等关键节点提前卡位。

3） 投研能力圈从“专业分工”到“舰队协同”

过往的科技成长基金经理多数专于个人能力圈，正如前文所述，取胜之道多数依靠投资 风格或者操作手段。但基于科技产业革命和未来新规指引下，投研平台化运作的重要意义不 容忽视。即，“大平台”所提供的科技各子赛道细分领域的深度研究、各子赛道的产业趋势 研究和预判、公司市值空间与海外技术领域的比对等，对于科技领域投资愈发重要。因此， 从科技领域长期资产配置的角度，建议投资人关注平台化研究的建设和支持力量。 以汇添富为例：汇添富 TMT 研究团队，提出“端云芯网”战略框架，相比于过往更加 重视研究团队内部分工协作。“端云芯网”战略框架：端侧即智能终端应用，聚焦 AIPC、 智能机器人、AR/VR 眼镜及智能驾驶，受益于 DeepSeek 等模型大幅降低推理成本，推动 端侧应用快速产品化。云端，为算力基础设施，持续关注国产算力链及海外算力需求，腾讯、 阿里等头部云厂商资本开支上调印证行业高景气。芯侧，即芯片国产替代，国产 GPU 在推 理端迎来机遇，中芯国际、北方华创等头部企业受益于技术突破与产能扩张。网侧，即软件 与互联网，深度挖掘 AI Agent、企业服务软件的降本增效逻辑。由 TMT科技研究组组长（马 磊）统筹，从覆盖的 35+标的中精选仅 5-8 只核心标的，集中资源深度研究，提升投研转化 效率。例如 2023 年通过研究美国草莓模型强化学习前沿技术，2024 年通过实际试驾体验等 持续跟踪调研，精准提前布局小米，中芯国际等标的，体现对核心资产的前瞻性挖掘。研究 员分工明确且稳定，长期跟踪特定赛道（如半导体、AI 硬件），避免短期频繁切换，确保研 究深度。建立每周 TMT 组内部头脑风暴机制，基金经理与研究员共同讨论行业边际变化， 捕捉模糊阶段的投资机会。例如通过试驾小米汽车、深度研究 Deepseek 模型技术细节，在 市场共识形成前提前布局。

2 科技成长主动权益产品相对于指数产品是否具有配置 优势

首先，本文对于科技成长主动基金池和被动科技基金池的构建方法如下：主动科技基金 池：基于该标准，本文筛选出科技成长风格基金池共计产品 506 只，基金管理人 317 位， 产品总规模 3352.46 亿元。 （1）wind 投资类型（二级分类）为普通股票型基金、偏股混合型基金、灵活配置型基 金和平衡混合型基金且过去 4 个季度股票平均仓位大于 60%的基金作为初始基金，剔除成立 时间少于 1 年的基金，剔除规模不足 2 亿元基金，剔除量化策略类型权益基金，对于同一基 金的不同份额，仅保留初始基金。 （2）对上述初始基金池选取科技成长基金：定量方面，本文使用基金半年报和年报全 部持仓数据，统计现任基金经理持仓中科技成长类股票占股票市值仓位的比例。科技成长类股票的界定则采用中信行业分类标准，覆盖传媒、电子、计算机、通信四大核心科技行业以 及电力设备与新能源这一新兴科技行业，涵盖 A 股与港股市场。最终对基金进行阈值处理， 要求任职期间平均科技成长类股票持仓占比（反映基金经理的长期科技股配置偏好）或最近 四期（2023 年-2024 年中报与年报）的科技成长类股票持仓占比（捕捉其短期策略调整动向） 在合理阈值（60%）之上。 被动科技基金池：以全部被动指数基金为样本，在过去三年报告期披露的完整持仓中， TMT板块(申万一级行业分类的传媒、计算机、通信、电子)持仓占比平均值大于 60%。 其次，本节我们将探究，对于未来科技产业趋势的投资，以公募权益基金的角度，相比 于直接选择相关的被动指数产品，科技主题主动权益产品是否体现出长期配置或者短期博弈 的价值。

从长期配置的价值角度，主动科技基金适合长期超配。本文将主动科技基金和被动科技 基金与中证 800指数的长期配置风险收益回报做比较。通过构建业绩超额指标来衡量基金相 对于宽基指数业绩的超额程度，指标表达式如下：

业绩超额指标=（基金业绩指标⁄(中证 800 业绩指标）-1)

其中选择业绩指标包括夏普比率和年化收益率。业绩超额指标大于 0则说明基金在该业 绩指标上优于中证 800 指数，值越大表示优于中证 800 的程度越高，值越低表示不如中证 800 的程度越高。结果显示，绝大多数主动科技基金风险收益情况表现优于中证 800 指数， 且主动科技基金池整体表现优于被动科技基金池，因此从长期配置的角度来看，科技主题基 金适合长期配置，且主动权益科技基金表现优于被动指数科技基金。

从历史业绩看，相比于被动科技基金，主动科技基金长期配置价值凸显：自 2014 年 1 月至 2025 年 4 月，主动科技基金指数年化收益率 8.98%，信息比率 0.40，显著跑赢被动基 金科技指数（年化收益率 3.85%）与中证 TMT指数（年化收益率 3.92%）。

2.1 上涨行情下主被动科技基金对比

在科技产业上涨行情区间内，主动科技基金更容易取得较高的弹性，具备一定的配置价 值。自 2014 年至今的 6段上涨行情区间内，主动科技基金指数相对被动科技基金指数平均 超额收益率为 2.57%。其中自 2014 年 1 月至 2025 年 6 月上涨行情区间内，主动科技基金 指数累计回报 80.36%，大幅跑赢被动科技基金指数的 50.10%，自 2015 年 9 月至 2015 年 12 月的上涨行情区间内，主动科技基金指数相对被动科技基金指数超额收益率 9.37%。自 2024 年 9 月至 2025 年 2 月，主动科技基金指数小幅跑输被动科技基金指数，超额收益率 -2.73%。

2.2 震荡行情区间下主被动科技基金对比

在科技产业震荡行情区间内，主动科技基金产品超额表现依旧显著。自 2014 年至今的 4 段震荡行情下，主动权益基金相对被动科技基金平均超额收益率 39.28%。其中自 2020 年 2 月至 2021 年 12 月，主动科技基金相对被动科技基金超额 20.45%；2022 年 5 月至 2022 年 9 月主动科技基金相对被动科技基金超额收益率 13.41%。

2.3 下跌行情区间下主被动科技基金对比

下跌行情区间内，主动科技基金走势小幅跑输被动科技基金。自 2014 年至今的 6段下 跌区间内，主动科技基金指数相对被动科技基金指数平均超额收益率-1.50%。其中 2015 年 6月至 2015年 9月A 股剧烈波动的行情下，主动科技基金指数跑输被动科技基金指数 6.46%； 自 2019 年 3 月至 2019 年 8 月，主动科技基金指数跑赢被动科技基金指数 3.92%。最近的 2023 年 4 月至 2024 年 2 月，主动科技基金指数跑输被动科技基金指数 4.27%。

