一、项目背景及目标

随着我国公募基金行业迈向高质量发展新阶段，监管机构在《推动公募基金高质量发展行动方案》中明确提出"强化核心投研能力建设"的战略方向，要求基金公司建立科学的投研能力评价体系、加大资源投入、构建一体化投研平台、推行团队制管理模式。在此背景下，公司业务发展面临双重挑战： 一方面，内部自管理基金与全市场公募基金的精细化评价需求日益迫切，传统定量定性方法已无法满足投研能力的长周期、多维度综合评估要求；另一方面，伴随客户规模的持续增长与业务渠道的拓展，评价体系的规范性、前瞻性及公正性成为夯实投资者信任基础的关键。

随着公司业务的发展，不管是对于公司内部所管理的公募基金，还是外部全市场公募基金，都需要有更加精细化、科学化的定量、定性的评价。同时，伴随着公司基金业务的拓展，未来通过直销、代销渠道认购的客户数量还会持续增加，不管是对内考核管理，稳健投资，还是对外展业，都对基金评价提出了更高的要求。构建并推进基金研究系统可以为研究条线提供平台支撑，补齐研究指标数据的缺失，指导投研端进行策略调整，同时也为内部基金管理水平评价和基金经理管理进行激励提供数据指标支撑。它不仅是基金公司基金研究中不可或缺的部分，更是强化核心竞争力、促进公司业务发展的重要支撑。

根据以上项目背景中的业务痛点，我们致力于构建一个符合公司研究的“智能基金研究系统”，此平台旨在实现以下核心目标：

（1）基金研究体系和指标的落地：实现以权益基金和债券基金两大类划分，对全市场公募基金，自上而下原则，进行详细、客观的量化评价。对全市场基金进行分类，按收益风险维度，对各类基金进行排序，从整体角度将大概优劣划分出来，逐步向下拆解。权益基金方面，划分基金风格（如大小盘、价值成长等），再研究其大类资产配置比例，分析行业配置情况及精细持股分析；债券基金方面，考察资产分布、杠杆变化、利率敏感性分析及可转债配置情况；同时通过归因分析验证，完成对基金业绩及基金经理管理水平定量分析的闭环。

（2）建立内部基金的评价体系：引用基金研究体系的指标，对公司内部基金进行详细、客观的定量画像。这能够比较精确地识别出表现优异的方面以及需要改进的领域。同时内部基金评价体系指标可以为业绩考核及激励提供数据指标支撑。

（3）基金经理评价指标和画像：通过对接内部的基金估值表数据，引用定量的指标数据，对基金经理的业绩及管理水平进行定量分析。相应数据结果推送到绩效系统，用于基金经理考核和激励。采用定量的数据分析对基金产品进行详尽定量刻画，再结合访谈、尽调进行定性分析，对基金产品和基金经理形成完整、充分的画像。

（4）研究员评价指标：通过将模拟组合的数据接入基金研究平台，按照基金研究体系对模拟组合进行全面评价，可以从更细致、立体的角度评估研究员的模拟组合，包括其择时能力和择券能力等。此外，通过基金研究系统追溯研究过程和结果，并计算出研究员推荐的基金对基金经理的贡献度，从而实现对基金研究员的全面考核。

（5）基金对比分析：通过选择多支基金，对选择基金的指标通过多维度指标的比较和分析，找出最符合投资目标和风险承受能力的基金进行投资。同时也可以对比我司管理基金与市场同类型基金管理水平的差异，从而找出差距进行调整和改进。

二、创新点

本基金研究系统以信创技术为核心，深度融合金融工程算法，致力于打造一个高效、安全、自主可控的基金研究平台。其创新点主要体现在以下几个方面：

1.信创技术赋能系统架构

①操作系统层面

采用国产麒麟操作系统作为底层支撑，确保系统的自主可控性。麒麟操作系统具备高安全性、高稳定性和良好的兼容性，能够为基金研究系统提供坚实的运行基础，有效抵御外部安全威胁，保障数据的完整性和保密性。

②中间件与服务器层面

集成东方通的 TongWeb 和 TongHttpServer。TongWeb 作为高性能的中间件，能够高效处理海量的基金数据请求，实现快速的页面渲染和数据交互；TongHttpServer 则提供了强大的 HTTP 服务功能，支持高并发访问，确保系统在面对大量用户同时查询基金信息时依然能够稳定运行。

引入 TongRDS（东方通关系型数据库中间件），实现对数据库的高效管理和访问。TongRDS 提供了数据缓存、负载均衡、事务管理等功能，能够显著提升数据库的读写性能，优化数据存储和查询效率，为基金研究系统提供快速、稳定的数据支持。

③数据库层面

使用达梦数据库作为数据存储的核心组件。达梦数据库是国内领先的自主可控关系型数据库管理系统，具备高性能、高可用性、高安全性等特点。它能够高效存储海量的基金历史数据、实时交易数据以及复杂的金融模型参数，支持复杂的 SQL 查询和数据分析操作，为基金研究提供强大的数据支撑。

