量化模型与构建方式 量化组合模型 - 模型名称：基于研报覆盖度调整的指数增强模型 - 模型构建思路：在不同宽基指数（如沪深300、中证500、中证1000）内，根据研报覆盖度区分两种域，并运用各自适用性因子进行增强，以提升选股效果[38] - 模型具体构建过程： 1. 将宽基指数内的股票根据研报覆盖度划分为高覆盖度域和低覆盖度域[38] 2. 针对不同域分别选用适配的因子进行增强，优化选股效果[38] 3. 通过回测验证模型在不同指数中的表现[38] - 模型评价：该模型通过因子适配性调整，提升了选股的精准性和收益稳定性[38] 资金流共振策略模型 - 模型名称：融资-主动大单资金流共振策略 - 模型构建思路：结合融资融券资金流因子和主动大单资金流因子，剔除极端行业后构建多头策略，提升策略稳定性[26] - 模型具体构建过程： 1. 定义融资融券资金因子：对融资净买入-融券净买入进行Barra市值因子中性化处理，取最近50日均值后的两周环比变化率[26] 2. 定义主动大单资金因子：对行业最近一年成交量时序中性化后的净流入排序，取最近10日均值[26] 3. 剔除主动大单因子中的极端多头行业，并在头部打分中剔除融资融券因子表现较差的行业[26] 4. 进一步剔除大金融板块，优化策略稳定性[26] - 模型评价：该策略通过因子剔除和优化，显著降低了回撤，提升了收益的稳定性[26] --- 模型的回测效果 基于研报覆盖度调整的指数增强模型 - 沪深300增强组合：上周绝对收益1.43%，超额收益0.24%；本月超额收益0.81%；本年超额收益3.39%[38] - 中证500增强组合：上周绝对收益0.95%，超额收益-1.01%；本月超额收益-2.82%；本年超额收益-2.39%[38] - 中证1000增强组合：上周绝对收益-0.90%，超额收益-1.77%；本月超额收益-3.23%；本年超额收益-3.46%[38] 融资-主动大单资金流共振策略 - 策略2018年以来费后年化超额收益13.5%，信息比率1.7[26] - 上周策略实现绝对收益2.0%，超额收益0.3%[26] --- 量化因子与构建方式 研发因子 - 因子名称：研发销售收入占比（tot_rd_ttm_to_sales）、研发总资产占比（tot_rd_ttm_to_assets） - 因子构建思路：通过研发投入与企业财务指标的比值衡量企业研发能力[35][36] - 因子具体构建过程： 1. 研发销售收入占比：计算公式为 $ \text{研发费用TTM} / \text{销售收入TTM} $[35] 2. 研发总资产占比：计算公式为 $ \text{研发费用TTM} / \text{总资产} $[35] - 因子评价：研发因子在不同时间维度和宽基指数中表现较好，尤其在小市值股票中超额收益更高[35][36] 成长因子 - 因子名称：净利润波动率（np_ttm_growth_std）、营业收入同比增速（yoy_or） - 因子构建思路：通过企业盈利能力和收入增长的稳定性衡量成长性[36][37] - 因子具体构建过程： 1. 净利润波动率：计算公式为 $ (\text{净利润TTM} - \text{过去八个季度净利润TTM均值}) / \text{过去八个季度净利润TTM标准差} $[37] 2. 营业收入同比增速：计算公式为 $ (\text{当期营业收入} - \text{去年同期营业收入}) / \text{去年同期营业收入} $[37] - 因子评价：成长因子在大小市值股票中均表现良好，尤其在小市值股票中超额收益更高[36][37] --- 因子的回测效果 研发因子 - 研发销售收入占比：近一周多头超额收益3.52%，近一个月6.55%，近一年25.14%[36] - 研发总资产占比：近一周多头超额收益3.18%，近一个月5.04%，近一年24.39%[36] 成长因子 - 净利润波动率：在沪深300中多头超额收益1.48%，中证500中3.42%，中证1000中2.33%，国证2000中2.55%[37] - 营业收入同比增速：在沪深300中多头超额收益2.03%，中证500中2.41%，中证1000中2.76%，国证2000中2.19%[37]