量化模型与构建方式 1. 模型名称：戴维斯双击策略 - 模型构建思路：通过以较低的市盈率（PE）买入具有成长潜力的股票，待成长性显现后，市盈率相应提高再卖出，从而实现EPS和PE的“双击”效应[1][7] - 模型具体构建过程： 1. 寻找盈利增速加速增长的标的，理论上这些标的的PE向下空间能得到有效控制[7] 2. 使用PEG指标评估股票定价的合理性，PEG指标通常用于衡量盈利增速与估值的匹配程度[7] - 模型评价：该策略在回测期内表现出较高的稳定性，7个完整年度的超额收益均超过11%[10] 2. 模型名称：净利润断层策略 - 模型构建思路：结合基本面和技术面，通过“净利润惊喜”和“断层跳空”两个核心特征筛选股票[2][12] - 模型具体构建过程： 1. 筛选过去两个月内业绩预告和正式财报中满足超预期事件的股票样本[12] 2. 按照盈余公告日跳空幅度排序，选取前50只股票等权构建组合[12] - 模型评价：策略结合了基本面和技术面，能够捕捉市场对盈余报告的认可程度以及情绪反应[12] 3. 模型名称：沪深300增强组合 - 模型构建思路：基于投资者偏好因子（GARP型、成长型、价值型）构建组合，分别通过PBROE因子和PEG因子筛选股票[3][18] - 模型具体构建过程： 1. PBROE因子：以PB与ROE的分位数之差构建，筛选估值低且盈利能力强的股票[18] 2. PEG因子：以PE与增速的分位数之差构建，筛选价值被低估且成长潜力可靠的股票[18] 3. 成长型因子：通过营业收入、毛利润、净利润增速筛选高速成长的股票[18] 4. 价值型因子：筛选具有长期稳定高ROE的公司[18] - 模型评价：该策略能够稳定实现超额收益，适合不同投资者偏好的组合构建[20] --- 模型的回测效果 1. 戴维斯双击策略 - 年化收益：26.45%[10] - 年化超额收益：21.08%[10] - 全样本超额收益：21.24%[8] - 最大相对回撤：-16.69%[8] - 收益回撤比：1.27[8] 2. 净利润断层策略 - 年化收益：28.48%[16] - 年化超额收益：26.52%[16] - 全样本超额收益：26.52%[14] - 最大相对回撤：-19.09%[14] - 收益回撤比：1.39[14] 3. 沪深300增强组合 - 年化收益：9.14%[18] - 年化超额收益：8.42%[18] - 全样本超额收益：8.42%[18] - 最大相对回撤：-9.18%[18] - 收益回撤比：0.92[18] --- 量化因子与构建方式 1. 因子名称：PBROE因子 - 因子构建思路：通过PB与ROE的分位数之差，筛选估值低且盈利能力强的股票[18] - 因子具体构建过程： $ PBROE = PB_{分位数} - ROE_{分位数} $ 公式中，PB代表市净率，ROE代表净资产收益率，分位数用于衡量相对排名[18] 2. 因子名称：PEG因子 - 因子构建思路：通过PE与增速的分位数之差，筛选价值被低估且成长潜力可靠的股票[18] - 因子具体构建过程： $ PEG = PE_{分位数} - 增速_{分位数} $ 公式中，PE代表市盈率，增速代表盈利增长率，分位数用于衡量相对排名[18] 3. 因子名称：成长型因子 - 因子构建思路：通过营业收入、毛利润、净利润增速筛选高速成长的股票[18] - 因子具体构建过程： 1. 计算营业收入增速、毛利润增速、净利润增速 2. 综合上述指标，筛选增速排名靠前的股票[18] 4. 因子名称：价值型因子 - 因子构建思路：筛选具有长期稳定高ROE的公司[18] - 因子具体构建过程： 1. 计算公司历史ROE的均值和标准差 2. 筛选ROE均值高且波动性低的公司[18] --- 因子的回测效果 1. PBROE因子 - 全样本超额收益：8.42%[18] - 最大相对回撤：-9.18%[18] - 收益回撤比：0.92[18] 2. PEG因子 - 全样本超额收益：8.42%[18] - 最大相对回撤：-9.18%[18] - 收益回撤比：0.92[18] 3. 成长型因子 - 全样本超额收益：8.42%[18] - 最大相对回撤：-9.18%[18] - 收益回撤比：0.92[18] 4. 价值型因子 - 全样本超额收益：8.42%[18] - 最大相对回撤：-9.18%[18] - 收益回撤比：0.92[18]