3 如何对科技行业指数进行择时？

在科技板块高贝塔属性与市场结构性分化加剧的背景下，2020-2023 年中证科技龙头指 数年化波动率达 35%，显著高于沪深 300 指数 20%的水平，且季度收益分化度超 40%，凸 显精准择时对控制风险、放大收益的关键作用。 市场情绪、流动性与量价信号的联动效应，构成科技 BETA 择时的核心逻辑：流动性周 期直接影响科技股估值锚，2022 年美联储加息周期中，纳斯达克 100 指数 PE 从 35 倍压缩 至 22 倍，而 2023 年降息预期驱动 PE 反弹至 30 倍，期间通过美债利率、10 年期国债收益 率等指标可有效识别估值修复窗口；市场情绪放大板块波动，2021 年散户交易热潮推动 WSB 概念股短期爆炒，而 2022 年机构持仓比例骤降 12%时引发恐慌性抛售，融资余额、股债风 险溢价等情绪指标可预警极端行情；量价特征反映资金博弈强度。

选择以下有效信号：成交额占比、成交量、融资买入额、美债利率、BIAS，所有信号等 权加总得到综合信号，周频调仓。 结果显示：若基准为中证 TMT 指数，关注对于指数择时的绝对收益，综合信号对于中 证 TMT指数择时结果，总胜率 52.36%，看多胜率 54.87%，看空胜率 50.56%，赔率 1.05， 超额年化收益率 11.39%。

若考虑相对收益，关注择时信号是否捕捉到中证 TMT 指数相较全市场的上涨，或规避 中证 TMT 指数相对全市场的下跌，综合信号的相对收益结果，总胜率 53.57%，看多胜率 52.14%，看空胜率 54.60%，赔率 1.17，超额年化收益率 9.53%。

该择时策略通过对市场趋势、行业动态、宏观经济等多因素综合分析，抓住了科技行业 相对全市场上涨行情，有效规避下跌行情。在 2013-2016 年以及 2019-2020 年期间，中证 TMT指数相对万得全 A 有一定超额收益。2013 年该策略年化收益率达 70.34%，2015 年年 化收益率更是高达 134.82%，显著高于对应年份中证 TMT年化收益率（2013 年 65.01%、 2015 年 75.60%）。表明该择时策略能够抓住科技行业相对全市场的上涨行情，精准把握中 证 TMT指数的上行阶段，实现收益最大化。 从最大回撤看，2012 年-2025 年 4 月期间，中证 TMT 择时策略最大回撤为 36.86%， 而基准最大回撤达 70.91%。在各年份中，如 2018 年市场下行，中证 TMT择时策略最大回 撤 29.83%，小于基准最大回撤 41.10%。说明该策略能运用技术分析指标和基本面分析，对 市场风险进行实时监测，较好地规避中证 TMT 指数的回撤区间，降低投资损失。当判断市 场进入下行风险区间时，及时降低仓位或调整资产配置，减少对中证 TMT相关资产的暴露， 从而躲避下跌风险。 该择时策略具有较强的把握趋势的能力。一方面，通过对宏观经济数据、行业政策、技 术创新等影响科技行业长期发展因素的深入研究，预判中证 TMT 指数的长期趋势；另一方 面，结合量化分析模型，对市场交易数据进行高频分析，及时捕捉趋势变化的信号，调整投 资策略。无论从绝对收益还是相对收益，择时净值整体稳定增长，相对万得全 A 有稳定超额 收益。

4 聚焦相似投资策略优选基金并匹配适宜趋势阶段

本节将基于前文标准筛选出的科技成长基金经理以及产品，根据基金经理的投资风格和 组合结构分为以下类型： （1）以高仓位把握主线为策略特征的 Beta 型科技成长基金。该类型产品运作的把握主 线收益主要源于持仓的高集中度和基金经理根据产业趋势适时的择机能力。 （2）科技子赛道均衡配置/灵活轮动型科技成长基金。该类型产品运作的收益主要源于 子行业选择和轮动能力。 （3）关注成长空间精选个股的 Alpha 型科技成长基金。该类型产品运作的收益主要源 于基金经理的选股能力。 （4）注重组合结构调整以及波动操作的交易型科技成长基金。该类型产品运作的收益 主要源于交易配置能力或者景气度把握能力，往往攻中带守。 （5）科技子赛道灵活轮动型科技成长基金。该类型产品运作的收益主要来源于动态捕 捉不同科技子行业的阶段性机会从而获取收益。

4.1 以高仓位把握主线为策略特征的 Beta 型科技成长基金

4.1.1 投资策略收益特征以及核心标的筛选标准

该类型的科技成长基金经理长期坚持科技，把握科技主线，对于看好的行业和主线敢于 重仓持有，往往会提早地位介入布局，前两大行业持仓占比也往往会超过 70%，目标是充分 把握主线行情。同时，也会根据产业趋势或者行业景气度、性价比等变化进行持仓调整或者 是更换“赛道”。 本节通过动态融合科技成长行情、概念指数走势、基金持仓数据与基金净值数据形成多 维筛选框架，筛选“高仓位”把握主线的科技成长基金经理。

2013 年以来，A 股市场一共经历 3 轮科技板块行情，分别是在 2013-2015 年由移动互 联网驱动的科技板块行情，2019-2022 年半导体、5G 通信、以及围绕能源结构转换的新能 源板块行情以及 2023 年至今由 AI 大模型驱动的科技行情。结合历史行情，本文选择了 wind 概念指数中的移动互联网、人工智能、新能源、机器人、芯片/半导体五个典型科技子赛道， 从中提取成分股，结合 wind 概念板块分类来对股票进行概念分类。 这五个概念指数在 2013 至 2024 年期间分别有过一段高涨的行情，分析基金对其中成 分股的持仓可以有效判断出基金经理压科技成长相关赛道的行为与能力。根据基金在行情高 涨时段内的平均仓位，将高持仓集中度的基金定义为“高仓位”把握主线科技成长基金。

中证 TMT指数自 2011 年起经历多轮周期：2011-2012 年受金融危机影响估值承压，智 能手机普及率低且移动互联网尚未突破；2013-2015 年进入爆发期，4G 商用推动移动互联 网发展，叠加“互联网+”国家战略落地；2016-2018 年进入调整阶段，金融与影视监管强 化促进行业整合，云计算/大数据初步发展但 AI 未形成商业应用，同时外部环境制约半导体 产业；2019-2020 年受益 5G 商用和疫情催化，运营商投资扩大、半导体国产化提速，云计 算需求激增推动复苏；2021 年呈现结构性分化，芯片短缺利好设计企业，新能源崛起分流 TMT 资金；2022 年受消费电子下滑和加息冲击进入去库存周期；2023 年 AI 突破带动算力 链，数字经济政策加码但消费电子持续低迷；2024 年进入加速期，AI 应用商业化与半导体 设备国产化突破形成双轮驱动。

国证芯片指数近年同样呈现阶段性特征：2021 年经调整后反弹，全球缺芯推升价格， 28 纳米国产化突破提振估值；2022 年回调，消费电子疲软引发去库存，扩产放缓压制板块； 2023 年暴涨，AI 算力拉动 GPU/存储芯片需求，先进制程与设备国产化加速；2024 年震荡 上行，AI 商业化与新能源车驱动芯片增量，国产材料设备在成熟产线验证突破，行业进入技 术+国产替代双主线周期。