2.金融工程算法驱动研究深度

①基金风格拟合算法优化

系统引入先进的金融工程算法，特别是对基金风格拟合算法进行了深度优化。通过多因子模型拟合的方式，能够精准识别基金的投资风格（如价值型、成长型、平衡型等），并实时跟踪其风格漂移情况。相比传统的基金风格分析方法，本系统的算法能够更准确地反映基金的实际投资行为，为投资者提供更具前瞻性和决策价值的参考。

基金风格拟合算法还支持动态调整和自适应学习。系统会根据市场环境的变化和基金投资组合的更新，确保算法的准确性和时效性。例如，在市场风格切换时，能够快速识别并提示基金风格的转变，帮助投资者及时调整投资策略。

③多维度数据分析与挖掘

基于信创技术的强大计算能力和存储能力，系统能够实现对基金数据的多维度分析和深度挖掘。除了传统的业绩分析、风险评估等指标外，还能够对基金经理的投资决策过程、交易行为模式、行业配置偏好等进行精细化分析。通过数据挖掘技术，系统可以发现隐藏在海量数据中的潜在规律和趋势，为基金研究提供更全面、深入的视角。

系统还支持用户自定义分析模型和指标体系，用户可以根据自身的研究需求和投资理念，灵活构建个性化的基金研究框架。同时，系统提供了丰富的可视化工具，将复杂的数据分析结果以直观的图表形式展示出来，方便用户快速理解和应用。

3.安全与性能保障

①高安全性

信创技术的应用为系统提供了全方位的安全保障。麒麟操作系统和达梦数据库等国产软件在设计之初就注重安全性，具备自主可控的加密技术、访问控制机制和安全审计功能。系统还采用了多层次的安全防护体系，包括防火墙、入侵检测系统、数据加密传输等措施，确保基金数据在采集、存储、传输和使用过程中的安全性，防止数据泄露和被篡改的风险。

②高性能与高可用性

通过东方通中间件的优化和达梦数据库的高性能存储，系统能够支持大规模并发访问和复杂的数据处理任务。在高并发场景下，系统依然能够保持快速响应，确保用户能够实时获取最新的基金研究信息。同时，系统采用了分布式架构和冗余设计，具备高可用性，能够有效避免单点故障，保障系统的稳定运行。

通过以上创新点的实现，本基金研究系统不仅在技术架构上实现了自主可控和安全可靠，还在基金研究的深度和广度上达到了新的高度，为投资者和金融机构提供了一个高效、智能、安全的基金研究平台。

三、项目技术方案

本系统是一个综合性的基金研究和分析平台，涵盖了从数据收集、指标计算到应用分析的各个环节，并与多个外部系统进行对接。

1.易用性

系统提供友好的用户操作界面，界面层次具有层次感，菜单结构清晰。遵循业务惯用逻辑处理模式，功能上进行整合分布，方便切换使用。

2.可拓展性

采用符合国际、国内标准的信息系统技术，所有的技术组件以及框架自身都是可以平行扩展，性能可以无限扩展，只要硬件资源允许。系统拆分成微服务，具备弹性扩展能力，服务可以快速弹性扩展，提升整体业务系统的并发。

系统采用微服务理念设计，基于业内成熟流行的规范技术和协议设计系统的接口，并且为二次开发以及第三方的对接提供便捷。可以兼容PC端和移动端，支持个性化界面的展示。

3.兼容性

系统在软硬件选型上，选用符合业界已有标准和业务事实标准的产品。包括操作系统、中间件、数据库以及浏览器都采用与其他分项系统可兼容的产品，并完成了信创改造。

4.先进性

系统是基于Springboot框架打造，具备云平台开发的互联网分布式开发框架，同时也是按照微服务理念做设计，很多分布式组件也是选择目前主流的框架，同时平台本身也会跟随技术发展的趋势，会不断引入和完善对应技术组件的内容，确保整个系统与时俱进。

5.安全性

满足国家、相关行业相关安全法律法规。按照《信息安全技术网络安全等级保护基本要求》（GB/T 22239-2019）三级系统安全标准（即等保要求）进行需求、设计、开发、实施工作。

6.平台性

符合金融行业场景，适合金融行业场景的技术开发平台；支持良好的二次开发能力，所有技术组件选型有专业团队进行源码分析研究和改造。可以跨平台运行，且应用支持独立运行。

7.可靠性

支持集群部署，提供99.99%的系统可用性。集群是高可用一种体现方式，除了集群之外，系统支持异地灾备的技术方案，从而进一步确保业务的持续高可用。

8.可维护性

提供运维监控系统可对服务器、服务、外部服务等进行监管与报警。制定数据备份方案，保证数据的安全。在监控系统中提供可以设置监控规则策略，规则可以支持对服务器CPU、内存、I/O、磁盘等硬件指标，还可以设置服务、系统进程、接口服务等。当达到监控规则触发条件后通过邮件、消息、短信等方式通知联系人。

