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）两个指标，筛选出具有较高投资价值的股票，构建组合[22][23] - 模型具体构建过程： 1. 以PB和ROE为核心指标，筛选全市场股票池中的前50只股票 2. 通过多因子模型对股票进行打分，结合市值因素和调仓周期优化组合 3. 每月调仓一次，剔除不符合条件的股票并加入新的符合条件的股票[22][23] - 模型评价：本周在全市场股票池中表现出明显的超额收益，具有较好的选股能力[22][23] 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，构建组合[27] - 模型具体构建过程： 1. 统计大宗交易股票的成交金额比率和成交金额波动率 2. 按照“高成交、低波动”原则筛选股票 3. 采用月频调仓方式，动态调整组合[27] - 模型评价：通过提炼大宗交易背后的信息，组合表现稳定，具有一定的超额收益能力[27] 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、调仓周期和仓位控制，构建事件驱动型选股组合[31] - 模型具体构建过程： 1. 以股东大会公告日为时间节点，筛选涉及定向增发的股票 2. 综合考虑市值因素和调仓周期，优化组合 3. 定期调仓，剔除不符合条件的股票[31] - 模型评价：尽管本周出现回撤，但长期来看，定向增发事件效应仍具有一定的投资价值[31] --- 模型的回测效果 1. PB-ROE-50组合 - 中证500股票池：本周超额收益0.27%[23] - 中证800股票池：本周超额收益0.69%[23] - 全市场股票池：本周超额收益1.39%[23] 2. 大宗交易组合 - 相对中证全指：本周超额收益0.26%[28] 3. 定向增发组合 - 相对中证全指：本周超额收益-0.16%[32] --- 量化因子与构建方式 1. 因子名称：动量弹簧因子 - 因子构建思路：基于动量效应，捕捉股票价格在短期内的弹性变化[12][13] - 因子具体构建过程： 1. 计算股票在一定时间窗口内的收益率变化 2. 对收益率进行标准化处理，剔除行业和市值影响 3. 构造多头组合，获取超额收益[12][13] - 因子评价：在中证500和流动性1500股票池中表现较好，动量效应显著[12][15] 2. 因子名称：标准化预期外盈利 - 因子构建思路：基于盈利预期差异，捕捉市场对盈利超预期的反应[12][15] - 因子具体构建过程： 1. 计算实际盈利与市场预期盈利的差值 2. 对差值进行标准化处理，剔除行业和市值影响 3. 构造多头组合，获取超额收益[12][15] - 因子评价：在中证500和流动性1500股票池中表现较好，盈利预期差异显著[12][15] 3. 因子名称：ROIC增强因子 - 因子构建思路：基于ROIC（投入资本回报率），优化因子权重，增强选股能力[12][15] - 因子具体构建过程： 1. 计算ROIC指标，剔除行业和市值影响 2. 对ROIC进行增强处理，优化因子权重 3. 构造多头组合，获取超额收益[12][15] - 因子评价：在中证500和流动性1500股票池中表现较好，选股能力较强[12][15] --- 因子的回测效果 1. 动量弹簧因子 - 中证500股票池：本周收益2.93%[12][13] - 流动性1500股票池：本周收益3.20%[15][16] 2. 标准化预期外盈利 - 中证500股票池：本周收益1.95%[12][13] - 流动性1500股票池：本周收益2.92%[15][16] 3. ROIC增强因子 - 中证500股票池：本周收益1.66%[12][13] - 流动性1500股票池：本周收益3.14%[15][16]