2020 年，5G 通信板块经历“冲击震荡”，疫情扰动市场，新基建定调 5G 核心，运营 商开支增长 12.3%，远程需求推升流量，华为首发 5G 芯片加速终端普及；2021 年“四调上 涨”，5G 手机渗透率超 40%，东数西算启动算力投资，地缘摩擦制约华为海外布局；2022 年“分化调整”，美芯片制裁倒逼国产替代，工业互联网项目落地，消费电子疲软致指数跌 12%；2023 年“反弹复苏”，AI 需求驱动光模块业绩倍增，5G-A 标准冻结（10Gbps）， 运营商投资回升 18%；2024 年“深化转型”，5G 融合边缘计算/低空经济，华为 5G-A 基 站落地，国产基站芯片渗透率突破 30%，行业向"连接+算力+场景"生态升级。

2022-2025 年人工智能产业呈现出多阶段的发展路径：2022 年二十大确立 AI 为经济增 长新引擎，11 月 OpenAI 推出 ChatGPT推动生成式 AI 普及，12 月谷歌 RT-1 模型实现机器 人实时控制；2023 年 3 月百度发布国内首个生成式大模型文心一言，5 月科大讯飞星火大模 型在文本生成等领域领先，10 月国家出台算力基建计划支撑 AI 发展；2024 年 2 月 OpenAI 发布视频生成模型 Sora，9 月 OpenAI 推出超越人类专家的 o1 推理模型，12 月中央将“人 工智能+”列为新质生产力核心；2025 年 1 月 DeepSeek-R1 以算法创新打破算力垄断，2 月国产 GPU 及云厂商全面适配其模型，3 月阿里等企业密集推出 AI Agent 及推理模型。

2020-2024 年算力产业链发展发展呈现三阶段轮动：2020-2021 年疫情催化远程需求与 “新基建”政策共振，带动云计算/数据中心扩张，服务器、光模块等硬件放量，华为制裁加 速国产替代；2022-2023 年“东数西算”工程启动叠加生成式 AI 爆发，英伟达 H100 需求激 增驱动国产 AI 芯片商业化，但外部加息与地缘压力导致市场分化；2024 年虽受美国制裁扰 动，华为昇腾芯片国产替代深化，头部云厂商投资回暖驱动硬件自主化与场景拓展双线突破。

新能源行业在 2020-2021 年迎来政策驱动期，疫情扰动下双碳目标与能源危机驱动全球 政策加码，中美强化新能源布局，宁德时代等技术突破助力降本，估值快速抬升；2022-2023 年产能博弈期，俄乌冲突刺激风光装机放量，但产业链价格下行引发光伏产能过剩，倒逼车 企加速全球化布局；2024-2025 年整合出海期，政策推动光伏产能出清，智能化技术提升产 品力，中国车企凭借成本优势抢占欧美市场，行业格局向头部集中，竞争维度转向技术迭代 与生态体系重构。

“高仓位”把握主线科技成长基金筛选方法的核心逻辑为仓位静态验证。首先，根据历 史事件驱动划定各子赛道的高涨时段，统计基金在该时段内对相关概念成分股的平均持仓占 比，生成仓位得分。例如人工智能板块在 2022 年末至今的高速发展期，若某基金在该区间 持仓占比持续较高，则视为具备明确的赛道布局倾向。 在对应赛道行情下，本文先对五个概念板块分别进行把握主线筛选。条件一：主力概念 板块行情期间平均仓位>=75%；条件二：至少有一个非主力概念板块行情期间平均仓位>=30%。基金必须同时满足上述两个条件，即可进入“高仓位”把握主线科技成长基金的 基金池。 经过筛选，共有 64 只基金进入“高仓位”把握主线科技成长基金的基金池。

4.1.2 基金产品评价与优选策略构建

对“高仓位”把握主线科技成长基金的基金池内的基金进行现任基金经理任职以来、近 1 年和近 3 年的基本数据统计，得到了年化收益率、波动率、最大回撤、夏普比率和行业集 中度的平均值与中位数。 整体来看，“高仓位”把握主线科技成长基金池的近期收益表现优于过去时间段，近 1 年的平均年化收益率达 9.1%；风险指标近 1 年改善明显，平均年化波动率降至 20%，最大 回撤收窄至 10%左右。行业配置方面，大部分基金池内的基金都有较高的集中度，前两大行 业持仓占比始终超过 70%，前三大行业集中度则超过 80%。

“高仓位”把握主线科技成长基金池的重仓行业集中特征显著：电子行业长期占据第一 大重仓行业地位，任职以来、近 1 年及近 3 年占股票市值比分别为 37.6%、42.5%和 39.5%， 远超其他行业的占比；第二大与第三大重仓行业则在电力设备与新能源和计算机行业之间轮 动，整体上都在略超 10%的比例上波动。

在“高仓位”把握主线科技成长基金的基金池中，本文再次根据业绩表现、回撤控制、 基金经理能力、赛道集中度等因素优选出了 15 只基金，作为“高仓位”把握主线科技成长 基金的优选池。

在“高仓位”把握主线科技成长基金的优选池中，基金大多成立于 2019 年之后，基金 规模差异较大：银河创新成长（162.46 亿元）和诺安成长（196.08 亿元）超过百亿，其他 基金规模均不足 50 亿元。业绩表现上，优选池的近 1 年平均收益达到 28.13%，平均夏普比 达到 2.44，平均最大回撤为-21.68%，展现出优异的收益与风险控制能力。赛道集中度方面， 绝大部分基金超过 78%，仅有中欧电子信息产业 A（66%）集中度不足 70%。 在近期比较热门的 AI 赛道上，优选池的大部分基金都给予了较高的配置权重。根据 2024 年报数据，优选基金在 AI 赛道上的平均持仓占比达到 65.27%，最高比例为东吴移动互联 A 的 93.65%，仅有景顺长城电子信息产业 A（27.03%）配置不足 30%。

4.1.3 投资策略市场环境适用性分析

本文根据“高仓位”把握主线科技成长基金池，拟合了把握主线基金指数，并与相应的 子赛道板块进行走势对比。从走势图可见，把握主线基金指数在 2019 年至 2025 年期间展 现出显著的弹性优势。相较于芯片、人工智能、新能源等板块，该指数在行情启动前的左侧 特征较为突出。 2019 年 1 月 1 日-2020 年 2 月 21 日，该指数走势快速攀升 119%，同期中证 TMT 指 数上涨 94%，超额 25%，主动科技基金平均上涨 69%，对应主题赛道除了芯片表现亮眼， 上涨 154%，其他科技子行业上涨幅度均小于把握主线基金指数。 2024 年 9 月 24 日-2025 年 2 月 28 日，该指数迅速上涨 53%，相对中证 TMT 超额 3.08%，相对主动科技基金超额 3.83%。这种“提前启动、涨幅领先”的特点，说明它在市场拐点到来前更容易捕捉到收益 机会。

而在 2023 年 4 月至 2024 年 9 月的市场筑底阶段，该指数的抗跌性也较为突出。该期 间中证 TMT 下跌 32.89%，主动科技基金下跌 33.22%，而把握主线基金仅下跌 31.33%， 不仅下跌相对平缓，下行期表现超越所有子赛道指数，回升表现也仅次于新能源板块。总体 来看，把握主线基金指数这种“跌时平稳、涨时迅速”的弹性，较适合在行情启动前布局， 在多数子赛道板块还在横盘时，把握主线基金指数已经率先突破震荡区间，如在 2021 年内 的新能源与芯片行情的第二轮上涨期前，把握主线基金指数在走势图上就体现出明显的率先 上扬趋势，2020 年 11 月至 2021 年 2 月的区间收益达 21.08%，显著超越了中证 TMT 的 4.85%。 而到了行情后期，当指数接近前几次的高点，且上涨速度开始放缓时，则是左侧分批止 盈的时机。这种操作节奏既能抓住它早期快速上涨的特点，又能合理规避追高风险。如在 2020 年下半年的科技行情缓和后，大部分指数在 9 月至 11 月的震荡期内都无法获取收益，中证 TMT 收益更仅为-4.01%，而把握主线区间收益达 4.37%，超额收益为 8.38%，印证了其止 盈策略的有效性。

