技术飞速发展，量化投资快速迭代。近两年，技术尤其是AI领域的快速发展，仍然在对量化投资产生持续的影响，本报告中，我们重点对近两年海外量化的新研究趋势，以及公募量化的新发展方向进行梳理，以对国内量化投资的未来发展给予启发。
　　我们重点关注Man Group、AQR、Acadian、Robeco、Two Sigma、BlackRock等机构的公开资料，发现近两年的量化投资研究整体呈现出一条较为一致的方法论演进主线：在AI大量解放生产力、因子生产效率提升后，量化选股的核心竞争力正从“开发更多有效因子”，向“把信息处理、信号生成、投资落地整合成更稳定的系统化能力”迁移。
　　海外量化研究趋势：
　　1）通过大模型高效利用信息。以Man Group为例，其在2024年左右就开始使用AI进行辅助研究，并基于Anthropic的Claude AI开发AlphaGPT，用于辅助生成投资假设并进行快速回测验证；不过也有多家管理人提出大模型使用未来信息或带来过拟合的担忧。
　　2）系统化的信号管理与模型构建。机构重视数据治理工作：Point72、Two Sigma等设置专门的数据治理团队；机构对另类数据的要求提高；模型构建适配更多元的数据。
　　3）传统因子及方法的精细化升级。多个实践方法用到了新的数据来源如文本、招聘数据等，也有不少方法是在传统数据源基础上，结合实际市场特点加入了更深入细致的分类。
　　海外公募量化投资变化：
　　1）更重视因子使用细节。以Alliance Bernstein为例，该管理人近几年新发的产品中多有强调因子使用的细节；Motley Fool 2025年发行的单因子ETF都采用了精细的改进因子，成长因子包含毛利润增速、毛利润创新（通过创新手段提升毛利润）、成长潜力等，价值因子包括BP、毛利润/企业价值、股东回报率等，动量因子结合了价格动量、因子动量等。
　　2）主动与量化结合的形式更加常见。我们对美国10.9万亿美元的主动股票基金+主动股票ETF进行筛选，统计规模前30名的机构中明确有主动+量化结合产品特征的机构，共有6家，多数为主动管理规模排名前十的机构；结合模式包括基本面思路因子化、主动与量化联合打分、先量化筛选再主动调整等。
　　风险提示及声明：报告对于海外产品的研究分析均基于公司、彭博等公开信息，可能受分析样本不同而产生一定偏差，产品未来表现受宏观环境、市场波动、风格转换等多重因素影响，存在波动风险；本报告不涉及证券投资基金评价业务，不涉及对基金产品的推荐