量化模型与构建方式 1. 模型名称：PB-ROE-50组合 - 模型构建思路：基于PB（市净率）和ROE（净资产收益率）两个核心指标，筛选出具有较高投资价值的股票组合[23] - 模型具体构建过程：以PB和ROE为核心因子，结合中证500和中证800股票池，构建50只股票的投资组合。具体调仓周期和权重分配未在报告中详细说明[23] - 模型评价：该模型在中证500和中证800股票池中表现出较好的超额收益能力，但在全市场股票池中表现不佳[23][24] 2. 模型名称：大宗交易组合 - 模型构建思路：基于“大宗交易成交金额比率”和“6日成交金额波动率”两个指标，筛选出高成交、低波动的股票[30] - 模型具体构建过程：通过月频调仓方式，选择“大宗交易成交金额比率”较高且“6日成交金额波动率”较低的股票，构建投资组合[30] - 模型评价：该模型利用大宗交易的特性，提炼出超额收益信息，表现出一定的投资价值[30] 3. 模型名称：定向增发组合 - 模型构建思路：基于定向增发事件效应，结合市值因素、调仓周期及仓位控制，筛选出具有投资价值的股票[35] - 模型具体构建过程：以股东大会公告日为时间节点，综合考虑市值因素、调仓周期及仓位控制，构建定向增发事件驱动的选股组合[35] - 模型评价：该模型通过事件驱动策略，捕捉定向增发带来的超额收益，具有一定的投资参考价值[35] --- 模型的回测效果 1. PB-ROE-50组合 - 中证500股票池：本周超越基准收益率0.88%，今年以来超额收益率10.90%[24] - 中证800股票池：本周超越基准收益率1.04%，今年以来超额收益率7.49%[24] - 全市场股票池：本周超越基准收益率-0.30%，今年以来超额收益率2.40%[24] 2. 大宗交易组合 - 本周超越基准收益率：1.36%[31] - 今年以来超额收益率：-11.69%[31] 3. 定向增发组合 - 本周超越基准收益率：1.87%[36] - 今年以来超额收益率：-15.12%[36] --- 量化因子与构建方式 1. 因子名称：盈利因子 - 因子的构建思路：衡量企业盈利能力，捕捉盈利能力较强的股票[17] - 因子具体构建过程：未详细说明具体计算方法，仅提到该因子在全市场股票池中表现良好[17] 2. 因子名称：成长因子 - 因子的构建思路：衡量企业成长性，捕捉成长性较高的股票[17] - 因子具体构建过程：未详细说明具体计算方法，仅提到该因子在全市场股票池中表现良好[17] 3. 因子名称：杠杆因子 - 因子的构建思路：衡量企业杠杆水平，捕捉杠杆水平适中的股票[17] - 因子具体构建过程：未详细说明具体计算方法，仅提到该因子在全市场股票池中表现良好[17] 4. 因子名称：流动性因子 - 因子的构建思路：衡量股票的流动性，捕捉流动性较高的股票[17] - 因子具体构建过程：未详细说明具体计算方法，仅提到该因子在全市场股票池中表现较差[17] 5. 因子名称：非线性市值因子 - 因子的构建思路：衡量市值对股票收益的非线性影响[17] - 因子具体构建过程：未详细说明具体计算方法，仅提到该因子在全市场股票池中表现较差[17] 6. 因子名称：市值因子 - 因子的构建思路：衡量市值对股票收益的线性影响[17] - 因子具体构建过程：未详细说明具体计算方法，仅提到该因子在全市场股票池中表现较差[17] --- 因子的回测效果 1. 盈利因子 - 全市场股票池：本周收益0.29%[17] 2. 成长因子 - 全市场股票池：本周收益0.23%[17] 3. 杠杆因子 - 全市场股票池：本周收益0.22%[17] 4. 流动性因子 - 全市场股票池：本周收益-0.72%[17] 5. 非线性市值因子 - 全市场股票池：本周收益为负，具体数值未披露[17] 6. 市值因子 - 全市场股票池：本周收益为负，具体数值未披露[17]