4.1.4 典型代表产品举例分析——东吴移动互联 A

刘元海，同济大学管理学博士，现任东吴移动互联 A、东吴新趋势价值线等 5 只基金的 基金经理。自 2016 年 4 月 27 日任职以来，东吴移动互联 A 穿越多轮牛熊，在 2022 年 10 月至 2023 年 6 月的 AI 行情中精准捕捉产业拐点，以 65.54%涨幅领涨同类（2/2106），2024 年 2 月至 9 月又以 26.01%收益率排名同类前 0.7%（15/2264）。

结合东吴移动互联 A 与芯片指数走势对比，分析其把握主线能力在 2023-2024 年尤为 凸显：2023 年收益率 45%（相对芯片指数超额 34%），2024 年收益率 32%（超额 10%）， 此中收益主要源于对 AI 创新周期的前瞻布局——2023 年初基于 ChatGPT 技术研究重仓 AI 算力、电子半导体、汽车智能化等战略方向，推动通信、计算机、电子三大重仓行业领涨市 场。尽管在 2023 年下半年市场调整中经历阶段性回撤，但 2024 年及时把握算力基建及半 导体设备机会，再度展现其在科技赛道的迭代能力。

东吴移动互联 A 在电子、通信、计算机三大科技子行业形成超配闭环：电子行业超配幅 度从 2016 上半年的-18.25%历经几年波动后，随后持续攀升至 2024 上半年的 17.87%，远 超其他行业；通信行业自 2023 上半年开启战略性增配，超配比例从 2022 下半年的-8.78% 提升至 2024 下半年的 13.44%，精准捕捉算力基建行情；计算机行业虽在 2024 年后退出超 配行列，但 2022-2023 年间人工智能爆发期平均 12.85%的超配比例仍彰显其对产业行情捕 捉的敏锐度。相对而言，其在传统行业维持低配：银行、非银金融、食品饮料板块长期处于 低配，展现其专注科技成长的定力。这种明确的超低配思路与其在 AI、芯片和算力行情期间 的出色业绩形成强耦合，再次验证其通过行业配置驱动收益的能力。

东吴移动互联 A 同样展现出极强的交易能力。在科技股高波动的环境中，刘元海通过有 效调仓持续创造收益：2020 年半导体行情期间，较模拟组合收益超额最高达 37.14%；2023 年 AI 算力行情中，超额幅度一度扩大至 161.21%，精准把握产业链爆发窗口。在完整的管 理期间内，基金累计收益约 275.28%，相较模拟组合的 107.41%形成 167.87%的超额收益， 验证其通过波段交易能力放大科技股行情的能力。

4.2 科技子赛道均衡配置型科技成长基金

4.2.1 投资策略收益特征以及核心标的筛选标准

科技子赛道均衡配置型科技成长基金以“分散布局+动态微调”为核心策略，长期通过 一定的约束条件实现在各行业内的均衡配置。此类基金在行业配置上不过度追求单一子赛道 和行业的极致暴露，而是强调对一众科技子行业的均衡覆盖，通过控制持仓行业集中度与调 整幅度来降低波动风险。 首先，本节基于基金历史持仓数据计算各基金在各报告期内的一级行业持仓波动率（反 映行业配置偏离度），结合基金经理任职期间行业配置的长期稳定性（任职以来均值）与近 期风格持续性（近两年均值），设定持仓波动率均值的阈值不超过 10%，剔除频繁大幅调仓 或行业过度集中的基金产品，筛选出具备“均衡配置”特征的标的；其次，本节叠加了在“把 握主线”基金筛选时使用过的子赛道阶段性行情期间的持仓占比作为另一约束条件，设定所 有子赛道行情期间的持仓上限不超过 50%，规避因过度押注短期热点导致的风格漂移。

4.2.2 基金产品评价与优选策略构建

对科技子赛道均衡配置型科技成长基金的基金池内的基金进行现任基金经理任职以来、 近 1 年和近 3 年的基本数据统计，得到了年化收益率、波动率、最大回撤、夏普比率的平均 值与中位数。 整体来看，科技子赛道均衡配置型科技成长基金池的历史收益表现呈现出周期分化特征： 近 1 年的平均年化收益率为 8%，显著优于任职以来的零收益及近 3 年的-5%，凸显短期市 场结构性行情中分散布局策略的有效性；但长期维度下，受科技产业周期波动与系统性风险 影响，基金池整体仍未跨越收益门槛。风险层面，近 1 年数据仍旧显示出阶段性优势：平均 年化波动率稳定在 19%，最大回撤仅为-4%，夏普比率则达到 0.43，反映当前均衡配置策略 在控制下行风险上更具优势。然而，拉长周期观察，近 3 年平均最大回撤达-29%、夏普比率 降至-0.39，表明在极端市场环境中，行业分散配置仍难以完全规避科技板块的高波动。

4.2.3 投资策略市场环境适用性分析

科技子赛道均衡配置型科技成长优选基金的投资策略在不同市场环境中展现出“攻守兼 备”的适应性特征。通过拟合的均衡配置基金指数（大规模组与小规模组）与中证 TMT 及 部分中信一级行业指数的对比可见，2019 年至 2025 年期间，科技子赛道均衡配置型基金的 大规模与小规模策略在科技周期中展现出差异化适应能力。 大规模组在行情初的爆发力虽弱于单一行业指数（如 2022 年前走势一直被电子行业指 数压制；2023 年一季度 AI 行情中大部分科技行业指数涨幅均高于均衡配置指数），但其能 通过提前卡位多赛道、多行业实现长期的收益积累（2022 年 5 月后，均衡配置指数的累计 收益超过所有比对指数，且维持至今），且在技术落地遇阻或估值消化阶段（如 2022 年元 宇宙退潮、2024 年算力瓶颈期，其回撤控制均较为出色）可以通过行业分散结构降低组合 波动。投资者可将其作为科技板块的“核心仓位”，在产业趋势明朗前左侧布局，待细分赛 道主线机会显现时再增加高弹性品种仓位，从而实现风险收益比的动态优化。

小规模组的特点是在部分行情转折期更具弹性。其在 2020 年 6 月至 2021 年 11 月期间 累计涨幅达 94.8%，超越同期大规模组和相关科技行业指数；2024 年 10 月单月涨幅达 5.8% （大规模组 4.3%）。但小规模组在系统性风险中波动更大，且长期来看仅优于中证 TMT指 数与通信指数。

在 2020 年 2 月至 2022 年 10 月的市场下行期内，中证 TMT 与三大科技主题指数全部 回撤，平均收益仅为-36.46%，而均衡配置基金指数的大规模组与小规模组均实现了正收益， 相对中证 TMT分别超额 53.48%与 54.77%；在 2023年 4月至 2024年 9月的行情转折期内， 大规模组与小规模组再次实现对中证 TMT指数的超越，虽然同样出现了下跌，但仍有 17.15% 与 3.03%的超额收益。而在其余时期，均衡配置基金指数的整体表现均不及中证 TMT指数， 表明其在抗跌性上能力较强，而在跟踪上涨趋势方面能力稍显不足的特性。