系统支持全天24小时运转，所有的系统和服务采用无单点的模式部署运行，保证服务在出现问题的时候可以实现故障转移。

四、项目过程管理

五、运营情况

基于基金研究系统的建设经验，系统上线后通过分阶段推广策略，已全面覆盖公司投研、风控有办公条线。在推广过程中，通过专项培训、操作手册及案例演示，确保各业务团队快速掌握系统功能，并结合实际需求优化交互体验，用户活跃度持续提升。系统运行稳定，数据更新时效性显著提高，核心指标计算准确率达99%以上，有效支撑了日常研究与决策。同时，系统智能化分析模块的应用，使策略回测效率提升60%以上，大幅减少人工核算成本。此外，通过持续迭代优化，系统逐步实现与外部数据源及内部业务系统的无缝对接，进一步提升了数据整合与应用效率。未来，将持续完善系统功能，深化AI技术在投研分析中的应用，并探索与更多业务场景的协同，为公司数字化转型提供更强支撑。

六、项目成效

1.鑫元基金分类体系

基金研究的基础是基金分类体系。在基金研究市场，主流使用的基金分类为万得基金分类，我们提出了鑫元基金分类。鑫元基金分类属于事前、事后相结合的分类体系，一共具有三级分类。其中一级分类有六大类。在二级分类中，我们将灵活配置型基金根据各报告期的权益仓位均值按不同阈值进行了划分。对于主动权益基金，我们又根据模型将其划分为主题型基金和非主题型基金。在该分类体系下，我们对持仓和运作风格相近的基金划为一个分类，使得后续的基金分析在同类范围内的比较更具合理性。

2.自研的因子打分体系

权益因子由10个大类因子、23个小类因子组成。因子选择主要基于国内外金融市场短期或者长期有效的因子，涵盖国内公募基金经理进行投资决策主要考虑的因素。系统定期执行因子模型，首先计算个股在各个报告期的因子暴露，然后对主动权益类基金统计每个季度重仓股和每半年披露的全部持股的因子暴露。

在应用层，系统展示近N个报告期的因子暴露，可查看基金在因子暴露上的变化，进而分析经理在基金风格上的漂移。同时，我们计算了基金相较常用指数的超额因子暴露用于分析基金与大类指数的风格差异。

3.业绩拟合分析

由于基金的持仓披露是季频和半年度的，具有较长的滞后性。为了能更高频地评估基金的风格变化和经理操作思路的转化，系统中采用了多种多元回归的方法来拟合基金的风格、行业配置等。对基金复合风格、行业分布通过回归拟合模型，估计基金的风格和行业配置情况。我们要求所有风格类型或行业的占比权重在0和1之间，并且与现金的占比之和为100%。

4.独创的基金抱团率

在抱团率均值高的市场中，市场波动可能加剧，一旦有基金开始抛售，其他基金可能跟风，引发连锁反应，这时高抱团率的基金往往净值下跌严重，风险更高。我们也可以借用基金抱团率超过一定的阈值作为判断行情见顶，即将出现市场拐点的信号。

5.业绩归因

对基金业绩归因的分析不仅针对全市场范围内的基金，更重要的应用在于对公司产品的分析。我们对基金的权益持仓、债券持仓分别进行超额收益的计算和分解。另外，系统支持了用户构建自定义复合基准来进行超额收益的计算。

6.AI分析

为了提高业务对基金分析解读的效率，我们引入了AI大模型的技术对重要指标和数据进行了解读。因此，即使对页面内指标背后的复杂计算逻辑了解不深，通过大模型对指标通俗易懂的解读，也能让用户在短时间内对基金在各维度的情况有全面的了解。

七、经验总结

基金研究系统的建设旨在为核心研究条线构建强大的数字化支撑平台，其核心价值在于系统性地整合、治理与沉淀各类基金相关数据，从而有效弥补过往研究指标与基础数据的缺失与碎片化问题。该系统不仅为投研端提供及时、准确、多维度的基金分析工具和深度洞察，直接指导其进行投资策略的动态评估与优化调整；同时，其强大的分析能力也向下游延伸，为研究提供坚实的资产配置分析依据，赋能管理方案设计。从公司整体战略层面看，该平台夯实了研究能力基础，显著提升了研究成果的转化效率和可应用性，为拓展新的业务领域提供了关键的技术与数据支撑。此外，通过构建自主可控的核心数据库与分析能力，该系统显著降低了对外部资讯的依赖程度，节省了可观的信息采购成本；更重要的是，它大幅提升了整个研究条线的工作效率与协同能力，使研究人员能将精力更聚焦于深度分析与价值创造。