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，获得EPS和PE的“双击”收益[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. 以PEG指标评判股票定价的合理性，PEG越低越优[7] 3. 买入符合条件的股票，待成长性显现后卖出[7] - 模型评价：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%，具有较好的收益回撤比[11] 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，通过业绩超预期（净利润）和盈余公告后股价跳空（断层）选股[2][13] - 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[13] 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[13] - 模型评价：策略在历史回测中表现出较高的年化收益率和超额收益率，且收益回撤比表现良好[14] 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，寻找估值低、盈利能力强或成长潜力稳定的股票[3][16] - 模型具体构建过程： 1. 构建PBROE因子：PB与ROE的分位数之差，用于寻找估值低且盈利能力强的股票[16] 2. 构建PEG因子：PE与增速的分位数之差，用于寻找价值被低估且成长潜力可靠的股票[16] 3. 综合成长型和价值型投资者偏好，筛选出高速成长或长期稳定高ROE的公司[16] - 模型评价：策略历史回测显示超额收益稳定，收益回撤比表现较好[18] --- 模型的回测效果 1. 戴维斯双击策略 - 年化收益：26.45%[11] - 年化超额收益：21.08%[11] - 全样本超额收益：21.24%[9] - 最大相对回撤：-16.69%[9] - 收益回撤比：1.27[9] - 2023年累计绝对收益：-5.13%[9] - 2023年超额收益：2.29%[9] 2. 净利润断层策略 - 年化收益：28.55%[14] - 年化超额收益：26.58%[14] - 全样本超额收益：26.58%[14] - 最大相对回撤：-19.09%[14] - 收益回撤比：1.39[14] - 2023年累计绝对收益：1.95%[14] - 2023年超额收益：9.37%[14] 3. 沪深300增强组合 - 年化收益：9.10%[18] - 年化超额收益：8.44%[18] - 全样本超额收益：8.44%[18] - 最大相对回撤：-9.18%[18] - 收益回撤比：0.92[18] - 2023年累计绝对收益：-4.87%[18] - 2023年超额收益：6.51%[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，寻找估值低且盈利能力强的股票[16] - 因子具体构建过程： 1. 计算PB和ROE的分位数[16] 2. 取两者的分位数之差，作为PBROE因子值[16] 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，寻找价值被低估且成长潜力可靠的股票[16] - 因子具体构建过程： 1. 计算PE和增速的分位数[16] 2. 取两者的分位数之差，作为PEG因子值[16] --- 因子的回测效果 1. PBROE因子 - 无具体指标值披露 2. PEG因子 - 无具体指标值披露