4.2.4 典型代表产品举例分析——华商润丰 A

胡中原，北京大学工程专业硕士，现任华商润丰 A、华商元亨 A 等 8 只基金的基金经理。 自 2019年 3月 19日任职以来，其管理的华商润丰 A年化收益达 16.55%，最大回撤为-27.31%， 期间的 6次牛熊区间有 2次排名同类前 5%、5次位于前 50%，仅在 2023-06-30至 2024-02-05 的熊市期间表现欠佳。具体来看，2022 年 10 月 28 日至 2023 年 6 月 30 日的 AI 浪潮初期， 华商润丰 A 以 18.67%涨幅碾压同类平均-0.23%的负收益，跻身同类前 3%（63/2104）；2024 年 9 月 24 日市场触底后，其 48.54%的收益（同类 16.45%）再次助推基金冲入同类前 4% （75/2295）。在风险控制层面，华商润丰 A 在 2021 年 2 月至 2022 年 10 月熊市周期中， 基金仅回撤 2.93%，较同类平均少亏损 11.5%，展现出良好的抗风险能力。

胡中原的投资框架以捕捉行业系统性机会为核心，淡化个股层面的超额收益挖掘。在具 体操作中，其针对不同景气周期的行业采取差异化布局：对于已形成明确趋势的行业（如当 前人工智能产业、此前新能源革命浪潮）采取趋势跟随策略；而对于具备基本面反转潜力的 领域，则通过前瞻 2-3 个季度的深入研究进行左侧布局。在风险控制维度，其构建了双重防 护机制：一是通过严格约束组合杠杆及单一赛道权重上限（通常不超过 25%）来防范极端波 动；二是运用行业对冲思维，配置低相关性行业标的实现组合的风险防护。 具体到基金产品，华商润丰 A 通过实现行业均衡配置与结构性调仓的平衡获取长期收益， 其风格呈现“均衡筑基、稳健为纲”的特征。从 2019 年至今的行业分布看，基金在电子、 通信、计算机、传媒四大传统科技行业的配置比例大多数时间控制在 40%-65%的区间（如 2020 上半年合计 43.19%%、2024 下半年合计 64.6%），避免单一行业过度暴露，确保对产业趋势的持续跟踪。同时，其每半年会选取 2-3 个辅助赛道强化组合韧性：如 2020 上半 年加码机械设备（8.25%），2022 下半年增配社会服务（14.74%）捕捉疫情后消费修复， 2023 下半年布局汽车（3.36%）押注智能化转型，形成“核心+卫星”的轮动体系。这种策 略虽然在短期收益不算出色，但在长周期内和极端行情时表现稳健。相较于其他科技成长类 的基金产品，其任职以来一级行业持仓波动率（6.46%）低于均值（7.79%），而近 3 年夏 普比率（0.64）高于大部分池内基金，印证均衡配置对风险收益比的优化作用。

4.3 关注成长空间精选个股的 Alpha 型科技成长基金

4.3.1 投资策略收益特征以及核心标的筛选标准

专注成长空间精选个股的 Alpha 型科技成长基金以深度产业研究为根基，自上而下选股 挖掘具备充足成长潜力的科技企业。其核心收益来源于对个股成长潜力与企业生命周期的精 准捕捉，往往重点布局处于技术突破临界点的优质标的。基金经理通过构建成长空间评估体 系，在行业 Beta 之上叠加个股 Alpha，实现出色的超额收益。 本节基于 Brinson 归因模型、左侧投资因子和月胜率，从多个维度评估基金经理的选 股能力，进而得到最终的基金池与优选池。本节的 Brinson 模型构建方法与 4.2.2 部分完全 相同，基准指数选取中证 TMT 指数，按一级和二级行业划分权重结构，对各基金的超额收 益进行分析。个股配置效应即为基准指数权重与基金相对基准指数的超额收益的乘积加总值， 大于 0 则代表个股配置所带来的超额收益为正。

4.3.2 基金产品评价与优选策略构建

在构建关注成长空间精选个股的 Alpha 型科技成长基金池方面，本节要求基金近两年的 Brinson 一级、二级行业个股配置收益均值>0，强调基金经理通过配置成长型个股获取超额 配置的能力，最终得到符合条件的基金共 114 只。 对精选个股 Alpha 型科技成长基金池内的基金进行现任基金经理任职以来、近 1 年和近 3 年的基本数据统计，得到了年化收益率、波动率、最大回撤、夏普比率的平均值与中位数。 精选个股 Alpha 型科技成长基金池的收益风险特征呈现出显著的分化。在近 1年行情中， 基金池展现出强劲的 Alpha 捕捉能力：平均年化收益率达 14.84%（中位数 13.14%），较任 职以来 5.13%和近 3 年的-1.86%形成显著区别，同时风险控制维度也更胜一筹，年化波动率 为 20.29%（中位数 19.44%）、最大回撤仅-4.17%（中位数-2.08%），夏普比率则达到 0.85， 印证精选个股策略在产业趋势明确期的超额收益爆发力。但拉长时间维度观察，近 3 年周期 内基金池表现不佳，暴露出科技成长股估值波动对策略的冲击。全周期视角下，基金池任职 以来平均年化收益率 5.13%保持为正，但 23.37%的波动率与-26.50%的最大回撤表明其仍 具一定风险。

考虑到直接使用 Brinson 个股配置收益可能忽略基金在不同报告期获取个股配置 Alpha 的波动，故本节将个股配置收益再除以其标准差，衡量基金持续稳定获取个股配置 Alpha 的能力，从而更全面地反映其精选个股的效率。 随后，本节通过结合近 1 年收益、近 3 年夏普比、月胜率、任职以来左侧因子均值、任 职以来一级和二级个股配置收益/标准差的排名情况优选基金，作为精选个股 Alpha 型科技成 长基金的优选池。 精选个股 Alpha 型科技成长基金池同样分为大规模组（13 只）与小规模组（4 只）。从 收益维度看，大规模组近 1 年平均收益率为 39.65%，略高于小规模组的 33.57%；大规模组 王晓川管理的银华数字经济 A 以 62.80%的收益领跑全池，小规模组则由冯炉丹管理的中欧 数字经济 A（55.27%）引领。风险控制方面，大规模组展现出更优的夏普比率均值（大规模 组 0.59、小规模组 0.51）。小规模组的头部产品中欧数字经济 A 以 0.88 的夏普比率与-22.02% 的最大回撤领跑组内；大规模组中，金鹰科技致远 A 以 1.08 的夏普比与-21.61%的回撤控制 成为全池第一。 在个股配置能力层面，小规模组在个股配置收益/标准差指标上更具优势（一级行业均值 1.13、二级行业 1.14），而大规模组则表现相对平庸（一级行业均值 0.63、二级行业 0.77）。 具体来看，代云锋管理的中欧科技成长 A 以 2.64%、2.02%的一级/二级行业个股配置收益均 值领跑全池，表现出极强的选股能力。而左侧因子均值则由郑晓曦管理的南方科创板 3 年定 开领跑，为-0.18，说明其选择购入个股的时机较好。 综合来看，该基金池构建了多层次的投资思路：大规模组适合作为 Alpha 的配置基底； 小规模组则用于提升个股配置收益。全池近 1 年 38.22%的平均收益与 0.57 的夏普比率，体 现出其作为优质投资组合的潜力。

