| 投资策略： |
本基金投资于电子行业上市公司，使用量化策略对电子行业界定内的股票进行筛选并进行权重的优化，力争在跟踪电子行业整体市场表现的同时，获得相对于业绩比较基准的长期稳定超额收益。
1、资产配置策略本基金的资产配置策略作为股票投资策略的辅助手段，通过对宏观经济数据、资本市场数据等因子构建量化模型，判断当前时点的市场风险，适当调整各类资产的比例，适度降低组合系统性投资风险，提升本基金的风险调整后收益。
2、电子行业的界定本基金将按照中信行业分类体系对电子行业股票进行界定，包括属于中信电子元器件一级行业分类的上市公司，涵盖电子元件、电子器件、电子信息机电产品、电子信息产品专用材料、电子工业专用设备、电子测量仪器以及雷达等领域。
如果今后上述行业分类体系出现变更，或法律法规发生变化，基金管理人可以在履行必要的程序后对行业分类进行变更，并及时公告。
3、股票投资策略本基金的股票投资策略，以基金管理人量化团队自主开发的多因子选股模型为核心，投资策略将人工智能算法与基于大数据的量化策略相结合，采用完全遵循模型、严守投资纪律性、除极端情况不进行人为干预的方式进行股票投资。
本基金的多因子选股模型，采用经典多因子选股模型与人工智能算法相结合的方式进行构建，以经典多因子模型为基础，依靠人工智能算法的强大学习能力与自适应性，跟随市场变化动态实时有效地调整因子选择与因子权重，充分发挥机器学习算法的非线性性，学习性与应变能力，优化多因子模型的捕捉非线性关系能力、适应性、风险控制能力与收益能力。
（1）因子库的建立本基金管理人量化团队根据对中国证券市场运行特征的长期研究，目前主要选取估值、成长、盈利、流动性和波动性等五大类因子构建本基金的因子库。
未来，本基金管理人也将基于证券市场的发展变化以及信息科技技术的进步，挖掘更多长期有效的因子纳入因子库。
1）估值因子：如市值、PE、PB等指标；
2）成长因子：净利润增长率、主营业务利润增长率、总资产增长率等指标；
3）盈利能力因子：如ROE、ROIC、销售毛利率、销售净利率、净利润/营业收入等指标；
4）流动性因子：成交额、换手率等指标；
5）波动性因子：振幅、涨跌幅及年化波动率等指标。
（2）人工智能算法本基金在传统多因子模型的基础上引入人工智能算法（目前主要为自适应增强分类器算法），通过不断对历史数据的训练学习，充分发挥机器学习在非线性和自适应性等方面的计算能力，寻找有效因子并根据有效性的置信度赋予因子权重，产生新的适应性更强并能捕捉股票收益与因子间非线性关系的多因子模型，增强传统多因子模型的有效性。
具体构建方式如下：
1）以股票的单个因子来定义和构筑弱分类器。
2）通过不断自适应地循环构筑一系列弱分类器区分涨跌幅靠前的股票来优选，劣选股票分类。
3）在循环构筑弱分类器过程中通过提高权重的方式来着重强调上个循环分类错误的股票以达到纠正上期分类错误的目的。
4）综合所有的弱分类器来构筑最终的强分类器。
同时本基金将在运作过程中定期优化与检验机器学习算法的有效性，适当调整算法细节，提高模型与机器学习算法的有效性与极端条件下的表现性。
（3）股票筛选及投资组合构建基于上述方法得到有效因子以及因子权重，对股票在各个因子上进行总打分，选择综合得分靠前的股票构建本基金的投资组合。
4、债券投资策略本基金在债券投资方面，通过深入分析宏观经济数据、货币政策和利率变化趋势以及不同类属的收益率水平、流动性和信用风险等因素，以久期控制和结构分析策略为主，以收益率曲线策略、利差策略等为辅，构造能够提供稳定收益的债券和货币市场工具组合。
5、资产支持证券投资策略本基金将在严格遵守相关法律法规和基金合同的前提下，秉持稳健投资原则，综合运用久期管理、收益率曲线变动分析、收益率利差分析和公司基本面分析等积极策略，在严格控制风险的情况下，通过信用研究和流动性管理，选择风险调整后收益较高的品种进行投资，以期获得基金资产的长期稳健回报。
6、可转换债券投资策略可转换债券兼具权益类证券与固定收益类证券的特性，具有抵御下行风险、分享股票价格上涨收益的特点。
可转换债券的选择结合其债性和股性特征，在对公司基本面和转债条款深入研究的基础上进行估值分析，投资于公司基本面优良、具有较高安全边际和良好流动性的可转换债券，获取稳健的投资回报。
7、股指期货投资策略本基金将依据法律法规并根据风险管理的原则参与股指期货投资。本基金将通过对证券市场和期货市场运行趋势的研究，以套期保值为目的，采用流动性好、交易活跃的期货合约，并充分考虑股指期货的收益性、流动性及风险性特征。 |