4.3.3 投资策略市场环境适用性分析

通过拟合的精选个股 Alpha 型科技成长基金指数与万得全 A、中证 TMT 及科技细分行 业指数的对比可见，2019 年至 2025 年期间，该指数不仅展现出"攻守兼备"特性，且总收益 也超越了其他所有指数。截至 2025 年 4 月，指数的年化收益率达 15.64%，超越同期万得 全 A 的 6.77%、中证 TMT 的 6.58%以及电子行业的 12.16%，验证了精选个股策略在跨周 期中的持续有效性。 在科技产业上行周期中，指数展现出强劲的进攻特性： 2020 年 6 月至 2021 年 11 月的 科技牛市中，指数的年化收益率达 30.93%，显著跑赢电子行业（26.2%）、中证 TMT等指 数（4.52%）；尤其在 2021 年 6 月单月取得 7.38%的涨幅，创下相对于万得全 A的 6.30% 的超额收益，凸显其捕捉科技股加速行情的能力。而在市场调整阶段，其防御优势更为突出： 2022 年全球科技股回调中，指数最大回撤为-23.8%，显著优于电子行业（-34.1%）和中证 TMT（-29.5%）的波动幅度；特别是在 2024 年 1 月市场剧烈调整时，指数以-18.3%的跌幅 较电子行业-25.6%的下跌展现出更强韧性，并在随后 9 个月内快速实现反弹，自此反超并居 首。 这种攻守平衡特质在近年复杂市场中仍得到了持续强化：2025 年初市场风格剧烈切换 时，指数仍实现了出色的绝对收益，跑赢所有对标指数。其风险收益表现的持续优化，印证 了精选个股策略在科技成长领域的优势。

与把握主线基金指数相比，精选个股指数在保留了上涨区间收益的同时，回撤控制要明 显更优。在 2020 年 2 月至 2022 年 10 月与 2023 年 4 月至 2024 年 9 月的两个下行期内， 精选个股基金指数分别实现了 2.13%与-20.19%的区间收益，相对把握主线基金超额 5.39% 与 11.14%，相对中证 TMT 更是超额 42.85%与 12.70%，体现出更加稳健的特质。此外， 在其余科技行业上行时期，精选个股指数仍不会落后把握主线指数太多，甚至在 2024 年 9 月起至今的新一波 AI 行情中区间收益（53.82%）还略优于把握主线基金指数（52.52%）。

4.3.4 典型代表产品举例分析——景顺长城品质长青 A、金鹰科技创新 A

农冰立，自 2023 年 7 月 6 日任职以来，景顺长城品质长青 A 穿越多轮牛熊，在 2024 年 2 月至 2024 年 9 月以 3.19%涨幅排名同类前 1.15%（48/4158）。

农冰立作为景顺长城专注科技成长投资的基金经理，其选股框架以“产业趋势、经营周 期、公司治理”为核心要素，结合自下而上精选个股的策略。注重产业趋势，关注具备确定、 可持续、可验证且独立于宏观经济的增量需求产业，并按成熟度分类选股。 判断优质公司在经营周期中的位置，寻求与产业趋势的共振。

陈颖自上而下选择行业，自下而上钻研个股。逆向思维显著，不跟随市场热点。买入之 后中长期持有，过程中进行波段操作。 自上而下把握宏观与行业趋势：通过研判宏观经济形势和产业周期，挑选趋势向好的行 业布局，偏好贝塔表现好的领域，以凸显阿尔法价值。在当下，科技产业是经济增长关键， 如消费电子行业因 5G 和 AI 技术迎来变革，长盈精密主营消费电子精密结构件，符合其在优 质行业中筛选标的的思路。 自下而上挖掘优质成长个股：结合行业竞争格局、财务指标、公司治理等因素，寻找成 长空间大、现阶段估值低且预期差大的公司。超图软件作为亚洲第一、全球第二的 GIS 软件 企业，产品体系完善，应用场景广泛，伴随数字中国等建设推进，成长潜力大。对于这类个 股，通常持有 1-3 年并波段操作。 风险控制贯穿选股全程：分析市场策略时识别风险点、评估胜率；研究个股时关注涨跌 概率，避免追高。以中国长城为例，虽计算机行业存在风险，但公司在信创领域有优势，投 资时会依据市场情绪与基本面调整仓位。 基于自上而下把握宏观与行业趋势、自下而上挖掘优质成长个股等方面进行选股，陈颖 对虹软科技、超图软件、长盈精密等股票进行长期重仓。

4.4 注重组合结构调整以及波动操作的交易型科技成长基金

4.4.1 投资策略收益特征以及核心标的筛选标准

该类型的科技成长基金经理善于通过高频调仓进行组合结构调整，捕捉波动操作所带来 的收益。其核心竞争力体现在对科技产业波动规律的高频捕捉与交易纠偏机制，特征表现为 业绩的高波动性与修复弹性的并存。通过高频捕捉细分赛道的短期爆发窗口，基金经理能够 将阶段性 Alpha 转化为持续复利，在跟踪行业趋势和从波动率中获利等方面具有明显优势。 本节基于交易行为与 Brinson 归因模型的双重维度构建筛选体系：交易维度，锁定近两 年平均换手率＞4 的基金，确保其具备高频调仓的客观条件；Brinson 归因则要求其一级行 业交互收益在任职期以来均值>0（即基金经理能够通过行业切换创造的超额收益覆盖交易成 本），验证行业轮动的有效性。

4.4.2 基金产品评价与优选策略构建

对交易型科技成长基金池内的基金进行现任基金经理任职以来、近 1 年和近 3 年的基本 数据统计，得到了年化收益率、波动率、最大回撤、夏普比率的平均值与中位数。 交易型科技成长基金池的收益与风险特征呈现出显著的阶段性特征，其中近 1 年的策略 效果较为优异：收益端，该区间平均年化收益率达 10.25%（中位数 10.28%），较任职以来 的-0.48%和近 3 年的-6.46%形成显著对比；风险端，年化波动率压缩至 17.9%，最大回撤 仅有-3.86%，综合推动夏普比率提升至 0.54，印证当前科技行情下高频轮动策略的有效性。 与之形成鲜明对比的是，近 3 年周期内基金池平均年化收益率-6.46%、夏普比率-0.43，最 大回撤接近-30%，凸显科技赛道高波动属性的天然风险敞口与高频轮动策略带来的风险提升。 而自任职以来，交易型科技成长基金池的收益优于近 3 年，但仍不及近 1 年，平均年化收益 率在 0%上下，波动率达到 21.76%，最大回撤为-28.62%。在投资该类基金时，最需要关注 的仍然是其收益风险水平较为不稳定的特点，在不同的行情期可能展现出截然不同的收益水 平与风险水平。

随后，本节构建了隐形交易能力因子以衡量基金经理的波段交易能力。由于基金一般只 在半年报和年报披露完整的持仓数据，期间的操作并不进行披露，故构建隐形交易能力因子 分析基金经理的波段交易能力是极为重要的。 首先，在每个半年度报告期内，对所有基金的半年度收益率进行横截面分位数排名计算。 排名规则为收益率从低到高排序。其核心逻辑在于捕捉基金的相对业绩，与前一期的持仓情 况进行对比。 其次，本文构建结构化持仓因子以分析基金在报告期披露的持仓优劣。与基金的半年度 收益率类似，本文计算了全市场股票半年度收益率的横截面分位数，收益率越高的股票得分 越接近 1。接下来回到基金持仓数据，本文对每只基金持仓股票按持股占股票市值比赋权， 随后将权重与分位数得分进行点积计算，得到结构因子值，并通过动态归一化至[0,1]区间， 因子值越接近 1 代表基金的节点持仓情况越优秀。

4.4.3 投资策略市场环境适用性分析

通过拟合的交易型科技成长基金指数（大规模组与小规模组）与万得全 A、中证 TMT 及部分中信一级行业指数的对比可见，2019 年至 2025 年期间，交易型科技成长基金指数在 长期来看有显著优于其他指数的表现。 具体来看，交易型科技成长基金指数在行情爆发初期表现较为温和（如 2022 年前其走 势持续弱于电子行业指数，2023 年一季度 AI 行情中涨幅也低于部分指数），在整个市场走 势较好时，其跟随趋势的能力并不突出。但在市场环境较差时，其却能通过交易能力实现逆 势上涨，维持高涨行情期间的收益累积（如 2020 年末，在疫情冲击之下通过调仓规避下行 风险，实现逆向收益，2024 年中起尾随 AI 技术突破和产业政策扶持，凭借交易能力实现大 幅上涨）。直至 2025 年 4 月，交易型科技成长基金指数的大规模组累计收益位列对比指数 中首位，小规模组也仅次于大规模组和电子指数，有较为突出的收益表现。 相对大规模组来看，小规模组的波动性更加明显，其于 2020 年 6 月至 2021 年 11 月累 计涨幅达 94.8%，远超大规模组和其他指数，2024 年下半年的高弹性表现更是印证其对市 场转折的敏锐捕捉能力。 综合来看，交易型科技成长基金指数的市场适应性体现了交易策略与产业周期的共振效 应，在市场震荡期间有着较为出色的表现。其中，大规模组更适应行业趋势，在长期来看相 对更加稳定，累计收益最为优异，而小规模组波动更大，在特定的震荡区间内收益出色，长 期来看略逊于大规模组。

4.4.4 典型代表产品举例分析——景顺长城优质成长 A、西部利得数字产业 A

张仲维，商学硕士，自 2023 年 11 月 7 日起担任景顺长城优质成长 A 基金经理以来， 任职期间年化收益达 33.01%，最大回撤为-29.66%。

张仲维在宝盈任职期间，长期稳定跑赢中证 TMT指数，2016 年 9 月-2023 年 4 月张仲 维任职期间，宝盈互联网沪港深年化收益率 16.17%，相对中证 TMT超额年化收益率 16.75%。 在 2017 年（+25.7%）、2019 年（+78.7%）等科技板块占优的年份，基金收益大幅领先； 2018 年市场普跌时，仍通过选股和行业配置实现相对超额收益（跌幅小于中证 TMT），在 不同市场环境下均展现竞争力。

从行业配置角度来看，景顺长城优质成长 A 的行业配置同样具有其“高换手、高聚焦” 的交易型策略，在硬科技产业链的深度挖掘与灵活切换中展现独特优势。2023 年下半年， 基金以电子（30.02%）、通信（16.33%）与机械设备（14.82%）构建核心组合，精准卡位 半导体周期复苏与通信设备升级浪潮，同时在汽车产业链（8.23%）进行前瞻布局。进入 2024 年上半年，配置重心加速向硬科技倾斜，电子行业仓位大幅提升至 48.18%的历史峰值，通 信板块同步加仓至 26.95%，形成“电子+通信”的双引擎驱动，深度参与全球 AI 算力军备 竞赛驱动的芯片与光模块扩产周期。 面对 2024 年下半年科技赛道的内部分化，基金开启新一轮战术调仓：在保持电子 （44.57%）、通信（29.65%）核心仓位的同时，显著提升电力设备配置至 11.41%，重点布 局新能源技术与智能电网改造的交叉领域。而汽车产业链的仓位从 8.23%经 3.61%调整后回 升至 8.5%，显示出对智能驾驶技术迭代的持续跟踪能力。这种“核心赛道长期深耕+细分交 易机会灵活捕捉”的配置哲学，使基金在科技产业变革中持续占据有利生态位。

根据景顺长城优质成长 A 与其模拟交易组合的走势对比图，其交易能力呈现出“顺势强 化、逆势承压”的特征。在 2024 年二季度的科技股估值修复行情中，基金以 24.6%的绝对 收益大幅领先模拟组合的 18.9%涨幅，超额收益达 5.7%，展现出基金对算力产业链细分龙 头的精准交易捕捉；随后在 2024 年 9 月至 10 月的 AI 算力主升浪中，基金更实现了 44.7% 的爆发式上涨，展现其交易能力。但在 2025 年 4 月全球半导体供应链引发的极端行情中， 基金-15.1%的调整幅度较模拟组合-19.5%的暴跌收窄 4.4%，显示其在下行行情下也具有通 过交易填补收益损失的能力。这种“牛市强化领涨、熊市控损追赶”的表现，既验证了基金 经理捕捉科技成长股趋势的敏锐度，也揭示了其在复杂宏观扰动中平衡风险收益比的能力。

自何奇任职以来，西部利得数字产业 A 共经历了五段牛熊市，其表现呈现出显著的进攻 性特征与风险暴露的二元特质。在其经历的五个关键市场阶段中，三次展现出顶尖的收益爆 发力：2022 年 10 月至 2023 年 4 月，基金以 50.53%的收益碾压同类平均 3.15%的涨幅， 高居 3263 只同类产品中的次席；2024 年 2 月至 9 月的结构性行情中，27.7%的收益率较同 类均值 3.2%实现 24.5%的超额收益，跻身行业前 99.71%分位（排名 12/4162）；而 2024 年 9月至 2025年 4月的科技牛市主升段，基金更以 65.07%的涨幅稳居前列（排名 66/4480）。 但其风险控制能力存在明显短板：在 2023 年 4 月至 2024年 2 月的系统性调整中，基金-47.03% 的跌幅较同类多损失 16.7%，排名滑落至后 3%区间；更早的 2022 年 6-9 月熊市周期，基 金-18.64%的回报亦显著弱于同类-11.78%的水平。

何奇通过构建九宫格择时模型研判宏观经济周期，根据各行业在不同经济阶段的景气度 进行轮动操作，其管理产品大多呈现“高弹性高波动”特征。在该策略驱动下，西部利得数 字产业 A 的行业配置收益贡献显著且轮动胜率较高，使其产品在景气上行期能实现阶段性超 额收益，但过度追逐景气也导致基金波动率显著高于同业水平，部分产品最大回撤较同类均 值扩大超 50%。未来需强化回撤管理机制，持续优化行业趋势跟踪体系以应对风格切换风险。 具体分析西部利得数字产业 A 的行业配置情况，其行业配置呈现鲜明的交易特征，其“高 换手、高聚焦”策略在科技细分赛道的行情中展现出独特优势。该基金在 2022 年下半年以 传媒（39.98%）与计算机（42.26%）双轮驱动，精准捕捉元宇宙概念爆发期；2023 年上半 年迅速转向计算机（58.09%）与通信（24.74%）的算力基建组合，深度参与 AI 大模型训练 所需的 GPU 服务器集群布局。面对 2023 年下半年市场分化，基金将传媒仓位推升至 54.16% 的历史峰值，重点配置 AIGC 内容生成工具开发商，成功把握 AI 原生应用落地初期的估值重 估浪潮。

进入 2024 年，其调仓节奏进一步加快：上半年电子（33.98%）与有色金属（16.3%） 的硬科技组合占据主导；下半年则转向通信（35.89%）与商贸零售（12.74%）的跨界配置。 值得关注的是，基金对传媒行业的操作非常出色——2023H4 超配 54.16%斩获行业 beta 收 益后，2024H1 果断减仓至 26.62%锁定利润，至 2024H4 仅保留 4.91%仓位，完美规避了 数字内容监管政策引发的板块回调。

根据西部利得数字产业 A 与其模拟交易组合的走势对比图，其在产业趋势的脉冲行情中 彰显出极强的进攻性。2023 年一季度科技股估值修复阶段，基金以 21.4%的绝对涨幅显著 超越模拟组合的 17.9%，精准捕捉 GPU 服务器与光模块的订单放量机遇；在 2023 年三季 度的 AI 算力行情加速期，基金更以 38.7%的爆发式上涨压制了模拟组合的 29.2%，超额收 益扩大至 9.5%。值得关注的是其在极端行情中的战术调仓能力——2025 年二季度全球半导 体供应链冲击导致科技板块下挫时，基金凭借-12.7%的调整幅度较模拟组合的-15.9%的跌幅 少损失 3.2%，显示出其的逆向交易应对能力，一方面验证了基金经济对硬科技行业交易机 会的精准识别，一方面也表明其在宏观波动加剧环境下有出色的攻守平衡机制。

4.5 科技子赛道灵活轮动型科技成长基金

4.5.1 投资策略收益特征以及核心标的筛选标准

该类型的科技成长基金经理关注科技领域，但不过度锚定单一子行业，而是基于产业趋 势的边际变化，在一众科技子行业中灵活切换，通过动态捕捉不同子行业的阶段性机会获取 收益。其持仓呈现“高弹性+快轮动”的特点。本节通过融合子行业持仓波动率与子行业轮 动收益指标，构建多维筛选框架，筛选科技子赛道灵活轮动型的科技成长基金经理。 子行业持仓波动率即各基金在特定报告期内的所有科技相关子行业的持仓变动绝对值 的波动率，可以有效反映基金在各个子行业上的轮动频率与幅度。本节选择了 30 个中信行 业分类（二级分类）下的子行业作为科技相关子行业，以便后续的计算。

子行业的轮动收益则是使用上一期的子行业持仓变化向量与当期的子行业收益向量做 内积计算，在确认基金的子行业轮动行为基础之上，分析轮动所带来的收益，即基金经理的 轮动能力。 最终，本文通过筛选近两年波动率均值大于 5%的基金作为科技子赛道灵活轮动型科技 成长基金的基金池，共 104 只。

4.5.2 基金产品评价与优选策略构建

对科技子赛道灵活轮动型科技成长基金的基金池内的基金进行现任基金经理任职以来、 近 1 年和近 3 年的基本数据统计，得到了年化收益率、波动率、最大回撤、夏普比率的平均 值与中位数。 整体来看，科技子赛道灵活轮动型科技成长基金池的收益能力呈现显著的阶段性特征， 近 1 年表现明显优于其他时段，平均值达 12.42%，显著高于任职以来的 1.67%和近 3 年的 -3.04%；风险控制方面，同样是近 1 年的波动率与最大回撤数据较为优异：平均年化波动率 稳定在 20%，平均最大回撤收窄至-4.88%，夏普比率提升至 0.72，体现出当前市场环境下 科技板块的风险收益比改善、科技子赛道灵活轮动存在盈利空间。需要注意的是，近 3 年基 金池的平均年化收益率为负、夏普比率为-0.39，反映该类基金在长期来看仍存在波动风险。

在科技子赛道灵活轮动型科技成长基金的基金池中，本文再次根据业绩表现、回撤控制、 基金经理能力、子行业轮动收益等因素优选出了 11 只基金，作为科技子赛道灵活轮动型科 技成长基金的优选池。 在科技子赛道灵活轮动型基金的优选池中，基金的管理规模大多在 10 亿之下，仅有招 商优势企业 A 以 64.25 亿元独树一帜，显示优选池整体规模不大但管理效率较高的特征。在 业绩方面，优选池近 1 年平均收益率达 30.38%，平均夏普比率达 1.37，平均最大回撤为 -24.88%，整体的收益能力较为出色，其中银华数字经济 A 以 65.71%的收益、2.64 的夏普 比领跑。优选池的子行业轮动收益平均为 12.78%，11 只基金中有 9 只轮动收益超 10%，诺 安创新驱动 A、银华乐享 A 两只基金子行业轮动收益突破 16%，体现出基金经理出色的子行 业轮动能力；招商优势企业 A 在基金规模最大的情况之下仍然实现了 15.26%的子行业轮动 收益，彰显基金经理优异的管理水平与正确的投资理念。

4.5.3 投资策略市场环境适用性分析

本文根据科技子行业灵活轮动型科技成长的优选基金池，拟合了子行业轮动基金指数， 并与万得全 A、万得偏股混合型基金指数以及相应的中信行业指数进行走势对比。从走势图 可见，子行业轮动基金指数在 2019 年 1 月至 2025 年 4 月期间展现出显著的动态配置能力， 区间累计收益率达 108.8%，大幅超越万得全 A（50.8%）和万得偏股混合型基金指数（71.4%）， 其核心优势在于对电子、通信、计算机等科技行业及其对应子行业的精准轮动。 该投资策略在两类市场环境中展现出显著的适应性：在科技产业上行周期（如 2019 年 末至 2021 年中），指数内基金通过行业动量与景气度考量选择重仓子行业，获得了出色的 收益；在市场剧烈波动期（如 2023 年中至 2024 年中），基金也能通过子行业轮动降低回 撤，回撤控制能力显著优于几个指数。

4.6 总结

《推动公募基金高质量发展行动方案》新规对公募基金生态产生深远影响，核心体现在 三大机制重塑：一是建立长期收益导向的考核体系，要求基金公司将三年期以上长期业绩考 核权重提升至 80%以上，打破短期规模冲动，引导基金经理聚焦可持续价值创造；二是重构 考核指标结构，基金公司高管考核中投资收益类指标（如净值增长率、投资者盈利比例）权 重不低于 50%，基金经理绩效薪酬 80%与产品业绩挂钩，连续三年跑输基准超 10%将大幅 扣减薪酬，业绩优异者可合理上浮，实现“收益-考核-薪酬”的深度绑定；三是强化业绩基 准锚定作用，证监会将建立公募基金基准库并动态调整，新发行产品须严格匹配投资策略（如 科技主题基金基准限定为科创 50 等科技指数），从制度层面遏制风格漂移，同时明确鼓励 指数化投资发展，推动被动产品与主动管理形成差异化竞争格局。 在此政策框架下，我们应该着重关注选股能力强的科技产业投资基金经理，预计其优势 将进一步凸显。具备深度选股能力的基金经理，可依托新规下的长期考核环境，通过挖掘“能 够成长起来”的高市值空间个股，赚取长期超额收益，尤其在结构性行情中更易展现组合弹 性，相较均衡分配和行业轮动的科技成长基金经理，选股能力较强的基金经理更容易做出行 业增强，符合新规机制。新规本质上通过制度设计优化了激励相容机制，既为优质主动管理 能力提供了价值释放空间，也为系统化配置策略创造了良性发展土壤，推动行业从“规模驱 动”向“能力驱动”转型。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）